<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>.NET | Компания НТР</title>
	<atom:link href="https://ntr.ai/ntr-dev/net/feed/" rel="self" type="application/rss+xml" />
	<link>https://ntr.ai</link>
	<description>Разработка информационных систем</description>
	<lastBuildDate>Wed, 27 Nov 2024 12:27:47 +0000</lastBuildDate>
	<language>ru-RU</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.9.4</generator>
	<item>
		<title>ЕВРАЗ – Прогноз динамических явлений</title>
		<link>https://ntr.ai/cases/prognoz-dinamicheskih-yavlenij/</link>
		
		<dc:creator><![CDATA[Konstantin Korolev]]></dc:creator>
		<pubDate>Tue, 21 May 2024 12:41:22 +0000</pubDate>
				<guid isPermaLink="false">https://ntr.ai/?post_type=ntr-cases&#038;p=1149</guid>

					<description><![CDATA[<p>В 2021 году в одной из шахт компании ЕВРАЗ произошла [&#8230;]</p>
<p>The post <a href="https://ntr.ai/cases/prognoz-dinamicheskih-yavlenij/">ЕВРАЗ – Прогноз динамических явлений</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></description>
										<content:encoded><![CDATA[<p><span style="font-weight: 500;">В 2021 году в одной из шахт компании ЕВРАЗ произошла авария, которая унесла за собой жизни 51 человека. После этой трагедии в компании остро встал вопрос повышения безопасности в шахтах.</span></p>
<p><span style="font-weight: 500;">Мы помогли решить данный вопрос, внедрив в компании систему прогнозирования динамических явлений. Система включает в себя веб и мобильное приложения, в функционал которых входит: оперативное оповещение специалистов в случаях выявления угрозы безопасности, появление инструкции о дальнейших действиях в случае опасности, автоматизация сбора и обработки данных для контроля проведения прогноза динамических явлений, формирование путевки на прогноз в индивидуальной учетной записи каждого сотрудника, а также обновление данных при бурении в режиме реального времени.</span></p>
<p><span style="font-weight: 500;">Системе “Прогнозирование динамических явлений” была присвоена бронза на XXXI международной специализированной выставке технологий горных разработок «Уголь России и Майнинг – 2023». </span></p><p>The post <a href="https://ntr.ai/cases/prognoz-dinamicheskih-yavlenij/">ЕВРАЗ – Прогноз динамических явлений</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>ЕВРАЗ &#8212; Производственный учет</title>
		<link>https://ntr.ai/cases/proizvodstvennyj-uchet/</link>
		
		<dc:creator><![CDATA[Alexandra Koroleva]]></dc:creator>
		<pubDate>Mon, 20 May 2024 03:40:37 +0000</pubDate>
				<guid isPermaLink="false">https://ntr.ai/?post_type=ntr-cases&#038;p=256</guid>

					<description><![CDATA[<p>Мобильное приложение, для контроля статистических данных по производственным показателям предприятий (шахт, обогатительных фабрик).</p>
<p>The post <a href="https://ntr.ai/cases/proizvodstvennyj-uchet/">ЕВРАЗ — Производственный учет</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></description>
										<content:encoded><![CDATA[<p>Целью разработки является представление статистических данных по производственным показателям предприятий (шахт, обогатительных фабрик) ООО «РУК» (дочерняя компания Евраз) менеджменту Компании на мобильных устройствах (смартфонах, планшетах).</p>
<p>Данные вносятся диспетчерами на шахтах и фабриках. Приложение запрашивает их из БД и формирует удобную для отображения статистику в виде цифровых показателей и графиков, с возможностью выбора периода отображения и с учетом плановых показателей.</p>
<p>Производственный учет — мобильное приложение на платформах Android и iOS, разработанные с использованием фреймворка Xamarin последней версии.Также в подсистемы входят:</p>
<p>— Сервер приложений (API), разработанный на технологии .NET (WebApi 2.0) и использующий базу данных MS SQL.<br />
— Для обеспечения информационного обмена компоненты Системы работают в составе единой вычислительной сети, построенной по технологии Internet/Intranet. В качестве базового протокола взаимодействия используется HTTP(S)</p><p>The post <a href="https://ntr.ai/cases/proizvodstvennyj-uchet/">ЕВРАЗ — Производственный учет</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>ЕВРАЗ &#8212; Расчет метановыделения</title>
		<link>https://ntr.ai/cases/evraz-raschet-metanovydeleniya/</link>
		
