Машинное обучение, Big Data, нейронные сети, визуализация данных и др.
Стратегия 2017-2020 по лидерству Банка Открытие в Data Science области
Пошаговое формирование экосистемы Банка Открытие
Рынок ждет абсолютно новых продуктов с использованием банковских данных
В 2016-м году мировой объем накопленных данных превысил 7 зеттабайт (1 ЗБ = 1024 эксабайта, 1 ЭБ = 1 млрд гигабайтов), а прогнозный рынок продуктов и услуг для работы с Big Data составит $37,9 млрд. (источник)
"Экспертиза в области бизнес-применения аналитики данных только начала развиваться и многим компаниям ее не хватает."
Сергей Марин, вице-президент по монетизации данных и новым направлениям бизнеса, ПАО Банк «ФК Открытие»
Сергей Марин, вице-президент по монетизации данных и новым направлениям бизнеса, ПАО Банк «ФК Открытие»
Идеальный момент, чтобы оказаться в нужное время в нужном месте
2016 - год Data Science, а 2017 - год Банка Открытия
2017 - "percieved leader"
Цель: стать "percieved leader" в российской банковской экосистеме Data Science.
Это означает, что Банк Открытие должен восприниматься в экспертном сообществе, как банк с самым большим заявленным интересом к области Data Science.
Это означает, что Банк Открытие должен восприниматься в экспертном сообществе, как банк с самым большим заявленным интересом к области Data Science.
2020 - "absolutly leader"
Цель: стать "absolutly leader" в российской банковской экосистеме Data Science.
Это означает, что Банк Открытие не только создает образ, но и реализует на практике свое лидирующее положение в области Data Science:
- обучает и привлекает лучшие кадры
- генерирует продукты в рынок
- выступает отраслевым инвестором
Это означает, что Банк Открытие не только создает образ, но и реализует на практике свое лидирующее положение в области Data Science:
- обучает и привлекает лучшие кадры
- генерирует продукты в рынок
- выступает отраслевым инвестором
Собственная Data Science экосистема
Таким образом, задача сводится к созданию к 2020 собственной экосистемы Банка Открытие в области Data Science
1.
Образовательные программы
Образовательные программы
Разные дисциплины, разные уровни подготовленности учащихся
2.
Программа стажировок в банке
Программа стажировок в банке
Возможность для обучающихся проявить себя на практике
3.
Регулярные митапы и хакатоны
Регулярные митапы и хакатоны
Повышение узнаваемости бренда банка у экспертной аудитории и разработчиков
4.
Ежегодная конференция
Ежегодная конференция
Несколько потоков, покрывающих все направления Data Dcience
5.
Поддержка рыночных инфраструктурных проектов
Поддержка рыночных инфраструктурных проектов
Например, российский Kaggle, AI Community и др.
6.
R&D лаборатория по Data Science
R&D лаборатория по Data Science
Поддержка исследовательских проектов научной и технологической направленности
7.
Акселлератор стартапов
Акселлератор стартапов
Поддержка и акселлерация талантливых команд
8.
Инвестиционный фонд
Инвестиционный фонд
Финансирование проектов на разной стадии развития
9.
Ежегодный конкурс стартапов
Ежегодный конкурс стартапов
Популяризация ит-предпринимательства в Data Science индустрии
2017 - год запуска экосистемы банка
В 2017 году перед банком стоит 5 задач, чтобы заявить о себе рынку проверенными механиками вовлечения и удержания аудитории Data Science
Блок 1
Работа с широкой аудиторией: разработчики, инженеры, эксперты, предприниматели, бренды
3 хакатона
Зачем: Хакатон притягивает разработчиков, инженеров, продуктологов, команды. В виду популярности формата - хорошо освещается в СМИ. Каждый хакатон может вовлечь от 30 команд. Генерирует воронку команд в БЛОК 2.
Примерный бюджет: 2-4 млн. руб на каждый хакатон
Примерный бюджет: 2-4 млн. руб на каждый хакатон
Ежегодня конференция
Зачем: В виду масштабности создает большой пиар-эффект.
Притягивает внимание СМИ, бизнесов, экспертов.
