Институт искусственного интеллекта и цифровых наук ВШЭ представил платформу предиктивной аналитики для бизнеса
Институт искусственного интеллекта и цифровых наук ФКН ВШЭ разработал Predict Core — унифицированное алгоритмическое ядро предиктивной аналитики. Платформа переводит работу с данными из режима отчетности постфактум в управленческую привычку с прогнозами, интерпретацией и понятным следом, показывающим, как была получена эта цифра.
Во многих компаниях решения принимают постфактум, то есть реагируют уже на свершившееся событие. Другая распространенная проблема — опора на предыдущий управленческий опыт без его корректировки с учетом текущего контекста. В условиях быстрого изменения рынка и высокой неопределенности таких подходов недостаточно. У аналитики есть несколько типичных проблем. Первая: нет единой методологии, поскольку каждый аналитик считает по-своему и цифры в отчетах расходятся. Вторая: расчеты необъяснимы и остаются для большинства сотрудников черным ящиком. Третья: отчеты показывают только то, что уже случилось. Четвертая: аналитика нерегулярна.
Разработанная в НИУ ВШЭ платформа Predict Core направлена на решение этих проблем. Решение доступно как в облачном формате, так и для установки в локальном формате (on-premise). Платформа подключается как к внутренним данным заказчика, так и к внешним релевантным источникам, обучаясь на этих данных и знаниях о среде. Система позволяет на ранних стадиях идентифицировать аномалии: она может обнаружить сбои и разладку в продажах, спросе и других процессах до того, как они превратятся в крупные потери. Все прогнозы воспроизводимы: при каждом запуске фиксируется снимок данных и параметров.
В основе Predict Core лежит унифицированное алгоритмическое ядро, которое подключается к источникам операций и среды: PMS, ERP, кассы, CRM, OTA, веб-аналитика, а также внешние данные о погоде, событиях, праздниках и макропоказателях. На платформе предусмотрена возможность настройки профилей в части интерфейса, функционала, уровня доступа в зависимости от роли. Аналитик настраивает прогон, выбирая источник, целевую переменную, горизонт и частоту. Менеджер работает с дневным дашбордом, где видит загрузку, аномалии и точность прогноза. Руководитель может получать сводную информацию с необходимой периодичностью и требуемым уровнем детализации/агрегации.
Андрей Даркшевич
«Predict Core — это не просто очередная BI-надстройка, — говорит Андрей Даркшевич, заместитель директора Института искусственного интеллекта и цифровых наук ФКН ВШЭ. — Это управленческий инструмент, который позволяет менеджеру увидеть не то, что уже случилось, а то, что произойдет через заданный промежуток времени, и, главное, понять, почему прогноз именно такой, и проверить, что будет, если изменить условия. Мы выводим прогнозирование из разряда интуиции в регулярную управленческую практику».
Predict Core подходит для компаний, у которых есть база данных или система учета с историей операций. На данный момент платформа уже работает в отрасли гостеприимства. Все компоненты платформы являются российской разработкой. Никаких зарубежных облаков и санкционных лицензий не используется.
Проект реализуется в рамках программы стратегического технологического лидерства НИУ ВШЭ («Приоритет-2030»).
Вам также может быть интересно:
НИУ ВШЭ расширяет сотрудничество с Малайзией в сфере технологического форсайта
Ученые НИУ ВШЭ примут участие в исследовании перспектив инженерного образования в Малайзии, а Малайзийская промышленно-правительственная группа высоких технологий (MIGHT) использует для валидации результатов их форсайт-исследований систему анализа больших данных iFORA. Таковы результаты визита представителей Вышки в Куала-Лумпур.
В НИУ ВШЭ разработают систему предиктивной аналитики для двигателей ледоколов
Автоматизация промышленности является одним из ключевых направлений применения технологий искусственного интеллекта. Среди решений, разрабатываемых для российской индустрии в рамках стратегического технологического проекта НИУ ВШЭ «Мультиагентная платформа ИИ-решений для отраслевых задач», — система предиктивной аналитики для крупных электродвигателей. Что такое предиктивная аналитика, как она влияет на работу электродвигателя и какие специалисты объединили усилия для создания этого продукта, «Вышке.Главное» рассказал координатор разработки, декан факультета «Школа информатики, физики и технологий» НИУ ВШЭ — Санкт-Петербург Антон Зарубин.
