#юмор 

Эта задачка давно вошла в математический фольклор и стала излюбленным испытанием на собеседованиях. Её условия просты, а решение, кажется, напрашивается само собой, однако не стоит торопиться с выводами. 
  
Случайный трамвай посреди незнакомого города  
https://habr.com/ru/post/517070/

#новости #ПП2020

Добрый день, коллеги!
Послезавтра, 30.09.2020, мы начинаем проведение III Конференции "Прогнозирование и планирование 2020".

Еще есть время зарегистрироваться на ежегодное событие, собирающее экспертов-практиков в области прогнозирования и планирования. До 29.09.2020 включительно мы принимаем последние заявки на участие согласно всем пакетам участия. По поводу документального оформления можно не переживать, оно будет предоставлено - просто свяжитесь с нами, оставьте заявку, и наши специалисты предложат удобный вариант. Но если вы по каким-либо причинам не смогли присутствовать - это тоже решаемо. По завершению конференции возможно приобретение пакета "Запись" для всех интересантов.
Увидеть окончательную программу конференции и зарегистрироваться вы можете на сайте Конференции "Прогнозирование и планирование 2020".  
В программе конференции выступления специалистов, разрабатывающих практические решения для бизнеса, обзоры аналитического инструментария, видение рынков от руководителей и специалистов аналитических подразделений, а также мастер-класс директора Центра Статистических Технологий Артема Егорова и новые инициативы ЦСТ.
Мы собрали лучших специалистов в своей области и будем рады представить вам уникальные знания, видения и решения.

До встречи на Конференции.
С уважением,
Команда Центр Статистических Технологий – Analytera

#SAMSONOWAandPartners #rnd #ExplainerVideo 

Наверняка, каждый слышал про дизайн-мышление. Этот подход зародился в Стэнфорде, а сегодня его изучают во всех топ-университетах мира. Дизайн-мышление становится новой "религией" бизнеса — его популязируют Airbnb, Google и Apple. 
Эксперты из SAMSONOWA & Partners создали видеоролик, который простыми словами объясняет процесс дизайн-мышления. На 3 минуты Вы погрузитесь в короткую историю и разберетесь, чем этот подход может помочь Вам в Вашей работе! 
Ссылка на видеоролик: https://youtu.be/iCbAJIdKNCI

#софт #статметоды 

Калькулятор для расчета точного критерия Фишера (для таблиц типа r×c, максимальный размер 6×6) http://www.physics.csbsju.edu/stats/exact_NROW_NCOLUMN_form.html

#триз #11зртс 

ЗРТС общая картина. Вместо оглавления. 
  
За прошедшие пару месяцев мы вместе прошлись по системе законов развития техники (ЗРТС) и сегодняшний пост резюмирующий, с линками на примеры и конкретные Закономерности. Можно его использовать в качестве "предметного указателя". 
Современная система ЗРТС имеет некоторую подчиненность - механизмы реализации одного Закона, могут соответствовать и другому. Общая Схема внизу поста. Например, при устранении участия человека https://t.me/analytera/91 из ТС, будет повышаться полнота системы https://t.me/analytera/83 - функция, ранее выполняемая вручную будет теперь выполняться механизмом. 
А если этот механизм заменен на "умное вещество", то реализуется закон повышения свернутости https://t.me/analytera/97. Так, например, кварц заменил значительную часть механики в часах. 
Про связь между повышением согласованности https://t.me/analytera/104, динамичности https://t.me/analytera/127 и управляемости https://t.me/analytera/121 уже написано. Сделаю лишь акцент на том, что необходимость повысить согласованность между элементами системы или надсистемы обостряется из-за неравномерного развития (пост от 03/09/2020) участников назревающего конфликта. 
Оптимизация потоков https://t.me/analytera/134 и полный или частичный переход в надсистему https://t.me/analytera/68 - прямые способы повысить идеальность ТС. При этом искусственно созданные системы, в том числе и технические, отличаются от прочих тем, что у них эту идеальность можно измерить, и она всегда стремится увеличиваться https://t.me/analytera/62. Это очень помогает в выборе направлений совершенствовании систем, что не всегда можно однозначно сказать про системы, возникшие без участия человека. Хотя закон развития по S-образной кривой https://t.me/analytera/75 справедлив для любых систем. 
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera

