Московский экономический журнал 3/2022

image_pdfimage_print

Научная статья

Original article

УДК 334

ББК 65

doi: 10.55186/2413046X_2022_7_3_141 

МАШИННОЕ ОБУЧЕНИЕ КАК КОНКУРЕНТНОЕ ПРЕИМУЩЕСТВО ПРЕДПРИЯТИЯ 

MACHINE LEARNING AS A COMPETITIVE ADVANTAGE OF THE COMPANY 

Романов Игорь Андреевич, аспирант, Санкт-Петербургский государственный экономический университет; IgorRomanov96@yandex.ru

Romanov Igor Andreevich, Postgraduate student, St. Petersburg State University of Economics; IgorRomanov96@yandex.ru

Аннотация. В данной статье рассматривается понятие и значимость машинного обучения на современном этапе. Изучаются основные преимущества наличия машинного обучения на предприятии в условиях конкуренции.

Abstract. This article examines the concept and significance of machine learning at the present stage. The main advantages of having machine learning in an enterprise in a competitive environment are explored.

Ключевые слова: машинное обучение, предприятие, производство, конкуренция, преимущества, оптимизация

Key words: machine learning, enterprise, production, competition, advantages, optimization 

Цель

Целью данного исследования являлось определение места машинного обучения как одно из драйверов конкурентного преимущества предприятия.

Исследование

Как известно, конкурентные преимущества какого-либо предприятия так или иначе реализуются в товарах, которые на нем выпускаются и реализуются на рынке. Таким образом, реализация продукции, которое имеет какое-либо конкурентное преимущество или ее изготовление при помощи какого-либо конкурентного преимущества, а также структура всей работы предприятия за счет определенного конкурентного преимущества, позволяет предприятию получать дополнительный эффект. Полученный с продажи доход, который включает в себя этот дополнительный эффект, заново поступает в систему, где было применено конкурентное преимущество [15].

К факторам, которые определяют уровень производства, относят, в том числе и машинное обучение, которое представляет собой одно из ключевых ответвлений искусственного интеллекта как такового. Важнейшим алгоритмом работы машинного обучения всегда является обучение на основе полученных изначальных данных.

В наше время машинное обучение представляется одним из самых продвинутых инструментов для бизнесменов и владельцев предприятий, для создателей онлайн-площадок и магазинов, для юристов и ученых. А системы машинного обучения, по своей сути, могут в короткие сроки использовать знания, которые накапливаются при обучении из огромных массивов информации, что делает их незаменимыми в распознавании образов, речи, различных объектов и так далее [14].

Так, например, ученый может сортировать терабайты онлайн-статей с помощью машинного обучения, чтобы создать индивидуальный список предлагаемых источников для своих исследований. Кроме того, значительно сокращается время, необходимое юристам для поиска соответствующих прецедентов [6]. Человек же, делая все это самостоятельно, без помощи машины, тратит в десятки, а то и в сотни раз больше времени.

Безусловно, в наши дни технический прогресс развивается с гораздо большей скоростью, чем это было раньше. Сейчас очень сложно представить, к примеру, обработку огромных посевных площадей при помощи лошадей и плуга или покос травы вручную. Ведь, когда существует технология, которая сокращает время, трудозатраты и денежные расходы, то почему бы ее не использовать? Именно поэтому ее и используют и именно поэтому уже в самом ближайшем будущем можно представить повсеместное внедрение машинного обучения, которое будет казаться такой же нормой, как сейчас кажется использование сельскохозяйственной техники вместо животных или вместо утомительного и долгого людского труда.

Ускорение ритма жизни требует более оперативной реакции и гибкости от предприятий, а скорость реагирования машины, алгоритм которой можно в любой момент корректировать, в значительной степени превышает скорость работы любого человека. Еще одним плюсом в копилку преимуществ использования машинного обучения является банальная монетизация. Если человеку уже собрал некоторые данные, почему бы не проанализировать их при помощи машины и не начать более разумно и успешно их применять [11].