Дополнительные баллы к ЕГЭ за золотой значок: стартовал новый сезон сдачи нормативов ТехноГТО
Стартовала новая сессия сдачи очных нормативов технологической грамотности ТехноГТО на золотые значки. С сентября по декабрь 2026 года в разных регионах России участники смогут продемонстрировать свои знания на очных площадках проекта и заработать награды, которые позволяют получить до 10 дополнительных баллов к ЕГЭ при поступлении в вузы. ТехноГТО является частью Национальной технологической олимпиады (НТО) и реализуется Кружковым движением НТИ совместно с Президентской платформой «Россия — страна возможностей» при поддержке Движения Первых и НИУ ВШЭ.
От теории к практике: как машинное обучение меняет биоинформатику
С 20 по 22 августа на факультете компьютерных наук НИУ ВШЭ прошла седьмая ежегодная Летняя школа по машинному обучению в биоинформатике. Мероприятие объединило ведущих экспертов и молодых исследователей. Его главным итогом стала живая дискуссия о том, как фундаментальные алгоритмы ИИ превращаются в работающие инструменты для биологии и медицины.
Лаборатория будущих сетей: в НИИТ ВШЭ создали стенд для исследований 5G/6G
Стенд 5G/6G в НИИТ ВШЭ становится исследовательской площадкой, образовательной лабораторией и основой для разработки новых программных компонентов сетей будущего. Он позволяет не просто наблюдать за работой мобильной сети, а менять условия ее работы и измерять результат: скорость передачи данных, задержки, ошибки, использование радиоресурсов и другие параметры. На его основе исследователи планируют развивать технологии MIMO, O-RAN, xApp и IAB, а также экспериментировать с искусственным интеллектом.
Ученые НИУ ВШЭ научили нейросеть превращать 3D-модели в готовые технологические карты
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали систему CAD2TechSpec, которая автоматически превращает 3D-модели деталей в готовые технологические карты — пошаговые инструкции для станков. Разработка направлена на сокращение времени подготовки технической документации в машиностроении, авиастроении и других высокотехнологичных отраслях. Результаты исследованияо публикованы в журнале PeerJ Computer Science.
Роботы нуждаются в людях: на «Технопроме-2026» обсудили кадры для промышленной робототехники
На XIII Международном форуме технологического развития «Технопром-2026» в рамках секции «Кадры для национальных проектов технологического лидерства» состоялась панельная дискуссия «Кадры для промышленной робототехники: почему роботы нуждаются в людях». Представители университетов, исследовательских организаций и технологических компаний обсудили кадровые вызовы российской робототехники, изменение требований к инженерным компетенциям и подходы к подготовке специалистов для отрасли.
В НИУ ВШЭ запущен реестр ИИ-сервисов и моделей
Институт искусственного интеллекта и цифровых наук ФКН разработал сервис для регистрации и учета достижений в области искусственного интеллекта (ИИ). Платформа уже доступна для сотрудников и студентов университета.
Гибридный интеллект: на форуме «Технопром-2026» обсудили, как развивать компетенции в эпоху ИИ
Искусственный интеллект не создает новые профессии, а меняет содержание старых. К такому выводу пришли участники сессии «Гибридный интеллект: цифровые и человеческие драйверы развития», организованной Институтом статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ в рамках XIII Международного форума технологического развития «Технопром-2026». Эксперты обсудили, как меняется содержание труда, какие компетенции становятся востребованными и что мешает компаниям в полной мере использовать возможности новых технологий.
Ученые НИУ ВШЭ представили свою разработку для систем связи 6G
Терагерцовая нейроморфная схема, разработанная учеными Вышки, позволяет сделать системы связи 6G одновременно более точными и менее энергоемкими. Точность определения положения мобильных устройств внутри помещений достигает 99%. Результаты работы представили на PIERS 2026 — международном симпозиуме по фотонике и электромагнетизму в Китае.