		<dc:creator><![CDATA[Alexandra Koroleva]]></dc:creator>
		<pubDate>Sun, 12 May 2024 03:45:04 +0000</pubDate>
				<guid isPermaLink="false">https://ntr.ai/?post_type=ntr-cases&#038;p=265</guid>

					<description><![CDATA[<p>ПО позволяет рассчитать объем метана, выделившегося при внезапном выбросе угля и газа.</p>
<p>The post <a href="https://ntr.ai/cases/evraz-raschet-metanovydeleniya/">ЕВРАЗ — Расчет метановыделения</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></description>
										<content:encoded><![CDATA[<p>В работе с одним из крупнейших игроков на рынке добычи угля, компания НТР получила задачу по повышению безопасности в шахтах. Основная проблема заключалась в риске неожиданных выбросов метана, что могло привести к серьезным последствиям.</p>
<p>Мы разработали интуитивно понятный веб-интерфейс с двумя основными формами: одна для расчета метановыделения и другая для вариантов расчета. Эти формы не только предоставляют точные данные, но также позволяют экспортировать результаты в популярные форматы, такие как Excel, PDF и Word.</p>
<p>Специалисты ЕВРАЗ отныне в реальном времени рассчитывают объем метана при внезапном выбросе угля и газа, используя четыре различных алгоритма.</p>
<p>В результате, ЕВРАЗ получил возможность не только предотвращать потенциальные катастрофы за счет своевременного реагирования на опасные ситуации, но и упростить процесс отчетности и планирования проверок датчиков. С помощью системы ЕВРАЗ повысил безопасность в шахтах и эффективность и надежность работы всей системы безопасности компании.</p><p>The post <a href="https://ntr.ai/cases/evraz-raschet-metanovydeleniya/">ЕВРАЗ — Расчет метановыделения</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>ЕВРАЗ &#8212; Система автоматизации табельного учёта</title>
		<link>https://ntr.ai/cases/sistema-avtomatizaczii-tabelnogo-uchyota/</link>
		
		<dc:creator><![CDATA[Alexandra Koroleva]]></dc:creator>
		<pubDate>Sat, 11 May 2024 03:59:36 +0000</pubDate>
				<guid isPermaLink="false">https://ntr.ai/?post_type=ntr-cases&#038;p=269</guid>

					<description><![CDATA[<p>Обеспечение функциональности веб-журнала учёта табелей различных подразделений внутри организации.</p>
<p>The post <a href="https://ntr.ai/cases/sistema-avtomatizaczii-tabelnogo-uchyota/">ЕВРАЗ — Система автоматизации табельного учёта</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></description>
										<content:encoded><![CDATA[<p>Обеспечение функциональности веб-журнала учёта табелей различных подразделений внутри организации.</p>
<p>В рамках проекта были реализованы следующие функции:<br />
• Отображение и редактирование информации любого подразделения за любой день текущего месяца;<br />
• Ввод отработанного времени и кода неявки с проверкой по справочнику;<br />
• Интеграция с HCM системами, в том числе обеспечение авторизации через них и добавление новых HCM систем.</p><p>The post <a href="https://ntr.ai/cases/sistema-avtomatizaczii-tabelnogo-uchyota/">ЕВРАЗ — Система автоматизации табельного учёта</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Разработка рекомендательный системы для E-Commerce</title>
		<link>https://ntr.ai/cases/caltat/</link>
		
