суббота, 28 августа 2021 г.

Логика и типы высказываний, не описываемых как истина или ложь

Бытует мнение, что все предложения с точки зрения их СООТВЕТСТВИЯ РЕАЛЬНОСТИ могут иметь значения ИСТИНА ИЛИ ЛОЖЬ.

Не все так просто!

Логиками, уже средневековыми, установлено, а современными доказано, что предложения могут иметь следующие значения:
  • Истина: пример предложения Волга впадает в Каспийское море.
  • Ложь: пример предложения Париж – столица Англии
  • «Некорректность»: пример предложения Австралия – лысая
  • «Неопределенность»: (и Истина, и Ложь): пример предложения Это утверждение истинно
  • Парадоксальность: (ни Истина, ни Ложь): пример предложения Это утверждение ложно.

Остальные логики - неклассические. Например
  • логики, отрицающие закон исключенного третьего,
  • логики, подвергающие сомнению операцию "следует"
  • логики, основанные на особых таблицах истинности (многозначные логики)
  • логики, работающие основанные на внешних контекстах высказывание (логики вопросов, норм, оценок)
  • модальные логики
  • логики, вообще на работающие с истиностными таблицами (типа категориальных логик, комбинаторных логик, условных и вероятностных логик)

* * *

А.Камю. Миф о Сизифе.
(далее цитаты)

Есть лишь один поистине серьезный филосовский вопрос - вопрос о самоубийстве. Решить, стоит ли жизнь труда быть прожитой или она того не стоит, - это значит ответить на основополагающий вопрос философии.

Побуждает ли абсурд к смерти - этому вопросу следует отдать предпочтение...

Первым делом разума является различение истинного и ложного. И, однако, как только мысль задумывается о себе самой, она открывает противоречие.

Человек испытывает желание быть счастливым и постигнуть разумность мира. Абсурд рождается из столкновения этого человеческого запроса с неразумием мира.

Чувство абсурда - это еще не понятие абсурда. Первое служит основание для второго, не более того. Первое несводимо ко второму, разве что в тот краткий миг, когда выносит свое суждение о вселенной.

...всякий раз абсурдность абсурдность вытекает из сравнения. Следовательно, я вправе сказать, что чувство абсурда рождается не из простого рассмотрения единичного факта и не из отдельного впечатления, а высекается при сравнении наличного положения вещей с определенного рода действительностью, действия - с превосходящим его миром. По сути своей абсурд - это разлад. Он не сводится ни к одному из элементов сравнения. Он возникает из их столкновения.

Наша жажда понять, наша тоска по абсолюту объяснимы лишь постольку, поскольку мы можем понять и объяснить. Напрасно вовсе отрицать разум. Существует круг явлений, внутри которого он действенен. Это как раз все то, что принадлежит человеческому опыту. Именно поэтому нам хочется пролить свет на все сущее. И раз мы не можем этого сделать, то возникает абсурд; рождение его происходит при встрече действенного, одна ограниченного разума со вновь и вновь воспроизводящейся иррациональностью.

Я могу понимать не иначе, как с помощью человеческих понятий. То, к чему я прикасаюсь, что мне сопротивляется, - вот это я понимаю. И еще я знаю, что не могу примирить две моих уверенности - мою жажду абсолюта и единства, с одной стороны, и несводимость мира к рациональному и разумному принципу, - с другой.

Но сейчас сама проблема перевернута. Прежде речь шла от том, чтобы выяснить, должна ли жизнь иметь смысл, чтобы быть прожитой. Сейчас же, наоборот, обнаруживается, что она будет прожита тем лучше, чем полнее в ней будет отсутствовать смысл. Пережить и испытать то, что тебе положено судьбой, значит всецело ее принять. ... Жить означает поддерживать жизнь абсурда.

Чтобы выяснить, свободен ли человек, необходимо выяснить предварительно, может ли над ним быть хозяин... Единственная ведомая мне свобода - это свобода мысли и действия.

Вера в смысл жизни всегда предполагает иерархию ценностей, выбор, наши предпочтения одного другому. Вера в абсурд, как он был нами определен, учет обратному. .... вера в абсурд равносильна замене качества опыта его количеством. ... я должен сказать, что важно не прожить как можно лучше, а пережить как можно больше. Нравственность человека, его шкала ценностей получают свой смысл лишь благодаря количеству и разнообразию опыта, который ему довелось накопить.

Прочувствовать свою жизнь, свой бунт, свою свободу и как можно сильнее - значит пережить как можно больше. Тем, где царит ясность, иерархия ценностей бесполезна.

Абсурд не освобождает, он связывает. Он не дает разрешения на любые поступки. "Все позволено" не означает, будто ничто не запрещено. Абсурд только делает равноценными последствия поступков. Он не советует поступать преступно...

Любая мораль основывается на мысли, что поступок имеет свои последствия, которые его оправдывают или перечеркивают. Дух, проникнутый абсурдом, ограничивается мнением, что об этих последствиях надлежит судить спокойно. Он готов за все расплачиваться. Другими словами, для него нет виновных, если только несущие ответственность. Самое большое, на что он согласен, так это использовать прошлый опыт при обосновании будущих поступков.

Все, что побуждает человека работать и действовать, использует надежду. Поэтому единственная мысль, свободная ото лжи, - это мысль бесплодная. В мире абсурда ценность любого понятия и любой жизни измеряется их бесплодием.

"Зрелище - петля, - говорит Гамлет, - чтобы поймать сознание короля". Ведь сознание либо стремительно движется, либо замыкается в себе.

Либо у мира есть смысл, превосходящий повседневные треволнения, либо нет ничего истинного, кроме этих треволнений. Надо или жить во времени и в нем умирать, или изъять себе из него ради жизни, над ним возвышающейся.

Действительно родственными различные интеллекты делает не столько тождество заключений, сколько общность противоречий.

вторник, 24 августа 2021 г.

ИИ - новые риски, новые обязанности

Типы рисков, на которые влияет ИИ:
  • модельные,
  • нормативные,
  • операционные,
  • юридические,
  • репутационные, 
  • нормативные.

Когда сотрудники дают советы, основанные на рекомендациях ИИ, риск заключается не в том, что отдельный совет ИИ необъективный, а в том, что все рекомендации ИИ являются необъективными. А учреждение фактически систематизирует предвзятость в процессе принятия решений.