#история 
Долгосрочные колебания численности населения в исторических обществах

Существующие методы предсказания изменения численности населения весьма несовершенны: обычно для получения прогноза экстраполируют сегодняшние тенденции. Сегодня прогноз роста населения для многих стран Европы, включая Россию, не менее печальный — только теперь нам якобы грозит вымирание. Однако обзор исторических данных показывает, что типичная картина, наблюдаемая в человеческих популяциях, не соответствует ни экспоненциальному росту, ни, тем более, постоянному падению численности населения. В реальности фазы роста и падения чередуются, и динамика численности населения обычно выглядит как длительные колебания с периодичностью 150–300 лет (так называемые «вековые циклы») на фоне постепенного роста. 
В статье рассматриваются исторические и археологические свидетельства периодических колебаний численности населения для евразийских обществ со II века до н.э. по XIX век н.э. и предлагается теоретическое объяснение этой динамики, учитывающее наличие обратной связи. Обратная связь, действующая со значительной задержкой по времени, как раз и приводит к колебательным движениям численности населения.  
https://elementy.ru/nauchno-populyarnaya_biblioteka/430806/Dolgosrochnye_kolebaniya_chislennosti_naseleniya_v_istoricheskikh_obshchestvakh

#статья 

Цель автора данной статьи показать, что маркетинг, направленный на детскую аудиторию, способствует эпидемии ожирения в США. Для этого был проведен эксперимент по исследованию вкусовых предпочтений детей. Целью этого эксперимента ставился ответ на вопрос: влияет ли маркетинг на вкусовое восприятие детей? В качестве источника воздействия маркетинга был выбран Макдоналдс, как крупнейший рекламодатель в США среди ресторанов быстрого питания. 
 
https://analytera.ru/about/stati/vozdejstvie-brendinga-setej-bystrogo-pitaniya-na-v/

#статистика #bigdata
 
Вопрос окупаемости проектов Big Data часто оказывается ключевым. Если у вас всего 500 заказов в месяц, будет ли проект экономически целесообразным? 
Чтобы понять, стоит ли овчинка выделки, сначала нужно разобраться, какие задачи решают алгоритмы машинного обучения на основе данных. Они делятся на три типа: инсайты, оптимизация бизнес-процессов и рекомендации для принятия решений. 
Полный текст статьи по ссылке 
 
http://datareview.info/article/kak-biznesu-otsenit-effektivnost-analiticheskih-proektov/

#триз 

Те, кто пытался практиковать классические инструменты ТРИЗ - приемы разрешения противоречий, АРИЗ, стандарты, законы развития, рано или поздно задаются вопросом: Как, откуда взять те задачи, где можно - раз! - и применить ТРИЗ-инструменты? Получить несколько красивых решений, удовлетворение от собственного творчества и лавры великого изобретателя. 
  
Опыт многочисленных инновационных проектов на базе ТРИЗ, накопленный с конца прошлого века, нынче оформлен в карту (см.картинку внизу поста), где базовые ТРИЗ-методики занимают важное, но совсем не громадное поле. Этот полный набор назван красиво G3:ID - первая часть по названию компании Gen3 Partners, которая более 20 лет применяла и обтачивала эти методы в ТРИЗ-проектах; вторая - ID означает Innovation Discipline. Вместе выглядит весьма красиво и удачно! 
Так для чего же потребовалось придумывать, подбирать, адаптировать дополнительные инструменты? Как раз для пересказа языком технических параметров жизненных ситуаций, типа: "хочется повысить продажи", "у нас много брака", "какой продукт проживет на рынке дольше остальных", "куда направить основные усилия R&D" и т.п. То есть - с языка стратегий, маркетинга, топ-менеджмента на язык технических функций нежелательных эффектов и законов развития технических систем.  
Некоторые словосочетания на приведенной карте могут (по)оказаться знакомы, но не будем спешить - в следующих постах разберем простым языком ключевые инструменты, которые позволяют пройти "сверху вниз": от расплывчатой формулировки потребности - к применению инструментов ТРИЗ, известных нам еще по учебникам Альтшуллера. 
 