Многие разработанные в последние годы технологии, сделанные на основе машинного обучения, позволяют в определенной степени получить все данные по работникам предприятия за минимальные сроки. Таким образом, подобная автоматизация освобождает людей от рутинной работы и предоставляет им все необходимые для последующего анализа структурированные данные в готовом виде.

Известно, что в машинном обучении применяется не только программирование, но и математическая статистика/анализ, алгоритмы работы с полученными данными, оптимизация, теория вероятности. Все свежая информация моментально попадает в базу данных, обрабатывается там, анализируется и классифицируется, а в дальнейшей, на основе данной обработки, реализуется алгоритм машинного обучения, которое в наше время делится на два вида:

  • с начальными данными, когда перед началом машинного обучения уже существует определенная база данных. К примеру, данные об основных партнерах предприятия (масштабы, названия, бюджеты и так далее), которые вносятся в компьютер и на основе которых машина сама начинает добавлять новую информацию. При этом, машина может ошибаться, поэтому на первых этапах обучения данный процесс полностью контролируется со стороны человека ответственного за это;
  • без начальных данных, когда машине приходится все делать самостоятельно: полученные данные она классифицирует, ориентируясь на определенный «эталон». При этом, участие человека при таком обучении сводится к нулю.

Важно отметить, что в наши дни на базе машинного обучения уже работают сотни различных предприятий по всей Земле. По сути, все поисковые системы, исправление орфографии, рекомендации по музыке, играм, кино – это все машинное обучение, которое с каждым запросом, с каждым переносом письма в «спам», с каждым добавлением в «избранное», с каждым «лайком/дизлайком» начинает не только понимать человека лучше, но и работает более точно [12].

Важно отметить тот факт, что машинное обучение может быть конкурентным преимуществом для любой современной компании из любой сферы деятельности. Самое типичное применение, к примеру, в сфере онлайн-форм, которая часто испытывает серьезные проблемы из-за фишинга. Преступники пытаются использовать продукт для создания фишинг-форм, с помощью которых будут обманывать людей и воровать их учетные данные. Инструменты на основе машинного обучения позволяют многим компания обнаруживать кого следует «забанить», а кому необходимо предоставить доступ к продукту. Таким образом, применение машинного обучения для поиска возможной фишинговой активности позволяет компаниям предоставлять свои сервисы тем, кому они действительно нужны и тем, кто ценит безопасность своих личных данных.

Другая сфера, в которой очень часто применяется машинное обучение – это маркетинг. Машина классифицирует пользователей сайтов путем изучения отдельных слов и фраз, которые они используют в формах. Используя данный процесс классификации, маркетинговая служба устраивает индивидуализированные рекламные кампании по электронной почте для различных типов пользователей, которые сами по себе не предоставляли нам никакой демографической информации [1].

Таким образом, машинное обучение активно используется и в онлайн среде различных предприятий. Так, например, боты на сайтах предприятий реагируют на появление на сайте клиентов и анализируют их действия или взаимодействуют с другими программами. На основании поведения пользователя (посещение тех или иных разделов, поиск по сайту, и так далее) машина предлагает ему необходимую информацию и решения его задачи в качестве подсказок или открывающихся чат-ботов [11].

Машина способна моментально обрабатывать и анализировать огромное количество информации, что не под силу ни одному человеку. К примеру, анализ продукции всех конкурентов предприятия. Сколько продукции и какое количество предприятий сможет проанализировать, структурировать один человек за день? Может быть 5 предприятий, если они выпускают не слишком большое число разнообразной продукции. Машина же при этом сможет сделать тоже самое в считанные секунды, а за день проанализирует сотни и тысячи предприятий и выдаст готовый отчет по установленным заранее параметрам. Именно это и представляется одним из ключевых конкурентных преимуществ машинного обучения [12].