Это миф, что ИИ может быть на 100% объективным. Технология искусственного интеллекта основана на данных, правилах и других видах информации, полученной от экспертов-людей. Но люди так или иначе предвзяты по своей человеческой природе природе. ИИ "наследует" эту предвзятость. Системы, которые часто переобучаются, - например, с использованием новых данных из социальных сетей, - еще более уязвимы для нежелательных предубеждений или преднамеренного и злонамеренного влияния. 

«На данный момент нет возможности полностью избавиться от предвзятости; однако мы должны сделать все возможное, чтобы свести его к минимуму », - говорит Александр Линден, вице-президент Gartner. 

«В дополнение к технологическим решениям, таким как разнообразные наборы данных, очень важно также обеспечить разнообразие в командах, работающих с ИИ, и чтобы члены команд анализировали работу друг друга. Этот простой процесс может значительно снизить предвзятость выбора и подтверждения ».

ИИ сложно отслеживать


По мере того, как ИИ становится более важным для повышения производительности, а программное обеспечение машинного обучения становится жизнеспособным, использование ИИ становится широко распространенным и децентрализованным. И в этих условиях отслежевание рисков становится трудным.

Для того чтобы понять, что может быть пойти не так, менеджерам по рискам придется оценивать:
  • Идею механизма принятия решения ИИ.
  • Источники данных. Какие наборы данных «запрещены» и какие тесты на предвзятость необходимы. Во многих случаях наборы данных, которые фиксируют прошлое поведение сотрудников и клиентов, содержат предубеждения. Эти предубеждения могут стать системными, если они будут включены в алгоритм автоматизированного процесса обучения.
  • Разработка модели. Прозрачность и интерпретируемость аналитических методов сильно влияют на риск систематической ошибки.
  • Мониторинг и обслуживание. Разработка требований к мониторингу производительности, включая типы тестов и их частоту.

В статье "Снижение рисков с помощью ИИ: как встроить управление рисками в разработку ИИ 13 августа 2020 г." приведена примечательная матрица взаимодействия разработчиков ИИ и риск-менеджеров с разделением компетенций по четырем классам.

Специалисты по данным и аналитике

Риск-менеджеры и управляющие

Основные компетенции

Математика, статистика, машинное обучение, глубокое обучение

Знание регуляторных норм

Построение алгоритмических моделей

Идентификация и анализ рисков

Сбор, очистка, структурирование данных

Надежный и независимый обзор бизнес-операций

Создание визуализаций данных и инструментальных панелей

 

Объяснение факторов моделей

 

Новые дополнительные навыки

Осведомленность об рисках аналитики, включая предвзятость, справедливость и нестабильность

Общее понимание аналитических техник и их влияния на результаты

Понимание - где могут возникнуть риски в ходе разработки аналитики

Осведомленность о лучших практиках выявления предубеждений и способность понимания результатов управления рисками

Способность использовать средств управления рисками как как аналитические разработки

Понимание данных и процессов их обработки и вытекающих их этого эффектов, связанных с появлением рисков

Понимание роли команд управления рисками, их ответственности и вовлеченности в процессы

Понимание роли аналитических команд, их ответственности, их способностей работы с данными и аналитикой



Подходы к формированию рисков предвзятости


Управление предвзятостью - сложный процесс. Некоторое направление работ дают следующие подходы к формированию рисков предвзятости.

Фаза формирования идеи:
  • Определение уровней риска предвзятости, вытекающих из принимаемой модели и контекста, для которого разрабатывается модель.
  • Как мы можем создать команду для сокращения или смягчения риска предубеждений.
  • Какие юридические и репутационные ограничения следует принять в расчет.
  • Как измерять риск в каждом конкретном случае и в каждом контексте.
  • Каков уровень наших аналитических способностей.
Фаза - сбор данных:
  • Обнаружение и смягчения риска предубеждений в данных: техники обнаружения предубеждений, надлежащий набор техник.
  • Оценка риска в зависимости от выбора наборов данных и методов их обработки.
  • Cнижение риска при выборе функций и при проектировании.
  • Выполнение проверок и использование средств контроля и управления риском предвзятости в ходе разработки.
Фаза - разработки модели:
  • Поиск и уменьшение предвзятостей в процессе моделирования.
  • Обзор гипотез, лежащих в основе модели.
  • Выполнение проверок и использование средств контроля и управления риском предвзятости в ходе разработки.
Фаза индустриализации (включая мониторинг и поддержку):
  • Постоянный мониторинг и управление рисками в ходе продуктивного использования модели.
  • Мониторинг контекста (изменения в юридических документах, изменение нормативов, изменение корпоративных правил и политик).
  • Мониторинг параметров модели (изменение данных, метрик, конфигурационных параметров).
  • Обслуживание модели.

Обязанности по обеспечению безопасных и этичных инноваций


Обязанности по обеспечению безопасных и этичных инноваций на базе искусственного интеллекта распределяются по разному в пределах организации:

Бизнес
  • Подтверждение на основе делового опыта правильности факторов для построения прогнозов, правильности подхода к моделированию, правильности результатов.
  • Проверка идей на основе делового опыта; уточнение вариантов использования модели.
  • Тестирование моделей и постоянный мониторинг применения моделей.

Аналитики.
  • Специалисты по данным, разработчики. Разработка моделей в соответствии со стандартами бизнеса, обеспечение прозрачности объяснений поведения моделей.
  • Инженеры данных. Обеспечение требуемого уровня качества данных, обеспечение применимости новых инструментов моделирования.
  • ИТ технологи. Снижение рисков внедрения за счет обеспечения адекватности производственной среды (например, масштабируемости, предотвращения утечки данных).

Риск-менеджеры.
  • Модельное управление рисками. Разработка стандартов, обеспечивающих строгие требования к разработке моделей искусственного интеллекта и машинного обучения; оценка рисков моделей..
  • Соответствие юридическим нормам. Предоставление руководства по рискам соответствия нормам (например, следует предотвратить предвзятость, возникающую из-за использования определенных ограниченных характеристик потребителей, типа инвалидность и другое).
  • Риск использования облачных решений, риск поставщика. Предоставление руководства по снижению основных нефинансовых рисков (например, репутационный ущерб, причиненный третьей стороной), связанных с моделями искусственного интеллекта и машинного обучения.

