Победителями второго этапа конкурса цифровых решений для регионов Агентства стратегических инициатив (АСИ) стали двенадцать команд. Об этом на заседании попечительского совета конкурса объявила руководитель центра цифрового развития АСИ Вера Адаева.
Денежные призы получили четыре команды и один data-аналитик: Iskra Two (Свердловская область), «Счётка» (Москва), Iskra One (Свердловская область), ADA (Татарстан) и Игорь Шаталин (Волгоградская область). Все победители использовали открытые данные и свободное программное обеспечение для того, чтобы их решения можно было распространить в регионах. Призовой фонд конкурса был сформирован при поддержке «Акционерной финансовой корпорации «Система» и «Акронис-Инфозащита».
«Дело, которым мы занимаемся, имеет три позитивные черты: оно сориентировано на наименее развитый и наиболее востребованный сектор оперирования данными. Это не столько предоставление сервисов публичными организациями, в том числе государством, сколько принятие управленческих решений на основе данных. - заявил в начале заседания вице-премьер Максим Акимов. - Именно эта индустрия развивается медленнее всего и в ней мы больше всего нуждаемся. Второе – конкурс имеет ярко-выраженное региональное звучание, мы ориентированы на региональные практики. Третье – мы ориентированы на конкретные кейсы, это не ранние стадии проектов, а стремление к тому, чтобы проекты-победители обрели жизнь и стали реальной управленческой практикой в регионах».
Команда Iskra Two выполнила задачу Челябинской области по анализу цифрового следа туризма и в качестве решения предложила использовать специальный веб-инструмент. С его помощью можно оценивать объем потенциальной аудитории, заинтересованной в туристических услугах по регионам, а также ее осведомленность. Кроме того, решение позволяет автоматически сегментировать туррынок по местоположению, полу, возрасту, интересам и доходу.
Приложение позволит вывести туробъекты в регионах на федеральный уровень, прорабатывать аватары клиентов под конкретное место отдыха и затем запускать рекламные компании.
Специалисты из «Счётки» взяли задачу Ростовской области по анализу профиля бедности в регионе. Команда создала прототип виртуальной машины, позволяющий с помощью данных ФНС, ПФР, Росстата и Минтруда построить набор аналитических представлений для анализа профиля бедного гражданина и бедной семьи.
Data-аналитики с помощью смоделированных данных разработали специальную панель мониторинга (дашборд). Генератор данных позволил настроить их конвейеры и понять требования к составу пользовательских аналитических витрин. В перспективе в прототипе могут быть использованы альтернативные данные социальных сетей, мобильных операторов и банков, а также внедрены предсказательные модели.
Команда Iskra One выполнила задачу Белгородской области по классификатору цифрового контента учреждений культуры. Веб-сервис должен упростить процесс модерации на портале pro.culture.ru, где все культурные учреждения обязаны заводить свои мероприятия и проходить нумерацию. Исходные данные, доставшиеся команде – 150 тыс. событий на портале и 300 тыс. модераций по ним. «Нам необходимо было проанализировать их и определить, почему те или иные события отклонялись или принимались», - сказал лидер команды Максим Паньшин. «Мы выделили набор критериев, которые мы будем проверять. В результате чего получился целый пайплайн из набора моделей, через которые данное событие проходило, и мы получали разметку, почему оно прошло или не прошло», - отметил Максим Паньшин. Классификатор анализирует данные по таким критериям, как разрешение, качество картинки, тема и суть текста, полнота описания, требования «Яндекс. Афиши», выход и вход JSON.
Data-аналитики из команды ADA взяли задачу Рязанской области по автоматической классификации обращений граждан. В data-сете специалистов было 1788 документов, разделенных на 30 категорий, 72 исполнителей и 163 темы. Команда создала модель, которая принимает текст обращения и выдает вероятность его принадлежности к классам, категориям, исполнителям и темам. Для этого специалисты воспользовались токенизацией, постановкой слов в первоначальную форму и разметкой по частям речи. Также они применили метод Word2Vec в связке с Национальным онлайн-корпусом русского языка. Кроме того, модель вычисляла «расстояние» между текстами и сопоставляла их семантическую близость. В результате она точно предсказала значение 1076 категорий документов, 1127 исполнителей и 792 темы.
По итогам второго этапа конкурса 12 регионов выразили желание внедрить у себя 26 представленных решений. Как отметил глава Якутии Айсен Николаев, республика готова воспользоваться решениями по анализу профиля бедности, так как это поспособствует разработке новых мер поддержки населения; анализу цифрового следа туриста для увеличения показателей въездного туризма; анализу обращений граждан для повышения качества взаимодействия с ними и географии медпомощи для повышения ее качества и скорости оказания.
Томская область также готова применить решения по задачам в сфере здравоохранения, образования и сельского хозяйства, заявил замглавы региона по экономике Андрей Антонов. Речь идет о «Диагностике заболеваний», «Анализе научной среды», «Зависимости успеваемости ребенка от программ допобразования» и «Анализе фотографий сельхозполей».
В конце заседания вице-премьер Максим Акимов обратил внимание на управление, разметку и хранение данных, создание data-сетов, отметив, что правительство уже запустило эксперимент по национальной системе управления данными и через год подведет его итоги. По словам Максима Акимова, еще одна важная задача – режим оборота данных и правовое регулирование доступа к ним.
«Это сложная работа. Надеемся, что она будет вестись при реализации национальной стратегии развития технологии искусственного интеллекта. Проект стратегии подготовлен, намечается большая регуляторная работа», - сказал он. Также Максим Акимов призвал подумать над тем, какой запрос есть к НСУД со стороны архитектурных управленческих решений, обеспечить капитализацию из массивов данных федеральных органов власти и как сделать доступными для регионов данные мобильных операторов, платформ геопозиционирования, крупных транспортных, энергетических и коммунальных компаний.