Игорь Агамирзян
вице-президент, НИУ Высшая школа экономики
Игорь Рубенович Агамирзян – ведущий эксперт в области компьютерных и информационных технологий, венчурного инвестирования и инновационно-технологического предпринимательства.
В 1979 году окончил математико-механический факультет Ленинградского государственного университета по специальности «Прикладная математика» по кафедре математического обеспечения ЭВМ. Краткая информация о карьере:
1979 – 1991 гг. – научный сотрудник институтов Академии наук.
1991 – 1995 гг. – в частном технологическом бизнесе.
1995 – 2007 гг. – сотрудник корпорации Microsoft в различных ролях (консультант Microsoft Consulting Services, руководитель департамента по работе с корпоративными клиентами, сотрудник Microsoft Research).
2007 – 2009 гг. — генеральный директор Центра разработки программного обеспечения корпорации ЕМС в Санкт-Петербурге.
2009 — 2016 гг. — генеральный директор и председатель правления АО «Российская венчурная компания».
С 2011 года – член Совета директоров ОАО «Роснано» и с 2014 года – ООО УК «Роснано».
С 2016 – вице-президент НИУ ВШЭ.
На протяжении многих лет Игорь Агамирзян входит в российские рейтинги менеджеров компьютерного бизнеса («DATOR Top100» 1994 - 1998, «Международный Компьютерный Клуб» - с 1997 года). В 2002 вошел в «TOP 100 российской IT-индустрии» по версии газеты «Коммерсантъ». В 2007 году был включен в список «Тop-100 Лучших менеджеров Санкт-Петербурга»; в 2010, в 2012 и 2013 — входил в Топ-10 менеджеров финансового сектора совместного рейтинга Ассоциации менеджеров России (АМР) и газеты Коммерсантъ «Топ-1000 российских менеджеров».
Большие данные в реальном времени
Значительную, если не бОльшую по объему, долю больших данных составляют данные телеметрии – потоки данных с различных сенсоров. Особенностью таких данных является то, что их, как правило, не целесообразно сохранять в полном объеме – необходимо либо полностью обработать их на лету, либо провести достаточно глубокую предобработку и выделить те данные (или события, описываемые этими данными), которые имеет смысл сохранить для дальнейшего детального анализа. В некоторых случаях результаты предобработки в реальном времени могут нести важную информацию, на которую требуется немедленная реакция, например, возникновение аварийных ситуаций в киберфизических системах.
Такие задачи порождают существенный вызов для современных вычислительных систем, так как большинство архитектур как на аппаратном, так и на программном уровне не ориентированы на быструю обработку данных в реальном времени, а плотность потоков данных в современных киберфизических системах непрерывно возрастает по мере усложнения решаемых ими задач. Проекты в этой области ведутся как в академическом сообществе (пример – сотрудничество НИУ ВШЭ и ЦЕРН), так и в индустрии. Какие подходы здесь применяются в настоящее время и в каком направлении может развиваться программно-аппаратное обеспечение для работы с потоками больших данных в модели edge computing?

Алексей Минин
директор, Институт прикладного анализа данных Deloitte СНГ
Алексей имеет более 13 лет опыта работы в сфере высоких технологий и разработки и внедрения систем искусственного интеллекта в промышленной и финансовых сферах. С его участием реализовано более 20 проектов для системообразующих предприятий экономик СНГ и Западной Европы.
Алексей является автором 5 патентов в области систем прогнозирования, имеет более 50 публикаций на ведущих международных конференциях и журналах, посвященных системам предиктивной аналитики и искуственному интеллекту.
Образование и профессиональная квалификация:
Технический Университет Мюнхена (Германия), ф-т Информатики, каф. Робототехники, Докторская степень в естественных науках в области Систем Прогнозирования, 2012.
Международный Банковский Институт, ф-т Финансового менеджмента, степень магистра в области Финансового Менеджмента, 2011
Санкт-Петербургский Государственный Университет, Физический ф-т, степень магистра в области Прикладной математики и Вычислительной Физики, 2008.
«Эксполераторы» как ответ на вызовы цифровой экономики
Бурное развитие робототехники и систем искусственного интеллекта, технологий Big Data в сочетании с глобализацией торговли приводит к тому, что все товары и сервисы становятся глобально конкурирующими. Происходит становление глобальных платформ и внедрение парадигмы цифровой экономики. Это означает, что только инновационные товары и услуги смогут приносить доход своим производителям, создавать рабочие места и генерировать доходы для государства.
Так как основой инноваций преимущественно являются технологии, то способность их быстро развивать станет ключевым конкурентным преимуществом людей, компаний и государств. Таким образом, именно экспоненциальные технологии будут определять успешность компаний и целых государств, но применить такие технологии можно только к существующим активам. Реализацию потенциала цифровой экономики РФ обспечат не акселераторы (в сложившихся условиях управление портфельными инвестициями – неподъемная по сложности задача), а «эксполераторы», задачей которых будет объединение активов госкорпораций и гибкости стартапов, финансируемых за счет капитализации получаемой интеллектуальной собственности и ее глобальной коммерциализации в дальнейшем. Технологический задел и человеческий капитал, имеющиеся в России, будут этому способствовать.

