Cinimex Development Tool
инновационный профессиональный инструмент
для оптимизации процессов разработки IT-решений
для оптимизации процессов разработки IT-решений
Ключевой функционал:
Автогенерация структур и шаблонов компонентов разрабатываемых сервисов посредством анализа формализованных описаний и требований на базе ML-технологий;
Поддержка процесса разработки посредством проверки качества кода;
Анализ эффективности команд разработки для оптимизации и распределения ресурсов по проектам и задачам;
Оптимизация процессов работы технической поддержки и работы с дефектами.
Наш проект решает следующие проблемы в области управления ИТ-проектами и повышения эффективности ИТ-функции:
Сложность выбора
оптимальной архитектуры разрабатываемого приложения на стадии MVP, исключающей дорогостоящие переработки впоследствии при промышленной эксплуатации и развитии продукта [1]
1
Высокие требования
к компетенциям и навыкам участников команды разработки сложных решений
2
Низкое качество кода
при разработке сложных продуктов в сжатые сроки [2]
3
Сложность оценки
времени работы удаленных сотрудников, как следствие - их эффективности (рынок перестраивается на модель онлайн-работы, сокращения офисных площадей) [3]
4
Сложность объективной оценки
задач на разработку и распределения ресурсов при работе по гибким методологиям (SCRUM), особенно в первый год формирования команд, непрозрачность аналитики стандартных методов (Velocity, Burndown charts)
5
Большие трудозатраты
на техническую поддержку при работе с дефектами разработки и первичной маршрутизации неструктурированных заявок от пользователей
6
Наш проект уже был положительно оценен частью экспертов коллегии Фонда “Сколково”. Мы также признательны остальным экспертам за то, что они обратили внимание на вопросы, которые в первой версии заявки были освещены недостаточно. Это помогло нам доработать настоящую заявку и позволит улучшить продукт. По рекомендации экспертов мы расширили описание преимуществ нашего решения (Приложение 1), добавили подтверждение текущих финансовых показателей и письма о заинтересованности от партнеров.
Cinimex Development Tool -
инновационный профессиональный инструмент (далее - Система) для оптимизации процессов разработки IT-решений (web-сервисов и мобильных приложений).
инновационный профессиональный инструмент (далее - Система) для оптимизации процессов разработки IT-решений (web-сервисов и мобильных приложений).
Система является дополнением платформы Cinimex Services Agility и имеет большое количество интеграций с различными подсистемами.
Разработчик Системы - группа Cinimex (https://www.cinimex.ru/), выручка за 2020 г. - 2,188 млрд. руб. (см. https://clck.ru/VZdke ; https://clck.ru/VZdnp ; https://clck.ru/VZdof ; https://clck.ru/VZdpJ ).
Система позволяет:
1
Автоматически генерировать структуру проекта, шаблоны программных компонентов (программная архитектура приложения) разрабатываемых сервисов посредством анализа (на базе технологий машинного обучения) формализованных описаний, требований и пользовательских сценариев, задаваемых в web-интерфейсе Системы при описании решения;
2
Осуществлять поддержку процесса разработки посредством проверки качества кода до сборки и развертывания (наличие ошибок, соответствие стиля программирования, повторение участков кода и качество комментариев, соответствие архитектурным паттернам);
3
Проводить анализ и визуализацию эффективности работы команд разработки с учетом трекинга времени работы на рабочем месте (IBM Rational Software Architect Designer, Rational Application Developer, Eclipse, Visual Studio, Visual Studio Code, PyCharm, XCode) и трекинга скорости команд, а также каждого разработчика по задачам из JIRA/Redmine (анализ количества, времени и качества оценки задач, в том числе в story points) для оптимизации и распределения ресурсов по проектам и задачам;
4
Оптимизировать процессы работы технической поддержки (2 и 3 линий), работы над дефектами посредством инструментов классификации заявок на тех.поддержку, автоматического создания в JIRA/Redmine дефектов (bugs) с предварительной автоматической оценкой времени/сложности по реализации;
5
Поддержка интеграции с CI/CD, Git (GitLab, GitHub, BitBucket), JIRA;
6
Поддержка технологических стеков IBM (RPG, Java, IBM WAS), Java EE, Microsoft .NET, JavaScript, Kotlin, Swift, Python.
Ниже каждая функция Системы
рассматривается более подробно:
рассматривается более подробно:
1. Автоматическая генерация структуры решения
(Smart Arch Builder)
(Smart Arch Builder)
Функционал:
- Выбор типа разрабатываемого решения и технологического стека.
- Добавление описаний и требований в web-интерфейсе в форме конструктора, требований и ограничений в текстовом виде.
