Импортантность внешних данных в мире современного бизнеса

Импортантность внешних данных в мире современного бизнеса

По оценкам аналитиков Торгово-промышленной палаты (ТПП) РФ, по некоторым товарным группам объемы экспортных поставок в натуральном исчислении в апреле—июле этого года упали более чем на 40%. «В целом же объем экспорта в натуральном исчислении за этот период снизился на 9% по сравнению с аналогичным периодом предыдущего года», — говорит член Совета ТПП РФ по внешнеэкономической деятельности Жанна Мартынова. При этом в денежном выражении, по ее словам, ситуация выглядит неплохо, учитывая рост цен на минеральное топливо, удобрения, древесину и алюминий в связи с активизацией мировой экономики после коронавирусных локдаунов. «Это компенсирует падение натуральных объемов экспортных поставок», — продолжает она.

В части несырьевого неэнергетического экспорта (ННЭ), по прогнозам экспертов Российского экспортного центра (РЭЦ), также ожидается падение. Старший вице-президент РЭЦа Никита Гусаков напоминает, что в прошлом году ННЭ вырос на 36% по отношению к 2020-му, достигнув отметки $192 млрд и заняв в общем объеме экспорта долю 39%. Теперь, для того чтобы достичь уровня 2021 года, по прогнозу Минэкономразвития, потребуется четыре года.

Однако ситуация в целом не столь критичная, как ее многие преподносят, считает Никита Гусаков. Исторически большая часть несырьевого неэнергетического экспорта (в прошлом году — 61%) все же приходится на дружественные страны. «Например, с Индией, Ираном, Азербайджаном и Казахстаном торговый оборот продолжает расти впечатляющими темпами, несмотря на сложности в общемировых отношениях. Также российские компании продолжают активно работать с Китаем», — говорит эксперт.

Переориентация на Восток играет значительную роль для российской экономики в части компенсации потерь, констатирует Жанна Мартынова. По оценкам ТПП, Китай в апреле—июле увеличил объем закупок из России, главным образом сырья, в 2,2 раза в натуральном исчислении и в 3,3 раза в денежном. Экспорт в Турцию за тот же период вырос в 2,4 и 3,8 раза соответственно, в Индию — в три и четыре раза. В итоге доля трех стран в общем объеме российского экспорта выросла с 15 до почти 40% в натуральном исчислении и с 12 до 37% в денежном. Правда, добиться этого удалось в основном за счет демпинга, отмечает Жанна Мартынова: к примеру, среднестатистическая цена экспортных поставок антрацита в Китай на 7% ниже, чем в Германию, а природного газа — на 57%.

По мнению Александра Данильцева, если не начнется глобальная рецессия, спрос на российские товары в мире будет, главные же проблемы на этом пути связаны с транспортом и логистикой. Ключевые проблемы — логистика и проведение платежей, соглашается Никита Гусаков: «Для исправления ситуации в России принимаются системные меры, в том числе шаги по «раскатыванию» азово-черноморского и каспийского маршрутов».

В части международных платежей, по его словам, до сих пор не до конца налажена система расчетов в национальных валютах, не в полной мере может быть использована национальная система передачи финансовых сообщений, зачастую банки даже дружественных государств боятся вторичных санкций. «Хотя многие зарубежные контрагенты сегодня сами ищут и предлагают пути перестройки логистики, активно содействуют процессу перехода в национальные валюты и главное — вместе с российскими компаниями ищут новых партнеров», — говорит Никита Гусаков.

Вопросы, связанные с переходом в международных расчетах в национальные валюты, сегодня выходят на передний план практически у всех участников внешней торговли, подтверждает руководитель дирекции корпоративного бизнеса Росбанка Алексей Иевлев. Поэтому первоочередной задачей для банков, по его словам, в новых условиях стало оперативное установление партнерских отношений с банками в странах ближнего зарубежья, Азии и Ближнего Востока, чтобы обеспечить беспрепятственные расчеты со странами данного региона, включая расчеты в экзотических (еще в недавнем прошлом) валютах, в том числе с использованием сервиса автоматической конвертации средств при трансграничных операциях.

Связанные вопросы и ответы:

Что такое внешние данные и как они влияют на бизнес

Даже если данные уникальны или являются собственностью компании и дают ценную информацию, трудно создать долгосрочное конкурентное преимущество, если полученные в результате усовершенствования могут быть скопированы конкурентами без аналогичных данных.

