Data-mining для таможенного контроля
На днях Владимир Булавин выступил в Совете Федерации с докладом «О стратегических направлениях совершенствования таможенного администрирования в Российской Федерации».
Полная видео-запись доклада по ссылке.
Много было сказано и про результаты деятельности, и про перспективы развития.
Я, как обычно, остановлюсь на вопросах цифровизации.
Уже только ленивый не слышал и не читал про перспективы использования искусственного интеллекта для целей таможенного контроля и СУР.
Теперь на слайдах в докладе фигурирует понятие «Интеллектуальная таможня».
В общем ФТС России, как и другие государственные структуры, плотно внедрили в свои доклады тезисы про «цифровизацию» и «цифровую трансформацию».
Как и писали раньше - посмотрим, как это будет реализовано по факту.
С учетом того, что мы ранее читали про Искусственный интеллект тут и тут я думаю, что наиболее вероятное решение, которые мы увидим, это некая модель на базе технологий машинного обучения.
Модель, которая в режиме приближённом к онлайн будет оценивать каждую поставку, по прописанным алгоритмам.
В общем «+- тоже, что и сейчас имеем» с поправкой на балльную систему. То есть, если сейчас на поставку срабатывает, условно, порядка 5 профилей рисков от полностью автоматических до так называемых «интуитивных».
То будет тоже самое, но условные 5 баллов. Баллы будут привязаны к перечню форм контроля (или мер по минимизации рисков): запрос документов, досмотр и т.д.
Наверное добавится какой-нибудь коэффициент пересчета «текущая поставка в общем объеме «чего-нибудь» на данный момент» или «наличие неоплаченных требований на уплату платежей», чтобы можно было гордо сказать про «в режиме реального времени».
Ну и кончено же, ключевые коэффициенты по результатам категорирования участников ВЭД (кто бы что ни говорил).
И конечно же целеполагание на основе «оперативной информации» (куда уж без этого).
Привлекло внимание другое. Слайды, на которых написано «принципы Data mining». Это уже что-то «непривычное»
Немного информации по ссылке.
И я хочу сказать «наконец-то».
Когда я увидел этим слайды, я вспомнил в статьи в научных сборниках Российской таможенной академии 2004 и 2005 года «Применение методов распознания образов при управлении рисками в таможенном деле» и «Управление рисками в таможенном деле: проблемы и направления качественного решения. Идентификация таможенных рисков методами распознавания образов».
(Наверняка до сих пор в библиотеке РТА можно найти).
А ещё я вспомнил одно собрание году условно в 2006 у одного из заместителей начальников управления в ФТС. На том собрании некие разработчики, которые хотели выиграть тендер, говорили про data-mining. В то время не было ещё популяризации термина data-science. Но аналитика и поиск скрытых связей уже имело место быть.
В общем, прошло каких-то 15 лет, и научные мысли тех времён уже как минимум в лозунгах. А пройдет ещё 10 лет и мы увидим их реализацию.
Уверенной походкой идём в светлое будущее, товарищи.
#datascience #dataminig #фтс
На днях Владимир Булавин выступил в Совете Федерации с докладом «О стратегических направлениях совершенствования таможенного администрирования в Российской Федерации».
Полная видео-запись доклада по ссылке.
Много было сказано и про результаты деятельности, и про перспективы развития.
Я, как обычно, остановлюсь на вопросах цифровизации.
Уже только ленивый не слышал и не читал про перспективы использования искусственного интеллекта для целей таможенного контроля и СУР.
Теперь на слайдах в докладе фигурирует понятие «Интеллектуальная таможня».
В общем ФТС России, как и другие государственные структуры, плотно внедрили в свои доклады тезисы про «цифровизацию» и «цифровую трансформацию».
Как и писали раньше - посмотрим, как это будет реализовано по факту.
С учетом того, что мы ранее читали про Искусственный интеллект тут и тут я думаю, что наиболее вероятное решение, которые мы увидим, это некая модель на базе технологий машинного обучения.
Модель, которая в режиме приближённом к онлайн будет оценивать каждую поставку, по прописанным алгоритмам.
В общем «+- тоже, что и сейчас имеем» с поправкой на балльную систему. То есть, если сейчас на поставку срабатывает, условно, порядка 5 профилей рисков от полностью автоматических до так называемых «интуитивных».
То будет тоже самое, но условные 5 баллов. Баллы будут привязаны к перечню форм контроля (или мер по минимизации рисков): запрос документов, досмотр и т.д.
Наверное добавится какой-нибудь коэффициент пересчета «текущая поставка в общем объеме «чего-нибудь» на данный момент» или «наличие неоплаченных требований на уплату платежей», чтобы можно было гордо сказать про «в режиме реального времени».
Ну и кончено же, ключевые коэффициенты по результатам категорирования участников ВЭД (кто бы что ни говорил).
И конечно же целеполагание на основе «оперативной информации» (куда уж без этого).
Привлекло внимание другое. Слайды, на которых написано «принципы Data mining». Это уже что-то «непривычное»
Немного информации по ссылке.
И я хочу сказать «наконец-то».
Когда я увидел этим слайды, я вспомнил в статьи в научных сборниках Российской таможенной академии 2004 и 2005 года «Применение методов распознания образов при управлении рисками в таможенном деле» и «Управление рисками в таможенном деле: проблемы и направления качественного решения. Идентификация таможенных рисков методами распознавания образов».
(Наверняка до сих пор в библиотеке РТА можно найти).
А ещё я вспомнил одно собрание году условно в 2006 у одного из заместителей начальников управления в ФТС. На том собрании некие разработчики, которые хотели выиграть тендер, говорили про data-mining. В то время не было ещё популяризации термина data-science. Но аналитика и поиск скрытых связей уже имело место быть.
