🦊 Первая пачка докладов с конференции MLREPA 2021!!!🦊
Доклады на английском 🇺🇸. Первый трек — менеджерский, второй инженерный. Доклады выложили на отдельном англоязычном канале для простоты нерусскоязычных слушателей.
MANAGEMENT TRACK
✅ What is the Maturity Model in Data science?
Yuliya Rubtsova
https://youtu.be/rO-FI2F2mCw
✅ AI development process: Common mistakes
Kseniia Melnikova
https://youtu.be/jd_Jtlfhdnw
✅ The 3 components your “Agile AI” product development stack should include
Ashley Beattie
https://youtu.be/_iNOX_0QtR0
✅ Structuring machine learning projects
Yerzat Marat , Knowtions Research, Project manager
https://youtu.be/DpWXJVMTKZI
ENGINEERING TRACK
✅ DVC: data versioning and ML experiments on top of Git
Dmitry Petrov, Creator of DVC, Co-founder & CEO @ Iterative.ai
https://youtu.be/OD2KiIOMeMw
✅ Eliminate technical debt with iterative ML pipelines
Hamza Tahir, ZenML, Co-creator
https://youtu.be/KFQen9diu-Y
✅ How to create your MLOps environment following best practices
MOHAMED SABRI, Data Science and MLOps specialist
https://youtu.be/BuuaQOMMM60
✅ Moving from prototype to production
Alexander Mokryak, ML Engineer @ Exness
https://youtu.be/PrUKbn2tpsk
✅ Reducing the distance between Prototyping and Production
Soumanta Das
https://youtu.be/4PEbgQTw1W0
✅ Building ML Pipelines with Dagster: The role of the orchestrator in machine learning
Sandy Ryza
https://youtu.be/Ik2rAKROVbI
✅ Workflow & MLOps for batch scoring applications with DVC, MLflow and Airflow
Mikhail Rozhkov
https://youtu.be/PYzvLc7o7u0
Доклады на английском 🇺🇸. Первый трек — менеджерский, второй инженерный. Доклады выложили на отдельном англоязычном канале для простоты нерусскоязычных слушателей.
MANAGEMENT TRACK
✅ What is the Maturity Model in Data science?
Yuliya Rubtsova
https://youtu.be/rO-FI2F2mCw
✅ AI development process: Common mistakes
Kseniia Melnikova
https://youtu.be/jd_Jtlfhdnw
✅ The 3 components your “Agile AI” product development stack should include
Ashley Beattie
https://youtu.be/_iNOX_0QtR0
✅ Structuring machine learning projects
Yerzat Marat , Knowtions Research, Project manager
https://youtu.be/DpWXJVMTKZI
ENGINEERING TRACK
✅ DVC: data versioning and ML experiments on top of Git
Dmitry Petrov, Creator of DVC, Co-founder & CEO @ Iterative.ai
https://youtu.be/OD2KiIOMeMw
✅ Eliminate technical debt with iterative ML pipelines
Hamza Tahir, ZenML, Co-creator
https://youtu.be/KFQen9diu-Y
✅ How to create your MLOps environment following best practices
MOHAMED SABRI, Data Science and MLOps specialist
https://youtu.be/BuuaQOMMM60
✅ Moving from prototype to production
Alexander Mokryak, ML Engineer @ Exness
https://youtu.be/PrUKbn2tpsk
✅ Reducing the distance between Prototyping and Production
Soumanta Das
https://youtu.be/4PEbgQTw1W0
✅ Building ML Pipelines with Dagster: The role of the orchestrator in machine learning
Sandy Ryza
https://youtu.be/Ik2rAKROVbI
✅ Workflow & MLOps for batch scoring applications with DVC, MLflow and Airflow
Mikhail Rozhkov
https://youtu.be/PYzvLc7o7u0
YouTube
What is the Maturity Model in Data science?, Yuliya Rubtsova
What is the Maturity Model in Data science?
Yuliya Rubtsova, PhD, Solution architect @ Datamonsters
No doubt that you want to establish a strong, stable, automated, repeatable data science process. You may be wondering why the team cannot start creating…
Yuliya Rubtsova, PhD, Solution architect @ Datamonsters
No doubt that you want to establish a strong, stable, automated, repeatable data science process. You may be wondering why the team cannot start creating…
🦊На прошлой конференции кто-то из слушателей подсказал, что появилась новая интересная тема — Data Driven Scrum.