Пара факторов влияет на способность компаний преодолевать эту проблему. Один из них заключается в том, являются ли улучшения скрытыми или глубоко укоренившимися в сложном производственном процессе, что делает их трудным для повторения. Pandora, служба потокового воспроизведения музыки, выигрывает от этого барьера. В предложении компании используется собственный проект Music Genome, в рамках которого миллионы песен были распределены по категориям на основе 450 атрибутов, что позволяет Pandora настраивать радиостанции в соответствии с индивидуальными предпочтениями пользователей. Чем больше пользователь слушает свои радиостанции и оценивает песни вверх или вниз, тем лучше Pandora может настроить музыкальный выбор в соответствии с предпочтениями этого пользователя. Такая настройка не может быть легко подражать любому конкуренту, потому что она глубоко связана с проектом "Музыкальный геном". Напротив, усовершенствование дизайна, основанное на обучении заказчика использованию многих офисно-производственных программных продуктов, таких как Calendlyars для согласования календарей и Doodle для опроса людей о времени встречи, может быть легко отслежено и скопировано. Вот почему десятки компаний предлагают похожие программы.

Каким образом внешние данные помогают прогнозировать спрос на товары и услуги

Это сервис Яндекса , который определяет какие поисковые запросы пользователи вводили в поисковую строку и сколько раз за последние 30 дней. Ниже скрин из Вордстата по ключевой фразе «женская одежда». На нем в первой строке мы видим, что в общем люди искали женскую одежду более 2 млн. раз. Остальные строки показывают частотность и характер других популярных поисковых запросов о женской одежде.

В первых строках поисковые запросы о поиске магазина, так называемые коммерческие, которые показывают, что люди ищут, где купить продукцию. Есть и некоммерческий «женская одежда размеры». Какие выводы мы можем сделать?

• Женская одежда пользуется популярностью, но, скорее всего, конкуренция высока. Надо тщательно изучить рынок, сделать анализ конкурентов, определить имеем ли мы перед ними преимущества.
• На сайте хорошо бы создать страничку с описанием размеров женской одежды. Так мы бесплатно привлечем людей, которые ещё не готовы покупать, но, вполне возможно, в одном шаге от покупки. И если мы предложим перейти в каталог, они с большой вероятностью это сделают.

Вордстат также покажет результаты поиска по регионам. Если в нашем регионе мало поисковых запросов, это не прямой показатель отсутствия спроса, но повод задуматься и лучше поисследовать рынок. Возможно регион насыщен обычными магазинами люди редко покупают в интернете. На скрине выдача Вордстата по регионам.

Ещё один полезный срез сервиса — динамика за последний год. Так мы можем увидеть сезонность и тенденцию на снижение или повышение спроса. На скрине видим, что в начале 2022 года был сильный спад поисковых запросов, но к концу февраля они резко взлетели, в полтора раза превысили прошлогодний показатель.

Что нужно учитывать в работе с Вордстатом:

• Не все запросы вводят покупатели. Часть из них — это исследования маркетологов и сайтостроителей.
• Не все покупатели пользуются поиском. У одних уже есть любимые интернет-магазины и они идут прямо туда, другие покупают в социальных сетях, третьи пользуются магазинами в оффлайне.
• Не все покупатели пользуются Яндексом. У части поискового трафика популярностью пользуется Google.

Таким образом, данные Вордстата нужно считать сильно приблизительными и подкреплять информацией из других источников.

Какие источники внешних данных чаще всего используются компаниями

На Infostart Meetup Novosibirsk выступил ведущий разработчик МКК «Ваш Инвестор» Вадим Фоминых. Он на практических примерах показал коллегам, как его команда использует внешние источники данных в прикладных задачах, призвал не отказываться от этого инструмента и объяснил – почему.

Есть такой фильм – «Вид на жительство». В нем Жерар Депардье играет французского мигранта, который всяческими уловками пытается обосноваться в Америке и получить там вид на жительство. Он даже женится на коренной американке, но что-то все время идет не так. В итоге все заканчивается хорошо, но остается осадочек.

Такой же осадочек у меня вызывает ситуация с внешними источниками данных в платформе 1С.

Инструмент прикольный, задачи с его помощью можно решать интересные. Казалось бы, бери, добавляй в расширение и решай, что хочешь. Но нет:

Использовать внешние источники в расширениях нельзя, их можно добавлять только в основную конфигурацию.

