Математические алгоритмы, создающие добавленную стоимость.
Новый формат на канале — интервью. Сегодня с нами Алексей Тарасов, специалист по применению математического моделирования в бизнес-задачах.
— Алексей, каким бизнесам может пригодиться матмоделирование?
— Как выразился недавно один из моих заказчиков, «матмодели всеядны в хорошем смысле». Они помогают логистам, финансистам, маркетологам, тем, у кого физическое производство, и т. д. Для логистов актуальны моделирование цепи поставок, управление запасами, распределение ресурсов (складские остатки, автомобили), расчет тарифов. Финансисты заинтересованы в прогнозных и скоринговых системах. Примеры из производства — создание расписания работы станков и раскрой материалов. Маркетологи хотят сделать инвестиции более конверсионными, более прибыльными. В общем, множеству бизнесов могут помочь матмодели, нужно обсуждать индивидуально.
— Расскажи какой-нибудь кейс о прибыли.
— Самый яркий — кейс про алмазы. Есть программы, которые сканируют необработанные алмазы и на выходе дают план, как из него должны быть выпилены бриллианты максимально возможной массы. Эти программы существуют 20 лет и предельно вылизаны, борьба при увеличении массы идет за десятые и сотые процента. А мы создали программу огранки, которая дает дополнительно 2-3 процента массы. При общем рынке бриллиантов в 15 миллиардов долларов это потенциально составляет 300–400 миллионов долларов. Проект был сделан для компании Octonus, разработчика оборудования и программного обеспечения для оценки огранки алмазов. Ядро созданного алгоритма представляло задачу нелинейного программирования.
— Задачи бизнес-оптимизации обычно решаются с помощью нелинейного программирования?
— Зависит от задачи. В нашем активе линейная и нелинейная оптимизация (программирование), машинное обучение, распределенные вычисления, big data, дискретная и вычислительная геометрия. Например, с помощью машинного обучения мы сейчас разрабатываем для одной компании рекомендательные сети и алгоритм эффективного участия в аукционах, а с использованием методов целочисленного линейного программирования делали маршрутизацию трафика для Huawei и маршрутизацию контейнерных перевозок для ПАО «ТрансКонтейнер».
— Какие наиболее частые запросы от бизнеса к спецам по матмоделированию?
— Самый целевой — когда необходимо построить матмодель и разработать алгоритм и ИТ-решение на ее базе. Я сотрудничаю с разными спецами, так что если проект будет большой, соберу команду. Продукт на выходе будет полноценный: обработка сырых данных, интерфейсы, документация и, конечно, само ядро расчета. Второй частый запрос от бизнеса — апгрейд (иногда ликбез) сотрудников в штате. Я, например, могу приехать с одной/циклом лекций или курировать инженера-математика, как научный руководитель.
— Ты уже был научным руководителем?
— Да, я преподавал и был научным руководителем в Школе анализа данных Яндекса, также работал профессором University of Texas Brownsville (США).
— Если заказывать матмодель или ИТ-решение, это будет проектная работа?
— Да, практически всегда проектная. Сложных алгоритмов в жизни требуется не так много, потребность в них неравномерная. С моими заказчиками мы обычно сотрудничаем в режиме проект+доппроекты по мере развития бизнеса.
— Есть какие-то подводные камни в заказе матмоделей?
В задачах анализа данных главной проблемой является их сбор и очистка. Это и самая дорогая и непредсказуемая часть проекта, и наиболее важный фактор, который влияет на качество результата.
В линейном программировании важна робастность. Это показатель, насколько решение устойчиво к помехам в исходных данных. Очень многие решения на базе линейного программирования, включая даже коробочные, имеют слабую робастность. В результате их практическая применимость ограничена. Еще я бы посоветовал смотреть на солвер, на котором сделано решение. Например, есть солвер CPLEX, лицензия которого стоит порядка 100 000$ долларов за машиноместо. Но зачем на него разоряться, если большинство задач линейного программирования может быть решено на свободно распространяемом солвере CBC.
