Баланс разработки и продвижения наукоёмких продуктов на примере ПО для анализа данных Евгений Николаевич Павловский, к.ф.-м.н. старший преподаватель ФИТ НГУ

Принцип конкурентного сходства FRiS ABC ABD ? AB

Первые шаги – продажа алгоритмов 1. Команда 2. Идея, лежащая в основе имеет мощную научную базу – успех гарантирован! 3. Создаём библиотеку алгоритмов и продаём 4. Все счастливы!

Первые шаги – продажа алгоритмов 1. Команда 2. Идея, лежащая в основе имеет мощную научную базу – успех гарантирован! 3. Создаём библиотеку алгоритмов и продаём 4. Все счастливы! Проблема: - клиенты не мыслят категориями анализа данных - клиентам не понятны отличия одной научной разработки от другой научной разработки Это поймут ок человек Примерно чел./час.

Второй шаг – нишевое решение 1. Ищем клиента (ННИИПК им. Е.Н. Мешалкина) 2. Вникаем в предметную область клинического и управленческого процесса 3. Используя свои наработки создаём ИТ-продукт на рынке ИТ в здравоохранении – рассчитываем на средства программы модернизации здравоохранения (24 млрд.руб.)

Второй шаг – нишевое решение 1. Ищем клиента (ННИИПК им. Е.Н. Мешалкина) 2. Вникаем в предметную область клинического и управленческого процесса 3. Используя свои наработки создаём ИТ-продукт на рынке ИТ в здравоохранении – рассчитываем на средства программы модернизации здравоохранения (24 млрд.руб.) Проблемы: - очень узкая специализация, нужны годы опыта и репутация среди медиков - клиент тот, кто платит - как только речь заходит о деньгах, проблемы клиента перестают иметь научную сложность (рутина, бизнес-процессы, сбор информации)

Крайности – нелёгкий выбор ? AB Продукт Услуга Усилия Научная предметная область Алгоритм ы Обслуживание потребностей клиента Время специалист а

Выводы Проблема клиента – это то, за что он заплатит (за него заплатят). Решать проблему клиента в комплексе (в т.ч. рутина, множество работы никак не связанной с наукоёмким ПО). Всё в комплексе не обязательно делать самому, надо привлекать партнёров, более компетентных в отдельных вопросах (документооборот, бизнес-процессы).

Третий шаг 1. Оказание услуг по анализу данных (в терминах конкретной пользы из собираемых данных) 2. Не только собственные методы анализа данных Баланс: - продукт и/или услуга – зависит от заказчика - выверенный бизнес-процесс позволяет прогнозировать стоимость, риски - кооперация (аренда и сдача в аренду сотрудников)

Баланс ПродуктУслуга Разработка своегоИспользование чужого Улучшение продуктаУлучшение сервиса Сосредоточение на алгоритмахСосредоточение на проблемах клиента СамостоятельностьИнтеграция Все доходы намДоходы - субподрядчикам Предметная область математикиПредметная область клиента Риски клиент несёт самМы несём все риски по внерению Если какие-то вещи мы можем сделать лучше, это ещё не повод их делать

Решения: анализ данных (expasoft.ru) 1. Библиотека алгоритмов FRiS.NET (версия 4.0) – методология FRiS, научная школа профессора, д.т.н. Н.Г. Загоруйко (ИМ СО РАН). Использование: встраивание в программный код. 2. Программный комплекс ОТЭКС-Про – рабочая среда для разработки новых алгоритмов анализа данных (по заказу ИМ СО РАН). Имеет простой графический интерфейс. 3. Облачная платформа STOLP по решению задач анализа данных: классификация, таксономия, заполнение пробелов, выбор информативных признаков, прогнозирование. Использование: SOAP, API. 4. Прогнозирование фракционного состава сырой нефти. 5. Прогнозирование экспрессии генов.

Решения: медицина (xpss.ru) 6. Облачный сервис по управлению потоком пациентов. Хостинг в Microsoft Azure. Принятие управленческих решений по перераспределению квот высокотехнологичной медицинской помощи. (Планово-экономический отдел ННИИПК им. Е.Н. Мешалкина) 7. Веб-сервис по планированию госпитализации на основе оптимального планирования ресурсов. (Планово-экономический отдел ННИИПК им. Е.Н. Мешалкина) 8. Веб-сервис по калькуляции неперсонифицированных медикаментов и отнесении их на конкретную медицинскую услугу. (Финансово- аналитический отдел ННИИПК им. Е.Н. Мешалкина) 9. Проект «Фактический полный тариф» - расчёт полной себестоимости всех медицинских услуг. (НИИ Физиологии и фундаментальной медицины СО РАМН)

Решения: анализ данных - медицина 10. Услуга по построению модели прогнозирования операционных осложнений при нейрохирургических операциях. (Лаборатория клинической физиологии ННИИПК им. Е.Н. Мешалкина) Благодарю за внимание!