Внешние источники данных существуют только на управляемых формах.

И серьезный апдейт этого механизма был в последний раз на релизе платформы 8.3.8.

Все это вызывает вопрос: а инструмент-то вообще живой? Может, им и не пользоваться, считывать таблицы с помощью ADO?

Давайте посмотрим на облако тегов сайта Зазеркалья. Оно строится по частоте запросов пользователей. Там нет ни слова про ВИДы, и это печально.

Но с другой стороны, не все так плохо. Этот инструмент особо не нужен малому и среднему бизнесу, но очень хорошо зарекомендовал себя в Enterprise и КОРП-сегменте. И действительно там есть задачи, которые можно решать с помощью него.

В докладе я не буду пересказывать все, что есть на сайте ИТС и в синтаксис-помощнике – это вы можете посмотреть сами и сделать какие-либо выводы.

И я не буду рассказывать про историю появления внешних источников и как это работает.

Но я хочу:

показать вам практические кейсы и примеры, как мы это применяем в работе;

натолкнуть вас на определенные мысли – подкинуть идей, как вы можете применять это у себя;

рассказать о подводных камнях и нюансах, с которыми мы столкнулись, используя внешние источники данных, как мы эти подводные камни обходили и какие из этого сделали выводы.

Области применения

Я вижу три области применения внешних источников

Работа с файловыми источниками

Работа с СУБД

Работа с аналитическими кубами – OLAP

OLAP у нас особо не взлетел. Ближе к концу доклада расскажу – почему. Но другие области мы используем, особенно работу с СУБД.

Работа с файловыми источниками

Давайте начнем с файловых источников.

Какой профит от считывания таблиц Excel с помощью ВИДов? Есть два жирных плюса, которые перекрывают все остальные минусы.

Первый момент – это скорость. Какой бы инструмент вы не использовали: нативное чтение через XML, табличный документ или чтение через COM-объект Excel – вы не добьетесь такой скорости как при использовании внешних источников данных.

Второй момент – мы можем обращаться к таблицам Excel с помощью языка запросов 1С. Этот симбиоз дает положительный опыт.

Давайте покажу на примере, как это работает.

У нас есть обезличенный файлик с данными о просрочке за три года. Здесь, конечно, не реальные данные. В этом файле 60 тысяч строчек. Чтение через COM-объект займет более 40 минут, для нас это вообще не вариант.

Небольшая демонстрационная конфигурация. Открываем динамический список с данными просрочки, которые выводятся из таблицы внешнего источника, связанного с Excel – все считывается за секунду.

Фишка в динамическом списке, который умеет порционно подгружать данные из таблиц, которые ему подают на вход. Не все, но в части Excel он это умеет делать – по 45-60 строк в порции он подгружает, и мы можем пролистывать список без задержек. Другое дело, что нет смысла выводить в динамические списки 60 тысяч строк – я просто показал скорость работы.

Как можно анализировать и интерпретировать внешние данные для принятия решений

Привет дорогой друг, сегодня поговорим о методах Data science, которые вы сможете применить в своей работе!

Data science - это быстро развивающаяся область, которая способна произвести революцию в нашей работе. В этом блоге мы дадим краткий обзор того, что такое наука о данных, как она работает, и некоторых ключевых методов, которые используются в этой области. Как только вы получите базовое представление о науке о данных, вы сможете начать применять эти методы для решения реальных проблем.

Data science - это извлечение информации из сложных массивов данных. Это можно сделать с помощью статистического анализа и алгоритмов прогностического моделирования для составления точных прогнозов. Кроме того, специалисты по data science часто используют инструменты обработки естественного языка (NLP) для понимания и интерпретации смысла текстовых данных. Это позволяет им генерировать идеи, которые в противном случае были бы недоступны.

Расширенная аналитика также играет важную роль в науке о данных. Например, кластерные вычисления могут использоваться для быстрого и эффективного анализа больших объемов данных. Big Data mining - еще один мощный инструмент, который можно использовать для поиска закономерностей в очень больших массивах данных. Поняв, как работают эти методы, и применив их к своим проблемам, вы сможете добиться потрясающих результатов в кратчайшие сроки!