Управление рисками в жизненном цикле модели


Управление рисками должно быть встроено в модель жизненного цикла разработки и использования ИИ.
  • Разработка решения. Контрольные примеры: обзор предметной области, метрики, доступные данные.
  • Получение достоверных данных, необходимых для построения и обучения модели. Контрольные примеры: конвейер данных, тестирование, анализ источников данных, проверка статистических данных, достоверность процессов и правильность использования данных, автоматическое создание документации.
  • Построение модели с хорошей производительностью. Контрольные примеры: анализ надежности модели, тестирование метрик бизнес-контекста, контроль утечки данных, оценка качества определений, доступность данных для бизнеса.
  • Оценка производительности модели и регулярное привлечение бизнеса для обеспечения соответствия модели задачам бизнеса. Контрольные примеры: стандартизованное тестирование производительности, проверка набора функций, установка пороговых значений на основе правил, проверка результатов модели профильным экспертом, бизнес-требования, бизнес-ограничения, оценка рисков, автоматическое создание документов, достоверность прогнозируемых результатов.
  • Перенос модели в производственную среду. Контрольные примеры: Cписок нефункциональных требований, повторная проверка источников данных, полное тестирование конвейера данных, пороговые значения эксплуатационных характеристик, предупреждения внешнего интерфейса.
  • Развертывание модели в производственной среде. Контрольные примеры: Распределение ответственности и обучение коллег, механизмы эскалации, управление рабочим процессом, создание контрольного журнала.
  • Управление накопленным набором моделей. Контрольные примеры: инструменты поиска, автоматизированная статистическая оценка моделей и обзор рисков по отделам.
  • Мониторинг моделей. Контрольные примеры: отметка деградации, переподготовка планировщика, периодическое тестирование, такое как проверка байесовских гипотез, автоматическое ведение журнала и генерация результатов аудита.
  • Проверка моделей и одобрение их использования. Контрольные примеры: проверка того, что алгоритм продолжает работать так, как задумано, и его использование по-прежнему соответствует требованиям в текущей среды.

пятница, 20 августа 2021 г.

Советы по обеспечению безопасности данных ERP

Новые цифровые технологии, такие как AI и IoT помогают организациям увеличить прибыль и улучшить качество обслуживания клиентов. Эти же технологии создают новые проблемы, связанные с безопасностью данных.

4 совета по обеспечению безопасности данных ERP


Как проактивно выявлять риски безопасности, поддерживая при этом инициативы, приносящие доход? 

Вот четыре совета по созданию инновационной, но бдительной команды внедрения ERP:

1. Оцените культуру своей организации.


Культура, ориентированная на клиента, способствует обеспечению безопасности данных, поскольку она побуждает сотрудников прислушиваться к проблемам обеспечения конфиденциальности клиентских данных.

2. Понять роль директора по информационной безопасности (CISO).


Директор по информационной безопасности может способствовать культурным изменениям, поощряя открытое общение и отдавая приоритет обучению и образованию.

Директорам по информационной безопасности следует регулярно проводить тренинги по кибербезопасности и предоставлять учебные материалы в различных форматах несколько раз в год. Обучение кибербезопасности особенно важно на этапе подготовки к внедрению ERP или других масштабных программных систем.

Что касается общения, директора по информационным технологиям должны проводить регулярные встречи с командами по вопросам конфиденциальности. Это, в частности, позволяет обосновать ценность безопасности.

3. Разработайте эффективные процессы управления.


Директору по информационным технологиям требуется полное представление о процессе выбора ERP, чтобы он мог оценить новую технологию с точки зрения безопасности данных. Разрабатывая программу управления поставщиками, руководители по информационной безопасности могут следить за различными поставщиками ERP и связанными с ними рисками безопасности. Используя прогнозную аналитику, руководители по информационной безопасности могут быстро обнаружить, когда внедренная система нарушает профиль безопасности организации.

Надежные процессы управления безопасностью помогают обеспечить соблюдение правовых норм, особенно когда речь идет о соблюдении стандартов управления ИТ-безопасностью.

4. Будьте бдительны в отношении безопасности Интернета вещей.


Интернет вещей (IoT) играет важную роль при внедрении ERP. Интернет вещей улучшает понимание данных и повышает операционную эффективность и поэтому эта технология привлекает организации. Если вы планируете интегрировать IoT со своей ERP-системой, следует помнить о нескольких проблемах безопасности.

Устройства Интернета вещей могут быть уязвимы для кибератак, поскольку они обмениваются данными с другими устройствами, подключенными к Интернету. Фактически, устройства IoT - цель для хакеров, которым нужен доступ к другим источникам данных.

Большинство организаций не готовы к таким атакам и не имеют надлежащей защиты. Они не понимают, что устройство, управляемое третьей стороной, может не иметь того же уровня безопасности, что и локальная технология.

Отсутствие должной осмотрительности со стороны провайдера Интернета вещей - еще одна причина, по которой хакеры нацелены на Интернет вещей. Хакеры знают, что многие провайдеры Интернета вещей не уделили времени повышению безопасности, поскольку торопились вывести устройства на рынок раньше конкурентов.

Облако и локальная безопасность ERP: преимущества и недостатки


При переходе от локальной инфраструктуры к облачной инфраструктуре часть ответственности переносится с ИТ-отдела организации на поставщика облачных услуг (CSP), но безопасность остается центральным пунктом, за который должны нести ответственность обе стороны.

Понимание того, кто несет ответственность и за какие меры безопасности, имеет решающее значение для обеспечения безопасности данных в облаке. Согласно Gartner , «почти во всех случаях именно пользователь, а не поставщик облачных услуг, не может управлять средствами контроля, используемыми для защиты данных организации».

Различия между локальной и облачной безопасностью.


1. Разграничение ответственности и обязанностей.


Самая большая разница между локальной и облачной безопасностью - это степень ответственности, которая ложится на саму организацию. Имея локальную инфраструктуру, бизнес полностью отвечает за безопасность ERP-системы. Они закупают серверы, на которых будут размещаться данные, создают и управляют межсетевыми экранами, используемыми для управления доступом к сети, а также управляют дисциплиной извлечения данных из системы.