Анджей Аршавский
директор Центра анализа данных и моделирования, Новолипецкий металлургический комбинат
Закончил МИФИ, специализировался на управлении высокотехнологичными разработками в сфере ИТ, имеет большой опыт в сфере машинного обучения, обработки и анализа данных. Занимал руководящие должности в сфере разработки ПО в компаниях IBM и Microsoft. Основатель и генеральный директор компании Digital Society Laboratory, специализирующейся на продуктах анализа социальных и поведенческих данных. Участвовал в становлении направления Big Data & Analytics в Сбербанке. Руководил Центром Компетенции по Big Data в «Сбербанк Технологиях». В настоящее время возглавляет дирекцию по анализу данных и моделированию в крупнейшей российской сталелитейной компании НЛМК.
Big Data на производстве
Выступление посвящено практическим подходам к применению технологий Big Data, Advanced Analytics и Machine Learning к решению задач на производстве. Примерами будут решения, разрабатываемые для повышения эффективности сталелитейного производства компании НЛМК. Подходы и инструменты, о которых пойдет речь, могут быть использованы для любых типов производств. Будут также рассмотрены отличительные особенности применения вышеперечисленных технологий на сложных производствах в сравнении с банковским и интернет-секторами.

Владимир Чернаткин
куратор проектов больших данных и Интернета вещей, СИБУР
В компании СИБУР с 2011 года, занимал должности руководителя направления «Планирование, Анализ и инвестиционные проекты», руководителя проектов в области бережливого производства. С 2016 года является куратором проектов больших данных и интернета вещей СИБУР.
С 2007 по 2009 год работал финансовым аналитиком в различных компаниях, с
2009 по 2011-й занимался управлением проектами и финансовым прогнозированием в компании Brunswick Rail.
Закончил с отличием физфак МГУ им.Ломоносова (специальность «теоретическая физика»), получил ученую степень по специальности «теоретическая физика и мат. моделирование» в Universite de Nantes, Ecole des Mines de Nantes, CNRS (Франция).
Большие данные для цифрового производства: практические примеры
Компания СИБУР расскажет об опыте решения задач нефтехимического производства инструментами big data, о использовании больших данных и Интернета вещей в реализации подходов Индустрии 4.0, а также о технических и организационных особенностях использования больших данных на «цифровом» производственном предприятии.

Виталий Богданов
вице-президент по стратегии и развитию, «Световые Технологии»
Профессиональный путь начал в стратегическом и организационном консалтинге в компании Strategy Partners Group. Принимал участие в ряде крупных проектов (ГК «Росэнергоатом», ОАО «Талосто», холдинг «Магнезит Огнеупор Групп» и др.), предусматривающих не только консультирование, но и реализацию предложенных мероприятий.
C 2006 года в реальном бизнесе. В настоящее время – вице-президент по стратегии и развитию ООО «МГК «Световые Технологии», лидера светотехнической отрасли России. Отвечает за разработку и создание механизмов реализации стратегии компании, управляет крупными проектами развития, такими как создание новых производств, организационные преобразования, запуск полноценной бизнес-единицы в Индии. В последние годы большое внимание уделяет теме цифровой трансформации бизнеса и созданию новых бизнес­-моделей на базе технологий IoT, Big Data, а также сервисных моделей взаимодействия с клиентом.
Кандидат экономических наук.
От продажи светильников к продаже света (Light-as-a-Service): IoT и BigData как основа новых бизнес-моделей
Светодиодная революция перевернула светотехническую отрасль с ног на голову. Светильники стали электронными приборами, поумнев быстрее, чем многие другие элементы инженерной инфраструктуры города или промпредприятия. Так светотехника стала включенной еще в одну технологическую революцию - IoT и Digital.
Данные, их сбор, управление, анализ - все это играет ключевую роль в новых бизнес-моделях. Достаточно ли просто использовать данные о состоянии приборов для того, чтобы оказывать Lifecycle Services? Или данные, которые могут собираться на объеме в ходе эксплуатации системы освещения сами по себе имеют бизнес-ценность? Heatmaps и анализ поведения посетителей объекта - лишь самые простые примеры.
На чем же производителям строить свой бизнес в будущем: на продаже приборов, услуги или данных?