Для того чтобы методы data science были эффективными, важно иметь глубокое понимание как самих данных, так и того, как они были собраны и обработаны. Чтобы достичь такого уровня знаний, многие специалисты проходят курсы или специализированные учебные программы, например курс " Data Scientist с нуля до PRO " от Skillfactory станет отличным стартом в новой карьере!

Как внешние данные влияют на стратегии маркетинга и продвижения продуктов

Самая важная цель маркетинга состоит в выявлении основных потребительских свойств продукта и разработке эффективной технологии его продажи клиентам. Для ее достижения предприятия составляют пошаговые планы мероприятий, проводят сравнительный анализ сильных сторон конкурентов, выбирают оптимальную рыночную нишу и т.д. В результате формируются определенные принципы и комплексы действий, которые называют маркетинговой стратегией.

Без этого документа невозможно успешное развитие бизнеса. Маркетинговая стратегия позволяет выбрать способы достижения поставленных целей и приоритетные направления деятельности компаний.

Какие вызовы и проблемы могут возникнуть при работе с внешними данными

На мой взгляд, external_id – незаменимая концепция при проектировании API. Идентификатор, сгенеренный на стороне потребителя API и задаваемый при создании сущности, обеспечивает её уникальность и позволяет однозначно идентифицировать сущность во внешней системе. Допустим, мы хотим создать транзакцию на стороне платежного провайдера, если положить в поле external_id наш идентификатор заказа, то при повторной попытке создать транзакцию с таким идентификатором мы получим ошибку и защитимся от создания дубликата.

Не все интеграционные API поддерживают этот концепт, из-за чего приходится писать дополнительный код, обрабатывающий различные сценарии отказов в работе с API.  Всегда перед созданием сущности приходится искать её по каким-то дополнительным признакам во внешней системе, и, только после этого что-то создавать. Сам процесс создания в таком случае необходимо явно ограничивать до одного потока выполнения, чтобы избежать проблем с конкурентностью.

Как эту концепцию можно превратить в «подводный маяк»? Ну, например, один из интегрируемых сервисов позволял задавать external_id, который обеспечивал уникальность в течении приблизительного промежутка времени с момента создания сущности, после чего его можно использовать повторно. В отсутствии четкого способа идентифицировать данные при поиске - это проблема. Еще у одного сервиса поиск по external_id работал только два месяца, после чего данные пропадали из выдачи.

Как внешние данные способствуют развитию и инновациям в компании

Главной задачей программы инноваций является трансформация, которая ведет к достижению определенных целей. Чтобы этот процесс оказался эффективным, используют ряд механизмов, комбинируя и приоритизируя их с учетом индивидуальных особенностей компании.

1. Инновации делают люди — причем не энтузиасты-одиночки, а коллектив единомышленников. Чтобы заниматься инновациями в «промышленных масштабах», нужно обладать знаниями определенных практик. Если таких людей в компании много, то компании повезло. Но сейчас это скорее исключение из правил. Чаще всего требуется развивать в сотрудниках навыки инновационного мышления и знание практик решения инновационных задач.

Для этого организуются специальные тренинговые программы с привлечением соответствующих экспертов. Эти программы часто строятся на базе признанных в мире стандартов обучения по ТРИЗ и Design Thinking. В тренинговые программы ТРИЗ, организованные по стандартам Международной Ассоциации ТРИЗ, входят методы активации креативного мышления. И сама ТРИЗ является хорошим инструментом решения творческих задач. Этот инструмент может освоить каждый человек, вне зависимости от его склада ума и предыдущего опыта.

Второй важный аспект развития инновационного мышления — это практика решения инновационных задач. И поэтому указанные тренинговые программы стоит сочетать с решением творческих задач, имеющих ценность для практической деятельности компании.

2. Целесообразно формирование комьюнити сотрудников, заинтересованных в развитии инноваций и готовых принимать в этом участие: сообщества инноваторов. В компании найдется немало людей, которые заинтересованы объединиться по определенным профессиональным целям и интересам. Одна из целей такого объединения — обмен информацией и передовыми практиками. В данном случае сотрудников можно объединять вокруг передовых практик решения творческих задач и разрешения проблем повышенной сложности, обмена опытом и экспертизой в решении таких задач, знакомства с передовыми методами из мировой практики.

Еще одним объединяющим фактором может служить совместное решение важных для компании инновационных задач. Это привлекательно как с точки зрения получения последующих бенефитов — поощрений, открытия новых возможностей, так и удовлетворения от красиво решенной сложной и важной задачи.