#кейс #SAMSONOWAandPartners #rnd
Многие наслышаны, что методология дизайн-мышления помогает создавать решения, отвечающие запросам пользователей, так как позволяет погрузиться в проблему пользователя даже в незнакомой среде.
Заложенные в метод принципы настолько универсальны, что даже в такой сложной и опасной сфере как пожаротушение дизайнеры получают возможность погрузиться в незнакомый контекст и предложить действительно полезное решение.
А чтобы убедить в этом наших читателей, мы хотим поделитьcя с вами одним необычным кейсом: как дизайн-мышление помогло экспертам SAMSONOWA and Partners в создании технологических решений для пожарных:
https://www.samsonowa.com/ru/2020/04/28/design_thinking/
Многие наслышаны, что методология дизайн-мышления помогает создавать решения, отвечающие запросам пользователей, так как позволяет погрузиться в проблему пользователя даже в незнакомой среде.
Заложенные в метод принципы настолько универсальны, что даже в такой сложной и опасной сфере как пожаротушение дизайнеры получают возможность погрузиться в незнакомый контекст и предложить действительно полезное решение.
А чтобы убедить в этом наших читателей, мы хотим поделитьcя с вами одним необычным кейсом: как дизайн-мышление помогло экспертам SAMSONOWA and Partners в создании технологических решений для пожарных:
https://www.samsonowa.com/ru/2020/04/28/design_thinking/
SAMSONOWA & Partners
Как дизайн-мышление помогло в создании технологий для пожарных?
Blank
Многие наслышаны, что методология дизайн-мышления помогает создавать решения, отвечающие запросам пользователей. Команда SAMSONOWA & Partners на практике знает о преимуществах дизайн-мышления и уверена в универсальности подхода. А чтобы убедить…
Многие наслышаны, что методология дизайн-мышления помогает создавать решения, отвечающие запросам пользователей. Команда SAMSONOWA & Partners на практике знает о преимуществах дизайн-мышления и уверена в универсальности подхода. А чтобы убедить…
#прогнозирование #статья #Егоров
Можно ли спрогнозировать будущее?
Вопрос:
Подскажите, каким образом можно прогнозировать спрос на определенные категории товаров в сети магазинов (на какие категории товаров в будущем будет наибольший (наименьший) спрос) на основе истории покупок. Хотелось бы узнать, какой подход лучше работает...
1 Сегментация потребителей по кластерам, каждый из которых предпочитает определенную категорию (несколько категорий), и далее строить прогноз для каждого кластера, или же:
2 Сегментация всего ассортимента по группам и составление прогноза для каждой.
Буду благодарна за любую информацию.
Анна, Калининград
Ответ директора ЦСТ Analytera, Артема Егорова, вы можете прочитать по ссылке https://analytera.ru/about/stati/mozhno-li-sprognozirovat-budushee-vopros-otvet-opu/
Можно ли спрогнозировать будущее?
Вопрос:
Подскажите, каким образом можно прогнозировать спрос на определенные категории товаров в сети магазинов (на какие категории товаров в будущем будет наибольший (наименьший) спрос) на основе истории покупок. Хотелось бы узнать, какой подход лучше работает...
1 Сегментация потребителей по кластерам, каждый из которых предпочитает определенную категорию (несколько категорий), и далее строить прогноз для каждого кластера, или же:
2 Сегментация всего ассортимента по группам и составление прогноза для каждой.
Буду благодарна за любую информацию.
Анна, Калининград
Ответ директора ЦСТ Analytera, Артема Егорова, вы можете прочитать по ссылке https://analytera.ru/about/stati/mozhno-li-sprognozirovat-budushee-vopros-otvet-opu/
#софт #статметоды #калькулятор
Сравнение двух коэффициентов корреляции
Часто при анализе влияния факторов приходится сравнивать силу влияния одного и того же фактора на разные отклики или на один и тот же отклик, но в разных группах. Если фактор и отклик количественный, распределение их нормальное и между ними линейная взаимосвязь, теснота этой связи (сила влияния фактора) оценивается линейным коэффициентом корреляции Пирсона.
Таким образом, встает вопрос, как сравнить линейные коэффициенты корреляции и понять, есть ли различия в тесноте взаимосвязи двух пар признаков (есть ли различия в силе влияния фактора на отклик в разных группах)? Для сравнения коэффициентов корреляции можно использовать онлайн калькулятор Cocor comparing correlations на сайте http://comparingcorrelations.org/.
Сравнение двух коэффициентов корреляции
Часто при анализе влияния факторов приходится сравнивать силу влияния одного и того же фактора на разные отклики или на один и тот же отклик, но в разных группах. Если фактор и отклик количественный, распределение их нормальное и между ними линейная взаимосвязь, теснота этой связи (сила влияния фактора) оценивается линейным коэффициентом корреляции Пирсона.
Таким образом, встает вопрос, как сравнить линейные коэффициенты корреляции и понять, есть ли различия в тесноте взаимосвязи двух пар признаков (есть ли различия в силе влияния фактора на отклик в разных группах)? Для сравнения коэффициентов корреляции можно использовать онлайн калькулятор Cocor comparing correlations на сайте http://comparingcorrelations.org/.
comparingcorrelations.org
cocor - comparing correlations
This is a web interface for comparing two correlations
Конференция «Прогнозирование и планирование 2020. Формат онлайн. Приглашение к участию
Добрый день, дамы и господа.
Центр Статистических Технологий – Analytera приглашает вас принять участие в III Конференции «Прогнозирование и планирование 2020» https://www.forecasting-conference.ru/ для промышленности и коммерции, которая пройдет в онлайн формате 30.09.2020 – 02.10.2020.
«Прогнозирование и планирование» https://www.forecasting-conference.ru/. Это единственная русскоязычная конференция по прогнозированию в России для производственных компаний коммерческих предприятий, рассматривающая проблематику применения на практике подходов, инструментов и методов прогнозирования и планирования в деятельности компаний.
К участию в Конференции приглашаются руководители и специалисты департаментов прогнозирования, бизнес-анализа, маркетинга, финансовых и планово-экономических отделов.
В течение трех онлайн-дней вы сможете познакомиться с уникальными практическими кейсами, решениями и разработками, представленными ведущими специалистами в области прогнозирования и планирования. Получите возможность обменяться информацией с коллегами, а также рассмотреть как уже зарекомендовавшие себя, так и новые подходы и методики решения задач, связанных с прогнозированием и планированием. Участникам также будет предоставлена возможность пообщаться с выступающими экспертами и задать интересующие их вопросы.