Таня Милек
менеджер по методологии и унификации, Русагро
Руководитель портфеля проектов в компаниях Oracle, Microsoft, SAS. В настоящее время занимается построением проектного управления в группе компаний «Русагро».
Специализируется на проектном управлении в ИТ и управлении разработкой информационных систем. Имеет сертификации PMP, SCRUM, Prince2, ITIL и сертификаты по продуктам Oracle.
Более 17 лет работает в ИТ-отрасли и имеет опыт успешной реализации совместных проектов с США, Великобританией, Венгрией, Индией и др. странами.
Имеет высшее техническое, экономическое образование, MBA Американского института AIBEC и обучается в магистратуре МГТУ им. Баумана. Имеет публикации в коммерческих и научных изданиях по теме проектного управления.
От больших данных к трансформации бизнеса
Сельское хозяйство и агропромышленный комплекс России демонстрируют устойчивую тенденцию роста, являясь одним из драйверов экономики. Руководство нашей страны возлагает надежды на рост за счет цифровой трансформации сельского хозяйства и применения передовых технологий точного земледелия и робототехники, IoT, агроскаутинга и др. Ситуация становится еще более комплексной в животноводстве, где на спектр применяемых технологий оказывают дополнительное влияние биотехнологии.
Все перечисленные выше задачи базируются на использовании гетерогенных потоков больших данных, требующих использования современных технологий поддержки принятия решений и прогнозной аналитики (машинное обучение, нейронные сети и т.д.). При этом создание онтологий, как неотъемлемого инструмента комплексной аналитики больших данных, пока остается за рамками пристального внимания и автоматизации.
Потребность в онтологиях очевидна и на уровне государственных структур, например, онтология UNSPSC, которая в российских условиях может подойти различным государственным органам.
В докладе представлен анализ создания онтологий для больших данных в сельском хозяйстве, который создает предпосылки перевода онтологических проектов за рамки экспериментов в прикладную плоскость.

Илья Ясный
начальник отдела экспертизы проектов департамента анализа инвестиций, Фармстандарт
Кандидат химических наук (химфак МГУ), с 2010 года работал научным экспертом биотехнологической компании «Генериум», с 2014 – руководитель экспертного отдела инвестиционного фонда «Инбио Венчурс», осуществляющего вложения в проекты по разработке новых лекарств. Отвечаю за научную экспертизу проектов и стратегию разработки лекарств.
Big data и лекарства
Я расскажу о том, как применение больших данных изменяет ландшафт разработки лекарств и практику их применения. Уже сейчас анализ больших данных используется при открытии новых лекарств, в ходе их разработки, анализа эффективности, безопасности и экономической целесообразности применения. Расскажу о проблемах, которые решают большие данные, и ограничениях, с которыми связано их применение.

Владимир Соловьев
руководитель департамента анализа данных, принятия решений и финансовых технологий, Финансовый университет при Правительстве РФ
Доктор экономических наук, профессор, лауреат премии CEEMAN Champion Award, трижды лауреат премии «Проект года» Официального сообщества ИТ-директоров России GlobalCIO, лауреат премии имени профессора Б. Л. Овсиевича, лауреат премии ректора Финансового университета.
Работает в области информационных технологий с 1990 года. Начинал в технической поддержке, работал системным администратором, программировал большие информационные системы, руководил ИТ-проектами и ИТ-подразделениями в различных отраслях. С 1997 года связан с высшим образованием, был ассистентом, доцентом, профессором, заведующим кафедрой, деканом, проректором.
В 2011–2016 годах в должности директора по ИТ реализовал масштабную программу технологического развития Финансового университета. С 2016 года руководит департаментом анализа данных, принятия решений и финансовых технологий Финансового университета. Сегодня департамент реализует в интересах заказчиков из финансовой отрасли и реального сектора экономики проекты в области анализа финансовых рынков, моделирования умных производств, промышленного, финансового и образовательного интернета вещей, выстраивая образовательные программы Финуниверситета вокруг реальных проектов в области искусственного интеллекта и обработки данных.
Владимир Соловьев закончил факультет ВМиК МГУ имени М. В. Ломоносова и Московскую школу управления «Сколково», защитил в Центральном экономико-математическом институте РАН докторскую диссертацию «Математическое моделирование рынка программного обеспечения», опубликовал 20 книг, более 100 научных статей и более 30 статей в профессиональных ИТ-журналах.
Умный университет: IoT помогает анализировать вовлеченность студентов
Развитие информационных технологий позволяет существенно повысить качество образования. Давно уже идут дискуссии о преимуществах, недостатках и возможностях трансформации традиционных аудиторных занятий. Сегодняшние студенты «с рождения» пользуются смартфонами и планшетами, и в интернете по большинству теоретических и практических дисциплин часто можно найти более полную, точную и актуальную информацию, чем может рассказать на лекции преподаватель. Бывает так, что информация в интернете и подается более эффектно и эффективно, чем на занятиях. Интересно ли студентам? Успевают ли они за преподавателем? Доступно ли излагается материал? Насколько студенты вовлечены в образовательный процесс на аудиторных занятиях? Эти вопросы в эру цифрового образования выходят на первый план. Однако еще недавно контролировать уровень вовлеченности студентов было практически нереально – например, только в московских учебных корпусах Финансового университета занятия идут ежедневно с 8.30 до 22.00 более чем в 500 аудиториях. Финансовый университет расскажет об опыте разработки и внедрения облачного сервиса, который постоянно анализирует поток данных с видеокамер, установленных в аудиториях, с помощью моделей машинного обучения идентифицирует лица студентов, распознает их эмоции и определяет уровень вовлеченности, а затем агрегирует данные по студенческим группам, факультетам, курсам и т. п., визуализируя результаты в виде системы интерактивных панелей.