		<dc:creator><![CDATA[Alexandra Koroleva]]></dc:creator>
		<pubDate>Fri, 06 Aug 2021 04:16:32 +0000</pubDate>
				<guid isPermaLink="false">https://ntr.ai/?post_type=ntr-cases&#038;p=279</guid>

					<description><![CDATA[<p>Персонализованная витрина интернет-магазина, основанная на сегментации пользователей  для  повышения конверсии интернет-магазинов.</p>
<p>The post <a href="https://ntr.ai/cases/caltat/">Разработка рекомендательный системы для E-Commerce</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></description>
										<content:encoded><![CDATA[<p>Для российского стартапа Сaltat была разработана уникальная система персонализации e-commerce сайтов. Система автоматически выявляла поведенческие группы посетителей интернет магазинов и для каждой группы подбирала оптимальные товары на заглавную страницу интернет магазина, что позволяло уменьшить отток клиентов с сайта, увеличить конверсию и значительно повысить заработок на одного посетителя. Позднее стартап был продан институциональному инвестору.</p><p>The post <a href="https://ntr.ai/cases/caltat/">Разработка рекомендательный системы для E-Commerce</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Внедрение системы гостевых пропусков в башню ОКО</title>
		<link>https://ntr.ai/cases/scada-sistema-bashnya/</link>
		
		<dc:creator><![CDATA[Alexandra Koroleva]]></dc:creator>
		<pubDate>Fri, 06 Aug 2021 04:05:57 +0000</pubDate>
				<guid isPermaLink="false">https://ntr.ai/?post_type=ntr-cases&#038;p=273</guid>

					<description><![CDATA[<p>Для башни Око (Moscow city) была разработана SCADA-cистема обеспечения пропускного режима и выдачи гостевых пропусков.</p>
<p>The post <a href="https://ntr.ai/cases/scada-sistema-bashnya/">Внедрение системы гостевых пропусков в башню ОКО</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></description>
										<content:encoded><![CDATA[<p>Мэрия Москвы обратилась в компанию НТР с задачей интегрировать систему контроля и управления доступом (СКУД) с новым электронным журналом, чтобы упростить выдачу гостевых пропусков и сделать безопасность помещений более надежной.</p>
<p>Специалисты НТР разработали систему, которая не только автоматизировала процесс регистрации посетителей, но и обеспечила бесперебойное взаимодействие между различными департаментами компании в разных частях города. Вместо ручных записей в ведомостях все данные о посетителях собираются в единый электронный журнал.</p>
<p>В результате, заказчик получил значительное снижение операционных затрат, уменьшение числа сотрудников, занятых оформлением гостевых заявок и пропусков, а также повышение уровня безопасности за счет контролируемого доступа к ключницам и помещениям.</p><p>The post <a href="https://ntr.ai/cases/scada-sistema-bashnya/">Внедрение системы гостевых пропусков в башню ОКО</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Crossss &#8212; первая российская рекомендательная система для электронной торговли</title>
		<link>https://ntr.ai/cases/crossss-pervaya-rossijskaya-rekomendatelnaya-sistema-dlya-elektronnoj-torgovli/</link>
		
		<dc:creator><![CDATA[Alexandra Koroleva]]></dc:creator>
		<pubDate>Mon, 05 Jul 2021 04:23:03 +0000</pubDate>
				<guid isPermaLink="false">https://ntr.ai/?post_type=ntr-cases&#038;p=281</guid>