Накопив весьма внушительный опыт проведения тренингов и проектов в онлайн формате, а также приняв во внимание пожелания наших коллег по итогам проведенного опроса, мы организовали Конференцию в виде трех блоков в среднем по два с половиной часа в день с тем, чтобы сделать участие в мероприятии максимально комфортным. Надеемся, что учли если не все, то очень многое, и приглашаем вас убедиться в этом лично и получить новые знания и видения в профессиональной деятельности.
Мы выражаем огромную благодарность всем нашим коллегам, принявшим участие в опросе, указанном в прошлом письме. Благодаря вашей помощи мы смогли составить оптимальный формат проведения Конференции и надеемся, что не разочаруем вас.
Готовы отвечать на вопросы и предоставлять всю необходимую информацию. Вы можете связываться с нами как по почте, так и в группах социальных сетей Вконтакте https://vk.com/analytera и Фейсбук https://www.facebook.com/analytera/ , а также получать более детальную информацию о спикерах и планируемых выступлениях в нашем экспертном телеграм-канале Analytera https://t.me/analytera .
Стремясь предлагать только лучшие профессиональные решения и неизменно надеясь быть полезными, будем ждать вас на онлайн Конференции «Прогнозирование и планирование 2020»
С уважением и до встречи,
Команда Центра Статистических Технологий - Analytera
Добрый день, дамы и господа.
Центр Статистических Технологий – Analytera приглашает вас принять участие в III Конференции «Прогнозирование и планирование 2020» https://www.forecasting-conference.ru/ для промышленности и коммерции, которая пройдет в онлайн формате 30.09.2020 – 02.10.2020.
«Прогнозирование и планирование» https://www.forecasting-conference.ru/. Это единственная русскоязычная конференция по прогнозированию в России для производственных компаний коммерческих предприятий, рассматривающая проблематику применения на практике подходов, инструментов и методов прогнозирования и планирования в деятельности компаний.
К участию в Конференции приглашаются руководители и специалисты департаментов прогнозирования, бизнес-анализа, маркетинга, финансовых и планово-экономических отделов.
В течение трех онлайн-дней вы сможете познакомиться с уникальными практическими кейсами, решениями и разработками, представленными ведущими специалистами в области прогнозирования и планирования. Получите возможность обменяться информацией с коллегами, а также рассмотреть как уже зарекомендовавшие себя, так и новые подходы и методики решения задач, связанных с прогнозированием и планированием. Участникам также будет предоставлена возможность пообщаться с выступающими экспертами и задать интересующие их вопросы.
Накопив весьма внушительный опыт проведения тренингов и проектов в онлайн формате, а также приняв во внимание пожелания наших коллег по итогам проведенного опроса, мы организовали Конференцию в виде трех блоков в среднем по два с половиной часа в день с тем, чтобы сделать участие в мероприятии максимально комфортным. Надеемся, что учли если не все, то очень многое, и приглашаем вас убедиться в этом лично и получить новые знания и видения в профессиональной деятельности.
Мы выражаем огромную благодарность всем нашим коллегам, принявшим участие в опросе, указанном в прошлом письме. Благодаря вашей помощи мы смогли составить оптимальный формат проведения Конференции и надеемся, что не разочаруем вас.
Готовы отвечать на вопросы и предоставлять всю необходимую информацию. Вы можете связываться с нами как по почте, так и в группах социальных сетей Вконтакте https://vk.com/analytera и Фейсбук https://www.facebook.com/analytera/ , а также получать более детальную информацию о спикерах и планируемых выступлениях в нашем экспертном телеграм-канале Analytera https://t.me/analytera .
Стремясь предлагать только лучшие профессиональные решения и неизменно надеясь быть полезными, будем ждать вас на онлайн Конференции «Прогнозирование и планирование 2020»
С уважением и до встречи,
Команда Центра Статистических Технологий - Analytera
VK
Бизнес аналитика, прогнозирование и планирование
Учим работать с промышленной и коммерческой информацией. На странице мы публикуем новости и обзоры аналитического рынка, сюжеты из обучающих программ, анонсы мероприятий и вебинаров, кейсы, комментарии экспертов и статьи по бизнес-анализу. Среди основных…
#триз #11зртс
Закон устранения участия человека - достаточно негуманно, но все же!
Сегодня разговор о закономерности, которую еще называют вытеснение человека из технической системы (ТС):
Закономерность, заключающаяся в том, что в процессе развития сокращается количество функций, выполняемых в системе человеком.
Реализацию таких изменений легко отследить в тех системах, где в явном виде выделяются типовые подсистемы - рабочий орган, трансмиссия, источник энергии и система управления. О законе повышения полноты ТС писали ранее (см. пост от 6 августа), а поскольку человек – это очень распространенный элемент надсистемы, то на него легко нагрузить функции, пока недоступные системе. И, хлоп! получается минимально работоспособная система, в которую сильно "интегрирован" человек. А уже потом развиваются подсистемы, и участие человека требуется все меньше и меньше. Происходит постепенное вытеснение.
Примеры систем, вытеснивших человека полностью: кассы самообслуживания в супермаркетах, системы фотоконтроля скорости и автоматического выставления штрафов, система автоматического пожаротушения и множество систем в атомной энергетике и военной технике.
Так что же, спрашивается: еще чуть-чуть и люди, вытесненные машинами, потеряют работу? Тем, кого сильно волнует этот техно-параноидальный вопрос, готов мой ответ: стоит фокусироваться на тех системах, где требуются неотъемлемые свойства человека - думать нестандартно, испытывать и использовать эмоции, обрабатывать опыт и создавать правила. Ведь из органов управления, зоны принятия решений и деятельности по разработке алгоритмов вытеснение происходит в последнюю очередь и то не всегда полностью.
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
Закон устранения участия человека - достаточно негуманно, но все же!
Сегодня разговор о закономерности, которую еще называют вытеснение человека из технической системы (ТС):
Закономерность, заключающаяся в том, что в процессе развития сокращается количество функций, выполняемых в системе человеком.