Наталья Семичева
директор, Harwest
Директор и сооснователь ИТ-рекрутингового агенства Harwest.
Наталья работает в сфере HR более 12 лет. Кандидатская степень (PhD) в сфере психологии позволяет ей эффективно общаться с людьми и точнее производить оценку кандидатов при отборе для клиента. Образование MA Digital management в Hyper Island дает возможность быть в курсе лучших практик в области digital-решений и трендов сферы.
До 2016 года Наталья работала директором по персоналу в крупных ИТ-компаниях. Ее портфолио содержит успешно реализованные кейсы в построении систем мотивации, внутренних коммуникаций, рекрутинге, а также формировании успешных команд профессиональных HR-менеджеров. В 2016 вместе с партнером основала ИТ-рекрутинговое агенство Harwest. Специфика ИТ-рекрутинга обязывает быть в курсе последних тенденций и новинок сферы, в силу этого Наталья отлично ориентируется на рынке современных технологий.
Новая функция HR в эпоху технической сингулярности
Наталья на кейсах расскажет о применении аналитики больших данных в HR, о последующих изменениях и о новых возможностях HR в организациях. Уже сейчас видно влияние экспоненциального технического роста на деформирование задач HR и изменение профессии вплоть до самых неожиданных форм.

Алексей Арустамов
директор, Loginom Company (ex.BaseGroup Labs)
Специалист в области анализа данных, data mining и моделирования сложных систем, разработчик прикладного программного обеспечения. Участвовал во внедрении большого количества проектов data mining на основе собственной разработки компании – аналитической платформы Deductor, а теперь Loginom.
Демократизация Big Data
Основная проблема почти всех компаний – это отсутствие не инструментов, а специалистов, способных сделать что-то полезное для бизнеса. Почти все предлагаемые инструменты заточены на программистов, которых не хватает сейчас и не будет хватать еще много лет. Платформа Loginom делает сложную аналитику доступной массвому пользователю, но в первую очередь тем, кто разбирается в бизнесе.

Ольга Плосская
руководитель проектов отдела анализа данных, Visiology
Более 7 лет опыта в управлении проектами различного уровня, в том числе федерального масштаба, в качестве главного инженера, с 2014 года развитие направления робототехники и инженерных решений в Polymedia. С 2017 года перешла в компанию Visiology и занимается управлением проектами по продвинутому анализу данных со специализацией по промышленным задачам.
Образование: МГТУ им. Н.Э. Баумана «Автоматизация технологических процессов и производств», PME, повышение квалификации в области маркетинга ВШЭ.
Цифровой двойник реактора. Машинное обучение в химическом производстве
На сегодня все больше предприятий задумываются о создании цифровых двойников своих производств, однако такой подход предполагает сложное математическое моделирование, большое количество знаний о системе на различных уровнях, что приводит к большой ресурсоемкости проекта. В то время как машинное обучение, технологии анализа больших данных во многом кажутся «серебряной пулей» для решения задач с большим объемом данных, не требующих глубоких знаний о процессе. Компания Visiology расскажет о реализации проекта с применением обоих подходов по оптимизации селективности непрерывного химического производства в реальном времени, выполненного для компании СИБУР.

Лев Голицын
директор департамента информационных систем управления, Naumen
С 2009 по настоящее время работает в группе компаний Naumen. За это время прошел путь от аналитика до директора департамента и генерального директора некоторых компаний группы.
Лев является экспертом Фонда развития интернет инициатив (ФРИИ), членом экспертного совета рабочей группы по информационным технологиям ФЦП ИР 14-20, а также экспертом РАН (компьютерные науки, включая информационные и телекоммуникационные технологии, робототехнику).
В 2009 году с отличием окончил Государственный университет управления (г. Москва) по специальности Экономика и управление в промышленности. В 2005 году окончил НТГМК им. Е. А. и М. Е. Черепановых (г. Нижний Тагил) по специальности Обработка металлов давлением. Именной стипендиат мэра города за особые заслуги в учебе и спорте.
Big Data, или как я съел слона
Перестаньте бояться больших данных! Главная проблема Big Data в реальных задачах – очень мало нужных данных, пригодных для анализа, и очень много препон для доступа к ним.
«Почему вы до сих пор не начали копить данные?»
Поговорим о том, как уже сегодня начать хранить данные, чтобы завтра эффективно ими воспользоваться.
«Какие данные являются критичными для вашего бизнеса?»
Обсудим инерцию данных, поскольку: не собираем данные – теряем деньги.
В своем выступлении эксперт компании Naumen рассмотрит вопрос управления информационными потоками предприятия. Разрушит заблуждения о природе больших данных. Предложит участникам решение, как заставить данные работать – разберет архитектуру решения построения работы с данными из реальных проектов.
В завершении представит историю успеха и экономический эффект от использования распределенных вычислений для технологий машинного обучения и семантического анализа на больших данных.