Это Scrum для DS команд. В чем ключевая идея?
Каждый элемент Баклога разбивается на три типа задач: Create, Analyze, Observe. Нужно создать как минимум одну задачу каждого типа для каждой работы из баклога.
Декомпозиция на задачи происходит на отдельной доске Item Breakdown Board.
Это любопытный пример того, как задача из Баклога (в LeanDS мы называем ее Гипотеза) разделяется на подзадачи, соответствующие жизненному циклу: (анализ-моделирование-разработка-валидация).
ИМХО такой подход плохо влияет на прозрачность процесса. Ну застряла задачка типа “Analyze”, давайте возьмем другую из Баклога, вон их сколько. В LeanDS мы визуализируем ЖЦ гипотез на канбан доске и четко видим что и в каком статусе висит.
В остальном DDS выстроен достаточно разумно: есть роли Product Owner и Process Master (if there’s master, who are the slaves? 🤔) и несколько идей по адаптации Scrum к DS процессу.
https://datadrivenscrum.com/how-DDS-works/
Это Scrum для DS команд. В чем ключевая идея?
Каждый элемент Баклога разбивается на три типа задач: Create, Analyze, Observe. Нужно создать как минимум одну задачу каждого типа для каждой работы из баклога.
Декомпозиция на задачи происходит на отдельной доске Item Breakdown Board.
Это любопытный пример того, как задача из Баклога (в LeanDS мы называем ее Гипотеза) разделяется на подзадачи, соответствующие жизненному циклу: (анализ-моделирование-разработка-валидация).
ИМХО такой подход плохо влияет на прозрачность процесса. Ну застряла задачка типа “Analyze”, давайте возьмем другую из Баклога, вон их сколько. В LeanDS мы визуализируем ЖЦ гипотез на канбан доске и четко видим что и в каком статусе висит.
В остальном DDS выстроен достаточно разумно: есть роли Product Owner и Process Master (if there’s master, who are the slaves? 🤔) и несколько идей по адаптации Scrum к DS процессу.
https://datadrivenscrum.com/how-DDS-works/
Осталось несколько мест на наш курс по Lean Data Science!
Отзыв от курсе от Святослава Гулакова (Head of DATA AI projects, MarTech at Mgcom at Mgcom):
“На курсе очень точно показывают, как закрывать основные боли менеджеров:
• сотрудники делают «что-то», нужно разбираться
• очередь задач не на месяц, а на пол года
• не знаем, что взять в работу - «срочное или важное»
• не понимаем, как эта задача относится к нашей цели
• откладываем сроки, потому что «я не знаю, когда…»
• не знаем, где взять гипотезы
• не знаем, как это объяснить бизнесу
• не знаем, как это объяснить дата саентистам
Те из вас, кто работает в командах и хочет построить процессы более эффективно, посмотреть на них свежим взглядом, то вам обязательно сюда.
Команда Асхата вам с этим поможет. Все в лайф режиме, если у вас есть кейс, то помогут и с ним.”
Промокод — leandsmay (25%)
https://leands.university/online-course
Отзыв от курсе от Святослава Гулакова (Head of DATA AI projects, MarTech at Mgcom at Mgcom):
“На курсе очень точно показывают, как закрывать основные боли менеджеров:
• сотрудники делают «что-то», нужно разбираться
• очередь задач не на месяц, а на пол года
• не знаем, что взять в работу - «срочное или важное»
• не понимаем, как эта задача относится к нашей цели
• откладываем сроки, потому что «я не знаю, когда…»
• не знаем, где взять гипотезы
• не знаем, как это объяснить бизнесу
• не знаем, как это объяснить дата саентистам
Те из вас, кто работает в командах и хочет построить процессы более эффективно, посмотреть на них свежим взглядом, то вам обязательно сюда.
Команда Асхата вам с этим поможет. Все в лайф режиме, если у вас есть кейс, то помогут и с ним.”
Промокод — leandsmay (25%)
https://leands.university/online-course
leands.university
Lean Data Science Practitioner - Онлайн Курс май-июнь 2023
Вы наверное в курсе про DataFest, который организует сообщество ODS. Он пройдет с 22 мая до 19 июня. В рамках трека LeanDS мы приглашаем вас выступить спикером по теме управления продуктами или проектами в Data Science.
