Разработка интернет-проекта с использованием современных методов для повышения уровня юзабилити сайта для предприятия

EOSориентированность на масштабирование; большее удобство для разработчиков, позволяющее им намного быстрее создавать приложения (в перспективе);лёгкость внедрения (в теории); не требует вычислительных мощностей.пока ничего конкретного, но это «проект в разработке», который может перестать интересовать инвесторов; отсутствие ограничений по привлечению средств, в связи с чем проект может быть сильно переоценён.NEOсовместима с правительственным регулированием; разработана на перспективу; сотрудничество с OnChain — большой потенциал для NEO; скорость: 10 000 транзакций в секунду против 30 транзакций в секунду у эфириума; наличие двух токенов (NEO + GAS) — большое преимущество при использовании протокола Proof-of-Stake; нет риска форка; потенциальная квантовая устойчивость.отсутствие анонимности (необходимое зло для правительственного регулирования); меньшая децентрализация по сравнению с эфириумом; запрет ICO в КитаеВыбор использования определенного блокчейна для создания приложений зависит от специфических потребностей и целей проекта. В данном случае, для нашего проекта мы выбрали платформу Stellar. Этот выбор обусловлен высокой скоростью обработки транзакций, низкой комиссией, быстрой производительностью и надежностью. Платформа Stellar более проста в использовании, чем Ethereum, и имеет более удобный интерфейс.В рамках реализации проекта были выделены следующие смарт-контракты:1. Поставка расходных материалов. Перед отправкой товара необходимая сумма средств списывается с покупателя и сохраняется в цепи. После получения покупателем продукции от курьерской службы, деньги переводятся на счет продавца.2. Аренда офиса. Перед заключением договора аренды арендная плата от арендатора сохраняется в цепи, а также устанавливаются ограничения на документы на помещение. После согласования сделки, ежемесячно происходит перевод денег арендодателю.Для создания сервиса была выбрана технология Node.js. Приложение на Node.js является веб-сервисом и использует функцию WebAssembly для выполнения сложных вычислений, например, алгоритмов искусственного интеллекта.Для активации ИИ модели используется встроенный код, который значительно увеличивает скорость работы. Этот участок кода очень компактный и должен быть проверен на безопасность и защищенность. Просто нужно вызвать эту встроенную программу из функции WebAssembly - так же, как в Python и Node.js вызываются встроенные функции.В качестве основных макетов для анализа были выбраны следующие: Iotix, Cultivate, Tsubaki. В качестве критериев для выбора использовались следующие: блоки и разделы сайта, верстка сайта, основные компоненты сайта.В качестве наиболее подходящего макета, который лег в основу сайта был выбран Iotix. Причиной подобного выбора является наличие в шаблоне необходимых элементов верстки и удобное их расположение.На рисунке 4-5 представлены блоки главной страницы сайта. Рисунок 4 – Главная страница сайтаРисунок 5 – Раздел тарифов на главной страницеТакже была создана страница с проектами, в которой в настоящее время представленодва проекта (рисунок 6).Рисунок 6 – Раздел проектовОписание рассматриваемого проекта представлено на рисунке 7.Рисунок 7 – Описание проектаНа рисунке 8 представлена новостная страница сайта.Рисунок 8 – Страница новостиМеханизм работы сервиса. Программа собирает, анализирует и визуализирует данные, полученные из различных источников: договоры, налоги, бухгалтерия, судебные иски, задолженности. На основании проведенного анализа сервис составляет прогноз результатов сотрудничества и возможные риски, которые могут возникнуть. Также каждому из поставщиков присваивается позиция в рейтинге на основании полученных данных. Таким образом, для реализации разработанного проекта был создан прототип сайта рассматриваемого сервиса. Уникальность данного сервиса заключается в подборе актуальной информации не только в социальных сетях, но и на других информационных ресурсов, что будет полезно для маркетологов и контент-менеджеров организаций различной сферы деятельности. 2.3 Коммерциализация результатовПри реализации проекта разработан сервис, который при помощи искусственного интеллекта осуществляет подбор наиболее актуальных и обсуждаемых тем на различных информационных ресурсах. Данный сервис работает в онлайн формате. Пользователи могут оформить как ежемесячную подписку, так и квартальную или годовую.Расчет трудозатрат на реализацию проекта представлен в таблице 6.