					<description><![CDATA[<p>Crossss - сервис, который позволяет персонализировать интернет-магазины, чтобы рекомендовать пользователю товары на основе его поведения.</p>
<p>The post <a href="https://ntr.ai/cases/crossss-pervaya-rossijskaya-rekomendatelnaya-sistema-dlya-elektronnoj-torgovli/">Crossss — первая российская рекомендательная система для электронной торговли</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></description>
										<content:encoded><![CDATA[<p><em>Во время роста рынка электронной торговли, мы разработали математически сложную рекомендательную систему, которая увеличивала количество покупок. Проект был выделен в отдельную компанию и продан.<br />
‍</em><br />
История Crossss начинается в городе Томске в 2011 году. В тот момент, когда Николай Михайловский, со-основатель НТР знакомится с Даниилом Ханиным, владельцем томского интернет-агентства Вебреклама, на стартап мероприятии форума U-Novus, куда Николай приехал из Москвы. Они начали разговаривать о том, как вывести бизнес Даниила на новый уровень и придумали Crossss.<br />
‍<br />
Crossss &#8212; это рекомендательная система для интернет-магазинов. В любом интернет-магазине есть форма “с этим товаром покупали”. Что рекомендовать это на самом деле отдельная наука. Есть некое клиентское путешествие customer journey, в разных местах этого путешествия надо рекомендовать разные вещи. Николай с Даниилом договорились попробовать вместе такую штуку сделать. Даниил должен был заниматься коммерческой частью, Николай вместе с НТР разрабатывать ПО. Так Николай с Даниилом устроили совместный стартап.<br />
‍<br />
В 2012 году российский рынок e-commerce был растущий рынок, то есть еще не был насыщен. Туда массово приходили деньги и сервисы.<br />
Николай встретил заинтересованных в системе людей на конференциях в Новосибирске и Москве. Он договорился с несколькими интернет-магазинами. Они готовы были установить систему и платить за нее деньги, потому что им это было нужно &#8212; для них это работало. За пару месяцев руками Васи сделали первый грубый прототип и помаленьку начали запускать систему. На сайте написали, что запуск будет в марте 2012 года.<br />
Выяснилось, что имеются другие прекрасные ребята, которые делают в точности такую же систему. Они прочитали на нашем сайте, что запуск в марте, напряглись и запустились в феврале. Собрали все сливки с рынка и стали сервисом №1 на этом рынке. Мы стали сервисом №2. Дальше они привлекли довольно много инвестиций. Мы тоже начали привлекать инвестиции, но не очень активно, поскольку не фанаты этого.<br />
‍<br />
Над проектом работали люди в Томске, Москве, Харькове. У нас был один знакомый разработчик Артем, который в прошлом работал в новокузнецком офисе НТР. Потом он уехал работать в Microsoft, потом в Лондон. Мы попросили его и он написал хорошую математику для этой системы.<br />
Это был первый рекомендационный движок, сделанный в России. Весьма продвинутая, математически сложная система.<br />
‍<br />
Система работала на основе технологии Big Data (обрабатывалось много данных) и коллаборативной фильтрации (класс алгоритмов, которые позволяют определить предпочтения пользователей по его поведению; описывает регенерацию знания что с каким продуктом покупают какие люди, то есть какой человек что склонен купить, в каком месте клиентского путешествия он находится и т.д.).<br />
‍<br />