Подать заявку можно или через форму: https://forms.gle/GvtiymLx5iQN5n616
Или напишите мне в телеграмм: @askhatu
Подробнее о DataFest: https://ods.ai/events/datafest2021
Подать заявку можно или через форму: https://forms.gle/GvtiymLx5iQN5n616
Или напишите мне в телеграмм: @askhatu
Подробнее о DataFest: https://ods.ai/events/datafest2021
Google Docs
Стать спикером Lean Data Science
Первый митап в рамках DataFest!
Как управление Data Science строится в Amazon — Федор Жданов
Всегда интересно сравнить свой опыт с тем, как устроено в других компаниях. Amazon известен своим особым подходом к работе. Чего стоит хотя бы запрет на использование презентаций внутри компании!
Сейчас Фёдор помогает Яндексу создавать продукты на основе искусственного интеллекта, но мы поговорим с ним о его опыте работы в Амазон: о том, где применяют ML, как устроены ML команды, существует ли проблема мотивации ресечеров интересными задачами.
🤩 О спикере
Федор Жданов начал заниматься Машинным обучением в МГУ ещё в 2004 году. Затем получил PhD в Университете Лондона в этой теме. После окончания он работал в Амазоне и Майкрософте в Сиэттле над исследованием и разработкой алгоритмов машинного обучения. До недавнего времени Федор руководил R&D в подразделении AWS SageMaker-а, а сейчас руководит продуктом в Яндексе.
Формат митапа — интервью. Приходите и сможете задать свои вопросы!
🗓: 27 мая в 19-00 по Москве — четверг
📡: Онлайн
Регистрация: https://leands.timepad.ru/event/1653855/
Как управление Data Science строится в Amazon — Федор Жданов
Всегда интересно сравнить свой опыт с тем, как устроено в других компаниях. Amazon известен своим особым подходом к работе. Чего стоит хотя бы запрет на использование презентаций внутри компании!
Сейчас Фёдор помогает Яндексу создавать продукты на основе искусственного интеллекта, но мы поговорим с ним о его опыте работы в Амазон: о том, где применяют ML, как устроены ML команды, существует ли проблема мотивации ресечеров интересными задачами.
🤩 О спикере
Федор Жданов начал заниматься Машинным обучением в МГУ ещё в 2004 году. Затем получил PhD в Университете Лондона в этой теме. После окончания он работал в Амазоне и Майкрософте в Сиэттле над исследованием и разработкой алгоритмов машинного обучения. До недавнего времени Федор руководил R&D в подразделении AWS SageMaker-а, а сейчас руководит продуктом в Яндексе.
Формат митапа — интервью. Приходите и сможете задать свои вопросы!
🗓: 27 мая в 19-00 по Москве — четверг
📡: Онлайн
Регистрация: https://leands.timepad.ru/event/1653855/
leands.timepad.ru
LeanDS@DataFest21 — Как управление Data Science строится в Amazon — Федор Жданов / События на TimePad.ru
Всегда интересно сравнить свой опыт с тем, как устроено в других компаниях. Amazon известен своим особым подходом к работе. Чего стоит хотя бы запрет на использование презентаций внутри компании!
LeanDS
Первый митап в рамках DataFest! Как управление Data Science строится в Amazon — Федор Жданов Всегда интересно сравнить свой опыт с тем, как устроено в других компаниях. Amazon известен своим особым подходом к работе. Чего стоит хотя бы запрет на использование…
Через час начинаем по этой ссылке: https://youtu.be/e75Ld-aKqeM
Поговорим о том, как управление ML строится в Amazon, правда ли обязательно использовать 2pizza team, 6 pages docs и так далее — присоединяйтесь!
BTW: трансляция не останется в YouTube, на канал выложим уже заапрувленую юристами версию. Хотите узнать голую правду — приходите в 19-00 😇
Поговорим о том, как управление ML строится в Amazon, правда ли обязательно использовать 2pizza team, 6 pages docs и так далее — присоединяйтесь!
BTW: трансляция не останется в YouTube, на канал выложим уже заапрувленую юристами версию. Хотите узнать голую правду — приходите в 19-00 😇
НАКОНЕЦ-ТО‼️
Мы выпускаем книгу ‼️LEAN DATA SCIENCE: гибкое управление DS проектами и продуктами‼️. Это выжимка🥤 из всех практик управления Data Science без воды: 📃 61 страница лучших практик, 🤩квинтэссенция опыта крутейших DS команд, 📗набор готовых подходов, а не просто набор анекдотов из жизни, 🧠написана биологической нейросетью ☺️.
