«Мы делаем то, что не делает никто»: Data Science на ж/д

Анализ данных в логистике становится востребованным. Перед теми, кто «ловит волну» новой профессии, открываются широкие карьерные перспективы. О том, как эксперты в Data Science приходят в логистику, и что ПГК предлагает этим специалистам, рассказали в статье.

Малый и средний бизнес может использовать в своей работе готовые решения: эффективно внедрять существующие сервисы, выстраивать структуру управления и во многом ориентироваться на общие тенденции рынка.

Крупным компаниям зачастую приходится создавать всё с нуля: разрабатывать новые продукты, продумывать стандарты и выстраивать процессы. Анализ больших данных помогает находить закономерности, выявлять причины разных явлений и эффективнее использовать человеческие и материальные ресурсы.

Большинство задач, которыми занимаются аналитики в ПГК, пока не имеют качественных решений в индустрии. Коллеги из Data Science видят свою миссию в том, чтобы не только лечить боли собственного бизнеса, но и двигать вперёд отрасль в целом, цифровизировать её и создавать лучший сервис для клиентов.

Хорошими примерами применения DS являются такие продукты ПГК, как «Цифровой вагон» и «БеруВагон»:

• «Цифровой вагон» заранее выявляет неисправности в вагонах на основе данных и позволяет перейти от стихийных ремонтов к плановым.

• Платформа «Беру вагон» открывает доступ к грузовой базе клиентов ПГК. С помощью алгоритма машинного обучения предлагает наиболее выгодные для железнодорожных операторов направления из всего пула заявок ПГК.

Многие аналитики в нашей команде пришли в логистику из других отраслей — их заинтересовали проекты, которыми занимается компания. Мы поговорили со специалистами по анализу данных и машинному обучению об их опыте, карьере и выборе ПГК для своего развития в Data Science.

После учёбы по направлению «Прикладная математика и физика» я устроилась аналитиком в страховую компанию. Основным рабочим инструментом тогда был Excel, и мне нравилось, что с помощью обычных табличек и формул я могу объяснять явления и бизнес-процессы.

Когда в окружении начали появляться Data Scientists, я заинтересовалась этим направлением и поступила в магистратуру по программе «Финансовые технологии и анализ данных».

На 2 курсе начала искать работу в Data Science, узнала о вакансии в ПГК и пошла на собеседование.

В логистике, в отличие от ритейла, Data Science тогда был на этапе становления. Это открывало широкие возможности для развития и шанс стать первооткрывателем. В ПГК для меня «сошёлся пазл»: появилась возможность реализовать свои знания и присоединиться к вовлечённой, поддерживающей и развивающейся команде.

За два с небольшим года наш отдел из нескольких человек перерос в Управление анализа данных и машинного обучения, а я успела поработать в нескольких проектах и создать различные прототипы. Например, голосовой помощник для проведения инвентаризации позволяет описывать детали на складах голосом, а не заполнять бумажный отчет. Другой продукт — решение для маршрутизации обращений пользователей в техподдержку — помогает классифицировать обращения, чтобы скорее распределить их по ответственным сотрудникам.

Я учился на инженера-конструктора в Великобритании, после окончания вуза вернулся в Россию и устроился по профессии в британскую компанию.

Во время пандемии вокруг Data Science поднялся хайп, бизнес стал создавать под него целые отделы, и я решил перейти в это направление.

Посоветовавшись со знакомыми, которые работали в Data Science, я составил собственный план обучения. Он включал курсы на разных платформах и участие в хакатонах. Так я нашёл первую работу в отделе машинного обучения и компьютерного зрения энергетической компании, где решал исследовательские задачи.

В ПГК я пришёл в команду «Цифрового вагона», и теперь вместе с коллегами разрабатываю модули «Предиктивный ремонт» и «Оптимизатор ремонтов»:

• «Предиктивный ремонт» обрабатывает большие массивы данных об износе гребня колесной пары и помогает решить, куда отправить каждый конкретный вагон — под погрузку или в ремонт.

• «Оптимизатор ремонтов» — это продукт, построенный на алгоритмах математической оптимизации и продвинутой аналитики. Он позволяет планировать и направлять вагоны в плановый ремонт по экономически выгодным маршрутам.

Также я участвую в других проектах и занимаюсь менторством:

• делюсь экспертными знаниями о применении Data Science, навыками для развития в Data Science и Machine Learning;
  

• рассказываю, какие задачи решаются с их помощью и какие инструменты для этого требуются;
  

• поясняю процесс создания рабочей ML-модели: от анализа данных до оценки результатов прогнозирования.

Любой сотрудник ПГК, желающий попасть в Data Science, может обратиться ко мне. Я расскажу о применении Data Science для решения рабочих задач, мы обсудим запросы коллеги и вместе составим план обучения.

Я учился в СПбГУ на факультете ПМ-ПУ (прикладной математики — процессов управления). Во время учёбы занимался дифференциальными уравнениями и оптимизацией, опубликовал 12 научных статей и защитил кандидатскую диссертацию. Теперь и сам преподаю в альма-матер.

На втором курсе аспирантуры начал работать в научно-исследовательском институте на позиции ML-инженера, а спустя два года в моей жизни появилась ПГК.

Сейчас в команде с разработчиками, аналитиками, дизайнерами и менеджерами я участвую в продукте «Оптимизатор». Его цель — оптимизация портфеля заказов для снижения уровня издержек при обслуживании клиентов. Для этого сервиса разрабатываю ML-модели, которые позволяют приблизить расчёты ключевых показателей грузовой базы к реальным.

Наши специалисты в Data Science участвуют в уникальных для железнодорожной логистики проектах, создают продукты, которые не имеют аналогов на рынке. О разработках ПГК можно узнать на «Хабре».

В команду Data Science ПГК приходят аналитики из разных отраслей бизнеса, а мы помогаем коллегам развиваться.

Больше о карьере в ПГК и открытых вакансиях рассказываем на карьерном сайте, а новостями компании делимся в Telegram. Подписывайтесь!