Александр Тарасов
управляющий партнер, DIS Group
Управление неуправляемым. Data Governance для больших данных

Петр Борисов
руководитель направления Big Data, DIS Group
Петр Борисов отвечает в DIS Group за развитие новых направлений. Имея более чем десятилетний опыт работы в ИТ-индустрии, Петр в течение нескольких лет занимается направлением Big Data, включая проработку как технических аспектов применения технологий данного класса, так и позиционирования подобных решений в инфраструктуре заказчиков. До работы в DIS Group Петр занимался развитием системы корпоративной отчетности. Закончил Московский Государственный Технический Университет СТАНКИН, факультет «Информационные технологии».
Секреты успеха проектов Больших данных. Как не сбиться с пути

Максим Шляпнев
директор по консалтингу, IT Pro
Эксперт в области управления проектами, бизнес-требованиями, управления данными.
Карьеру CIO начал в 2011 году в издательстве «Мир открыток», входящем в тройку лидеров на рынке поздравительных открыток в РФ. Ключевыми направлениями деятельности были развитие сервисов оптовой торговой площадки и автоматизация процессов управления контроля качества выпускаемой продукции.
С 2015 по 2017 года возглавлял ИТ-службу в компании Silwerhof, реализующей широкий ассортимент канцелярской продукции оптом и в розницу. Руководил развитием распределенной ИT-инфраструктуры компании, отвечал за развитие систем ERP, CRM, WMS. Реализовал проект запуска оптовых и розничных веб-проектов, включая разработку финансовой модели и постановку бизнес-процессов.
С 2017 года, благодаря экспертизе в управлении данными и отраслевой экспертизе в оптовой торговле, розничной торговле, e-commerce и логистике, в составе команды IT Pro руководит проектами построения и внедрения корпоративных аналитических систем, взаимодействует с заказчиками с целью выработки бизнес-требований, транслирует их в ТЗ для команды разработчиков, участвует в спринтах в роли Product Owner. Также выполняет прототипирование и разработку интерфейсов для визуальной аналитики на дашбордах Power BI.
Мария Боголюбова
руководитель департамента ассортиментной политики и аналитики, FiNN FLARE
Мария начала карьеру в компании в 2009 году, с должности аналитика, в 2013 году была назначена руководителем департамента ассортиментной политики и аналитики. За это время в компании удалось усовершенствовать процесс подготовки аналитической отчетности путем ее автоматизации, была разработана система планирования ассортимента и последующего заказа, проведен ряд мероприятий по разработке внутренней системы эффективного управления ассортиментом.
Инструментарий прогнозирования выручки в FiNN FLARE
Инструмент прогнозирования выручки для финско-российского ретейлера одежды Finn Flare построен компанией IT Pro на базе технологий Microsoft и облачной платформы Azure с использованием предварительно подготовленных внутренних и внешних исторических данных. Решение позволило повысить частоту и скорость формирования краткосрочного прогноза продаж для оперативного принятия управленческих решений.
Особое внимание в докладе будет уделено:
  • ценности построенного решения для бизнеса;
  • вопросу качества и достаточности данных для прогнозирования;
  • процессу определения внутренних и внешних факторов, влияющих на прогнозируемые величины;
  • применению облачных технологий при создании прогнозных моделей.

Виталий Чугунов
руководитель отдела специального программного
обеспечения, ЕС-лизинг
В сфере ИТ с 1997 года, окончил Рязанский государственный радиотехнический
университет по специальности радиоэлектронные системы и комплексы; диплом
MBA CIO АНХ при правительстве РФ.
Имеет публикации в научных журналах, неоднократный участник и докладчик
международных конгрессов в области информационных технологий.
Работал в компаниях Транснефть и Лукойл.
С 2013 года лидер направления BigData в компании ЗАО «ЕС-лизинг», в активе
десятки реализованных проектов для государственных и коммерческих
заказчиков.
В составе команды разработчиков обладатель патента на
«Информационно-аналитическую платформу».
Современные аналитические системы платформа цифровой экономики (практические кейсы)
Современное общество часто задается вопросом – в какой фазе шестого технологического уклада мы находимся и как со всем этим связана цифровая экономика? На мой взгляд, ответ на этот вопрос заключается в том, что мы уже находимся на пороге перехода в фазу роста, и для этого созрели все предпосылки в виде большого объема накопленной информации и современных технологий работы с большими данными, но ментальной готовности для решительных шагов еще нет. Цифровая революция уже наступила, и она выдвигает ряд тезисов, которые определяют ее направление движения, а мы с вами являемся ее непосредственными участниками. В нашем случае это программа цифровой экономики РФ, где указаны восемь направлений для активного продвижения вперед. В презентации я расскажу о том, как наша компания на практике участвует в цифровизации экономики.