Реализацию таких изменений легко отследить в тех системах, где в явном виде выделяются типовые подсистемы - рабочий орган, трансмиссия, источник энергии и система управления. О законе повышения полноты ТС писали ранее (см. пост от 6 августа), а поскольку человек – это очень распространенный элемент надсистемы, то на него легко нагрузить функции, пока недоступные системе. И, хлоп! получается минимально работоспособная система, в которую сильно "интегрирован" человек. А уже потом развиваются подсистемы, и участие человека требуется все меньше и меньше. Происходит постепенное вытеснение.
Примеры систем, вытеснивших человека полностью: кассы самообслуживания в супермаркетах, системы фотоконтроля скорости и автоматического выставления штрафов, система автоматического пожаротушения и множество систем в атомной энергетике и военной технике.
Так что же, спрашивается: еще чуть-чуть и люди, вытесненные машинами, потеряют работу? Тем, кого сильно волнует этот техно-параноидальный вопрос, готов мой ответ: стоит фокусироваться на тех системах, где требуются неотъемлемые свойства человека - думать нестандартно, испытывать и использовать эмоции, обрабатывать опыт и создавать правила. Ведь из органов управления, зоны принятия решений и деятельности по разработке алгоритмов вытеснение происходит в последнюю очередь и то не всегда полностью.
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
#история
16 августа 1913 компания Ford впервые в мире запустила классический автосборочный конвейер.
В первые годы существования компания Ford, как и другие производители в то время, собирала автомобили только на заказ, и процесс был достаточно долгим и поэтапным. Сначала механик и его бригада разыскивали и заказывали необходимые детали, а затем приступали к поэтапной сборке автомобиля, начиная с шасси и несущей рамы. Генри Форду постоянно не хватало квалифицированных рабочих для выпуска автомобилей «ручной сборки». Уровень производства оставался низким, а цена на автомобили по-прежнему не могла быть снижена из-за высокого уровня оплаты труда квалифицированных механиков.
Чтобы достичь своей цели и создать народный автомобиль, Генри Форду необходимо было повысить уровень производительности предприятия. Создавая схему работы своих предприятий, Генри Форд воспользовался опытом, накопленным его предшественниками. Одним из них был Элиу Рут, разработавший для Сэмьюэля Кольта процесс производства, включавший раздельные этапы сборки. Чтобы сократить затраты на высокооплачиваемых специалистов, Генри Форд стандартизировал все детали. Теперь их могли собирать и неквалифицированные рабочие. Тщательно было продумано и устройство сборочного конвейера, что позволило максимально оптимизировать работу производственной линии. В результате готовый автомобиль выводился с заводского конвейера уже на собственном ходу. Помимо основного конвейера существовали и дополнительные движущиеся линии, обеспечивавшие своевременную подачу необходимых деталей в сборочные цеха.
Точность и быстрота стали залогом успеха массового производства во всем мире. Производство модели «T» достигло рекордного уровня – каждые 10 секунд с конвейера сходил готовый автомобиль. Форд снизил цены на свою продукцию и увеличил в два раза минимальную оплату труда, которая теперь составляла 5 долларов в день.
Компания Ford смогла не только наладить выпуск первоклассных автомобилей, но и значительно увеличить свою прибыль.
16 августа 1913 компания Ford впервые в мире запустила классический автосборочный конвейер.
В первые годы существования компания Ford, как и другие производители в то время, собирала автомобили только на заказ, и процесс был достаточно долгим и поэтапным. Сначала механик и его бригада разыскивали и заказывали необходимые детали, а затем приступали к поэтапной сборке автомобиля, начиная с шасси и несущей рамы. Генри Форду постоянно не хватало квалифицированных рабочих для выпуска автомобилей «ручной сборки». Уровень производства оставался низким, а цена на автомобили по-прежнему не могла быть снижена из-за высокого уровня оплаты труда квалифицированных механиков.
Чтобы достичь своей цели и создать народный автомобиль, Генри Форду необходимо было повысить уровень производительности предприятия. Создавая схему работы своих предприятий, Генри Форд воспользовался опытом, накопленным его предшественниками. Одним из них был Элиу Рут, разработавший для Сэмьюэля Кольта процесс производства, включавший раздельные этапы сборки. Чтобы сократить затраты на высокооплачиваемых специалистов, Генри Форд стандартизировал все детали. Теперь их могли собирать и неквалифицированные рабочие. Тщательно было продумано и устройство сборочного конвейера, что позволило максимально оптимизировать работу производственной линии. В результате готовый автомобиль выводился с заводского конвейера уже на собственном ходу. Помимо основного конвейера существовали и дополнительные движущиеся линии, обеспечивавшие своевременную подачу необходимых деталей в сборочные цеха.
Точность и быстрота стали залогом успеха массового производства во всем мире. Производство модели «T» достигло рекордного уровня – каждые 10 секунд с конвейера сходил готовый автомобиль. Форд снизил цены на свою продукцию и увеличил в два раза минимальную оплату труда, которая теперь составляла 5 долларов в день.
Компания Ford смогла не только наладить выпуск первоклассных автомобилей, но и значительно увеличить свою прибыль.
#статья #нейросеть
Нейросеть распознает киви для селективного сбора урожая
Точные и устойчивые методы распознавания киви — это одна из открытых проблем в создании роботов для селективного сбора урожая. Системы компьютерного зрения сталкиваются с такими сложностями, как изменение световых условий и перекрытие объектов. Чтобы решить эти сложности, исследователи используют модель семантической сегментации и предлагают две новые техники для препроцессинга входных изображений.
Проблемы прошлых подходов
Основными причинами отсутствия коммерческих проектах по использованию роботов для сбора урожая являются низкая точность подходов к распознаванию фруктов и неэффективность методов локализации.
Архитектура модели
В качестве архитектуры модели исследователи используют FCN-8s нейросеть. Нейросеть обучали на 63 снимках с 113 киви. Обучающая выборка была размечена вручную.
Тестирование подхода
Эффективность предложенного подхода оценивали в 3D модели фруктового сада. Тестовая локация обеспечивала различие в световых условиях: стандартное, передержанное и яркое. Только модель семантической сегментации выдает предсказания с F-мерой 0.82 на наборе изображений со стандартным освещением. Однако для изображений с осложненным освещением метрика падает до 0.13. При добавлении предложенного метода препроцессинга скор модели на сложных данных повышается до 0.42. По результатам тестов, итоговая модель смогла распознать 87% не перекрытых и 30% перекрытых фруктов на снимках для всех типов освещения.