В облачном мире ответственность за безопасность распределяется между организацией и поставщиком облачных услуг (например, Amazon Web Services или Microsoft Azure). В зависимости от того, на какой тип услуги подписан, обязанности заказчика услуг и поставщика услуг по обеспечению безопасности различаются:
  • Инфраструктура как услуга (IaaS). Клиенты облака не несут ответственности за такие физические элементы, как центры обработки данных или оборудование, на которых размещены приложения. Вместо этого им нужно только управлять подготовкой виртуальных машин, защищать виртуальную сеть и контролировать приложения и интерфейсы в виртуальной сети.
  • Платформа как услуга (PaaS). Когда дело доходит до платформы как услуги (PaaS), поставщик облачных услуг наследует дополнительные обязанности по обеспечению безопасности. В  этом случае заказчик теперь платит за всю платформу, а не только за облачную инфраструктуру, Поставщик теперь управляет перечисленными обязанностями для IaaS, а также предоставлением виртуальных машин и обеспечением безопасности виртуальной сети. Заказчик облака по-прежнему несет ответственность за свои данные, мониторинг интерфейсов и защиту своих приложений.
  • Программное обеспечение как услуга (SaaS). В отношении программного обеспечения как услуги (SaaS) поставщик услуг связи несет ответственность за все ранее упомянутые обязанности для IaaS и PaaS, а также за само приложение. Это имеет смысл, поскольку теперь клиент облака платит за использование приложения, размещенного на платформе поставщика и в облачной инфраструктуре. В этом случае заказчик облака несет ответственность за безопасность своих данных и всех интерфейсов.

Во всех случаях ответственность за соблюдение конкретных требований безопасности лежит на клиенте. Если ваша организация планирует переход в облако, полезно перечислить все ваши требования к безопасности. При встрече с потенциальными поставщиками дайте им список ваших требований и позвольте им проверить, насколько их сервис может соответствовать вашим требованиям.

Важно отметить, что даже несмотря на то, что многие обязанности будут возложены на поставщика, вы должны соблюдать правильные процессы и процедуры, нанимать квалифицированный персонал и поддерживать целостность безопасного облака.

С этой целью разработка и документирование процессов, связанных с безопасностью ERP, может помочь подготовить ИТ-персонал к новым ролям и обязанностям. А при определении новых бизнес-процессов необходима сильная методология реинжиниринга бизнес-процессов.

2. Точки доступа.


Еще одно ключевое различие между локальной безопасностью и облачной безопасностью - это способы доступа к сети. Локальные системы ERP существуют только на устройствах, на которых они установлены. Когда бизнес-пользователям необходимо получить доступ к данным в локальной среде, им необходимо физически находиться в офисе или в сети компании.

Например, у сотрудника может быть установлена ​​система SAP на своем рабочем ноутбуке, что позволит ему просматривать данные компании с этого устройства. У того же сотрудника может быть личный ноутбук, на котором не установлена ​​система SAP. Это упрощает управление доступом к приложениям и данным, поскольку существует только одна точка доступа.

Хотя это может создать проблемы для сотрудников, работающих удаленно, они всегда могут использовать виртуальную частную сеть (VPN) для входа в свое офисное устройство. VPN безопасны, потому что для них требуется ключ безопасности или другие средства управления идентификацией.

В облачной среде сотрудники могут получать доступ к приложениям компании через веб-браузер. Это означает, что любое устройство с доступом в Интернет становится точкой входа для критически важных бизнес-данных.

Облачные среды позволяют использовать программные интерфейсы приложений (API). Хотя API-интерфейсы могут использоваться с приложениями, работающими локально, их использование не нормализовалось, пока поставщики облачных услуг (и программного обеспечения) не начали предварительно встраивать их в свои платформы.

Теперь взаимодействовать со сторонними программными приложениями так же просто, как открыть соответствующий API и разрешить доступ третьих лиц к вашей среде. Такая простота взаимодействия имеет свои преимущества, но это добавляет дополнительный уровень сложности, когда дело доходит до проектирования безопасности.

При использовании API для создания, чтения, обновления или удаления данных в другой системе крайне важно, чтобы все было правильно спланировано. Не все разрешения обычно требуются API для выполнения назначенной функции. Не менее важно определить правильные разрешения и их последствия. Не следует идти простым путем и просто давать полные разрешения API.

При создании API нужно исследовать безопасность системы, с которой осуществляется взаимодействие. Вопрос, который следует задать: «Если система безопасности нарушена, как это может повлиять на данные?» Разработка коннектора или API с учетом этого может избавить от головной боли и потенциальных судебных исков.

Преимущества и недостатки локальной безопасности по сравнению с облачной безопасностью


Независимо от того, есть ли у вас локальная инфраструктура или вы уже находитесь в облаке, с точки зрения безопасности есть ряд серьезных преимуществ и недостатков в обоих случаях.

Преимущества облачной безопасности


Огромным преимуществом, когда дело доходит до безопасности в облаке, является доступность инструментов безопасности, созданных поставщиком облачных услуг или поставщиком ERP . Обычно за дополнительную плату CSP, такие как Amazon, Microsoft и Google, предлагают встроенные инструменты безопасности, которые помогают ИТ-отделу выявлять и устранять сетевые уязвимости, а также предоставляют предложения по улучшению системы безопасности.

Поставщики облачных услуг во многом зависят от безопасности данных своих клиентов. Для этого поставщики вложили значительные средства в машинное обучение, чтобы помочь выявить слабые места в системе и немедленно уведомить вас в случае атаки.

Еще одно преимущество безопасности в облаке - это уровень автоматизации, которого можно достичь с помощью API. API-интерфейсы упрощают организацию входящих и исходящих сообщений между сетью компании и третьими сторонами, обеспечивая правильные методы аутентификации на каждом этапе.

Недостатки облачной безопасности


Хотя использование API-интерфейсов можно считать преимуществом с точки зрения автоматизации, оно также может быть недостатком при рассмотрении количества точек доступа, которыми нужно управлять. Если у вас есть несколько третьих лиц, которые автоматически получают доступ к вашей среде, будет сложно отслеживать весь входящий и исходящий трафик. В случае взлома еще более проблематично выяснить, в чем заключаются проблемы с безопасностью.

Преимущества локальной безопасности


Очевидным преимуществом локальной системы безопасности является прозрачность ответственности за требования безопасности. Ответственность за соблюдение требований безопасности полностью ложится на организацию.

Недостатки локальной безопасности


Поскольку право собственности центра обработки данных лежит исключительно на бизнесе, объем обязанностей по обеспечению безопасности, возложенных на ИТ-отдел, более чем в два раза превышает объем облачных мер безопасности.