Скачивайте, читайте:
https://leands.ai/ru
Давайте обратную связь в нашем чате @leands_chat
Мы выпускаем книгу ‼️LEAN DATA SCIENCE: гибкое управление DS проектами и продуктами‼️. Это выжимка🥤 из всех практик управления Data Science без воды: 📃 61 страница лучших практик, 🤩квинтэссенция опыта крутейших DS команд, 📗набор готовых подходов, а не просто набор анекдотов из жизни, 🧠написана биологической нейросетью ☺️.
Скачивайте, читайте:
https://leands.ai/ru
Давайте обратную связь в нашем чате @leands_chat
Forwarded from Aleksei Mogilnikov
Всем привет!
Я ищу себе на проекты в компанию Rubbles проектных менеджеров. Компания специализируется на применении анализа данных и машинного обучения в банках, ритейле, логистике и нефтянке. Если вы вспомните топ-3 компаний в каждой из этих индустрий, то некоторые из них уже наши клиенты. В целом, компания занимается скорее заказным прикладным DS/ML-ем, но уже сейчас вовсю идут процессы продуктовизации и попытки выхода на зарубежные рынки. Rubbles сейчас, пожалуй, одна из немногих компаний в России, которые делает реально большие, сложные и, главное, ценные для бизнеса проекты, и в этом смысле, мы находимся на острие прогресса. Что, с одной стороны, безумно интересно, а с другой, немного больно. Все кипит, все меняется, весело и страшно, все как мы любим.
Нам остро нужны хорошие PM-ы, которые взяли бы на себя роли лидеров команд, занимались бы построением процессов, оперативным менеджментом, координацией команд, расстановкой приоритетов и всем прочим, чем обычно занимаются PM-ы. Если у вас есть опыт PM-ства в индустрии разработки ПО и вы когда-то хотели переключиться в новую быстрорастущую hot-sexy-новая-нефть-и-все-такое-прочее индустрию прикладного DS/ML/AI, то это ваш шанс. Мы готовы рассматривать кандидатов без профильного опыта в ML-е, достаточно просто верхнеуровневого понимания как все устроено, а оно получается одним обзорным онлайн-курсом про ML. Для тех, кто в теме: это отличный шанс получить опыт внедрения LeanDS в боевые проекты под моим чутким руководством.
Формальная вакансия тут: https://hh.ru/vacancy/43357538
В ней есть всякие страшные слова про английский и умение ковырять данные, но это скорее пожелания. Если недостаток компетенции в этих областях компенсируется сильными компетенциями в других, то это тоже ОК.
Вопросы и резюме можно кидать мне в @alexey_mogilnikov
Я ищу себе на проекты в компанию Rubbles проектных менеджеров. Компания специализируется на применении анализа данных и машинного обучения в банках, ритейле, логистике и нефтянке. Если вы вспомните топ-3 компаний в каждой из этих индустрий, то некоторые из них уже наши клиенты. В целом, компания занимается скорее заказным прикладным DS/ML-ем, но уже сейчас вовсю идут процессы продуктовизации и попытки выхода на зарубежные рынки. Rubbles сейчас, пожалуй, одна из немногих компаний в России, которые делает реально большие, сложные и, главное, ценные для бизнеса проекты, и в этом смысле, мы находимся на острие прогресса. Что, с одной стороны, безумно интересно, а с другой, немного больно. Все кипит, все меняется, весело и страшно, все как мы любим.
Нам остро нужны хорошие PM-ы, которые взяли бы на себя роли лидеров команд, занимались бы построением процессов, оперативным менеджментом, координацией команд, расстановкой приоритетов и всем прочим, чем обычно занимаются PM-ы. Если у вас есть опыт PM-ства в индустрии разработки ПО и вы когда-то хотели переключиться в новую быстрорастущую hot-sexy-новая-нефть-и-все-такое-прочее индустрию прикладного DS/ML/AI, то это ваш шанс. Мы готовы рассматривать кандидатов без профильного опыта в ML-е, достаточно просто верхнеуровневого понимания как все устроено, а оно получается одним обзорным онлайн-курсом про ML. Для тех, кто в теме: это отличный шанс получить опыт внедрения LeanDS в боевые проекты под моим чутким руководством.