Источник https://neurohive.io/ru/gotovye-prilozhenija/nejroset-raspoznaet-kivi-dlya-selektivnogo-sbora-urozhaya/
Первоисточник https://arxiv.org/pdf/2006.11729.pdf
Нейросеть распознает киви для селективного сбора урожая
Точные и устойчивые методы распознавания киви — это одна из открытых проблем в создании роботов для селективного сбора урожая. Системы компьютерного зрения сталкиваются с такими сложностями, как изменение световых условий и перекрытие объектов. Чтобы решить эти сложности, исследователи используют модель семантической сегментации и предлагают две новые техники для препроцессинга входных изображений.
Проблемы прошлых подходов
Основными причинами отсутствия коммерческих проектах по использованию роботов для сбора урожая являются низкая точность подходов к распознаванию фруктов и неэффективность методов локализации.
Архитектура модели
В качестве архитектуры модели исследователи используют FCN-8s нейросеть. Нейросеть обучали на 63 снимках с 113 киви. Обучающая выборка была размечена вручную.
Тестирование подхода
Эффективность предложенного подхода оценивали в 3D модели фруктового сада. Тестовая локация обеспечивала различие в световых условиях: стандартное, передержанное и яркое. Только модель семантической сегментации выдает предсказания с F-мерой 0.82 на наборе изображений со стандартным освещением. Однако для изображений с осложненным освещением метрика падает до 0.13. При добавлении предложенного метода препроцессинга скор модели на сложных данных повышается до 0.42. По результатам тестов, итоговая модель смогла распознать 87% не перекрытых и 30% перекрытых фруктов на снимках для всех типов освещения.
Источник https://neurohive.io/ru/gotovye-prilozhenija/nejroset-raspoznaet-kivi-dlya-selektivnogo-sbora-urozhaya/
Первоисточник https://arxiv.org/pdf/2006.11729.pdf
neurohive.io
Нейросеть распознает киви для селективного сбора урожая
Точные и устойчивые методы распознавания киви - это одна из открытых проблем в создании роботов для селективного сбора урожая.
#глоссарий
Вариация, показатели вариации.
Вариация в статистике – это различие значений какого-либо признака у разных единиц совокупности в один и тот же период или момент времени (Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник/Под ред. Елисеевой. – 5-е изд., перераб. и доп. – М.: Финанасы и статистика, 2004, с.140).
Комментарий нашего эксперта, Юлии Берлин
Различных показателей вариации достаточно много, в основном они характеризуют разброс отдельных значений вокруг среднего значения. Чем выше значение показателя вариации, тем больше разброс и меньше степень однородности объектов выборки. Таким образом, показатели вариации можно использовать для сравнения степени вариации в разных группах.
Наиболее известный показатель вариации – стандартное (среднее квадратическое) отклонение, «сигма». Оно используется в анализе качества процессов, при построении контрольных карт, в анализе измерительных систем, как оценка риска инвестиций и т.д. Но следует помнить, что:
С помощью стандартного отклонения можно сравнивать разброс только при одинаковых средних значениях.
Например, нельзя сделать вывод об одинаковом разбросе цен в разных регионах, если в каждом из них «сигма» цены на продукт 50 ед., но в одном средняя цена 500 ед., а в другом – 600. Точно так же, нельзя сделать вывод о разном разбросе, если в одном регионе «сигма» 50 ед., а другом - 60 ед., но средние цены, соответственно, 500 и 600 ед.
При сравнении степени вариации в выборках с разными средними значениями следует использовать коэффициент вариации (при этом надо помнить, что он рассчитывается только для значений одинакового знака).
2.Стандартное отклонение не обладает свойством аддитивности (суммирования). Например, стандартное отклонение процесса за 5 рабочих дней не будет равно сумме стандартных отклонений процесса за каждый день.
При необходимости выполнения арифметических действий с разбросом следует использовать другой показатель вариации - дисперсию.
Хотелось бы особенно подчеркнуть, что вариация – это изменчивость в пространстве. Различия значений признака у одного и того же объекта во времени принято называть не вариацией, а колеблемостью. Методы измерения и изучения колеблемости принципиально отличаются от методов измерения вариации!
Рассчитывать для временнЫх данных показатели по пространственным формулам можно только в одном случае: когда во временном ряду отсутствуют тренд и сезонность. При наличии тенденции разброс оценивается не относительно среднего значения, а относительно тренда. И, например, при проведении XYZ анализа используется не коэффициент вариации, а коэффициент колеблемости (аналог коэффициента вариации, но со стандартным отклонением от тренда). При наличии сезонности дополнительно рассчитывается стандартное отклонение сезонности и коэффициент сезонной колеблемости. Подробнее про показатели колеблемости можно прочесть в книге «Анализ временных рядов и прогнозирование» В.Н. Афанасьев, М.М. Юзбашев. М.: Финансы и статистика, 2010.
Давайте использовать корректную терминологию!
Вариация, показатели вариации.
Вариация в статистике – это различие значений какого-либо признака у разных единиц совокупности в один и тот же период или момент времени (Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник/Под ред. Елисеевой. – 5-е изд., перераб. и доп. – М.: Финанасы и статистика, 2004, с.140).
Комментарий нашего эксперта, Юлии Берлин
Различных показателей вариации достаточно много, в основном они характеризуют разброс отдельных значений вокруг среднего значения. Чем выше значение показателя вариации, тем больше разброс и меньше степень однородности объектов выборки. Таким образом, показатели вариации можно использовать для сравнения степени вариации в разных группах.
Наиболее известный показатель вариации – стандартное (среднее квадратическое) отклонение, «сигма». Оно используется в анализе качества процессов, при построении контрольных карт, в анализе измерительных систем, как оценка риска инвестиций и т.д. Но следует помнить, что:
С помощью стандартного отклонения можно сравнивать разброс только при одинаковых средних значениях.
Например, нельзя сделать вывод об одинаковом разбросе цен в разных регионах, если в каждом из них «сигма» цены на продукт 50 ед., но в одном средняя цена 500 ед., а в другом – 600. Точно так же, нельзя сделать вывод о разном разбросе, если в одном регионе «сигма» 50 ед., а другом - 60 ед., но средние цены, соответственно, 500 и 600 ед.
При сравнении степени вариации в выборках с разными средними значениями следует использовать коэффициент вариации (при этом надо помнить, что он рассчитывается только для значений одинакового знака).
2.Стандартное отклонение не обладает свойством аддитивности (суммирования). Например, стандартное отклонение процесса за 5 рабочих дней не будет равно сумме стандартных отклонений процесса за каждый день.