Татьяна Матвеева
начальник Управления информационных технологий, ФНС России
Имеет два высших образования: в 2000 году окончила МГТУ им. Баумана (специальность – автоматизированные системы обработки информации и управления), в 2004 году – Московский гуманитарный университет (специальность – реклама).
В налоговых органах Российской Федерации работает с 2000 года. В период с 2000 по 2004 год прошла путь от ведущего специалиста, главного специалиста отдела по работе со СМИ и связям с общественностью Управления МНС России по г. Москве до заместителя начальника Управления организации работы с налогоплательщиками и средствами массовой информации МНС России.
В период с 2005 по 2009 год занимала ведущие должности в области связи с общественностью, взаимодействия со СМИ и интернет-технологий в ФГУП «Федеральный кадастровый центр «Земля», ОАО «Особые экономические зоны», представительстве компании «Ю-ЭФ-ДЖИ Кэпитал Партнерс Лимитед», Министерстве экономического развития Российской Федерации.
С 2010 года работает в Федеральной налоговой службе, в декабре 2011 года – начальник Управления по работе с налогоплательщиками ФНС России. В августе 2013 года назначена на должность начальника Управления информационных технологий ФНС России.
Имеет классный чин государственного советника Российской Федерации 2 класса.
Новые тренды в технологиях больших данных
Трансформация бизнеса и экономики под влиянием современных технологий больших данных приводит к изменениям в государственном управлении. ФНС России активно внедряет передовые цифровые технологии, использует новые знания от имеющихся данных в целях повышения прозрачности экономики, реализации новых проектов.

Сергей Гарбук
заместитель генерального директора, Фонд перспективных исследований
Заместитель генерального директора – руководитель направления информационных исследований. Кандидат технических наук, старший научный сотрудник. Окончил Военно-инженерный Краснознаменный институт им. А.Ф.Можайского и Российскую академию государственной службы при Президенте Российской Федерации. Работал в научно-исследовательских организациях Министерства обороны, оборонной промышленности. С 2009 года возглавлял Центр информационных технологий ОПК, сформированный в Минпромторге России. Автор более 100 публикаций в области безопасности и информационных технологий, в том числе четырех монографий.
Интеллектуальные технологии вместо человека: как оценить соответствие?
Технологии искусственного интеллекта обеспечат автоматизированное решение некоторых сложных задач, которые ранее могли быть успешно решены исключительно человеком, обладающим определёнными интеллектуальными способностями. Это задачи распознавания образов, принятия решений в непредвиденных условиях, извлечение знаний и некоторые другие. Однако полноценная замена человека на автоматизированную систему допустима лишь в том случае, если существует механизм подтверждения соответствия функциональных возможностей системы возможностям квалифицированного оператора при решении конкретной прикладной задачи.

Андрей Николаенко
главный системный архитектор, IBS
На текущей службе занят проектированием серийных аппаратно-программных инфраструктурных и платформных комплексов, принимал участие в создании крупномасштабных информационных систем для федеральных структур, предприятий энергетики, ЖКХ и телекоммуникационных провайдеров. Сфера интересов — функциональное программирование для систем работы с большими данными, систематизация и энциклопедизация знаний по кластерным платформам и методам обработки данных.

Никита Успенский
руководитель направления Big Data, Oracle Россия
Работает в Oracle с 2012 года. С сентября 2016 года отвечает за развитие направления Big Data. Ранее занимался продвижением программно-аппаратных комплексов Oracle через партнеров. До Oracle работал в компаниях HP, Kyocera и «Интеллект-Сервис». С отличием закончил магистратуру и бакалавриат НИУ-ВШЭ по специальности «Бизнес-информатика».
Аналитика больших данных для всех бизнес-пользователей
Многие компании в России внедрили платформы управления большими данными. Тем не менее, далеко не все проекты в области аналитики Big Data стали успешными из-за сложности новых технологий для большинства бизнес-пользователей. Доклад будет посвящен подходам и лучшим практикам, значительно упрощающим доступ и управление большими данными для сотрудников компаний, не обладающих продвинутыми навыками в области Data Science и Machine Learning.

Евгений Степанов
руководитель направления Big Data в России, Micro Focus
Евгений Степанов отвечает за продвижение решений Micro Focus Big Data в России. В сфере информационных технологий работает более 10 лет, и в разное время отвечал за разработку высоконагруженных систем, внедрение и продвижение решений HP Software. С момента появления решений Big Data в России начал их продвижение и за короткий срок помог российским заказчикам реализовать ряд знаковых проектов с использованием платформы больших данных – Vertica.
От археологии данных к предиктивной аналитике. Вызовы и решения
Бурное развитие рынка больших данных развило во множестве организаций потребность в дополнительной аналитике, в то же время понимание задач и подходов к их решению являются догоняющим элементом по отношению к следованию модным трендам. «Давайте сейчас загрузим данные, а потом разберемся, что с ними делать» – это типичный подход в большинстве компаний, начинающих использовать технологию, и это является помимо прочего причиной большого количества неудачных проектов. В своем докладе Евгений Степанов расскажет о видении и стратегии компании Micro Focus в части построения современных хранилищ данных и аналитических систем, ориентированных на будущее.