Таблица 6 – Расчет трудозатрат№Наименование работыДлительность работы днейtmintmaxt01Изучение конкурентной среды1520172Изучение литературы и информационных ресурсов по предметной области1015123Исследование методов реализации51074Разработка плана решения задания51075Выбор подходящих инструментов51076Проектирование архитектуры1015127Разработка серверной части1520178Разработка клиентской части1520179Тестирование реализованных функций10151210Оформление пояснительной записки5107Итого95145115Далее был проведен расчет заработной платы. В качестве основной оплаты были использованы следующие данные: руководитель – 1904 руб./ день, студент – 952 руб./день. Данные представлены в таблице 7.Таблица 7 – Расчет основной заработной платы№Наименование работыТрудоемкость t0 днейЗосн, руб.РуководительСтудент1Изучение конкурентной среды170323682Изучение литературы и информационных ресурсов по предметной области012114243Исследование методов реализации70133284Разработка плана решения задания52114245Выбор подходящих инструментов52114246Проектирование архитектуры210133287Разработка серверной части017161848Разработка клиентской части017161849Тестирование реализованных функций2101332810Оформление пояснительной записки5211424Итого4372150416Таким образом, затраты на оплату труда в рамках реализации проекта составят 150416 руб. Также рассчитаем отчисления на социальные нужды. В данном случае они составят 45 124,8 руб. В связи с полученными данными можно отметить, что затраты на оплату труда специалистов в целом составят 195 540,8руб. 2.4 Упаковка проекта1. 2Самопрезентация3. АктуальностьТекст:Оценка поставщиков играет решающую роль в успехе бизнес-аналитиков. Это предоставляет им ценную информацию и данные для принятия обоснованных решений. Оценивая потенциальных поставщиков, бизнес-аналитики могут гарантировать, что они выбирают правильного партнера, который соответствует конкретным потребностям и требованиям их организации.Проводя тщательную оценку потенциальных поставщиков, бизнес-аналитики могут сделать осознанный выбор, соответствующий целям их организации, одновременно снижая риски, связанные с выбором ненадежных партнеров. В целом, использование лучших практик оценки поставщиков позволяет бизнес-аналитикам находить подходящих партнеров, которые внесут положительный вклад в достижение успеха организации.4. Описание инновацииТекст: Проект: Поставщик+Конечный целевой продукт: сервис с использованием искусственного, позволяющий провести анализ деятельности компании на основании изучения ряда показателей (финансовые показатели, текущие и прошедшие сделки, иски и штрафы) и выделить возможные положительные и отрицательные последствия заключения договора с данной компании. Предлагаемое решение: Данный инструмент с помощью искусственного интеллекта поможет определить возможные сценария взаидействия с поставщиком, а также выделить потенциальные проблемы и риски.5. Оценка рынкаТекст: В рамках настоящего проекта планируется выход на первом этапе на российский рынок, так как в настоящее время нет высокой конкуренции на данном рынке, при этом имеет место потребность в разработке подобных проектов. 6. Текст: Основные конкуренты компании 7.Текст:Целевые сегменты рынка: отделы закупок крупных организаций. Данный сегмент станет основным на начальном этапе реализации проекта. Этапы проекта:1. Анализ потребностей целевых клиентов и мониторинг рынка.2. Формирование ТЗ на разработку технологии на основании проведенных исследования.3. Расчет денежных и трудовых затрат на реализацию проекта. 4. Разработка прототипа технологии и ее тестирование.5. Внесение изменений в проект (в случае необходимости)6. Разработка и тестирование итоговой версии технологии.7. Реализация разработанной технологии.9. Текст: Подключение к сервису будет осуществляться на ежемесячной основе, при этом для крупных клиентов будет возможность воспользоваться индивидуальным предложением. Средняя стоимость использования сервиса в месяц составляет 5000 р. При этом будут представлены как минимальные, так и расширенные пакеты. Для расчетов прогноза продаж использовалась усредненная стоимость.10. Команда проектаЗАКЛЮЧЕНИЕВ рамках настоящего исследования осуществлялась разработка проекта по созданию сервиса для оценки поставщиков с использованием искусственного интеллекта. Анализ поставщиков — это процесс оценки отношений компании с ее поставщиками и продавцами. Он предполагает оценку текущих отношений компании, анализ их эффективности и внесение изменений при необходимости. Анализ поставщиков является важнейшим компонентом любого бизнеса, который полагается на сторонних поставщиков для получения материалов или услуг. Понимая анализ поставщиков и его важность, компании могут создавать прочные партнерские отношения, приносящие пользу обеим сторонам. В этой статье мы подробно рассмотрим, что такое анализ поставщиков и почему для бизнеса важно понимать эту концепцию.