К тому же автоматизация взаимодействия с третьими сторонами обычно практически отсутствует. Это означает, что ИТ-отдел должен безопасно создавать и управлять каналом связи каждый раз, когда в экосистему добавляется новый поставщик.

Наконец, ИТ-отделу может не хватать ресурсов, а большинство инструментов безопасности для локальных сред либо устарели, либо могут быстро устареть в связи с разработкой новых методов киберпреступников. Также, не стоит забывать, что самая распространенная форма атаки на корпоративные сети - это не столько взлом с помощью вирусов или грубой силы, но и проникновение с использованием методов социальной инженерии.

Где разместить ERP-систему?


При выборе ERP кибербезопасность является проблемой для многих организаций. В конечном итоге безопасность зависит не столько от модели развертывания и хостинга, сколько от сотрудников и процессов организации.

Почему кибербезопасность требует плана управления изменениями? Хакеры знают, что сотрудники - это самый быстрый и простой путь к данным компании. Однако сотрудники не могут быть бдительными, если не знают, на что обращать внимание. Вы обязаны подготовить их к неизбежному фишинговому мошенничеству, атаке программ-вымогателей или взлому публичного Wi-Fi.

1. Работать по старинке проще


Представьте себе мир, в котором вам никогда не нужно менять пароли и вам разрешено «работать из дома» в ближайшей кофейне. Это мир, который сотрудники оставляют позади, когда переходят к новым методы кибербезопасности. Чтобы убедить сотрудников изменить привычные модели поведения, потребуются веские причины. Ваша организация должна сообщать о важности кибербезопасности и подчеркивать, что поставлено на карту в случае нарушения безопасности.

2. Кибербезопасность - это привычка


Ежегодных тренингов недостаточно. По мере того, как технологии становятся все изощреннее, растут и методы их взлома. Новые уязвимости создаются ежедневно, и сотрудникам необходимо научиться распознавать потенциальные угрозы во всех их формах. Организация должна разработать план непрерывного обучения, учитывающий различные типы атак, с которыми может столкнуться каждый отдел. Некоторые организации заходят так далеко, что проводят имитацию кибератак, чтобы сотрудники могли учиться на своих ошибках, что часто является лучшей формой обучения.

3. Множество точек доступа


Растущее использование мобильных устройств и облачных технологий представляет собой новую проблему для организаций, пытающихся защитить данные компании. Теперь сотрудники могут получить доступ к этим данным откуда угодно через свои мобильные телефоны, которые уязвимы для мобильных вредоносных программ и зараженных приложений. Тем не менее, несложно вооружить сотрудников знаниями, необходимыми для защиты их устройств.

Разработка плана управления изменениями для кибербезопасности


Внедрение ERP не должно быть единственным случаем, когда организация рассматривает возможность повышения кибербезопасности. Кибербезопасность - это непрерывная битва, требующая долгосрочного плана управления изменениями.

Вы можете реализовать все необходимые структуры контроля кибербезопасности, но ваши процессы станут неэффективными, как только сотрудник щелкнет фишинговую ссылку. Вот почему нужны четко изложенные передовые практики и периодическое обучение.

Организация должна заручиться поддержкой руководства в части плана управления изменениями в области кибербезопасности. Тогда можно реализовать инициативы по обучению и коммуникации, которые приведут к долгосрочным изменениям поведения.

Общение с сотрудниками по вопросам кибербезопасности похоже на общение с сотрудниками по вопросам внедрения ERP. Они требуют сильного лидерства, которое способствует доверию и двустороннему общению. Они влекут за собой точные временные рамки и должную персонализацию. Они требуют наличия команды управления изменениями с определенными ролями и обязанностями.

Как обучать сотрудников вопросам кибербезопасности


1. Сообщайте о целях обеспечения безопасности.


Это гарантирует, что сотрудники понимают причину новых политик и процедур. Объясните, что безопасность напрямую касается сотрудников, что нарушение безопасности влияет не только на данные, но и на репутацию организации и, в конечном итоге, на ее способность достигать бизнес-целей.

2. Поощряйте сотрудников посещать занятия по безопасности.


Подобно общему обучению ERP, обучение безопасности должно быть постоянным и поддерживаться активным участием руководителей.

3. Делитесь новостями о нарушениях безопасности в других компаниях.


Используйте новости о нарушениях безопасности в других компаниях как обучающий инструмент. Можно также конфиденциально поделиться общей информацией о попытках атак на их собственную систему ERP. Хотя истории могут быть сильным мотиватором, будьте осторожны с тем, насколько подробно вы рассказываете о техниках атак, так как сотрудники могут использовать эту информацию для попытка подражать атакам внутри компании.

4. Запуск имитации фишинговых атак.


Это проверяет текущий уровень знаний сотрудников в области безопасности и привлекает их внимание. Оценив ответы сотрудников, объясните, как им следует реагировать на подобные атаки.

Ценность безопасности данных ERP


Доказать окупаемость инвестиций в безопасность данных ERP непросто. Обоснование инвестиций требует понимания ландшафта угроз, вероятности атаки и потенциальных убытков. Обладая этой информацией, вы или ваш директор по информационной безопасности можете убедить руководителей в том, что постоянная кибербезопасность необходима для поддержки целей организации.


Советы по обеспечению безопасности данных ERP для вашего внедрения от Panorama Consulting Group | 16 ноя.2020

Для иллюстрации - динамика угроз



понедельник, 16 августа 2021 г.

Гадание в стиле PEST-анализа

PEST - это методика стратегического анализа факторов дальнего окружения в разрезе Politic, Economic, Social, Technology. PEST учитывает экономические, социальные, политические и технологические факторы, влияющие или определяющие стратегигеское поведение фирмы..\
Графическая иллюстрация PEST-анализа




Картинка взята тут - http://subscribe.ru/archive/job.education.made/200410/04140613.html.


ВЕРОЯТНОСТЬ И НЕОПРЕДЕЛЕННОСТЬ В PEST-АНАЛИЗЕ

PEST-анализ базируется на перечислении факторов, которые обычно сопровождаются показателями: “Вероятность”, “Влияние”, “Ответная реакция”.

Семантически неоднозначен показатель “Вероятность”. Он имеет градации - “низкая”, “средняя”, “высокая”. Этот показатель "определяет" вероятностью свершения рассматриваемого события.

Небольшое уточнение по термину "вероятность". Дело в том, что для PEST анализа вероятность почти не подходит. Вместо этого лучше использовать "неопределенность". На бытовом уровне что вероятность, что неопределенность - суть одно и то же. Но на уровне анализа - суть разная и даже очень.