Новый формат на канале — интервью. Сегодня с нами Алексей Тарасов, специалист по применению математического моделирования в бизнес-задачах.
— Алексей, каким бизнесам может пригодиться матмоделирование?
— Как выразился недавно один из моих заказчиков, «матмодели всеядны в хорошем смысле». Они помогают логистам, финансистам, маркетологам, тем, у кого физическое производство, и т. д. Для логистов актуальны моделирование цепи поставок, управление запасами, распределение ресурсов (складские остатки, автомобили), расчет тарифов. Финансисты заинтересованы в прогнозных и скоринговых системах. Примеры из производства — создание расписания работы станков и раскрой материалов. Маркетологи хотят сделать инвестиции более конверсионными, более прибыльными. В общем, множеству бизнесов могут помочь матмодели, нужно обсуждать индивидуально.
— Расскажи какой-нибудь кейс о прибыли.
— Самый яркий — кейс про алмазы. Есть программы, которые сканируют необработанные алмазы и на выходе дают план, как из него должны быть выпилены бриллианты максимально возможной массы. Эти программы существуют 20 лет и предельно вылизаны, борьба при увеличении массы идет за десятые и сотые процента. А мы создали программу огранки, которая дает дополнительно 2-3 процента массы. При общем рынке бриллиантов в 15 миллиардов долларов это потенциально составляет 300–400 миллионов долларов. Проект был сделан для компании Octonus, разработчика оборудования и программного обеспечения для оценки огранки алмазов. Ядро созданного алгоритма представляло задачу нелинейного программирования.
— Задачи бизнес-оптимизации обычно решаются с помощью нелинейного программирования?
— Зависит от задачи. В нашем активе линейная и нелинейная оптимизация (программирование), машинное обучение, распределенные вычисления, big data, дискретная и вычислительная геометрия. Например, с помощью машинного обучения мы сейчас разрабатываем для одной компании рекомендательные сети и алгоритм эффективного участия в аукционах, а с использованием методов целочисленного линейного программирования делали маршрутизацию трафика для Huawei и маршрутизацию контейнерных перевозок для ПАО «ТрансКонтейнер».
— Какие наиболее частые запросы от бизнеса к спецам по матмоделированию?
— Самый целевой — когда необходимо построить матмодель и разработать алгоритм и ИТ-решение на ее базе. Я сотрудничаю с разными спецами, так что если проект будет большой, соберу команду. Продукт на выходе будет полноценный: обработка сырых данных, интерфейсы, документация и, конечно, само ядро расчета. Второй частый запрос от бизнеса — апгрейд (иногда ликбез) сотрудников в штате. Я, например, могу приехать с одной/циклом лекций или курировать инженера-математика, как научный руководитель.
— Ты уже был научным руководителем?
— Да, я преподавал и был научным руководителем в Школе анализа данных Яндекса, также работал профессором University of Texas Brownsville (США).
— Если заказывать матмодель или ИТ-решение, это будет проектная работа?
— Да, практически всегда проектная. Сложных алгоритмов в жизни требуется не так много, потребность в них неравномерная. С моими заказчиками мы обычно сотрудничаем в режиме проект+доппроекты по мере развития бизнеса.
— Есть какие-то подводные камни в заказе матмоделей?
В задачах анализа данных главной проблемой является их сбор и очистка. Это и самая дорогая и непредсказуемая часть проекта, и наиболее важный фактор, который влияет на качество результата.
В линейном программировании важна робастность. Это показатель, насколько решение устойчиво к помехам в исходных данных. Очень многие решения на базе линейного программирования, включая даже коробочные, имеют слабую робастность. В результате их практическая применимость ограничена. Еще я бы посоветовал смотреть на солвер, на котором сделано решение. Например, есть солвер CPLEX, лицензия которого стоит порядка 100 000$ долларов за машиноместо. Но зачем на него разоряться, если большинство задач линейного программирования может быть решено на свободно распространяемом солвере CBC.