Сергей Золотарев
управляющий партнер, Arenadata
В 2015 году основал проект Arenadata (разработка универсальной платформы данных на базе Open Source-проектов). В 2016 году был выпущен на рынок и сертифицирован в ODPi (Linux Foundation) первый продукт – Arenadata Hadoop, корпоративный дистрибутив платформы Apache Hadoop.
С 2013 по 2016 возглавлял представительство компании Pivotal в России, где под его руководством были реализованы крупнейшие на российском рынке проекты в области Big Data.
Ранее занимал руководящие посты в ведущих российских, а также в крупнейших мировых ИТ-компаниях. Среди них: EMC, Jet, Avaya, Microsoft, Compaq.
Образование: МГТУ им Баумана, специальность Кибернетические системы. Степень MBA (Open University of London).
Проблематикой больших данных занимается с 2012 года, является автором ряда публикаций по этой теме. Часто выступает выступает в качестве отраслевого эксперта на крупнейших мероприятиях, посвященных большим данным и цифровой трансформации.
Универсальная платформа данных Arenadata – российская премьера
С ростом количества данных и многообразия их форматов на рынке появилось множество решений для работы с ними. Это, в свою очередь, усложнило задачу правильного подбора продуктов для разнородных задач, обеспечения их совместимости и работоспособности в течение всего жизненного цикла.
В качестве решения нами была предложена концепция универсальной платформы данных Arenadata Unified Data Platform. Перед ее разработчиками были поставлены очень простые требования:
  • работать с любыми типами\форматами данных,
  • иметь возможность загружать данные в необходимом режиме,
  • масштабироваться при росте обьема хранимых данных без модернизации архитектуры системы,
  • иметь модульную структуру,
  • работать с любыми инструментами и типами аналитической нагрузки.
Arenadata Unified Data Platform будет впервые представлена на конференции BIG DATA 2018.

Александр Ермаков
ведущий системный архитектор, Arenadata
Более 10 лет занимается проектами в области обработки и анализа данных.
С 2011 по 2017 годы участвовал в ряде международных проектов по созданию решений и архитектур для больших данных и онлайн-аналитики.
Работал в различных российских и международных компаниях, таких как Сбербанк-Технологии, Pivotal, EMC, Dell EMC.
С 2017 года является техническим директором Arenadata.
Член и активный участник проекта разработки спецификации Hadoop ODPi (Linux Foundation), Apache Bigtop, Apache Ambari.
Активный участник движения Big Data и проектов экосистемы Hadoop.
Дмитрий Павлов
старший разработчик, Arenadata
С 2009 года занимается платформами хранения и обработки данных. Долгое время руководил отделом администрирования корпоративного хранилища данных в финтехе, специализация – массивно-параллельные СУБД. Сейчас развивает проект Arenadata DB – коммерческий дистрибутив на базе СУБД Greenplum.
Федеративные запросы к данным на примере универсальной платформы Arenadata
В докладе будет представлена архитектура и техническая реализация Arenadata Unified Data Platform, позволяющая осуществлять запросы к данным, находящимся на разных технологических уровнях (In-memory, MPP, Hadoop), через единую точку входа.
Будут рассмотрены примеры работы запросов, планов запросов и скорости выполнения.

Александр Поносов
бизнес архитектор проектов Big Data, Неофлекс
В 2012 году окончил Пермский государственный национальный исследовательский университет по специальности «Математические методы в экономике». В 2016 году после защиты диссертации на тему «Развитие системы поддержки принятия решений в региональной экономике на основе непрерывно-дискретных экономико-математических моделей» стал кандидатом наук.
С 2010 года работает в сфере моделирования, прогнозирования и исследования данных. За это время принял участие в большом количестве успешных национальных и международных проектов. Например, строил модель планирования операционной деятельности предприятий группы ERG (Республика Казахстан) и разрабатывал информационно-аналитическую систему моделирования, прогнозирования и оптимизации производственных процессов на ОАО «Приаргунское производственное горно-химическое объединение» (Россия).
С 2016 года в компании «Неофлекс» в роли бизнес архитектора участвует в крупных проектах, в которых решает задачи по Big Data, а также одновременно развивает data-driven культуру в компании.
Fast data – помощник в управлении перевозками
Транспортные расходы – одна из составляющих цены товара. Благодаря снижению транспортных расходов компании сохраняют высокий уровень рентабельности и получают конкурентные преимущества на рынке. Технологии Fast Data позволяют достичь этих целей быстро и эффективно.
В докладе будет рассказано об ИТ-решении, внедренном в крупнейшем грузоперевозчике. Оно предназначено для повышения эффективности планирования затрат, точности прогнозирования перевозок и оперативного анализа остатков на складах. Решение каждую секунду обрабатывает свыше 500 операций, что позволяет в режиме реального времени прогнозировать загрузку 180 складов по всей России на неделю вперед с точностью до конкретного груза.
Архитектура решения разработана с использованием Hortonworks Data Platform с Apache Spark, Hadoop, Kafka и БД SnappyData.