Я же, чтобы Вас не затруднять, попробую объяснить популярно. Когда мы говорит о вероятности, мы знаем множество исходов. То есть явление в принципе известно, не известно лишь какой стороной ляжет монетка. Орлом или решкой. Ну может ребром. И не более того. Четвертого не дано.

Когда мы говорим о неопределенности, мы не знаем прежде всего множество исходов. То есть, может будут бросать монетку, а может кость (кубик).

Когда говорят о вероятности, то явление уже изучено методами науки, описана его природа, построены законы распределения. То есть мы имеем с "вещью для нас", которая понятна и может быть наблюдаема во всей своей целостности на большом числе испытаний. Про такую вещь и говорят "суета сует..."

А вот неопределенность - это "вещь в себе". Даже квантификация, - низкая, средняя и высокая неопределенность, - лишь успокаивает сознание, но не добавляет ничего к познанию вещи.

В PEST-анализе в большинстве случае - неопределенность в отношении политики, экономике, социологии и технологии.

Например, неопределенность в ТЕХНОЛОГИЯХ рушит весь анализ... Вспомните CEO фирмы ИБМ, который утверждал всего 10 лет назад, что персональный компьютер никому на фиг не нужен и их больше 5 000 штук в месяц продать не возможно! Вспомните мышь, которую изобрели сотруднике фирмы Ксерокс, и как над ними смеялось руководство и крутило пальцем возле виска. И еще есть масса примеров с кино, и с фотоаппаратами, и с телефонами, изобретение транзистора считалось чудачеством - и все эти высказывания происходили от уважаемых людей, флагманов отраслей, супер специалистов. Эдисон считал применение переменного тока глубокой ошибкой! А какой титан мысли и изобретательства!

Примечание. Позиция “Влияние” описывает - на что может повлиять событие. Позиция “Ответная реакция”- это то, что должна предпринять компания с учетом "смысла" события.

Привлечение аутсорсинговых компаний для PEST-анализа ничем его не улучшает. Точно также можно взять все факторы, выписать градации влияния, важности, неопределенности или вероятности и методом Монте-Карло (поручить мартышке) отметить позиции. Можно даже попытаться доказать, что результат работы мартышки и уважаемой компании "в целом", а не в частностях, именно в целом (то если сосчитать число попаданий и промахов по происшествии времени) даст РАВНОЦЕННЫЙ результат!

Замечу, что в контексте PEST-анализа вероятность - не вероятность в математическом смысле. Это вероятность в философском смысле. То есть возможность!

Цитата

...большая близость к истине, чем к заблуждению, обусловленная тем, что число положительных оснований в пользу возможности какого-либо факта перевешивает число отрицательных. Вероятность может быть субъективной и объективной. Субъективная Вероятность состоит в том, что мы приписываем одним фактам большую близость к истине, единственно в силу безотчетной, ничем не проверенной склонности к ним. Объективная Вероятность есть проверенное вами приближение к истине, основанное на вычислении величины отношения положительных оснований возможности и исследуемого факта к исключающим его отрицательным основаниям или степени вероятности.
Малый энциклопедический словарь Брокгауза и Ефрона

Просто если придется кому-нибудь когда-нибудь проводить анализ (а иногда приходится), то корректнее употреблять "возможность" или "неопределенность" вместо вероятности.























































































ЗНАЧИМОСТЬ РЕЗУЛЬТАТА

Значительность (и значимость) результата можно оценить только по прошествии некоторого времени: чем значительнее результат, тем больше нужно времени для его признания.

Обращение тезиса: если о вашем результате начали восхищенно отзываться тут же (после того, как вы выдали этот самый результат на гора), скорее всего он (и даже почти наверное) - незначителен.

PEST и другое в изобразительном искусстве

В отношении PEST, пять сил Портера и SWOT-анализа анализа я нашел следующую аналогию, которой хочу поделиться.
Представьте себе картину голландских мастеров. (если не удается, представьте Джоконду). PEST анализ - это рама картины. У каждой картины может и не быть рамы, а может быть простенькая, может быть богатая, вычурная, достойная самой картины и так далее. Но саму картину рама не делает, она украшает картину.

А сама картина? 5 сил Портера составляют фон картины. Это уже существенная деталь, определяющая колорит, опосредованно тема и сюжет. Фон в определенной мере влияет и на композицию.

Матрица Ансоффа задает направление сюжета, силовую линию, вокруг которой будет разворачиваться сюжет и строится композиция.

SWOT-анализ определяет объекты, которые будут на картине и определенным образом группирует эти объекты по типу злодея,героя и статиста, а также дает общий "погодный" тон: хорошая погода и буря. Или может не тон, так настроение.

Применительно, например, к Джоконде SWOT-анализ нам должен указать, что на картине должна быть женщина, довольно состоятельная, довольно привлекательная, ее слабыми сторонами будет то что она именно не привлекательная и не обнаженная.

А вот дальше собственно и начинается произведение или мазня школяра.


Шаблон PEST-анализа

Есть довольно много "шаблонов" PEST-анализа. Все почти одинаковые. Я побродил по сайтам, и нашел, что вот этот шаблон будет выглядеть неплохо. На первый раз...
 
Политические

• Действующее законодательство
• Будущее законодательство
• Международное законодательство
• Регламентирующие органы и процессы
• Правительственная политика
• Торговая политика
• Фонды, гранты и инициативы
• Лоббистские группы
• Международное давление
• Войны и конфликты

Экономические

• Экономическая ситуация и тенденции в стране
• Экономическая ситуация и тенденции в мире
• Налоги, связанные с данными продуктами
• Сезонность и влияние погоды
• Рыночные циклы
• Факторы, специфичные для индустрии
• Товаропроводящие каналы
• Проценты и обменные курсы
• Вопросы международной торговли

Социальные

• Тенденции
• Демография
• Отношения и мнения потребителей
• Взгляды СМИ
• Изменения законодательства, влияющие на социальные факторы
• Представления о брендах, компании и технологии
• Алгоритмы покупок
• Мода и ролевые модели
• Основные события и влияния
• Этнические и религиозные факторы
• Реклама и пропаганда
• Вопросы этики

Технологические

• Появление конкурирующих технологий
• Финансирование исследований
• Пограничные/вспомогательные технологии
• Технологии-заменители
• Зрелость технологии
• Зрелость и потенциал производства
• Механизмы покупки
• Законодательство в области технологий
• Инновационный потенциал
• Доступ к технологиям, лицензирование, патентование
• Вопросы интеллектуальной собственности
• Глобальные коммуникации
• Новые технологии: скорость возникновения, динамиками передачи, скорость устаревания

PEST-анализ - это кабинетное исследование. То есть нет необходимости где-то ходить, бродить, ставить эксперименты. Достаточно компьютера с выходом в Интернет не на самой большой скорости или на худой случай - библиотеки.