Формальная вакансия тут: https://hh.ru/vacancy/43357538
В ней есть всякие страшные слова про английский и умение ковырять данные, но это скорее пожелания. Если недостаток компетенции в этих областях компенсируется сильными компетенциями в других, то это тоже ОК.
Вопросы и резюме можно кидать мне в @alexey_mogilnikov
hh.ru
Вакансия Менеджер проектов в Москве, работа в компании Rubbles (вакансия в архиве c 26 сентября 2021)
Зарплата: от 150000 до 350000 ₽ за месяц. Москва. Требуемый опыт: 3–6 лет. Полная занятость. Дата публикации: 27.08.2021.
Онлайн митап LeanDS@DataFest21#2 — От практики командной работы до дата-стратегии организации
Парная и параллельная работа сайентистов, взаимодействие с бизнесом и планирование ML в организации
✳️ Парный Data Science, Антон Голубев, ML teamlead Celsus
Антон расскажет, как о парной и параллельной работе DS команды
✳️ Как интерпретировать бизнесу алерты по аномалиям во временных рядах и не сойти с ума, Саша Толмачев, Head of Data Science в Xsolla
Саша расскажет о том, как правильно объяснять бизнесу сложные вещи
✳️ Стратегия данных и аналитики. Как компании спланировать и внедрить DS/ML, Михаил Садофьев, Директор практики управления данными и аналитики Accenture в России
Михаил расскажет о планировании работы над DS в рамках организации
🗓 10 июня в 19-00
📺 Онлайн
🟢 Регистрация: https://leands.timepad.ru/event/1669108/
Парная и параллельная работа сайентистов, взаимодействие с бизнесом и планирование ML в организации
✳️ Парный Data Science, Антон Голубев, ML teamlead Celsus
Антон расскажет, как о парной и параллельной работе DS команды
✳️ Как интерпретировать бизнесу алерты по аномалиям во временных рядах и не сойти с ума, Саша Толмачев, Head of Data Science в Xsolla
Саша расскажет о том, как правильно объяснять бизнесу сложные вещи
✳️ Стратегия данных и аналитики. Как компании спланировать и внедрить DS/ML, Михаил Садофьев, Директор практики управления данными и аналитики Accenture в России
Михаил расскажет о планировании работы над DS в рамках организации
🗓 10 июня в 19-00
📺 Онлайн
🟢 Регистрация: https://leands.timepad.ru/event/1669108/
leands.timepad.ru
LeanDS@DataFest21#2 — От практики командной работы до дата-стратегии организации / События на TimePad.ru
Парная и палаллельная работа сайентистов, взаимодействие с бизнесом и планирование ML в организации
Forwarded from София Иванова
Всем привет!
Сегодня, 8 июня в 19:00 пройдет ML Party — регулярный митап Яндекса о разных применениях машинного обучения в IT.
В этот раз поговорим про CV, speech и про то, что иногда вместо огромных тяжелых моделей приходится обучать более эффективные и не менее качественные.
👉 Программа и регистрация
До встречи в чате трансляции — будет очень хардкорно и глубоко!
Сегодня, 8 июня в 19:00 пройдет ML Party — регулярный митап Яндекса о разных применениях машинного обучения в IT.
В этот раз поговорим про CV, speech и про то, что иногда вместо огромных тяжелых моделей приходится обучать более эффективные и не менее качественные.
👉 Программа и регистрация
До встречи в чате трансляции — будет очень хардкорно и глубоко!