- Распознавание требований и описаний, классификация элементов и узлов будущей архитектуры, генерация шаблонов программного кода по предложенной структуре проекта, автоматическое создание Git Flow (ветки development, master, release) проекта с готовыми шаблонами кода в Git (GitLab, GitHub, Bitbucket). Для распознавания и классификации применяются технологии машинного обучения (ML).
- Визуализация структуры проекта в web-интерфейсе пользователя. Для уже начатых проектов структура строится по итогам анализа кода в Git клиента. Позволяет интерактивно добавлять, изменять элементы из базы данных с автоматической генерацией шаблонов для новых элементов и сохранения в Git. Возможность задавать в % степень готовности элементов разрабатываемого решения для визуального восприятия менеджментом.
Функционал модуля позволяет сократить время и трудозатраты при старте разработки новых проектов на 50% и экономить ресурсы при развитии действующих до 30%. Также минимизируются возможные ошибки выбора некорректной архитектуры решения еще до стадии разработки.
- Выбор типа разрабатываемого решения и технологического стека.
- Добавление описаний и требований в web-интерфейсе в форме конструктора, требований и ограничений в текстовом виде.
- Распознавание требований и описаний, классификация элементов и узлов будущей архитектуры, генерация шаблонов программного кода по предложенной структуре проекта, автоматическое создание Git Flow (ветки development, master, release) проекта с готовыми шаблонами кода в Git (GitLab, GitHub, Bitbucket). Для распознавания и классификации применяются технологии машинного обучения (ML).
- Визуализация структуры проекта в web-интерфейсе пользователя. Для уже начатых проектов структура строится по итогам анализа кода в Git клиента. Позволяет интерактивно добавлять, изменять элементы из базы данных с автоматической генерацией шаблонов для новых элементов и сохранения в Git. Возможность задавать в % степень готовности элементов разрабатываемого решения для визуального восприятия менеджментом.
Функционал модуля позволяет сократить время и трудозатраты при старте разработки новых проектов на 50% и экономить ресурсы при развитии действующих до 30%. Также минимизируются возможные ошибки выбора некорректной архитектуры решения еще до стадии разработки.
2. Анализ эффективности разработки
(Smart IT-manager)
(Smart IT-manager)
Функционал:
- Desktop-приложение клиент для установки на рабочих станциях сотрудников для сбора статистики по времени работы разработчиков в приложениях IBM Rational Software Architect Designer, Rational Application Developer, Eclipse, Visual Studio, Visual Studio Code, PyCharm, XCode, JIRA, Git. Позволяет собирать данные об активности (открытые окна, переключения, ввод текста) для определения соотношения работа/простои с целью последующего сравнения фактического времени и вручную списанного разработчиком в JIRA при реализации задач.
- Интеграция с JIRA для трекинга задач и сбор статистики по оценкам задач (по времени или в story points) от разработчиков в рамках PBR для последующего анализа и формирования списка средних объективных оценок, по которому в дальнейшем разработчики смогут корректировать свои оценки для повышения качества и исключения переоценки или недооценки.
- Контроль сроков старта и завершения спринтов (в рамках методологии SCRUM), уведомление менеджмента в случае нарушения SCRUM-процесса.
- Анализ эффективности работы каждого сотрудника и команды в целом по всей агрегированной информации. Позволяет выявить сотрудников, которые недозагружены и часто простаивают либо перегружены и постоянно не выполняют задачи в срок, нарушая оценки.
- Визуализация команд по всем проектам (в форме организационной структуры) с отображением показателей по эффективности (нагрузка - оптимально 100%, количество задач в текущем спринте, количество времени (или SP) всего на проекте и по текущему спринту, фактические метрики работы на АРМ в часах в разрезах по дням и неделям).
Функционал позволяет качественно оценивать эффективность команд разработки и отдельных сотрудников (работающих по методологии SCRUM), повысить скорость разработки на 30% за счет перераспределения и правильной загрузки ресурсов на проектах.
- Desktop-приложение клиент для установки на рабочих станциях сотрудников для сбора статистики по времени работы разработчиков в приложениях IBM Rational Software Architect Designer, Rational Application Developer, Eclipse, Visual Studio, Visual Studio Code, PyCharm, XCode, JIRA, Git. Позволяет собирать данные об активности (открытые окна, переключения, ввод текста) для определения соотношения работа/простои с целью последующего сравнения фактического времени и вручную списанного разработчиком в JIRA при реализации задач.
- Интеграция с JIRA для трекинга задач и сбор статистики по оценкам задач (по времени или в story points) от разработчиков в рамках PBR для последующего анализа и формирования списка средних объективных оценок, по которому в дальнейшем разработчики смогут корректировать свои оценки для повышения качества и исключения переоценки или недооценки.