Саркис Дарбинян
управляющий партнер, Центр цифровых прав
Адвокат, эксперт в области digital- и ИТ-права, Управляющий партнер Центра цифровых прав,
глава юридической практики правозащитной организации РосКомСвобода, автор концепции реформирования авторского права в России, идеолог общественной кампании «Время менять копирайт».
В 2005 году закончил юридический факультет Российской Таможенной Академии по специализации "гражданское право".
В 2011 успешно сдал квалификационный экзамен на получение статуса адвоката, принят в состав Адвокатской палаты г. Москвы.
В 2005-2011 годах — штатный юрист и руководитель юридических подразделений в различных коммерческих и некоммерческих организациях.
2011-2016 — член Коллегии адвокатов "Трунов, Айвар и партнеры".
С 2012 года — глава юридической практики общественной правозащитной организации «РосКомСвобода».
С 2016 года - управляющий партнер Центра цифровых прав.
Кому принадлежат большие данные и как их использовать законно
Большие данные представляют из себя весьма ценный объект гражданско-правового оборота в эпоху цифровой экономики. При этом их оборот никак специально не регулируется. Остается открытым вопрос, кому они принадлежат. Кто-то полагает, что большие данные не имеют владельца, и их можно свободно использовать. Другие считают, что они принадлежат ИТ-компаниям, которые тратят деньги на их сбор. Защитники прав человека полагают, что данные могут принадлежать только самим пользователям. Есть также мнение, что они должны принадлежать государству. До настоящего времени единого подхода нет.
Возможно, обозначенные выше вопросы должны быть решены не на уровне закона, а на уровне судебной практики, которая может более гибко адаптироваться к новым вызовам. Именно поэтому знаковым кейсом стало решение Арбитражного суда Москвы, вступившее в силу 29 января 2018 по иску «ВКонтакте» к компании ООО «Дабл», которое разрабатывало и применяло программное обеспечение для анализа большого объема данных из ВК в коммерческих целях, а затем продавало информацию банкам, которые, в свою очередь, использовали ее при оценке кредитоспособности заемщиков.
Спикером будет подробно разобран этот прецедентообразующий кейс, а также представлены альтернативные подходы (в т.ч. в рамках GDPR) к тому, какую информацию относить к охраняемым персональным данным и как соотносятся эти два вида цифровых данных.

Анна Румянцева
Data Scientist, Hitachi Vantara
Текущие проекты Анны сосредоточены на использовании передовых методов анализа и машинного обучения для улучшения бизнес-операций в железнодорожной, производственной и финансовой отраслях. Анна получила кандидатскую степень (PhD) в Университете Саутгемптона и cтепень специалиста по математике и физике в МГУ им. Ломоносова. Анна так же является стипендиатом фонда Nippon Foundation (Япония). Кандидатская диссертация Анны включала использование данных IoT, полученных с помощью морских роботизированных систем.
В 2017 году Анна была включена в шорт-лист премии Women in IT excellence awards в номинации Rising Star.
Полное погружение в аналитические Data Lakes: как перейти от бизнес-аналитики к искусственному интеллекту
Применение передовых методов аналитики способно революционизировать бизнес-операции. В докладе рассматривается важность построения системы хранения больших данных, курирования данных, необходимое программное обеспечение и методы анализа. Эти аспекты важны для перехода от методов традиционной бизнес-аналитики к построению аналитических озер данных.

Александр Азаров
старший вице-президент по разработке ПО, WaveAccess
Руководитель направлений разработки баз данных, нагруженного ПО и машинного обучения. Окончил факультет компьютерных технологий и информатики Санкт-Петербургского государственного электротехнического университета «ЛЭТИ», получил диплом магистра по направлению «Процессы разработки программного обеспечения».
Имеет более чем 15-летний опыт работы в сфере разработки программного обеспечения. Был приглашен в компанию WaveAccess в 2004 году на позицию руководителя группы разработчиков. В 2008 году занял пост заместителя технического директора. С 2013 года и по настоящее время — старший вице-президент по разработке ПО. В компании отвечает за привлечение новых клиентов, руководство службой исполнения заказов, управление проектами, развитие команды и обучение персонала. Также руководит направлениями разработки баз данных, нагруженного ПО и машинного обучения.
Обладает экспертными знаниями в области технологий Microsoft, СУБД и нагруженного ПО. Сертифицированный специалист по технологиям .NET Framework и ASP.NET, Massive parallel process programming (CUDA). Имеет богатый опыт реализации проектов:
  • машинное обучение и предиктивная аналитика;
  • разработка проектов для Life Sciences и биоинформатики;
  • дизайн и оптимизация БД;
  • разработка ПО для web, десктопа, мобильных устройств и бэкенд-сервисов;
  • Microsoft Dynamics CRM;
  • высокопроизводительные параллельные вычисления.
Опасное маневрирование: как не посадить на мель ваш проект по машинному обучению
Все больше компаний пытаются автоматизировать процессы с помощью машинного обучения, однако не все проекты завершаются успешно. Как бизнесу обойти основные подводные камни в процессе внедрения машинного обучения?
Наша команда создала несколько десятков проектов machine learning, поэтому знает, как эффективно применять алгоритмы машинного обучения в разных индустриях и для разных бизнес-задач, а также как выстраивать процессы.
На основании нашего опыта мы расскажем об этапах внедрения машинного обучения и основных подводных камнях на пути реализации проекта, чтобы компании могли успешно его реализовать и получить все преимущества от внедрения.

Игорь Катков
директор по партнерам и развитию бизнеса, Pure Storage
СХД для больших данных – что такое эффективность