При необходимости выполнения арифметических действий с разбросом следует использовать другой показатель вариации - дисперсию.
Хотелось бы особенно подчеркнуть, что вариация – это изменчивость в пространстве. Различия значений признака у одного и того же объекта во времени принято называть не вариацией, а колеблемостью. Методы измерения и изучения колеблемости принципиально отличаются от методов измерения вариации!
Рассчитывать для временнЫх данных показатели по пространственным формулам можно только в одном случае: когда во временном ряду отсутствуют тренд и сезонность. При наличии тенденции разброс оценивается не относительно среднего значения, а относительно тренда. И, например, при проведении XYZ анализа используется не коэффициент вариации, а коэффициент колеблемости (аналог коэффициента вариации, но со стандартным отклонением от тренда). При наличии сезонности дополнительно рассчитывается стандартное отклонение сезонности и коэффициент сезонной колеблемости. Подробнее про показатели колеблемости можно прочесть в книге «Анализ временных рядов и прогнозирование» В.Н. Афанасьев, М.М. Юзбашев. М.: Финансы и статистика, 2010.
Давайте использовать корректную терминологию!
#софт #статметоды #калькулятор
В MS Excel нет встроенных инструментов, позволяющих быстро рассчитать доверительный интервал (confidence interval) для доли, тем более, что способов расчета известно более 20. Наиболее часто используется расчет по скорректированному методу Вальда. Для выполнения таких расчетов можно использовать Confidence Interval Calculator for a Completion Rate https://measuringu.com/wald/
В MS Excel нет встроенных инструментов, позволяющих быстро рассчитать доверительный интервал (confidence interval) для доли, тем более, что способов расчета известно более 20. Наиболее часто используется расчет по скорректированному методу Вальда. Для выполнения таких расчетов можно использовать Confidence Interval Calculator for a Completion Rate https://measuringu.com/wald/
#триз #11зртс
Закон повышения свернутости. Разумное схлопывание.
Формулировка закона:
Закономерность развития технических систем, заключающаяся в том, что в процессе развития сокращается число элементов ТС без ухудшения (или при улучшении) функционирования.
Сама процедура свертывания заключается в устранении элементов из технической системы и перераспределении их полезных функций между оставшимися элементами. При устранении компонентов обычно уходят и связанные с ними недостатки.
Закон повышения свернутости, пожалуй, самый инструментальный из ЗРТС. Поскольку речь идет о функциях элементов и факторах расплаты, то выбор "кандидатов на свертывание" можно легко провести по результатам аналитики, например, ФСА. А шаги совершенствования - перенос функций на другие элементы - отлично алгоритмизированы.
Давайте к примерам!
В знакомой всем с детства шине - что велосипедной, что автомобильной - задействованы "две резины". Одна хорошо удерживала воздух, другая хорошо смягчала атаку камешков на первую. Итак: воздух в камере обеспечивает амортизацию всего транспортного средства, камера удерживает этот воздух, покрышка защищает эту камеру.
Много же времени потребовалось нашему миру, чтобы "вторая резина" взялась (заодно и) удерживать воздух! Шины стали бескамерные, а вместе с камерами ушли все неудобства, связанные с их изготовлением, установкой, эксплуатацией и утилизацией.
Еще пример -чайник. Если он свой, домашний, то мы уже выучили и знаем сколько времени требуется на его закипание и когда стоит его выключать. Берем теперь чайник "продвинутый", со свистком. Там: горячий воздух, проходя через "специальный элемент" чайника, генерирует информационный сигнал (свист). По свистку человек должен все бросить и идти выполнять действие - выключать чайник.
Сегодня же эта длинная и ненадежная цепочка "свист - ухо - мозг - ноги - глаза - мозг - рука" свернута почти в точку - изящную биметаллическую пластинку. Это датчик и исполнительный элемент в одном лице. Для его работы нужна лишь энергия всё того же горячего воздуха, а функция выполняется всё та же - "своевременно разомкнуть электрическую цепь", но выполняется лучше/быстрее и без трудозатрат.
Системы развиваются и, согласно Закону, в них можно обнаружить следы предыдущих, более развёрнутых систем. В качестве тренировки поглядите на картинку внизу поста и ответьте на вопросы: Какой элемент системы свернут? Какая полезная функция этого элемента осталась и кто теперь её выполняет?
Желаю всем изобретательской наблюдательности!
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
Закон повышения свернутости. Разумное схлопывание.
Формулировка закона:
Закономерность развития технических систем, заключающаяся в том, что в процессе развития сокращается число элементов ТС без ухудшения (или при улучшении) функционирования.
Сама процедура свертывания заключается в устранении элементов из технической системы и перераспределении их полезных функций между оставшимися элементами. При устранении компонентов обычно уходят и связанные с ними недостатки.
Закон повышения свернутости, пожалуй, самый инструментальный из ЗРТС. Поскольку речь идет о функциях элементов и факторах расплаты, то выбор "кандидатов на свертывание" можно легко провести по результатам аналитики, например, ФСА. А шаги совершенствования - перенос функций на другие элементы - отлично алгоритмизированы.
Давайте к примерам!
В знакомой всем с детства шине - что велосипедной, что автомобильной - задействованы "две резины". Одна хорошо удерживала воздух, другая хорошо смягчала атаку камешков на первую. Итак: воздух в камере обеспечивает амортизацию всего транспортного средства, камера удерживает этот воздух, покрышка защищает эту камеру.
Много же времени потребовалось нашему миру, чтобы "вторая резина" взялась (заодно и) удерживать воздух! Шины стали бескамерные, а вместе с камерами ушли все неудобства, связанные с их изготовлением, установкой, эксплуатацией и утилизацией.
Еще пример -чайник. Если он свой, домашний, то мы уже выучили и знаем сколько времени требуется на его закипание и когда стоит его выключать. Берем теперь чайник "продвинутый", со свистком. Там: горячий воздух, проходя через "специальный элемент" чайника, генерирует информационный сигнал (свист). По свистку человек должен все бросить и идти выполнять действие - выключать чайник.
Сегодня же эта длинная и ненадежная цепочка "свист - ухо - мозг - ноги - глаза - мозг - рука" свернута почти в точку - изящную биметаллическую пластинку. Это датчик и исполнительный элемент в одном лице. Для его работы нужна лишь энергия всё того же горячего воздуха, а функция выполняется всё та же - "своевременно разомкнуть электрическую цепь", но выполняется лучше/быстрее и без трудозатрат.