В общем, прошло каких-то 15 лет, и научные мысли тех времён уже как минимум в лозунгах. А пройдет ещё 10 лет и мы увидим их реализацию.
Уверенной походкой идём в светлое будущее, товарищи.
#datascience #dataminig #фтс
YouTube
В СФ выступил руководитель Федеральной таможенной службы Владимир Булавин
Руководитель Федеральной таможенной службы Владимир Булавин рассказал на заседании Совета Федерации о стратегических направлениях совершенствования таможенного администрирования в РФ.
Он сообщил, что по предварительным данным таможенной статистики, внешнеторговый…
Он сообщил, что по предварительным данным таможенной статистики, внешнеторговый…
Короткая история о том, как мне помог просмотр одним глазом бесплатного интенсива по Data-Science
Сейчас в телеграмме очень много выкладывают ссылки на всякие слитые курсы (ссылки на каналы давать не буду они и так везде мелькают).
Как правило там всякий нафталин про СММ, дизайн, личностный рост и программирование.
А вот на днях пробежала ссылка на слитый курс по BigData. Поделюсь, потому что может быть совсем не лишним. Диск не мой. Материалы в какой-то момент стираются (то есть она не вечная).
Почему я вообще об этом пишу и как это к ВЭД относится.
По сути никак, кроме того, что просто надо знать какие сейчас возможности есть. Но...
Где-то 4 месяца назад я потратил время и посмотрел 3 открытых мастер-класса по программированию на Python (один из основных инструментов Data-science).
Ну как потратил? Совместил с прогулкой с маленьким сыном.🤱🏻👼🏻
Кончено же я понял, что я не буду тратить время на то, чтобы «освоить модную и перспективную профессию за 3 месяца с перспективой трудоустройтсва и бла-бла-бла». Но также я понял, как это работает, и чего конкретно можно ожидать.
И это мне пригодилось ровно через 2 месяца, когда я взял проект по работе с данными. Очень быстро стало понятно, что ни макросы, ни sql тут не особо помогут.
И, да, я собрал команду Питонистов (они же Дата-сатанисты) и вот мы на финальном этапе сдачи MVP заказчику.
К чему все это? К тому, что понимание того, как работает тот или иной инструмент цифровой трансформации или (давайте более высокопарно) индустрии 4.0, позволяет понять куда идти, чтобы решить ту задачу, которая в обычном понимании кажется нерешаемой.
И я обязательно напишу, про негласное противостояние между «экспертами ВЭД староверами» и «дата-сайнтистами, которые ГТД от ГТК не отличают», и результаты их работы.
В качестве заключения еще несколько ссылок на открытые (бесплатные) материалы по Data-Science.
Это какая-то более свежая версия интенсива от Skillbox (о которой я говорил), но суть та же.
https://live.skillbox.ru/code_int/online/160420 - основы Python
https://live.skillbox.ru/code_int/online/170420 - обучение ML модели
https://live.skillbox.ru/code_int/online/180420 - подведение итогов.
А это бесплатный курс от Политеха (Наука о данных и аналитика больших объемов данных).
https://courses.openedu.ru/courses/course-v1:spbstu+BIGDATA+fall_2019/info
#datascience #полезныематериалы
Сейчас в телеграмме очень много выкладывают ссылки на всякие слитые курсы (ссылки на каналы давать не буду они и так везде мелькают).
Как правило там всякий нафталин про СММ, дизайн, личностный рост и программирование.
А вот на днях пробежала ссылка на слитый курс по BigData. Поделюсь, потому что может быть совсем не лишним. Диск не мой. Материалы в какой-то момент стираются (то есть она не вечная).
Почему я вообще об этом пишу и как это к ВЭД относится.
По сути никак, кроме того, что просто надо знать какие сейчас возможности есть. Но...
Где-то 4 месяца назад я потратил время и посмотрел 3 открытых мастер-класса по программированию на Python (один из основных инструментов Data-science).
Ну как потратил? Совместил с прогулкой с маленьким сыном.🤱🏻👼🏻
Кончено же я понял, что я не буду тратить время на то, чтобы «освоить модную и перспективную профессию за 3 месяца с перспективой трудоустройтсва и бла-бла-бла». Но также я понял, как это работает, и чего конкретно можно ожидать.
И это мне пригодилось ровно через 2 месяца, когда я взял проект по работе с данными. Очень быстро стало понятно, что ни макросы, ни sql тут не особо помогут.
И, да, я собрал команду Питонистов (они же Дата-сатанисты) и вот мы на финальном этапе сдачи MVP заказчику.
К чему все это? К тому, что понимание того, как работает тот или иной инструмент цифровой трансформации или (давайте более высокопарно) индустрии 4.0, позволяет понять куда идти, чтобы решить ту задачу, которая в обычном понимании кажется нерешаемой.
И я обязательно напишу, про негласное противостояние между «экспертами ВЭД староверами» и «дата-сайнтистами, которые ГТД от ГТК не отличают», и результаты их работы.
В качестве заключения еще несколько ссылок на открытые (бесплатные) материалы по Data-Science.
Это какая-то более свежая версия интенсива от Skillbox (о которой я говорил), но суть та же.
https://live.skillbox.ru/code_int/online/160420 - основы Python
https://live.skillbox.ru/code_int/online/170420 - обучение ML модели
https://live.skillbox.ru/code_int/online/180420 - подведение итогов.
А это бесплатный курс от Политеха (Наука о данных и аналитика больших объемов данных).
https://courses.openedu.ru/courses/course-v1:spbstu+BIGDATA+fall_2019/info
#datascience #полезныематериалы