Детальная информация

Целью работы является оценка экономической эффективности решения по классификации входящей корреспонденции на основе модели машинного обучения на примере ООО «Газпромнефть-Заполярье». В условиях цифровой трансформации и отставания российских нефтегазовых компаний от мировых стандартов цифровизации тема интеллектуальной автоматизации бизнес-процессов является актуальной. Источниками информационной базы служат отечественная и зарубежная научная литература, материалы международных организаций и внутренние данные компании. Разработана модель классификации (LinearSVC), повысившая точность обработки входящей корреспонденции с 27,8 % до 81 %. Экономическая эффективность подтверждена положительным NPV и окупаемостью в течение первого года. Оценка проводилась с применением Python и MS Excel.

The aim of this work is to assess the economic effectiveness of a decision on classification of incoming correspondence based on the machine learning model, using the example of "Gazpromneft-Zapolyarye". In the context of digital transformation and the lagging of Russian oil and gas companies from the world standards of digitalization, the topic of intelligent automation of business processes is relevant. Sources of information are domestic and foreign scientific literature, materials of international organizations and internal data of the company. The classification model (LinearSVC) has been developed, increasing the accuracy of incoming correspondence processing from 27.8% to 81%. Economic efficiency is confirmed by positive NPV and payback in the first year. Evaluation using Python and MS Excel.