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera

#история 

Клиодинамика — междисциплинарная область исследований, сфокусированная на математическом моделировании социально-исторических процессов. По сути это направление науки, выросшее из клиометрики, и использует математические методы, в том числе статистику, для выявления исторических закономерностей.  
Главный популяризатор этой молодой науки - Петр Валентинович Турчин, он же автор более 200 трудов в области популяционной динамики и математического моделирования исторической динамики. В статье вы можете узнать больше 
https://postnauka.ru/faq/10717

#статистика 

Оценка качества классификационных моделей — сложная и трудоемкая задача. Сначала аналитик оценивает робастность классификационной модели с помощью таких средств, как AIC-BIC, площадь под ROC-кривой, критерий согласия Колмогорова-Смирнова и др. Следующим логическим шагом является оценка точности модели. Чтобы понять, почему эта задача является достаточно сложной, в статье по ссылке автор рассматривает модели. 
 
http://datareview.info/article/luchshaya-metrika-dlya-ocenki-tochnosti-klassifikacionnyx-modelej/

#SAMSONOWAandPartners #открытыеинновации #openinnovation #rnd 
 
Что лучше при работе с инновациями: использовать только внутренние ресурсы фирмы или открыть процесс разработки для внешних партнеров? Что важнее: защитить свою интеллектуальную собственность или в сотрудничестве разработать абсолютно новые продукты? 
 
 
Сегодня современные компании все чаще выбирают второй путь. Модель открытых инноваций позволяет работать на стыке нескольких дисциплин и задействовать людей вне зависимости от места их работы. Вы сможете соединить разрозненные ресурсы и получить качественно лучший результат. 
 
 
Как устроена модель открытых инноваций? В чем ее сильные и слабые стороны? Как реальные проекты работают с открытыми инновациями? 
Ответы на эти вопросы Вы найдете в новой статье от экспертов SAMSONOWA & Partners. 
 
https://www.samsonowa.com/ru/2020/07/27/open-for-innovation/

#история  

15 октября 1926 в Ташкенте родился Генрих Саулович Альтшуллер, автор ТРИЗ—ТРТС (теории решения изобретательских задач — теории развития технических систем) и ТРТЛ (теории развития творческой личности). 
В 1946-48 г.г. главной целью его жизни стала разработка ТРИЗ (теории решения изобретательских задач). Основной постулат ТРИЗ-ТРТС: технические системы развиваются по определенным законам, эти законы можно выявить и использовать для создания алгоритма решения изобретательских задач. Созданию и совершенствованию ТРИЗ-ТРТС, а в конечном счете, созданию теории сильного мышления, Г.С. Альтшуллер посвятил свою жизнь - около 50 лет. 
Занятия по ТРИЗ он вёл с 1948 года. В эти годы им уже была сформулирована идея выявления и преодоления ТП (технического противоречия), выявлены некоторые закономерности (в частности то, что теперь называют переходом в надсистему, а также закон согласования ритмики) и приемы (один из первых - изменение агрегатного состояния), использовались некоторые химэфекты: применение сильных окислителей, ВВ, появился информфонд. 
В 1956 году в журнале “Вопросы психологии” вышла первая статья с изложением основ ТРИЗ. Главная мысль – техника развивается по объективным законам, которые надо изучать. Любая изобретательская задача – это выявление и разрешение противоречия. 
Очень много Г.С. Альтшуллер сделал для организации ТРИЗ-движения, объединяющего всех, кто использует ТРИЗ. В 1989 году была создана Всесоюзная Ассоциация ТРИЗ. Президентом Ассоциации был избран Г.С. Альтшуллер.

#статья #маркетинг 

Цель автора данной статьи показать, что маркетинг, направленный на детскую аудиторию, способствует эпидемии ожирения в США. Для этого был проведен эксперимент по исследованию вкусовых предпочтений детей. Целью этого эксперимента ставился ответ на вопрос: влияет ли маркетинг на вкусовое восприятие детей? В качестве источника воздействия маркетинга был выбран Макдоналдс, как крупнейший рекламодатель в США среди ресторанов быстрого питания. 
 
https://analytera.ru/about/stati/vozdejstvie-brendinga-setej-bystrogo-pitaniya-na-v/

#статья #DMAIC #управление_процессами 

Этапы улучшения качества процессов 
Чтобы приступить к улучшениям, надо осознать, что улучшения – это путь (процесс), который состоит из определенных этапов. Очень многие инициативы по улучшениям были загублены только от того, что менеджеры не могли осязать необходимые действия для улучшения качества процесса. 
https://analytera.ru/about/stati/etapy-uluchsheniya-kachestva-processov/

#триз 

ТРИЗ сверху вниз. Откуда же берутся задачи? 
  
