Майнинг данных
Андрей Ковальчук
Андрей Ковальчук
главный специалист отдела мониторинга соблюдения нормативных требований и процесса управления коррупционными рисками Центра по организации противодействия коррупции ОАО «РЖД»

Майнинг данных

Искусственный интеллект против коррупции
Наш век называют веком цифровых технологий и информационных коммуникаций. Использование их в работе открывает широкие перспективы, в том числе и для разработки практических инструментов профилактики и противодействия коррупции.

Исходя из открытых источников информации, практически все крупные компании уже используют информационно-аналитические платформы собственной разработки, которые автоматизируют бизнес-процессы антикоррупционной работы.

Несмотря на то что такие проекты ресурсозатратны как по объёму информационно-аналитической работы, необходимой для запуска и эксплуатации, так и по бюджету, использование в антикоррупционной работе внутренних высокотехнологичных решений становится всё более распространённым. Это обусловлено возможностью обработки большого количества массивов данных, широким потенциалом последующего расширения функциональных возможностей таких платформ, а также удобством их использования в работе.

Использование цифровых технологий с целью минимизации коррупционных правонарушений в компании условно можно разделить на четыре вектора их применения в работе: искусственный интеллект, блокчейн (цепочка данных), большие данные (Big Data) и майнинг данных.

Давайте на этот раз обратим внимание на технологию глубокого анализа данных, или просто майнинг данных.

В мировой практике выработка знаний на основе информации, полученной из массивов данных, сложилась в особую категорию – майнинг данных. Автор термина – Григорий Пятецкий-Шапиро – определял его как процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретаций знаний, необходимых для принятия решений в различных сферах человеческой деятельности.

Простыми словами, это технология получения и обработки различных категорий источников и видов данных (текст, файл, фото, видеоматериалы и т.д.), позволяющая выявлять прямые и косвенные связи между объектами проверки (персонами и организациями).

Например, используя закономерности в массивах больших данных (цепочка связей работника по адресам, телефонам, командировкам, проведённым переговорам, заключённым договорам, включая учредительство в коммерческих или некоммерческих организациях), можно строить не только стратегию профилактики и выявления конфликта интересов у работников компании, но и принимать меры к устранению условий, создавших возможность для совершения коррупционных правонарушений.

Технологическое обеспечение информационно-аналитической деятельности любого подразделения компании, занимающегося противодействием коррупции, подразумевает наличие не столько компьютеров, сетей, доступа к цифровым базам данных (хотя и это является необходимым условием), сколько продуманной программной среды, позволяющей накапливать, обрабатывать и искать необходимую информацию в автоматизированном виде.

Однако нужно быть осторожным, так как сбор и анализ всей доступной информации про запас очень скоро приведут к финансовым и техническим ограничениям. Чем больше посторонних данных будет в подсистеме, тем сложнее работать с её информационными массивами. Поэтому сведения должны быть высокорелевантны и хорошо структурированы для дальнейшей аналитической обработки.

Технология майнинга данных при предотвращении коррупционных правонарушений в любой компании предполагает изначально внесение ясности в то, какие параметры, с какой частотой необходимо оценивать, какие их значения являются критическими, на какие сигналы требуется реакция. Поэтому необходимо разработать механизм для создания собственных алгоритмов интеллектуального анализа данных и выявления фактов коррупционных правонарушений.

Сегодня в ОАО «РЖД» ведётся планомерная работа по созданию цифровой антикоррупционной экосистемы компании путём объединения различных внешних и внутрикорпоративных источников данных для выявления конфликта интересов у работников и автоматизации функции антикоррупционного комплаенса. Интеграционным решением в этой области стало программное обеспечение собственной разработки, получившее патентное название «АС «Декларант».

Одним из этапов дальнейшего развития АС «Декларант» как раз может стать применение технологии майнинга данных в процессе доработки программного обеспечения, которое в будущем поможет комбинировать содержание различных баз, выделять связанные фрагменты и генерировать из них обобщённые отчёты, позволяющие из разрозненных данных сложить, как пазл, общую информативную картинку.

В качестве первого шага к цифровизации этого процесса необходимо начать с создания концепции интеллектуального анализа данных в виде автоматизированного робота, который может стать одним из модулей АС «Декларант».

Создание нового модуля системы – это важный этап развития комплексной цифровой системы в области профилактики и противодействия коррупции в ОАО «РЖД». В планах на несколько лет масштабирование и продолжение интеграции с внутренними системами компании.

В общем, антикоррупционная работа компании «трендов» не отвергает, а, наоборот, активно следит за лучшими достижения века цифровых технологий и информационных коммуникаций.

Согласие сторон
Наталья Ершова, заместитель начальника Департамента капитального строительства ОАО «РЖД» ,

РЖД улучшают законодательную базу для строительства  

Рубрики: Законодательство
Движение к лучшему
Анатолий Лесун, депутат Государственной думы РФ, глава подкомитета по железнодорожному транспорту при комитете Государственной думы по транспорту и развитию транспортной инфраструктуры,

ОАО «РЖД» предложило разработать законопроекты

Рубрики: Законодательство
Государственное дело

Взаимодействие ОАО «РЖД» с законодателями и властью

Рубрики: Законодательство
Окно возможностей

Механизм «регуляторной гильотины» должен оздоровить транспортную отрасль

Рубрики: Законодательство

Рубрики


Библиотека Корпоративного университета РЖД

Не сходите с ума на работе, или Как создать спокойную компанию
Джейсон Фрайд, Дэвид Хайнемайер Хенссон
«Не сходите с ума на работе, или Как создать спокойную компанию». Издательство «Манн, Иванов и Фербер» 2019 год
Траблшутинг. Как решать нерешаемые задачи, посмотрев на проблему с другой стороны
Сергей Фаер
«Траблшутинг. Как решать нерешаемые задачи, посмотрев на проблему с другой стороны». Издательство «Альпина Паблишер» 2018 год
Лидер и племя. Пять уровней корпоративной культуры
Логан Дэйв, Кинг Джон
«Лидер и племя. Пять уровней корпоративной культуры». Издательство «Манн, Иванов и Фербер» 2024 год
Автором и владельцем сайта WWW.GUDOK.RU © является АО «Издательский дом «Гудок».
Пожалуйста, ВНИМАТЕЛЬНО прочитайте Правила использования материалов нашего ресурса

Адрес редакции: 105066, Москва, ул. Старая Басманная, 38/2, строение 3
Телефоны: (499) 262-15-56, (499) 262-26-53 Реклама: (499) 753-49-53
E-mail: gudok@css-rzd.ru; welcome@gudok.ru