По сути, интерес к машинному обучению на предприятиях появился достаточно давно, но реальная готовность компаний вкладывать существенные средства в реализацию подобных проектов появилась лишь десять лет назад. 5 лет назад – это стало своеобразным трендом, который привел внедрение машинного обучения к фазе быстрого роста.

Безусловно, в любой промышленности очень высока цена ошибки и если человек делает что-то неправильно (в частности, при работе с техникой), то в лучшем случае производство работает плохо, не так эффективно, как могло бы, а в худшем произойдут необратимые процессы и понадобится дорогостоящий ремонт оборудования.

Современные работники промышленности – это весьма открытые к новым технологиям люди, которые стараются разобраться в том, что мы им предлагает современный техногенный мир. При этом, важнейшей задачей любого предприятия является прогнозирование выхода оборудования из строя, диагностика моментов нетипичного поведения оборудования. То есть, в процессе прогнозирования необходимы разного рода данные, которые могут не собираться, нужна информация о том, как это оборудование работает. Но человек, при этом, не всегда может уловить закономерность, потому как некоторые закономерности в данных являются логичными и далеко не всегда означают, что оборудование работает некорректно и вот-вот выйдет из строя.

Так, например, человеку сложно определит то, насколько долго может проработать какой-то участок трубопровода под землей в зависимости от того, где он закопан, как глубоко, что показывают последние данные внутреннего обследования труб или магнитного контроля, как часто меняются режимы и какими они были. Машинное обучение может это спрогнозировать, может определить момент, когда труба придет в негодность и оптимально спланировать ее замену.

Это еще одно конкурентное преимущество машинного обучения, ведь если у другой компании произойдет поломка трубы под землей, то ремонт и замена не только неожиданно ударят по бюджету, но и остановят процесс производства и предоставления услуг [9].

По сути, можно сказать, что машинное обучение на предприятии – это практика изучения данных на предмет скрытых закономерностей, которые могут быть полезны для разработки прогнозов будущей производительности. Именно поэтому к числу основных конкурентных преимуществ машинного обучения на предприятии, помимо обозначенного ранее, относят:

  • службу поддержки;
  • профилактическое обслуживание;
  • промышленную автоматизацию и автоматизацию всех процессов;
  • прогнозирование;
  • улучшенные условия труда [2].

Можно отметить тот факт, что все больше разного рода предприятий в наше время применяют в своей работе развивающиеся инструменты исследования больших данных. Современное промышленное производство чаще обычного предполагает наличие автоматизированного технологического процесса за счет машинного обучения, за которыми так или иначе стоят разного рода экономические показатели предприятия. Именно поэтому машинное обучение выглядит более действенным инструментом, который дополняет классические подходы к оптимизации производства.

Таким образом, к числу самых распространенных преимуществ, которые вытекают из применения машинного обучения и которые нацелены на получение предприятием дополнительной выручки или на сокращение издержек принято относить:

  • рост производительности технологического процесса;
  • рост качества продукции;
  • оптимизация технологического обслуживания и ремонта оборудования;
  • оптимизация расходов на испытание продукции;
  • управление жизненным циклом продукции и услуг
  • использование в НИОКР
  • выявление угроз безопасности;
  • управление ценообразованием и цепочками поставок [10].

Так, при использовании предприятием любого из этих перечисленных выше преимуществ важно учитывать все появляющиеся нюансы, с которыми неизбежно столкнется любое предприятие, а также основные факторы, которые так или иначе определят успех проектов машинного обучения [13].

Безусловно и то, что многие современные предприятия достигают обозначенного успеха за счет использования машинного обучения пока только в ограниченно ряде сфер своей деятельно, но это только начало более глобального процесса, ведь сначала будет большое число различных экспериментов с машинным обучением, а уже затем потребуется интегрировать модели машинного обучения в бизнес-приложения и процессы, чтобы обеспечить масштабирование данной технологии на всем предприятии.