В прошлом посте от 08.10.2020 https://t.me/analytera/144  был задан вопрос про переход от "реальностей этого мира" к тем задачам, которые учит решать классическая ТРИЗ. Отвечаю на него. С примером из опыта. Поехали! 
Задача: Крупная компания ищет стартап, чтобы, купив его, выйти на рынок бытовых сушилок для обуви. 
Казалось бы, понятная бизнес-задача. Сформулируй критерии для бенчмаркинга, проведи хороший поиск, отбери себе несколько компаний, что разработали и уже предлагают технологию сушки в быту. Пересчитай экономику по-своему, проведи все юридические и экономические проверки, сделай прогноз рынка.... И принимай себе решение о покупке. 
Ну, и какое же это имеет отношение к тому, что говорил Альтшуллер про конфликтующую пару инструмент-изделие, про противоречия, про ЗРТС? 
Сегодня пример про ЗРТС. И про правильный бенчмаркинг. Как и положено - сравниваем несколько систем, заносим оценки по важным критериям в таблицу. И один из таких критериев - эффективность сушки обуви. 
Вот тут и потребуется нам понятие S-образной кривой и пределов развития. Почему? Дело в том, что для пользователя эффективность сушки обуви важна сегодня в том устройстве, что уже куплено и работает. А для нашего Заказчика-покупателя технологии важно, насколько эта эффективность может быть повышена в будущем, когда купленный старт-ап с новыми силами возьмется свою разработку "дожимать". 
И тогда к сравнению технологий требуется добавить еще один пункт - запас потенциала развития технологии по параметру "эффективность". Выясняется (см.картинку внизу поста), что одна технология - впитыватель влаги - сможет перегнать остальные, а те уже близки к своим пределам развития, находятся на 3-ем этапе. 
Фокус внимания при таком анализе: Характеристики ценности (MPV - Main Parameters of Value, про них писал вот тут: 25.06.2020 https://t.me/analytera/42) именно для нескольких (!) заинтересованных сторон. В ситуации покупки старт-ап'а потенциал развития технологии - интерес только Заказчика-покупателя, а эффективность сушки сегодня - интерес, скорее, пользователя. Конечно, потенциал развития - не единственный критерий, но на принятие решения о покупке компании он точно повлиял. 
Всем успехов и системного взгляда на жизнь! 
 
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera

#инженер_аналитик 
 
Аналитические навыки входят сегодня в практически обязательный набор компетенций современного инженера. Моделирование процессов и прогнозирование, технологические сравнения и расстановка приоритетов, визуализация данных и презентация решений. Без этих навыков развитие специалиста не представляется возможным. Мы планируем опубликовать серию постов о развитии аналитических компетенций у сотрудников инженерных специальностей под тегом #инженер_аналитик. В этих постах будет описываться наша комплексная программа обучения в одноименным названием, в которой мы собрали весь набор знаний и навыков в инженерной области, которым должен обладать перспективный специалист. 
 
Больше информации по видению необходимых инженеру компетенций вы сможете получить, посмотрев наш вебинар.  
https://www.youtube.com/watch?v=dcuUXfkkKmI&feature=youtu.be

#вебинар #прогнозирование #machine_learning 

Предсказание поведения контролируемых параметров – одна из самых актуальных задач, возникающих на производстве. Сложность подобной задачи вызвана многообразием факторов и условий, при которых протекает процесс. На сегодняшний день существует достаточно много различных подходов, позволяющих решить задачу предсказания (прогнозирования), в том числе и с помощью современных методов машинного обучения (Machine Learning). На нашем канале на youtube вы можете посмотреть вебинар с кратким обзором методов машинного обучения. В нем же рассмотрен кейс - определение ожидаемых значений контролируемого параметра на основе линейной регрессионной модели. 
Ведущий - эксперт, тренер Анна Монахова. 
https://www.youtube.com/watch?v=HrVr7Q4pJVY&list=PL4DoKxTcB8CDDr_VC00qpiNicgvnoaI7t&index=9