Вам нужно найти некоторое число аналитиков или специалистов (хорошо - если это будут профессора) в области политики, экономики, науки и техники, социологии.
Как правило эти люди готовят обзоры по тем отраслям знаний, в которых работают и дают ответы на вопросы, обозначенные в шаблонах. Это довольно общие ответы.
Чтобы получить доступ к отраслевым данным, тут придется немного заплатить денег или воспользоваться устаревшими отчетами (с отставанием в 3-5 лет).

четверг, 12 августа 2021 г.

К вопросу об автоматизации и возможности рационального управления

В уже далеком 1966 году вышла книжка по кибернетике "Принципы самоорганизации. М. Мир, 1966, 621 с." Книжка состояла (и состоит) из статей кибернетиков. Там была интересная статья Г.Цопф. Отношение и контекст.

Уже тогда было высказано все, что препятствует и успешной автоматизации, и успешному рациональному (не интуитивному) управлению.

1. Тем, кто пытается автоматизировать бизнес-процессы без их изменения, так, как они сложились, говоря о ценности "нажитого"

Тем, кто заинтересован в создании полезных автоматов, следовало бы помнить, что биологические системы могут нам служить лишь ориентирами; они редко являются системами, действительно выполняющими те задачи, выполнения которых мы требуем от машин…
…в настоящее время машины делают многое лучше, чем человек, но это такие вещи, которые человек вообще не делает.


2. Тем, кто пытается оценить компетенции консультантов, будь то компетенции консультантов по внедрению или консультантов по управлению "не плодам их, а по словам их"

…для того, чтобы оценить достоверность знания, нужно уже иметь какие-то знания. Наше допущение, что мы знаем критерии достоверности, что они такие-то и такие-то, привели нас к заблуждению, которое я назову заблуждением единственной системы отсчета.
3. Тем, кто пытается автоматизировать все. 

Небольшое пояснение перед цитатой.
Автоматизировать - это значит выразить действительность аналитически в расширенном смысле.
Под аналитичностью понимается (в расширенном смысле) также возможность записи алгоритмом некоторого объекта, явления или процесса.
 
Понятие аналитичности подразумевает уверенность в существовании единственного способа описания, универсального контекста.
Вопросы: является ли мир аналитичным (то есть все ли может быть выражено с помощью универсального языка)? Ограничено ли достоверно познаваемое аналитическим?
Последующие ответы на поставленные автором вопросы - НЕТ.

4. И не все задачи, даже те, что имеют решение, могут быть решены. 
Можно говорить о создании эффективного метода решения какого-то класса задач, если бы была доказана теорема о том, что с любой заданной точностью задачу можно решить ценой конечного числа операций над конечным множеством чисел.
Р.П. Федоренко.

воскресенье, 8 августа 2021 г.

Расширенная аналитика в стратегических исследованиях

Достижения в области цифровой аналитики изменили способы ведения бизнеса. расширенная аналитика занимает центральное место в корпоративных функциях: от маркетинга и ценообразования до обслуживания клиентов и производства.

Какое место расширенная аналитика занимает или может занять в стратегическом менеджменте? Расширенная аналитика может использоваться для следующих целей:
  • Уменьшение предвзятости в решениях за счет калибровки вероятности успеха стратегии.
  • Выявление новых возможностей роста в дополнение к традиционным методам мозгового штурма.
  • Определение тенденций как можно раньше.
  • Предвидение сложной динамики рынка.

Уменьшение предвзятости в решениях


Дэниел Канеман и Амос Тверски заметили, что даже опытные планировщики склонны недооценивать затраты и время, необходимые для завершения проектов. Это явление назвали «ошибкой планирования». Эта тенденция возникает из-за того, что люди делают прогнозы на основе прошлых дел в сочетании с их личным опытом и интуицией («взглядом изнутри»), без учета распределения исходов аналогичных дел («Взгляд со стороны»). В результате многие прогнозы оказываются излишне оптимистичны. Поэтому была предложена корректирующая процедура, - «прогнозирование эталонного класса», - которая включает дополнение внутренней точки зрения результатами, определяемые эталонным классом аналогичных случаев.

На сегодняшний день такие калибровки в основном ограничиваются областью управления проектами, но почему? Ведь прогнозы, сделанные в ходе стратегического планирования, сталкиваются с аналогичными проблемами. Стратегические планы также включают в себя оценку будущих затрат и выгод от инвестиций, что делает взгляд со стороны ценным при принятии решений.

В книге «Стратегия за пределами хоккейной клюшки» (Wiley, февраль 2018 г.) представлена идея использования аналитических данных, чтобы взглянуть на стратегию со стороны. Например, если цель - увеличить экономическую прибыль на 100 миллионов долларов, разве не полезно узнать, что только 35% компаний достигли такого результата? Сравнивая распределение результатов по квантилям или децилям, можно оценить вероятность достижения прогнозируемого результата. Конечно, предварительно должны быть обработаны десятки тысяч компаний (в частности, публичных) и построены распределения результатов.

С помощью статистических распределений можно отбраковывать явные предубеждения в части получаемых эффектов и результатов. Например, если стратегические цели описываются первым децилем отраслевого распределения результатов, то правомерный вывод - стратегия возможно робкая и стоит пересмотреть стратегические цели и мероприятия. И наоборот, если статегические цели находятся в последнем дециле, то стратегия может быть классифицирована как авантюрная.

Открытие новых возможностей роста


Расширенная аналитика может улучшить стратегическое планирование, раскрывая новые возможности роста, которые неочевидны и которые трудно обнаружить в массивах данных без специальных методов и алгоритмов.  Объектом поиска могут быть привлекательные отраслевые или рыночные сегменты, компании как предмет сделок по слияниям и поглощениям, идеи  новых продуктов или услуг, новые применения существующих продуктов, услуг, приложений. Для решения подобных задач могут использоваться алгоритмы сетевого анализа, алгоритмы обработки естественного языка, анализ и поиск связей в разрозненных текстовых источниках, например, таких как описание компаний, заявки на патенты, данные о слияниях и поглощениях, научные статьи.