Системы развиваются и, согласно Закону, в них можно обнаружить следы предыдущих, более развёрнутых систем. В качестве тренировки поглядите на картинку внизу поста и ответьте на вопросы: Какой элемент системы свернут? Какая полезная функция этого элемента осталась и кто теперь её выполняет?
Желаю всем изобретательской наблюдательности!
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
#история
В Империи инков до открытия Америки Христофором Колумбом существовала развитая статистика. Империя была разделена на четыре провинции, в каждой из которых низшей административно-территориальной ячейкой были объединения 10 семей. Главы этих объединений вели учет динамики населения, запасов пищи и одежды, состояния жилищ и дорог, общественных сооружений и т.д. Все это сообщалось императору – Великому Инке.
У инков не было письменности, по крайней мере, она до нас не дошла, но они обладали узелковым «письмом», мнемоническими связками шнурков, т.н. кипу. Любые количественные данные и сведения фиксировались и передавались с помощью этих кипу путем сочетания цветов и длины ниток, формы узелков. Наиболее длинная сохранившаяся до нас связка, весит 6 кг, и длина ее равна расстоянию от Москвы до Петербурга. Фактически, это большой статистический справочник. Он состоит из шнура, на котором одна на другой крепятся нити-подвески и сложные узлы. Нити были 13 узлов, встречались разноцветные нити. В каждом кипу фиксировались однородные предметы.
Владеющие этой шнурковой азбукой, кипукамайоки, и переносящие кипу обязательно находились в каждом населенном пункте империи. Все сведения, поступавшие в столицу, концентрировались в руках главного кипукамайока. Поскольку любая ошибка при вязке кипу каралась смертной казнью, в кипу содержались сведения высокой точности.
Когда последний император инков попал в плен к испанским конкистадорам, то он отдал приказ уничтожить всех кипукамайоков для того, чтобы лишить пришельцев-завоевателей стратегически важной информации. Инки действительно понимали важность статистики. И в итоге человечество навсегда утратило секрет кипу.
см. А. Кузьмищев «Статистика империи инков», «Вопросы статистики» № 9/1996
В Империи инков до открытия Америки Христофором Колумбом существовала развитая статистика. Империя была разделена на четыре провинции, в каждой из которых низшей административно-территориальной ячейкой были объединения 10 семей. Главы этих объединений вели учет динамики населения, запасов пищи и одежды, состояния жилищ и дорог, общественных сооружений и т.д. Все это сообщалось императору – Великому Инке.
У инков не было письменности, по крайней мере, она до нас не дошла, но они обладали узелковым «письмом», мнемоническими связками шнурков, т.н. кипу. Любые количественные данные и сведения фиксировались и передавались с помощью этих кипу путем сочетания цветов и длины ниток, формы узелков. Наиболее длинная сохранившаяся до нас связка, весит 6 кг, и длина ее равна расстоянию от Москвы до Петербурга. Фактически, это большой статистический справочник. Он состоит из шнура, на котором одна на другой крепятся нити-подвески и сложные узлы. Нити были 13 узлов, встречались разноцветные нити. В каждом кипу фиксировались однородные предметы.
Владеющие этой шнурковой азбукой, кипукамайоки, и переносящие кипу обязательно находились в каждом населенном пункте империи. Все сведения, поступавшие в столицу, концентрировались в руках главного кипукамайока. Поскольку любая ошибка при вязке кипу каралась смертной казнью, в кипу содержались сведения высокой точности.
Когда последний император инков попал в плен к испанским конкистадорам, то он отдал приказ уничтожить всех кипукамайоков для того, чтобы лишить пришельцев-завоевателей стратегически важной информации. Инки действительно понимали важность статистики. И в итоге человечество навсегда утратило секрет кипу.
см. А. Кузьмищев «Статистика империи инков», «Вопросы статистики» № 9/1996
#статья #юмор
Ограбление банков: дело не слишком доходное
Ограбление банков – насколько прибыльная экономическая деятельность? Какой дополнительный доход приносит каждый член банды? Какова вероятность остаться на свободе? На эти вопросы отвечают в своей статье члены Королевского статистического общества (Великобритания), которые с помощью статистических моделей провели анализ эксклюзивных данных об ограблениях банков в 2006-2007 гг. Перевод статьи.
https://analytera.ru/about/stati/ograblenie-bankov-delo-ne-slishkom-dohodnoe/
Ограбление банков: дело не слишком доходное
Ограбление банков – насколько прибыльная экономическая деятельность? Какой дополнительный доход приносит каждый член банды? Какова вероятность остаться на свободе? На эти вопросы отвечают в своей статье члены Королевского статистического общества (Великобритания), которые с помощью статистических моделей провели анализ эксклюзивных данных об ограблениях банков в 2006-2007 гг. Перевод статьи.
https://analytera.ru/about/stati/ograblenie-bankov-delo-ne-slishkom-dohodnoe/
#статья #прогнозирование
Использование тестов на различия в сенсорном анализе
Одной из задач отделов R&D в пищевой промышленности является разработка продуктов с хорошими сенсорными свойствами. Это требует проведения различного рода экспериментов и тестов. Методикам, позволяющим выявить сенсорные отличия в двух или нескольких продуктах, и посвящена эта статья.
https://analytera.ru/about/stati/ispolzovanie-testov-na-razlichiya-v-sensornom-anal/
Использование тестов на различия в сенсорном анализе
Одной из задач отделов R&D в пищевой промышленности является разработка продуктов с хорошими сенсорными свойствами. Это требует проведения различного рода экспериментов и тестов. Методикам, позволяющим выявить сенсорные отличия в двух или нескольких продуктах, и посвящена эта статья.
https://analytera.ru/about/stati/ispolzovanie-testov-na-razlichiya-v-sensornom-anal/
#софт #статметоды
Бесплатное и с большими возможностями статистическое ПО для расчета необходимого размера выборки G*Power
https://www.psychologie.hhu.de/arbeitsgruppen/allgemeine-psychologie-und-arbeitspsychologie/gpower.html
Программа позволяет рассчитывать необходимый размер выборки для большого количества тестов: сравнение средних с константой (одновыборочный t-критерий), а также в двух и более независимых и зависимых группах (парный t-критерий и t-критерий для независимых групп, разные варианты дисперсионного анализа); сравнение долей с константой, а также в двух зависимых и независимых группах (тест Мак-Немара, точный критерий Фишера, биномиальный критерий и критерий Хи-квадрат); корреляционный и регрессионный анализ, а также непараметрические критерии Вилкоксона.