В настоящее время для полноценной интеграции в масштабе всего предприятия многие организации пока еще не обладают необходимыми навыками, процессами и инструментами. Именно поэтому, для того чтобы наиболее эффективно применять машинное обучение в полном масштабе предприятия, важно вкладывать средства в решения MLOps (совокупность «машинного обучения» и «операций»), которые включают в себя процессы, инструменты и технологию, оптимизируют и стандартизируют каждый этап жизненного цикла машинного обучения, от разработки модели до практического применения. Таким образом, развивающееся направление MLOps может дать еще большую гибкость и скорость жизненному циклу машинного обучения.

По сути, для полноценного перехода от экспериментов с машинным обучением к применению данной технологии, предприятиям требуются надежные и эффективные процессы MLOps, которые не только обеспечивают организациям конкурентное преимущество, но и позволяют внедрять другие сценарии использования машинного обучения.

Данная технология дает новые преимущества для предприятия, среди которых:

  • формирование группы более эффективных специалистов путем совершенствования их навыков и более плодотворной среды совместной работы;
  • рост прибыли;
  • более качественное обслуживание заказчиков;
  • быстрый рост доходов.

Использование машинного обучения на предприятиях

В вертикальных отраслях технологии и методы машинного обучения успешно развертываются, обеспечивая организациям ощутимые и реальные результаты.

Например, с финансовой стороны предприятия могут успешнее выявлять и удовлетворять потребности своих клиентов, используя прогнозные модели машинного обучения, в которых учитываются огромные объемы взаимосвязанных измерений. Прогнозные модели машинного обучения также способны выявлять и ограничивать риски. Предприятия могут обнаруживать киберугрозы, отслеживать и фиксировать мошеннические действия клиентов и прогнозировать риски, связанные с новыми продуктами.

Так, предприятия из отрасли производства широко внедряют автоматизацию и все чаще оснащают оборудование и процессы необходимыми инструментами, используя при этом моделирование машинного обучения для реорганизации и оптимизации производства, которые, в свою очередь, позволяют оперативно удовлетворять спрос и реагировать на изменения в будущем. Конечным результатом работы машинного обучения является гибкий и отказоустойчивый производственный процесс. Таким образом, к основным сценариям применения ML относятся:

  • прогнозирование временных рядов;
  • классификация и кластеризация данных;
  • распознавание речи, жестов и изображений;
  • кредитный скоринг;
  • ранжирование данных;
  • прогноз оттока клиентов, спама, мошенничества;
  • технический анализ.

Результаты исследований

Таким образом, можно сказать, что машинное обучение – это возможность заменить человеческий труд машинным. Машинное обучение на производстве – это не только возможность оптимизировать процесс работы, но и способность обезопасить его (вычислить возможную поломку, рассчитать срок службы того или иного прибора, и так далее), потому как в промышленности очень высокая цена ошибки. В чем преимущества наличия машинного обучения на предприятии? В том, что: гораздо больший объем данных обрабатывается за меньшее время; совершается меньше ошибок; происходит постоянный анализ и структурирование данных. По сути, успехи проектов машинного обучения на промышленных предприятиях определяется большим числом факторов, учет которых позволяет, так или иначе, оптимизировать распределение всевозможных ресурсов, обезопасить предприятие от неоправданных вложений и от каких-либо ошибок. При этом, все это зависит от правильности выбора алгоритмов машинного обучения на конкретном предприятии. машинное обучение может показывать необходимые результаты на любых задачах с огромным объемом структурированных данных. Машинное обучение в разы повышает возможности, скорость, гибкость и отказоустойчивость любого современного предприятия, что дает серьезные конкурентные преимущества. Именно поэтому дальновидные предприятия выбирают машинное обучение для обеспечения целостного развития, высокой производительности сотрудников и удовлетворенности своих заказчиков.