С сайтов магазинов собирались данные о поведении пользователей: с какого источника он пришел, как он по страницам сайта гулял, куда переходил, сколько времени на какой странице зависал &#8212; это дает некий поведенческий портрет. Из этих данных нужно извлекать некие представления о предпочтениях пользователей и быстро обрабатывать.<br />
Есть период в течение которого мы накапливаем информацию. Следим за поведением одного посетителя, сравниваем с похожими, смотрим что они потом делали, что они дальше покупали. И мы предлагаем этому человеку схожие товары.<br />
‍<br />
Мы можем расширить или сузить выбор тех товаров, которые ему интересны. В стадии выбора &#8212; расширить, в стадии оплаты &#8212; сузить. Это товарные рекомендации, адаптивные витрины на сайте, имейлы. Чтобы покупатель скорее прошел это цикл от осознания потребности купить до финальной покупки.<br />
‍<br />
Покупателю это помогает эффективнее купить, а магазину больше и быстрее продать. Наша ценность для магазина &#8212; повышение конверсии, увеличение среднего чека, снижение доли брошенных корзин. К телефону можно порекомендовать чехол, магазин не сильно увеличит свой оборот, но сильно увеличит свою прибыль с чехла (90% от стоимости). Работали с разными товарами. По результатам A/B теста наша система хорошо сработала на магазине косметики &#8212; средний чек вырос на 40%.<br />
‍<br />
Максимум клиентов, пользующихся нашей системой был в 2014 году &#8212; несколько сотен в 9 странах. В других странах это часто основатели интернет-магазинов русского происхождения. Несколько строчек кода встраиваются в сайт, определяете внешний вид рекомендательных блоков, подстраиваете под себя дизайн имейлов по набору шаблонов.<br />
‍<br />
Начались всякие сравнения с конкурентами. Поначалу мы у наших конкурентов эти сравнения выигрывали, а потом стали чаще проигрывать, потому что наша система не развивалась, поскольку в ней было меньше денег и меньше клиентов. А у конкурентов было больше денег, больше клиентов. Они развивались активней.<br />
‍<br />
В ноябре 2014 Даниил покинул компанию по причине разных взглядов на развитие компании. В декабре рубль упал относительно доллара. В 2015 году после падения рубля началось быстрое схлопывание рынка e-commerce в России, то есть стали закрываться интернет-магазины, в том числе очень большие.<br />
‍<br />
У Николая был выбор либо развивать Crossss, либо развивать НТР. И в связи с тем, что Crossss был чисто российским, а НТР в то время зарабатывала большую часть долларов, было принято решение развивать НТР. Тогда Николай сконцентрировался на развитии бизнеса НТР- разработка ПО.<br />
Проект Crossss был продан.</p>
<p><a href="https://json.tv/ict_video_watch/nikolay-mihaylovskiy-soosnovatel-crossssru-personalnyy-internet-magazin-kajdomu-20141219061844" target="_blank" rel="nofollow noopener">Видео: Николай Михайловский рассказывает про Crossss для JsonTV</a></p><p>The post <a href="https://ntr.ai/cases/crossss-pervaya-rossijskaya-rekomendatelnaya-sistema-dlya-elektronnoj-torgovli/">Crossss — первая российская рекомендательная система для электронной торговли</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>6 из 12 подсистем системы управления бюджетным процессом Москвы разработаны нами</title>
		<link>https://ntr.ai/cases/6-iz-12-podsistem-sistemy-upravleniya-byudzhetnym-proczessom-moskvy-razrabotany-nami/</link>
		