После проведения анализа, зная размер выборки и полученное значение эффекта, в программе можно определить достигнутую мощность теста. Удобно, что в результатах можно получить не только значение нужного показателя, но и график его чувствительности к влияющим параметрам (уровень значимости, размер эффекта, мощность, размер выборки).
Бесплатное и с большими возможностями статистическое ПО для расчета необходимого размера выборки G*Power
https://www.psychologie.hhu.de/arbeitsgruppen/allgemeine-psychologie-und-arbeitspsychologie/gpower.html
Программа позволяет рассчитывать необходимый размер выборки для большого количества тестов: сравнение средних с константой (одновыборочный t-критерий), а также в двух и более независимых и зависимых группах (парный t-критерий и t-критерий для независимых групп, разные варианты дисперсионного анализа); сравнение долей с константой, а также в двух зависимых и независимых группах (тест Мак-Немара, точный критерий Фишера, биномиальный критерий и критерий Хи-квадрат); корреляционный и регрессионный анализ, а также непараметрические критерии Вилкоксона.
После проведения анализа, зная размер выборки и полученное значение эффекта, в программе можно определить достигнутую мощность теста. Удобно, что в результатах можно получить не только значение нужного показателя, но и график его чувствительности к влияющим параметрам (уровень значимости, размер эффекта, мощность, размер выборки).
#триз #11зртс
Закон повышения согласованности. Было-стало.
Сегодня мы пользуемся такой формулировкой закона:
Закономерность, заключающаяся в том, что в процессе развития происходит последовательное согласование характеристик частей технической системы (ТС) между собой, а также ТС и ее частей с надсистемой.
Итак, согласование или целенаправленное рассогласование параметров применяют для повышения полезного эффекта или исключения вредного.
А вот текст, изначально предложенный Альтшулером, был несколько другой:
Необходимым условием принципиальной жизнеспособности технической системы является согласование ритмики (частоты колебаний, периодичности) всех частей системы.
Здесь озвучено условие создания/существования системы. Сегодняшняя же формулировка - одно из направлений развития систем.
Я приведу примеры из совсем разных областей. Думаю, что каждый легко определит, какой пример иллюстрирует создание системы, возникновение системного свойства, а какой - развитие уже существующей системы.
Начнем с "лирики".
Под песни группы "Кино" отлично идти пешком под рюкзаком. А вот кушать совершенно невозможно - жуём мы быстрее и глотание работает совсем не в ритме песен В.Цоя, сбивается. Дальше - больше: наверняка можно найти сообщения, что проигрывание спокойной музыки на ферме увеличивает удой молока.
Часы, стоящие на одной полке, начинают тикать в унисон. А поскольку механизмы у всех ходиков различаются, то одни часы начинают спешить, а другие отставать. Но тикают они в унисон, механические колебания на обшей "станине" самосогласуются.
Посмотреть кино под настроение, услышать музыку или стихи, совпадающие с твоим "душевным состоянием", надеть костюм, который тебе идёт или хорошо сидит - это всё результат спонтанного, когда случайного, а когда и интиуитивного согласования, совпадения, созвучности.
Теперь перейдем к более техническим системам.
Кто-то наверняка помнит ауру ужаса, окружавшую раньше походы к стоматологу. Одна из составляющих этой ауры - болевые импульсы, возникающие при сверлении зуба. Так вот частота этих импульсов - исторически так уж получилось - совпадала с частотой вращения инструмента. И возникало что-то типа болевого резонанса! Проблема ушла как только скорость вращения увеличили - осознано рассогласовали частоту колебаний инструмента и "собственную частоту колебаний изделия".
Еще один медицинский пример - установки для дробления камней в почках. Направленный луч ультразвука дробит камни, чтобы те в дальнейшем вывелись из организма естественным путем. Изначально для разрушения камня требовалась большая мощность ультразвука, что поражало не только "мишень", но и окружающие ткани. Решение пришло после того, как была согласована частота ультразвука с частотой колебания камней. Это вызывало резонанс, который и разрушал камни, благодаря чему мощность луча удалось уменьшить и исключить влияние на остальные ткани.
Еще множество примеров можно найти на согласование ритмики, частоты. Однако ж и другие параметры ТС могут требовать согласования. Вот прямо на наших глазах происходит поиск все более и более эргономичных клавиатур, а это уже - согласование формы. Иллюстрация внизу поста. Смотрим на мир широко раскрытыми глазами, ищем новые примеры повышения согласованности!
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
Закон повышения согласованности. Было-стало.
Сегодня мы пользуемся такой формулировкой закона:
Закономерность, заключающаяся в том, что в процессе развития происходит последовательное согласование характеристик частей технической системы (ТС) между собой, а также ТС и ее частей с надсистемой.
Итак, согласование или целенаправленное рассогласование параметров применяют для повышения полезного эффекта или исключения вредного.
А вот текст, изначально предложенный Альтшулером, был несколько другой:
Необходимым условием принципиальной жизнеспособности технической системы является согласование ритмики (частоты колебаний, периодичности) всех частей системы.
Здесь озвучено условие создания/существования системы. Сегодняшняя же формулировка - одно из направлений развития систем.
Я приведу примеры из совсем разных областей. Думаю, что каждый легко определит, какой пример иллюстрирует создание системы, возникновение системного свойства, а какой - развитие уже существующей системы.
Начнем с "лирики".
Под песни группы "Кино" отлично идти пешком под рюкзаком. А вот кушать совершенно невозможно - жуём мы быстрее и глотание работает совсем не в ритме песен В.Цоя, сбивается. Дальше - больше: наверняка можно найти сообщения, что проигрывание спокойной музыки на ферме увеличивает удой молока.
Часы, стоящие на одной полке, начинают тикать в унисон. А поскольку механизмы у всех ходиков различаются, то одни часы начинают спешить, а другие отставать. Но тикают они в унисон, механические колебания на обшей "станине" самосогласуются.
Посмотреть кино под настроение, услышать музыку или стихи, совпадающие с твоим "душевным состоянием", надеть костюм, который тебе идёт или хорошо сидит - это всё результат спонтанного, когда случайного, а когда и интиуитивного согласования, совпадения, созвучности.
Теперь перейдем к более техническим системам.
