«Дом, основанный на данных»: как DataForest помогает клиентам экономить сотни миллионов долларов на сборе данных

Пока для кого-то artificial intelligence, machine learning и data science — интригующие словосочетания для интеллектуальной беседы, в DataForest это ежедневная работа.

Мы пообщались с создателями компании и ее сотрудниками, чтобы узнать, как DataForest экономит бизнесам сотни миллионов долларов, зачем развивает не технические компетенции команды и почему не приветствует овертаймы.

Что известно о DataForest

В 2018 году Александр Шеремета, Владислав Зинченко и Алексей Мултых объединили свои проекты, чтобы запустить компанию DataForest. Ее ключевая миссия — делать сложное простым, используя новые технологии в обработке данных. Все три основателя компании получили экспертизу работы с данными в банковской отрасли. Они занимались риск менеджментом, кредитованием, автоматизацией проектов и внедрением IT-решений.

Компания занимается двумя основными направлениями — Data Science и Web- Development. Они распадаются на еще четыре бизнес-линии: Data science — Data engineering и Machine learning, а Web-Development — на разработку платформ и DevOps.

Сейчас в компании работает 40 сотрудников. За последние три года, компания поработала более чем с 50 клиентами из разных стран. 5 из них входят в Fortune Global 500. В 2019 DataForest вошла в топ лучших поставщиков услуг по версии Clutch.co. В следующем году основатели хотят увеличить команду, улучшить процессы и усилить экспертизу.

Александр Шеремета называет DataForest «домом, основанным на данных». Компания использует data-driven подход в работе с клиентами и для построения внутренних процессов. Александр говорит, что невозможно управлять тем, что нельзя измерить, потому компания живет принципами юнит-экономики и стремится оцифровать все процессы.

Этапы работы над проектом

Data Science

Как правило, работа DataForest с клиентом начинается со сбора внешних данных. Благодаря собственным скреперам компания может собирать по 60 млн веб-страниц в день, а также обрабатывать терабайты информации.

Далее компания очищает данные, трансформирует и строит на их основании модели. Это именно то, что называется machine learning (машинным обучением) — разработка алгоритмов для выявления закономерностей в наборах данных. С их помощью можно строить системы классификации, прогнозирования или рекомендационные модели. И что особенно важно для маркетинговых кампаний и продаж — с помощью алгоритмов можно провести кластеризацию и выявить профиль клиентов. Так компания получает инсайты о поведении клиента — кто он, что покупает, участвует ли в программах лояльности. Портрет клиента можно использовать для последующего маркетингового таргетирования.

Web development

Следующий этап работы — упаковка данных.

DataForest при работе с данными учитывает потребности клиента и разрабатывает:

• API и микросервисы для интеграции с системами заказчика;
• дешборды для визуализации данных и поиска инсайтов;
• внутренние ERP-платформы (планирование ресурсов предприятия) для компаний;
• внешние SaaS- (Software as a Service) и DaaS-платформы (Data as a Service), если клиент продает данные или предоставляет сервисы для своих клиентов (розничных или B2B).

От сбора данных до облачных сервисов

Также DataForest развивает DevOps-направление. Компания может экономически эффективно разместить приложения в облаке. Это позволяет DataForest выполнять полный цикл работы с информацией — от сбора данных до создания платформ и визуализаций с последующим размещением на облачных сервисах.

Как DataForest экономит клиентам сотни миллионов долларов

Понять, как работает DataForest, можно на примере нескольких кейсов. Один из клиентов владеет сетью аптек, состоящей из более чем 1700 точек. Такой бизнес предполагает гигантский ассортимент и, как следствие, огромные массивы данных о товарах, поставщиках и продажах. DataForest предлагает такому клиенту решения, которые экономят ему сотни миллионов долларов. Среди них:

• Формирование оптимальной цены. DataForest собирает данные о стоимости лекарств в аптеках-конкурентах, обрабатывает их с помощью искусственного интеллекта и рекомендует наиболее выгодную цену на препарат в конкретном регионе.
• Визуализация трендов. DataForest помогает визуализировать весь массив информации с помощью графиков и диаграмм. Менеджмент может просто открыть сайт и увидеть тренды в разных продуктовых группах.
• Прогнозирование спроса. Если провизоры закажут по сотне лишних препаратов в каждой из 1700 аптек, это обернется большими финансовыми потерями. Прогнозирование продаж позволяет не закупать лишний товар. Также оно помогает сделать релокацию медикаментов с учетом их потребления в разных уголках страны. Модель может учитывать сроки годности лекарств, условия их хранения и рекомендовать складу, как правильно ими распоряжаться.

