# Риски срыва поставок

`БЗ26`

> БИЗНЕС · ПРОДВИНУТЫЙ · тема по фильтру курса 16/20 — берите

О срыве узнают в день, когда товар не приехал, — и дальше живут в авральном режиме. Между тем сигналы были: поставщик тянул с подтверждением, у него менялись сроки, в его регионе что-то происходило. Область — собрать эти сигналы в предупреждение, которому поверят, и не завалить снабженца тревогами обо всём подряд.

**Зачем:** Узнавать о риске срыва заранее, когда ещё есть время что-то сделать.

## Что предстоит выяснить

- Какие сигналы вообще предшествовали срывам в этой компании
- За сколько дней предупреждение перестаёт быть полезным
- Что делать с поставщиком, о котором нет никаких данных
- Кто принимает решение по тревоге и какой у него запасной вариант

**Область:** риски, чужие источники, числовые ряды, порог решения, закупки

## Тема глазами курса

**Чей процесс:** Снабженец ведёт поставки и узнаёт о срыве в день, когда товар не приехал

**Почему не решается одним вызовом модели:** Сигналы разной природы: даты и суммы из своих систем, новости и письма — текстом. Предупреждение без объяснения снабженец проигнорирует, а ложная тревога стоит его времени

**Где появляется результат:** Результат — тревога по конкретной поставке: по ней ищут замену и меняют планы производства

**Что считается успехом:** О срыве известно заранее и с запасом на действие, а тревоги не приучили их игнорировать

**Что будут атаковать:** Поставщик заинтересован в хорошей оценке: данные о себе он подаёт сам

**Откуда данные (открытые источники):** Новости, реестры и открытая отчётность поставщиков. История срывов синтезируется по разговору со снабженцем: какие сигналы он вспоминает как предвестники

### Оценка по фильтру: 16/20 — берите

- Чей процесс: 4/5 — Кому больно — и можно ли этого человека спросить?
- Своё поверх модели: 4/5 — Что останется от продукта, если убрать чужую модель?
- Действие: 4/5 — Продукт что-то меняет — или только показывает?
- Проверяемость: 4/5 — Чем меряется качество и что здесь будут атаковать?

> Тема курса «Системы искусственного интеллекта». Команда из четырёх ролей (Product/VO, AI Engineer, Delivery, Quality & Safety) реализует её за 16 недель, семь спринтов-лабораторных.