Кто-то наверняка помнит ауру ужаса, окружавшую раньше походы к стоматологу. Одна из составляющих этой ауры - болевые импульсы, возникающие при сверлении зуба. Так вот частота этих импульсов - исторически так уж получилось - совпадала с частотой вращения инструмента. И возникало что-то типа болевого резонанса! Проблема ушла как только скорость вращения увеличили - осознано рассогласовали частоту колебаний инструмента и "собственную частоту колебаний изделия".
Еще один медицинский пример - установки для дробления камней в почках. Направленный луч ультразвука дробит камни, чтобы те в дальнейшем вывелись из организма естественным путем. Изначально для разрушения камня требовалась большая мощность ультразвука, что поражало не только "мишень", но и окружающие ткани. Решение пришло после того, как была согласована частота ультразвука с частотой колебания камней. Это вызывало резонанс, который и разрушал камни, благодаря чему мощность луча удалось уменьшить и исключить влияние на остальные ткани.
Еще множество примеров можно найти на согласование ритмики, частоты. Однако ж и другие параметры ТС могут требовать согласования. Вот прямо на наших глазах происходит поиск все более и более эргономичных клавиатур, а это уже - согласование формы. Иллюстрация внизу поста. Смотрим на мир широко раскрытыми глазами, ищем новые примеры повышения согласованности!
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
#история
The Lady Tasting Tea
Провожая это богатое на события лето, мы хотели бы напомнить вам историю, произошедшую одним теплым днем в Кембридже примерно 100 лет назад.
Англичанка Мюриэль Бристоль, находясь в компании своих друзей, отметила, что чай, который они пьют, меняет вкус в зависимости от способа смешивания с молоком. А точнее разницу между чаем, налитым в молоко, и молоком, налитым в чай.
Начался спор, в котором участники размышляли о разнице в температурах напитка или других физических и химических факторах. Одним из участников оказался знаменитый статистик Рональд Эйлмер Фишер, к тому времени уже опубликовавший ставшим классическим труд The Design of Experiments. Он предложил передовой способ решения проблемы – проведение эксперимента.
Провести эксперимент на двух чашках было бы некорректно, так как был бы велик процент угадывания, зато при использовании 4 чашек каждого напитка вероятность угадывания равнялась бы 1 к 70. Сначала будет предположено, что дегустатор не может определить способ приготовления чая, предположение будет опровергнуто, если результаты эксперимента окажутся маловероятными при допущении, что дегустатор действительно не может отличить чашки, при этом степень допущения определяем мы сами в виде процента. В дальнейшем благодаря математическим вычислениям Фишер сделал вывод, что при использовании 8 чашек вероятность угадывания всего 1,4%, тогда как правильный выбор 3 чашек из 4 уже составляет 23%.
Подробнее об этом эксперименте вы можете прочитать в книге Дэвида Салсберга, которому рассказал историю один из участников чаепития, книга так и называется – The Lady Tasting Tea. К слову, все чашки леди действительно угадала.
The Lady Tasting Tea
Провожая это богатое на события лето, мы хотели бы напомнить вам историю, произошедшую одним теплым днем в Кембридже примерно 100 лет назад.
Англичанка Мюриэль Бристоль, находясь в компании своих друзей, отметила, что чай, который они пьют, меняет вкус в зависимости от способа смешивания с молоком. А точнее разницу между чаем, налитым в молоко, и молоком, налитым в чай.
Начался спор, в котором участники размышляли о разнице в температурах напитка или других физических и химических факторах. Одним из участников оказался знаменитый статистик Рональд Эйлмер Фишер, к тому времени уже опубликовавший ставшим классическим труд The Design of Experiments. Он предложил передовой способ решения проблемы – проведение эксперимента.
Провести эксперимент на двух чашках было бы некорректно, так как был бы велик процент угадывания, зато при использовании 4 чашек каждого напитка вероятность угадывания равнялась бы 1 к 70. Сначала будет предположено, что дегустатор не может определить способ приготовления чая, предположение будет опровергнуто, если результаты эксперимента окажутся маловероятными при допущении, что дегустатор действительно не может отличить чашки, при этом степень допущения определяем мы сами в виде процента. В дальнейшем благодаря математическим вычислениям Фишер сделал вывод, что при использовании 8 чашек вероятность угадывания всего 1,4%, тогда как правильный выбор 3 чашек из 4 уже составляет 23%.
Подробнее об этом эксперименте вы можете прочитать в книге Дэвида Салсберга, которому рассказал историю один из участников чаепития, книга так и называется – The Lady Tasting Tea. К слову, все чашки леди действительно угадала.
#статья #civictech #SAMSONOWAandPartners #rnd
Как улучшить взаимодействие между органами власти, населением и бизнесом для повышения качества жизни в городе?
С развитием технологий появляются новые инструменты для решения таких вопросов. Сегодня мы хотим показать Вам один из таких инструментов — это платформы civic tech.
Что такое civic tech? Какие возможности открывают такие платформы для бизнеса, государств и их граждан? Как используют civic tech в странах Европы и как внедряют такие платформы в России?
Ответы на все эти вопросы Вы найдете в статье от компании SAMSONOWA & Partners:
https://zen.yandex.ru/media/id/5ec3fc217c7cac5ee2764cf5/civic-tech-kak-tehnologii-obediniaiut-gosudarstvo-i-obscestvo-5ed8ee09ac3b84037e5f9491
Как улучшить взаимодействие между органами власти, населением и бизнесом для повышения качества жизни в городе?
С развитием технологий появляются новые инструменты для решения таких вопросов. Сегодня мы хотим показать Вам один из таких инструментов — это платформы civic tech.
Что такое civic tech? Какие возможности открывают такие платформы для бизнеса, государств и их граждан? Как используют civic tech в странах Европы и как внедряют такие платформы в России?
Ответы на все эти вопросы Вы найдете в статье от компании SAMSONOWA & Partners:
https://zen.yandex.ru/media/id/5ec3fc217c7cac5ee2764cf5/civic-tech-kak-tehnologii-obediniaiut-gosudarstvo-i-obscestvo-5ed8ee09ac3b84037e5f9491
Яндекс Дзен
Civic Tech: Как технологии объединяют государство и общество?
Как технологии могут приносить пользу не только в бизнесе, но и для взаимодействия между государством и его гражданами? Платформы civic tech помогают городским властям услышать жителей, их нужды и решить локальные проблемы.