		<dc:creator><![CDATA[Alexandra Koroleva]]></dc:creator>
		<pubDate>Fri, 02 Jul 2021 04:30:14 +0000</pubDate>
				<guid isPermaLink="false">https://ntr.ai/?post_type=ntr-cases&#038;p=284</guid>

					<description><![CDATA[<p>Во время перехода на электронный документооборот разработали ПО для автоматизации управления бюджетными процессами на уровне целого города.</p>
<p>The post <a href="https://ntr.ai/cases/6-iz-12-podsistem-sistemy-upravleniya-byudzhetnym-proczessom-moskvy-razrabotany-nami/">6 из 12 подсистем системы управления бюджетным процессом Москвы разработаны нами</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></description>
										<content:encoded><![CDATA[<p><em>Во время перехода на электронный документооборот разработали ПО для автоматизации управления бюджетными процессами на уровне целого города.</em></p>
<p>Вышло постановление Правительства о том, что необходимо автоматизировать бюджетный учет участников бюджетного процесса города Москвы. Всех получателей и распределителей бюджетных средств &#8212; Департамента образования и т.д., всех бюджетных учреждений: школ, детских садов, библиотек. До этого была первая система управления бюджетным процессом, которая к этому времени устарела морально и физически, не отвечала законодательству, не выдерживала нагрузки. Поэтому требовалось разработать новую Автоматизированную Систему Управления Бюджетным Процессом &#8212; АСУБП-2.<br />
‍<br />
У Правительства были большие сложности с системой распределения бюджетных средств. Когда все бумажные документы стекались, нужно было очень много людей. Обработать все эти заявки, проследить, чтобы ничего там не потерялось, сформировать бюджетную роспись, потом учесть что по этой росписи куда ушло. Такой большой объем, который вручную уже практически невозможно было делать. Во-первых много бумаг, а во вторых сложно отслеживать, что действительно эти деньги ушли по назначению.<br />
‍<br />
АСУБП-2 предполагала автоматизированный учет &#8212; по кодам бюджета, классификации и т.д.<br />
‍<br />
Тендер на разработку этой системы выиграло ГУП “Экономика” при Правительстве Москвы. Оно привлекло нас к работе по аналитике и экономическому обоснованию этой системы. Когда все это было сделано, они привлекли нас к разработке программного обеспечения учетной части системы. Там была еще статистическая часть, которую можно строить на этих данных. Аналитически-статистическую часть делала компания ПРОГНОЗ, которая существует до сих пор.<br />
‍<br />
Мы начали делать эту систему на технологиях Microsoft. Десять разработчиков из Москвы и Томска, в том числе Вася, Серега, Аня работали над учетной системой. База Oracle, а разработка шла на С#. Делали больше года, довели до состояния опытной эксплуатации. Сделали программу для центра обработки данных (ЦОД), появились сервера и диспетчеры, которые его обслуживали. Было достаточно много проблем, с быстродействием, но мы прорвались. Система была запущена в опытную эксплуатацию. Мы сделали то, что планировалось. Это работало.<br />
‍<br />
Раньше было очень много бумажного документооборота. Теперь система обеспечивала работу с электронными документами. Все связи между департаментами, включая формирование, хранение, передачу документов, учет должны идти через эту систему.<br />
‍<br />
Условно говоря, чтобы купить стул в школе должна быть сформирована заявка с помощью подсистемы, которая стоит в школе. Заявка уходит в департамент образования, где попадает в общегородскую заявку. Происходит распределение бюджета, на этот стул выделяют деньги, покупают этот стул. Система поддерживала весь этот процесс.<br />
‍<br />
До этого делали что-то вручную, что-то в полуавтоматическом режиме. Раньше в школе сидел человек, который должен был создать в Excel немереный файл с кучей закладок. А так у него появилась система, где он написал что ему нужно, все само сформировалось и ушло.</p>
<p>Среди задач, решаемых системой: формирование заявки на финансирование, формирование бюджетной росписи, контроль исполнения бюджета, формирование оперативной и консолидированной отчетности. Решалась задача оптимизации бюджетных расходов, например, чтобы два стула не купили, туда, куда надо один и т.п.</p>
<p>Система была фактически готова в переводе в промышленную эксплуатацию, но в этот момент (2010 год) неожиданно сняли Лужкова. И вместе с Лужковым снялись главы Департамента экономического развития и прочие люди, которые отвечали за появление этой системы. И система была похоронена.</p>
<p>Система состояла из частей, которые могли независимо работать. И некоторые части этой системы осели в некоторых департаментах, подразделениях. И там даже очень долго работали. Эти части позволили ускорить процессы обмена данными. В части отчетности и заявок система позволила сократить время работы и упростить процесс.</p>
<p>После смены руководства стали разрабатывать какую-то другую систему. Мы уже в этом не участвовали, потому что вместе с людьми из департамента экономического развития умер и ГУП “Экономика”. И собственно на этом проект и закончился.</p>
<p>Так у Правительства Москвы появилась автоматизированная учетная система. А у НТР появился опыт разработки большой и сложной системы управления на уровне города. Это круто.</p><p>The post <a href="https://ntr.ai/cases/6-iz-12-podsistem-sistemy-upravleniya-byudzhetnym-proczessom-moskvy-razrabotany-nami/">6 из 12 подсистем системы управления бюджетным процессом Москвы разработаны нами</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>Первая российская банковская скоринговая система для банка Русский Стандарт с использованием ИИ в 2000 году</title>
		<link>https://ntr.ai/cases/pervaya-rossijskaya-bankovskaya-skoringovaya-sistema-dlya-banka-russkij-standart-s-ispolzovaniem-ii-v-2000-godu-2/</link>
		