LeanDS
Онлайн митап LeanDS@DataFest21#2 — От практики командной работы до дата-стратегии организации Парная и параллельная работа сайентистов, взаимодействие с бизнесом и планирование ML в организации ✳️ Парный Data Science, Антон Голубев, ML teamlead Celsus Антон…
В 19-00 начинается наш LeanDS-митап: Парная и параллельная работа сайентистов, взаимодействие с бизнесом и планирование ML в организации
Через 10 минут по этой ссылке: https://us02web.zoom.us/j/83160717384?pwd=aG84d3RkM2dpa2FNSFFLaUJwVDREdz09
Zoom Video
Join our Cloud HD Video Meeting
Zoom is the leader in modern enterprise video communications, with an easy, reliable cloud platform for video and audio conferencing, chat, and webinars across mobile, desktop, and room systems. Zoom Rooms is the original software-based conference room solution…
LeanDS
Через 10 минут по этой ссылке: https://us02web.zoom.us/j/83160717384?pwd=aG84d3RkM2dpa2FNSFFLaUJwVDREdz09
Начинается Стратегия данных и аналитики. Как компании спланировать и внедрить DS/ML, Михаил Садофьев
Толмачев_DataFest2021_система_аномалий_для_бизнеса.pdf
3.3 MB
Как интерпретировать бизнесу алерты по аномалиям во временных рядах и не сойти с ума, Саша Толмачев, Head of Data Science в Xsolla
Всем спасибо за участие! Презентация от Михаила Садофьвева будет завтра, записи наверное тоже )
✳️ Парный Data Science
Антон Голубев, ML teamlead Celsus
Рассказ о том, как парная работа помогает решать сложные задачи и создать дружескую атмосферу в команде. Мы поговорим о том, что такое парная работа в теории, о специфике парной работы в Data Science, как построить парную работу на удаленке.
ВИДЕО: https://youtu.be/n1aurzZajJk
ЧЕКЛИСТ: https://drive.google.com/drive/folders/1G0F_EtwYpZo57SCYVNHqBH5Rx76Tv3Qa
Антон Голубев, ML teamlead Celsus
Рассказ о том, как парная работа помогает решать сложные задачи и создать дружескую атмосферу в команде. Мы поговорим о том, что такое парная работа в теории, о специфике парной работы в Data Science, как построить парную работу на удаленке.
ВИДЕО: https://youtu.be/n1aurzZajJk
ЧЕКЛИСТ: https://drive.google.com/drive/folders/1G0F_EtwYpZo57SCYVNHqBH5Rx76Tv3Qa
✳️ Как интерпретировать бизнесу алерты по аномалиям во временных рядах и не сойти с ума, Саша Толмачев, Head of Data Science в Xsolla
Как мы запустили автоматическую систему мониторинга аномалий в метриках нашей компании, чтобы вовремя реагировать на проблемы. Боль того, что статистически аномалия во временном ряду реально есть, но с точки зрения людей оказывается ооооочень много что не аномалия вовсе. Как мы подружили статистику и бизнес пользователей; поняли что возможно объяснить, а что нет; стали фешн дизайнерами правильного отчета - ведь красная стрелочка это круто
ВИДЕО: https://youtu.be/RW8sQJ2RYXM
Как мы запустили автоматическую систему мониторинга аномалий в метриках нашей компании, чтобы вовремя реагировать на проблемы. Боль того, что статистически аномалия во временном ряду реально есть, но с точки зрения людей оказывается ооооочень много что не аномалия вовсе. Как мы подружили статистику и бизнес пользователей; поняли что возможно объяснить, а что нет; стали фешн дизайнерами правильного отчета - ведь красная стрелочка это круто
ВИДЕО: https://youtu.be/RW8sQJ2RYXM
✳️ Стратегия данных и аналитики. Как компании спланировать и внедрить DS/ML, Михаил Садофьев, Директор практики управления данными и аналитики Accenture в России
Машинное обучение и искусственный интеллект хороши лишь настолько, насколько хороши данные, которые их питают. Также важно, насколько готовы люди, процессы и инфраструктура на всех активах компании, чтобы использовать такие преимущества.
Мы поговорим о стратегии данных, которая является тем инструментом, который позволяет компании перейти от точечных прототипов и проектов продвинутой аналитики к полномасштабному переходу организации к управлению на основе данных. Это включает:
• Формулирование ценностей и целей data-driven организации
• Требуемые роли и компетенции
• Процессы и управление, включая обеспечение качества, доступности данных, информационной безопасности
• Платформы данных
• Индустриализацию проектов машинного обучения
ВИДЕО: https://youtu.be/QNV82AvmZvA
Машинное обучение и искусственный интеллект хороши лишь настолько, насколько хороши данные, которые их питают. Также важно, насколько готовы люди, процессы и инфраструктура на всех активах компании, чтобы использовать такие преимущества.