Следующий кейс, также показывает сложность задач с которыми работают сотрудники в Dataforest, и как на базе данных создает продуктовые решения для американской e-commerce компании:

• Сбор данных. Используя технологии Data Science и распределенные облачные системы, DataForest осуществляет сбор и обогащение данных о миллионах потребительских продуктах.
• Очистка и Трансформация. Оптимизируя ручной труд и применяя AI, DataForest ежедневно обрабатывает более 100 терабайт данных, находит трендовые продукты и формирует интересные предложения для покупателей со всего мира.
• Разработка маркетплейса. Чтобы упростить доступ к информации, в DataForest разработали highload веб платформу со встроенным интернет-магазином для продвижения и продажи продуктов для потребителей со всего мира.

Что говорят сотрудники о работе в DataForest

При подборе людей DataForest ориентируется на специалистов, которым интересен поиск новых нестандартных решений. Здесь они могут решать сложные задачи и постоянно развиваться.

«В компании много классных проектов, которые отлично прокачивают менеджерские и технические скилы. Есть возможность поработать с разными задачами и клиентами. У нас не всегда просто, но всегда интересно», — рассказывает проджект-менеджер Data Forest Юлия Блаженко.

В рамках четырех основных бизнес-линий в компании работают data-engineers, специалисты по data science, back-end и front-end разработчики, а также DevOps-engineers. Если говорить о технологическом стеке, то язык программирования для data-engineers и data science специалистов — это в 99% случаев Python. Front-end разработчики используют React, а back-end — Django.

«В DataForest есть возможность стать частью крупных разноплановых международных проектов с реальной ценностью для клиента. Мне нравятся наши проекты — они о positive impact крутых бизнесов», — говорит о своей работе в компании front-end разработчик Денис Минин.

Для членов команды формируют специальные матрицы компетенций, которые описывают знания человека на каждом этапе роста. Также DataForest работает над формированием performance review и планом развития для каждого сотрудника. Компания тщательно следит и стремится чтобы условия работы сотрудников соответствовали рынку и международным стандартам.

Джуны и плавание

DataForest находится в состоянии активного роста. И сейчас они хотят усилить штат специалистами Middle и Senior уровня. В то же время здесь есть место и для Junior специалистов. В компании считают, что фундаментальные знания, критическое мышление и коммуникация — это даже важнее, чем умение работать с той или иной технологией. Главное для сотрудника компании — быть гибким в поиске решений.

В связи с таким подходом, обучение молодого специалиста похоже на экспресс-урок по плаванию. Перед ним сразу ставят нетривиальные, но выполнимые задачи. Однако наедине с трудностями его не бросают — компания поддерживает специалиста и дает всю необходимую информацию.

Связь с HR

Корпоративная культура

DataForest — еще молодая компания, но при этом она активно развивает свою корпоративную культуру. У нее три важных элемента — взаимодействие, гибкость и результат.

DataForest предлагает плавающее начало дня, возможность работать удаленно или в офисе, а также много дополнительных бонусов. В компании работают разработчики из разных городов Украины. Для удобства в компании реализована система обмена опытом и знаниями. Внедрена база знаний на основе wiki, slack каналы по направлениям и обучающий видеоконтент на Youtube.

Компания выстраивает горизонтальную структуру управления, и каждый сотрудник на любой позиции может запланировать время с топ-менеджерами для разговора или предложений. В Data Forest стремятся к балансу в работе и отдыхе, поэтому овертаймов практически нет.

Почему сотрудники DataForest пишут картины

DataForest уделяет особое внимание развитию сотрудников. Причем не только улучшению профильных компетенций, но и не связанных с технологиями умений. Для этого компания инициирует образовательные программы, курсы и семинары. Например, в июле здесь проводили курс по бизнес-анализу. В дальнейшем также планируют провести курсы по критическому мышлению, управлению временем, а также майндмэппингу (метод упорядочивания концепций с помощью рисунков-диаграмм).

В DataForest стремятся узнать, что интересно членам команды, и использовать это внутри компании. Например, если сотрудник хочет углубиться в ту или иную технологию, ему частично оплачивают курсы или выделяют на это рабочее время. В итоге коллега должен сделать презентацию и рассказать команде о том, что изучил. Если же сотруднику нравится рисовать картины, компания поможет освоить ему новую технику живописи. Взамен ему нужно будет нарисовать картину для офиса.

Сооснователь DataForest Александр Шеремета говорит, что только через систематизацию и обучение сотрудников компания может выйти на новый уровень развития, поэтому компания делает все, чтобы каждый сотрудник находился в постоянном процессе улучшения как своих знаний и умений, так и эффективности компании в целом.

Список вакансий