При проведении анализа поставщика необходимо учитывать различные параметры, такие как финансовая стабильность поставщика, его производственные возможности, процедуры контроля качества и данные о поставках. Также следует принять во внимание любые прошлые проблемы, которые у возникли с поставщиком, и любые опасения, которые могут возникнуть при ведении бизнеса с ним в будущем. Проведение подобного анализа с использованием искусственного интеллекта позволит быстро изучить все необходимые параметры и составить прогноз результатов взаимодействия и возможных проблем и рисков. СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВАбашидзе, М. Д. Перспективы использования машинного обучения и операционной аналитики в маркетинге / М. Д. Абашидзе, В. С. Старостин // Актуальные проблемы управления - 2016, 21-я Международная научно-практическая конференция. - М. : 2016. - С. 33-55.Абдуллаева И.М., Рахмонова М.Б. Роль и значение искусственного интеллекта в инновационном маркетинге // Экономика и социум. 2022. №4-2 (95). С. 586-592Аникин Д.А., Свищёв А.В. Метод выбора статистического критерия для проведения a/b тестирования // E-Scio. 2021. №11 (62). С. 298-303Анурин, В. Маркетинговые исследования потребительского рынка / В. Анурин, Е. Евтушенко, И. Муромкина. - М.: СПб: Питер, 2019. - 272 c.Борвейн Б., Чжу Л. Псевдоматематика и финансовое шарлатанство // Уведомления Американского математического общества. 2014. Том 61. № 5. С. 458-471Бронников М.А. Применение искусственного интеллекта в маркетинге // Экономика и социум. 2022. №6-1 (97). С. 449-453Голубков Е.П. Маркетинг. Словарь терминов. Москва: Дело и Сервис; 2018. 309 с.Горохов А.В., Мартынов В.А., Гаврин В.А. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ // Скиф. 2022. №4 (68). С. 159-162Дайан, А. Академия рынка: маркетинг. Пер. с фр / А. Дайан, Ф. Букерель, Р. Ланкар, и др.. - М.: Экономика, 2019. - 572 c.Зюзина Н.Н., Подосенова Ю.Г. Сегментация потребителей // Экономика и социум. 2016. №12-1 (31). С. 1193-1196Каул А., Гупта С., Кеттл К. Сегментация, с которой можно работать // Вестник McKinsey. 2014. № 4. Колчанов В. Б. Цифровизация маркетинга: тренды и перспективы //Государство и бизнес. Экосистема цифровой экономики. - 2019. - С. 44-49.Котлер Ф, Келлер КЛ. Маркетинг. Менеджмент. Кузин В, переводчик. Санкт-Петербург: Питер; 2019. 800 с. Кохави Р., Тан Д., Сюй Я. Доверительное А/В-тестирование 2021 г., 298 с.Ламбен Ж.-Ж. Менеджмент, ориентированный на рынок. Санкт-Петербург: Питер; 2018. 800 c.Милаева О.В., Ростовская Н.Е. Контент-маркетинг: к вопросу определения понятия // Наука. Общество. Государство. 2017. №1 (17). С. 162-168Миргородская О.Н., Палиенко А.М. Технологии искусственного интеллекта в современном маркетинге // Инновационные аспекты развития науки и техники. 2021. №9. С. 132-135Мотышина М.С. Методы и модели маркетинговых исследований: учеб. пособие. – СПб.: Изд-во СПбУЭФ, 2017 Невоструев П.Ю. Контент-стратегия интернет-маркетинга в контексте глобализации / П.Ю. Невоструев, Р.В. Каптюхин // Теория и практика общественного развития. 2014. № 3. С. 275-278Невоструев П.Ю. Подходы к определению оригинальности контента в рамках контент-маркетинга / П.Ю. Невоструев, Р.В. Каптюхин // Бизнес. Образование. Право. Вестник Волгоградского института бизнеса. 2014. №3 (28). С. 65-69.Ниворожкина Л.И., Арженовский С.В. Статистические методы анализа данных. Учебник. Студентам ВУЗов. 2019 г., 333 с.Пластун К.Е. Влияние искусственного интеллекта на современный маркетинг // Скиф. 2019. №5-2 (33). С. 493-496Солдаткина М.В Сегментация потребителей: Актуальные проблемы и алгоритмы их решения // Хроноэкономика. 2018. №2 (10). С. 36-42Старостин В.С. Трансформация маркетинговых технологий в эпоху машинного интеллекта // Вестник ГУУ. 2018. №1. С. 28-34Тришечкин С.Н. Исследование маркетинговой сегментации корпоративных клиентов // Вестник науки и образования. 2019. №5 (59). С. 13-17Хастри Т., Тибришани Р. Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование. 2020 г., 768 с.Digital 2022: Global overview report [Электронныйресурс] URL:https://datareportal.com/reports/digital-2022-global-overview-reportErevelles S., Fukawa N., Swayne L. Big Data consumer analytics and the transformation of marketing //Journal of business research. - 2016. - Т. 69. - №. 2. - С. 897-904.Sterne J. Artificial intelligence for marketing: practical applications. - John Wiley & Sons, 2017Westermann, A. and Forthmann, J. (2020), "Social listening: a potential game changer in reputation management How big data analysis can contribute to understanding stakeholders' views on organisations", Corporate Communications: An International Journal, Vol. 26 No. 1, pp. 2-22.