Мы поговорим о стратегии данных, которая является тем инструментом, который позволяет компании перейти от точечных прототипов и проектов продвинутой аналитики к полномасштабному переходу организации к управлению на основе данных. Это включает:
• Формулирование ценностей и целей data-driven организации
• Требуемые роли и компетенции
• Процессы и управление, включая обеспечение качества, доступности данных, информационной безопасности
• Платформы данных
• Индустриализацию проектов машинного обучения
ВИДЕО: https://youtu.be/QNV82AvmZvA
Михаил_Садофьев_Accenture_ODS_AI_Стратегия_данных_Как_компании_внедрить.pdf
3.3 MB
Презентация Михаила Садофьева
Митап LeanDS@DataFest! — Правильные B2B продажи и конфликт бизнеса и исследователя
Третий митап из серии DataFest. Обсуждаем конфликт исследователя и бизнеса и учимся строить продажи в B2B для технологического продукта .
✅ Конфликт исследователя и бизнеса, Роман Зыков, Автор книги “Роман с Data Science”, сооснователь Retail Rocket
Исследователи хотят развиваться и делать крутые вещи (самореализация по пирамиде Маслоу). Бизнес хочет зарабатывать деньги - это написано в уставе любой коммерческой организации.
Можно ли подружить эти два интереса? В случае положительного исхода - бизнес получит лояльных талантливых сотрудников и потенциальный возврат из инвестиций R&D, а сотрудники получат возможность творить. В случае негативного исхода - таланты уходят, бизнес добивается краткосрочных целей, а в долгосрочной перспективе - ухудшение позиций относительно конкурентов.
Автор был в обеих ролях: и со стороны бизнеса, когда нужно было добиваться прямого влияния на продажи через R&D; и со стороны сотрудника, который хочет реализоваться.
✅ Как запустить продажи технологического b2b продукта с нуля: три обязательных составляющих, Александр Дмитриев, Директор по продажам ADV LaunchPad.
20+ лет в построении отделов продаж, международном продвижении технологических компаний, в том числе Retail Rocket.
Если выручка в компании растет, часто, на департамент продаж не обращают внимание. А когда выручка в компании выходит на плато или падает, часто причину ищут именно в продажах. Что примечательно, и в первом и во втором случае в организации продаж может быть как всё очень плохо, так и наоборот, точки роста могут лежать за пределами функции продаж. Давайте разбираться, как правильно организовать продажи сложных решений с нуля.
🗓 17 июня (четверг) в 19-00
Регистрация по ссылке: https://leands.timepad.ru/event/1678190/
Третий митап из серии DataFest. Обсуждаем конфликт исследователя и бизнеса и учимся строить продажи в B2B для технологического продукта .
✅ Конфликт исследователя и бизнеса, Роман Зыков, Автор книги “Роман с Data Science”, сооснователь Retail Rocket
Исследователи хотят развиваться и делать крутые вещи (самореализация по пирамиде Маслоу). Бизнес хочет зарабатывать деньги - это написано в уставе любой коммерческой организации.
Можно ли подружить эти два интереса? В случае положительного исхода - бизнес получит лояльных талантливых сотрудников и потенциальный возврат из инвестиций R&D, а сотрудники получат возможность творить. В случае негативного исхода - таланты уходят, бизнес добивается краткосрочных целей, а в долгосрочной перспективе - ухудшение позиций относительно конкурентов.
Автор был в обеих ролях: и со стороны бизнеса, когда нужно было добиваться прямого влияния на продажи через R&D; и со стороны сотрудника, который хочет реализоваться.
✅ Как запустить продажи технологического b2b продукта с нуля: три обязательных составляющих, Александр Дмитриев, Директор по продажам ADV LaunchPad.
20+ лет в построении отделов продаж, международном продвижении технологических компаний, в том числе Retail Rocket.
Если выручка в компании растет, часто, на департамент продаж не обращают внимание. А когда выручка в компании выходит на плато или падает, часто причину ищут именно в продажах. Что примечательно, и в первом и во втором случае в организации продаж может быть как всё очень плохо, так и наоборот, точки роста могут лежать за пределами функции продаж. Давайте разбираться, как правильно организовать продажи сложных решений с нуля.
🗓 17 июня (четверг) в 19-00
Регистрация по ссылке: https://leands.timepad.ru/event/1678190/
leands.timepad.ru
Митап LeanDS@DataFest! — Правильные B2B продажи и конфликт бизнеса и исследователя / События на TimePad.ru
Третий митап из серии DataFest. Обсуждаем конфликт исследователя и бизнеса и учимся строить продажи в B2B для технологического продукта.