Примерный бюджет: 7-15 млн. руб
Притягивает внимание СМИ, бизнесов, экспертов.
Примерный бюджет: 7-15 млн. руб
Поддержка российского Kaggle (AI Community)
Зачем: Идеологической участие и поддержка запуска российского Kaggle на базе AI Community. Формат нативного присутствия и в Kaggle, и в AI Community.
Примерный бюджет: 3-6 млн. руб на 2017 год.
Примерный бюджет: 3-6 млн. руб на 2017 год.
Блок 2
Работа с командами и стартапами с целью формирования воронки проектов и продуктовой экосистемы
Конкурс стартапов
Зачем: Онлайн-конкурс Data Science стартапов с офлайн DemoDay. Национальный масштаб. Начинаем воронку команд.
Примерный бюджет: 2-4 млн. руб на 2017 год.
Примерный бюджет: 2-4 млн. руб на 2017 год.
Посевной отраслевой фонд
Зачем: Инвестирование в стартапы, создающие новые продукты с использованием банковских данных. Монетизация деятельности банка через капитализацию в Data Science проектах.
Примерный бюджет: 30-60 млн. руб на 2017 год.
Примерный бюджет: 30-60 млн. руб на 2017 год.
Ожидаемые результаты 2017 года
Уточнение результатов после финализации структуры проекта
100+
команд
в базе
команд
в базе
По результатам хакатонов и конкурса стартапов
1 000+
гостей мероприятий
гостей мероприятий
Разработчики, эксперты, предприниматели, представители бизнесов
100 000+
охват целевой аудитории
охват целевой аудитории
Предприниматели, стартапы, представители менеджмента, инвесторы, представители гос.структур и институтов развития.
Финтех, digital, маркетинг, IT, инновации, технологии и др.
Финтех, digital, маркетинг, IT, инновации, технологии и др.
Специальный Секретный проект
Персональный брендинг "Сергей Марин - эксперт №1 в банковской сфере Data Science"
Статьи, интервью, приглашения на радио-передачи и ТВ-программы, запросы на экспертные мнения, выступления на ТОП-конференциях.
Примерный бюджет: 0,5 - 1 млн. руб / мес.
Примерный бюджет: 0,5 - 1 млн. руб / мес.
Компании, которые уже зарядились энергией Data Science от AI Community
Митапы, ворк-шопы, форсайт-сессии, хакатоны, конференции, онлайн-конкурсы, точечный поиск команд и технологий
В 2016 году мы провели 7 AI-хакатонов, 15 митапов и конференций, 3 экспертных сессии
Я верю в то, что у нас самые лучшие разработчики и инженеры, занимающиеся технологиями искусственного интеллекта.
На наших глазах происходят радикальные изменения ИТ-индустрии, когда в один момент мы получили доступ к сверх-мощностям, эффективным алгоритмам и достаточному кол-ву накопленных данных для реального машинного обучения.
Мы стали на шаг ближе к проникновению искусственного интеллекта в нашу жизнь.
Именно поэтому я решил сделать сообщество по искусственному интеллекту, которое дало бы каждому из нас доступ к знаниям, экспертизе и нетворкингу.
Верю, что у Банка Открытие есть нужный потенциал для создания собственной Data Science экосистемы.
Команда AI Community с полной ответственностью реализует намеченные планы.
На наших глазах происходят радикальные изменения ИТ-индустрии, когда в один момент мы получили доступ к сверх-мощностям, эффективным алгоритмам и достаточному кол-ву накопленных данных для реального машинного обучения.
Мы стали на шаг ближе к проникновению искусственного интеллекта в нашу жизнь.
Именно поэтому я решил сделать сообщество по искусственному интеллекту, которое дало бы каждому из нас доступ к знаниям, экспертизе и нетворкингу.
Верю, что у Банка Открытие есть нужный потенциал для создания собственной Data Science экосистемы.
Команда AI Community с полной ответственностью реализует намеченные планы.
Павел Доронин
Основатель AI Community, а также Chatbots Community, AI Today, wobot.me
Входит в число ТОП-100 чат-бот людей мира по версии Chatbots Magazine
Входит в число ТОП-100 чат-бот людей мира по версии Chatbots Magazine