Список источников

  1. 2017: год революции машинного обучения. [Электронный ресурс]: https://apptractor.ru/info/articles/2017-god-revolyutsii-mashinnogo-obucheniya.html (Дата обращения: 20.11.2021)
  2. Burns E. 5 major benefits of machine learning in the enterprise. [Электронный ресурс]: https://searchenterpriseai.techtarget.com/feature/5-major-benefits-of-machine-learning-in-the-enterprise (Дата обращения: 20.11.2021)
  3. Dans E. Machine learning as a competitive advantage. [Электронный ресурс]: https://medium.com/enrique-dans/machine-learning-as-a-competitive-advantage-f2691b73f829 (Дата обращения: 20.11.2021)
  4. Voskoglou M., Abdel-Badeeh M.S. Machine learning techniques for teaching mathematics // Physics and mathematics education. 2020. №2(25). Pp.17-25.
  5. Le D.T., Dao M.H., Nguyen Q.L.T. Comparison of machine learning algorithms for DDOS attack detection in SDN // Information management systems. №3. Pp.59-69.
  6. Machine Learning – The New Competitive Advantage For Enterprise Business. [Электронный ресурс]: https://www.conceptatech.com/blog/machine-learning-is-the-new-competitive-advantage-for-enterprise-business (Дата обращения: 20.11.2021)
  7. Mohsen A., Promita D. Machine Learning: The New «Big Thing» for Competitive Advantage // International Journal of Knowledge Engineering and Data Mining. №5(4). Pp.277-305.
  8. Wakefield K. A guide to the types of machine learning algorithms and their applications. [Электронный ресурс]: https://www.sas.com/en_ie/insights/articles/analytics/machine-learning-algorithms.html (Дата обращения: 20.11.2021)
  9. Зачем заводам машинное обучение, 2017. [Электронный ресурс]: https://habr.com/ru/company/smileexpo/blog/429940/ (Дата обращения: 19.11.2021)
  10. Машинное обучение — форма искусственного интеллекта, 2021. [Электронный ресурс]: https://www.hpe.com/ru/ru/what-is/machine-learning.html#resources (Дата обращения: 19.11.2021)
  11. Машинное обучение в маркетинге – чем оно поможет вашему бизнесу? 2018. [Электронный ресурс]: https://club.cnews.ru/blogs/entry/mashinnoe_obuchenie_v_marketinge_chem_ono_pomozhet_vashemu_biznesu_ (Дата обращения: 18.11.2021)
  12. Машинное обучение, как конкурентное преимущество: завтра будет поздно, 2018. [Электронный ресурс]: https://spark.ru/startup/digital-contact/blog/35205/mashinnoe-obuchenie-kak-konkurentnoe-preimuschestvo-zavtra-budet-pozdno (Дата обращения: 19.11.2021)
  13. Плосская О. Машинное обучение в промышленности – формула успеха // Открытые системы. СУБД. – 2018. – №3. [Электронный ресурс]: https://www.osp.ru/os/2018/03/13054409 (Дата обращения: 19.11.2021)
  14. Справочник. Искусственный интеллект и машинное обучение. [Электронный ресурс]: https://spravochnick.ru/informacionnye_tehnologii/iskusstvennyy_intellekt_i_mashinnoe_obuchenie/#mashinnoe-obuchenie (Дата обращения: 20.11.2021)
  15. Фатхутдинов Р.А. Теория управления конкурентными преимуществами объектов, 2005. [Электронный ресурс]: https://www.cfin.ru/management/strategy/competit/obj_edge.shtml (Дата обращения: 20.11.2021)