Определение тенденций как можно раньше


Приложения искусственного интеллекта могут анализировать общедоступную информацию в режиме реального времени. Эта информация может охватывать миллиарды веб-страниц, патентные заявки, новостные ленты, отчеты о клинических испытаниях, расшифровки отчетов о доходах и многое другое. Обнаруженные закономерности могут помочь руководителям выявлять возникающие тенденции.  Простой метод выявления закономерностей, например, анализ графика изменение частоты появления термина в массиве данных. В статье McKensey приведен пример дашбордов анализа технологий аккумуляторов для электромобилей.



Алгоритмы в реальном масштабе времени могут «анализ настроений». В частности, для этого могут использоваться нейронные сети или классификационные алгоритмы. Источником данных для таких алгоритмов служать потоки новостей, контент социальных сетей с отбором определенных событий или тем. Такой тип аналитики также используется для поиска ситуаций "неэффективности рынка" с последующим извлечением выгод на этих рынках за счет специфичных сделок. И конечно подобный анализ можно использовать для мониторинга настроений клиентов или выявления угроз репутационного характера.

Предвидение сложной динамики рынка


Математическое моделирование и симуляция может использоваться для выявления важных предположений, связанных с различными стратегическими решениями, для прогнозирования рыночного спроса при различных сценариях, для помощи менеджерам в понимании и прогнозировании реакции конкурентов или поведения клиентов. Конечно, моделирование аппроксимирует процессы и поведение реального мира, но точность подобной аппроксимации достаточна для выработки тех или иных стратегических решений. Такие методы моделирования включают в себя системную динамику, агентное моделирование (https://ru.wikipedia.org/wiki/%D0%90%D0%B3%D0%B5%D0%BD%D1%82%D0%BD%D0%BE%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5), анализ Монте-Карло, машинное обучение. Модели полезны для оценки сложных рыночных и конкурентных ситуаций тогда, когда управленческой интуиции недостаточно для полного учета последствий действий множества взаимозависимых сторон (агентов).

Модели полезны при анализе систем со многими независимыми объектами (факторами), поведение которых невозможно предвидеть на агрегированном уровне, поскольку оно развивается непредсказуемым образом в результате взаимодействия и выбора многочисленных агентов, таких как клиенты или конкуренты. В таких ситуациях стратеги могут обратиться к так называемому агентному моделированию и симуляции. Эти инструменты назначают каждому агенту набор правил принятия решений, а затем моделируют их выбор и поведение на основе информации, доступной каждому агенту. Поведение «возникает» из системы способами, которые часто невозможно было предсказать с помощью традиционных моделей. Агентское моделирование обычно используется для моделирования в динамике социального поведения, а также для моделирования эпидемий и природных систем. Но ничто не препятствует к использованию агенсткого моделирования при разработке стратегии.

Заключение


Стратегические исследования пока слабо использовали преимущества расширенной аналитики, упуская из виду потенциально важные идеи. Используя технологии расширенной аналитики, можно дополнить творческий потенциал стратегической команды и улучшить стратегические результаты.

В мире растущей неопределенности компаниям необходимо динамично строить стратегические планы и умело ими управлять. Для этого необходимо комбинировать беспроигрышные ходы со смелыми инициативами. Используя расширенную аналитику для отслеживания возникающих тенденций, можно инициировать стратегические шаги опережая конкурентов.

Источник.
https://www.mckinsey.com/business-functions/strategy-and-corporate-finance/our-insights/the-strategy-analytics-revolution. 
The strategy-analytics revolution. April 26, 2021
(Революция в стратегической аналитике. 26 апреля 2021 г.)

среда, 4 августа 2021 г.

Механизмы создания ценности - Индастри 4.0

8 движущих сил Industry 4.0.
  • 20% - 50% Снижение времени вывода на рынок
  • 10% - 40% Снижение затрат на техническое обслуживание
  • 30% - 50% Сокращение времени простоя машин
  • 3% - 5% Увеличение продуктивности
  • 85 % Увеличение точности прогноза
  • 10% - 20% Снижение затрат на обеспечение качества
  • 20% - 50% Снижение затрат на содержание запасов
  • 45% - 55% Повышение производительности в технических профессиях посредством автоматизации работы с знаниями

В сумме, это дает 223% - 355%. Впрочем, в рамках одной компании все факторы могут быть задействованы только теоретически.



Подробнее о движущих силах согласно рисунка.

Рынок. 20% - 50% Снижение времени вывода на рынок.
  • Cовместное c клиентом создание продукта. Открытые инновации.
  • Согласованное проектирование.
  • Быстрое экспериментирование и моделирование.

Сервис и постпродажное обслуживание. 10% - 40% Снижение затрат на техническое обслуживание.
  • Упреждающее обслуживание.
  • Удаленное обслуживание.
  • Самообслуживание, управляемое виртуально.

Эксплуатация активов. 30% - 50% Сокращение времени простоя машин.
  • Гибкость маршрутиризации.
  • Гибкие автоматы.
  • Удаленный мониторинг и управление.
  • Профилактическое обслуживание.
  • Дополненная реальность для обслуживания, ремонта и операций.

Ресурсы/процессы. 03% - 05% Увеличение продуктивности.
  • "Умное" потребление ресурсов.
  • "Умные" партии.
  • Оптимизация доходности в реальном масштабе времени.

Согласование спроса и предложения. 85 % Увеличение точности прогноза.
  • Прогнозирование спроса на основе данных.
  • Создание ценности на основе данных.

Качество. 10% - 20% Снижение затрат на обеспечение качества.
  • Статистическое управление процессами.
  • Расширенный контроль процесса.
  • Цифровое управление качеством.

Запасы. 20% - 50% Снижение затрат на содержание запасов.
  • Трехмерная печать.
  • Оптизация цепочки поставок в реальном масштабе времени.
  • Оптимальный размер партии.

Труд. 45% - 55% Повышение производительности в технических профессиях посредством автоматизации работы с знаниями
  • Сотрудничество человека и робота.
  • Удаленный мониторинг и управление.
  • Цифровое управление производительностью.
  • Автоматизация умственной работы.