		<dc:creator><![CDATA[Alexandra Koroleva]]></dc:creator>
		<pubDate>Wed, 30 Jun 2021 04:36:24 +0000</pubDate>
				<guid isPermaLink="false">https://ntr.ai/?post_type=ntr-cases&#038;p=288</guid>

					<description><![CDATA[<p>Когда о возможном применении нейросетей  только начинали говорить,  мы сделали первую скоринговую систему на основе Искусственного Интеллекта.</p>
<p>The post <a href="https://ntr.ai/cases/pervaya-rossijskaya-bankovskaya-skoringovaya-sistema-dlya-banka-russkij-standart-s-ispolzovaniem-ii-v-2000-godu-2/">Первая российская банковская скоринговая система для банка Русский Стандарт с использованием ИИ в 2000 году</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></description>
										<content:encoded><![CDATA[<p>Когда о возможном применении нейросетей только начинали говорить, мы сделали первую скоринговую систему на основе Искусственного Интеллекта.<br />
‍<br />
В начале 2000-х годов российские банки только начинали выдавать кредиты, и перед ними встала задача определять, кому можно верить и давать деньги под проценты, а кому нет.<br />
‍<br />
Тогда базы с кредитной историей клиентов банков еще не существовало и на проверку кредитоспособности тратилось слишком много ресурсов. Это тормозило развитие бизнеса. Требовался менее затратный метод оценки кредитного риска.<br />
‍<br />
В Москве работал банк &#8212; Русский Стандарт. Это был молодой банк, с амбициозным руководством. В 2000 году у банка появилась инновационная по тем временам идея &#8212; выдавать потребительские кредиты. Банку нужен был технологически компетентный помощник.<br />
‍<br />
Банк обратился в нашу компанию с запросом разработать скоринговую систему. На тот момент мы уже имели опыт в банковской разработке: сделали клиринговую систему для Центробанка России в 1999.<br />
Наши разработчики приступили к изучению темы и поиску решения. Мы подготовили длинную анкету, которую должны были заполнять желающие получить кредит. Данные этих анкет проходили 74 проверки.<br />
‍<br />
Проверялись данные на непротиворечивость: внутри самой анкеты, с данными банка и с внешними провайдерами данных. Если человек обманывал банк в анкете, то вероятно было, что обманет и с кредитом.<br />
‍<br />
Все данные анкеты передавались в нейронную сеть, которая рассчитывала кредитный скоринг. Мы обучили нейронную сеть на десяти тысячах кейсов поведения заемщиков банка, и она стала выдавать оценку кредитного поведения каждому, кто заполнял анкету.<br />
‍<br />
По результатам этих проверок система выдавала найденные несоответствия и рейтинг тому инспектору, который выносил решение о выдаче кредита. Система также регулировала процесс взаимодействия с анкетой и направляла её к кредитному инспектору, инспектору безопасности или оператору колцентра в зависимости от того, какой шаг был необходим следующим.<br />
‍<br />
Поставленная работающая система была сдана в эксплуатацию заказчику. А банк Русский Стандарт в скором времени занял лидирующие позиции на российском рынке потребительского кредитования.</p><p>The post <a href="https://ntr.ai/cases/pervaya-rossijskaya-bankovskaya-skoringovaya-sistema-dlya-banka-russkij-standart-s-ispolzovaniem-ii-v-2000-godu-2/">Первая российская банковская скоринговая система для банка Русский Стандарт с использованием ИИ в 2000 году</a> first appeared on <a href="https://ntr.ai">Компания НТР</a>.</p>]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