References

  1. 2017: god revolyucii mashinnogo obucheniya. [E`lektronny`j resurs]: https://apptractor.ru/info/articles/2017-god-revolyutsii-mashinnogo-obucheniya.html (Data obrashheniya: 20.11.2021)
  2. Burns E. 5 major benefits of machine learning in the enterprise. [Электронный ресурс]: https://searchenterpriseai.techtarget.com/feature/5-major-benefits-of-machine-learning-in-the-enterprise (Дата обращения: 20.11.2021)
  3. Dans E. Machine learning as a competitive advantage. [Электронный ресурс]: https://medium.com/enrique-dans/machine-learning-as-a-competitive-advantage-f2691b73f829 (Дата обращения: 20.11.2021)
  4. Voskoglou M., Abdel-Badeeh M.S. Machine learning techniques for teaching mathematics // Physics and mathematics education. 2020. №2(25). Pp.17-25.
  5. Le D.T., Dao M.H., Nguyen Q.L.T. Comparison of machine learning algorithms for DDOS attack detection in SDN // Information management systems. №3. Pp.59-69.
  6. Machine Learning – The New Competitive Advantage For Enterprise Business. [Электронный ресурс]: https://www.conceptatech.com/blog/machine-learning-is-the-new-competitive-advantage-for-enterprise-business (Дата обращения: 20.11.2021)
  7. Mohsen A., Promita D. Machine Learning: The New «Big Thing» for Competitive Advantage // International Journal of Knowledge Engineering and Data Mining. №5(4). Pp.277-305.
  8. Wakefield K. A guide to the types of machine learning algorithms and their applications. [Электронный ресурс]: https://www.sas.com/en_ie/insights/articles/analytics/machine-learning-algorithms.html (Дата обращения: 20.11.2021)
  9. Zachem zavodam mashinnoe obuchenie, 2017. [E`lektronny`j resurs]: https://habr.com/ru/company/smileexpo/blog/429940/ (Data obrashheniya: 19.11.2021)
  10. Mashinnoe obuchenie — forma iskusstvennogo intellekta, 2021. [E`lektronny`j resurs]: https://www.hpe.com/ru/ru/what-is/machine-learning.html#resources (Data obrashheniya: 19.11.2021)
  11. Mashinnoe obuchenie v marketinge – chem ono pomozhet vashemu biznesu? 2018. [E`lektronny`j resurs]: https://club.cnews.ru/blogs/entry/mashinnoe_obuchenie_v_marketinge_chem_ono_pomozhet_vashemu_biznesu_ (Data obrashheniya: 18.11.2021)
  12. Mashinnoe obuchenie, kak konkurentnoe preimushhestvo: zavtra budet pozdno, 2018. [E`lektronny`j resurs]: https://spark.ru/startup/digital-contact/blog/35205/mashinnoe-obuchenie-kak-konkurentnoe-preimuschestvo-zavtra-budet-pozdno (Data obrashheniya: 19.11.2021)
  13. Plosskaya O. Mashinnoe obuchenie v promy`shlennosti – formula uspexa // Otkry`ty`e sistemy`. SUBD. – 2018. – №3. [E`lektronny`j resurs]: https://www.osp.ru/os/2018/03/13054409 (Data obrashheniya: 19.11.2021)
  14. Spravochnik. Iskusstvenny`j intellekt i mashinnoe obuchenie. [E`lektronny`j resurs]: https://spravochnick.ru/informacionnye_tehnologii/iskusstvennyy_intellekt_i_mashinnoe_obuchenie/#mashinnoe-obuchenie (Data obrashheniya: 20.11.2021)
  15. Fatxutdinov R.A. Teoriya upravleniya konkurentny`mi preimushhestvami ob“ektov, 2005. [E`lektronny`j resurs]: https://www.cfin.ru/management/strategy/competit/obj_edge.shtml (Data obrashheniya: 20.11.2021)

Для цитирования: Романов И.А. Машинное обучение как конкурентное преимущество предприятия // Московский экономический журнал. 2022. № 3. URL: https://qje.su/ekonomicheskaya-teoriya/moskovskij-ekonomicheskij-zhurnal-3-2022-9/

© Романов И.А., 2022. Московский экономический журнал, 2022, № 3.