- Контроль сроков старта и завершения спринтов (в рамках методологии SCRUM), уведомление менеджмента в случае нарушения SCRUM-процесса.
- Анализ эффективности работы каждого сотрудника и команды в целом по всей агрегированной информации. Позволяет выявить сотрудников, которые недозагружены и часто простаивают либо перегружены и постоянно не выполняют задачи в срок, нарушая оценки.
- Визуализация команд по всем проектам (в форме организационной структуры) с отображением показателей по эффективности (нагрузка - оптимально 100%, количество задач в текущем спринте, количество времени (или SP) всего на проекте и по текущему спринту, фактические метрики работы на АРМ в часах в разрезах по дням и неделям).
Функционал позволяет качественно оценивать эффективность команд разработки и отдельных сотрудников (работающих по методологии SCRUM), повысить скорость разработки на 30% за счет перераспределения и правильной загрузки ресурсов на проектах.
3. Поддержка процессов разработки
(Smart Code Analyzer)
(Smart Code Analyzer)
Функционал:
- Интеграция с Git (GitLab, GitHub, Bitbucket) и CI/CD платформы Cinimex Services Agility для запуска процедуры анализа кода перед сборкой релизов.
- Анализ программного кода на наличие ошибок, соответствие стиля программирования, повторение участков кода и качество комментариев, соответствие архитектурным паттернам. Имеет несколько уровней: критические ошибки, не критичные замечания и рекомендации.
- Визуализация в web-интерфейсе пользователя статистики по качеству кода в разрезах от сборки к сборке. Позволяет увидеть динамику изменения качества кода разрабатываемого продукта.
- Уведомление всех заинтересованных лиц по итогам проверки.
Модуль позволяет “из коробки” получить разработчикам эффективный инструмент повышения качества и снижения возможных инцидентов на 30%.
- Интеграция с Git (GitLab, GitHub, Bitbucket) и CI/CD платформы Cinimex Services Agility для запуска процедуры анализа кода перед сборкой релизов.
- Анализ программного кода на наличие ошибок, соответствие стиля программирования, повторение участков кода и качество комментариев, соответствие архитектурным паттернам. Имеет несколько уровней: критические ошибки, не критичные замечания и рекомендации.
- Визуализация в web-интерфейсе пользователя статистики по качеству кода в разрезах от сборки к сборке. Позволяет увидеть динамику изменения качества кода разрабатываемого продукта.
- Уведомление всех заинтересованных лиц по итогам проверки.
Модуль позволяет “из коробки” получить разработчикам эффективный инструмент повышения качества и снижения возможных инцидентов на 30%.
4. Поддержка процессов работы над дефектами (Smart IT-Support)
Функционал:
- Интеграция с трекинговыми системами технической поддержки 2й и 3й линий (JIRA, Redmine). Позволяет получать все заявки, поступающие на техподдержку от клиентов для последующей обработки.
- Классификация заявок на техподдержку по предварительно сформированным, а также заданным пользователями классам для первичной маршрутизации на конкретных специалистов. Для классификации применяются технологии машинного обучения. Можно использовать готовую предобученную модель, а также создавать свои классы и размеченный датасет для обучения специализированной клиентской модели.
- По всем заявкам класса дефект (bug) производится автоматическое создание задачи в JIRA команды разработки с предварительной оценкой времени/сложности реализации (на исторических данных и с помощью алгоритмов машинного обучения). Пользователь может настраивать типы классов для автоматического создания задач. После исправления функционала и закрытия созданной задачи, модуль автоматически переводит заявку в завершенное состояние с уведомлением специалистов вышестоящей линии для оперативного информирования пользователей продукта.
- Заявки, не требующие обработки специалистами или не требующие доработки функционала, могут быть автоматически закрыты с ответами из вариантов сформированного списка стандартных шаблонов.
В крупных проектах на техническую поддержку выделяется большое количество ресурсов, а часть из них тратят много времени на первичный разбор и маршрутизацию заявок от пользователей в команды разработки. Наш модуль позволяет автоматизировать процессы работы над дефектами и эффективно снизить затраты на техническую поддержку (до 50%), а также повысить скорость коммуникации между разработкой, поддержкой и пользователями.
- Интеграция с трекинговыми системами технической поддержки 2й и 3й линий (JIRA, Redmine). Позволяет получать все заявки, поступающие на техподдержку от клиентов для последующей обработки.
- Классификация заявок на техподдержку по предварительно сформированным, а также заданным пользователями классам для первичной маршрутизации на конкретных специалистов. Для классификации применяются технологии машинного обучения. Можно использовать готовую предобученную модель, а также создавать свои классы и размеченный датасет для обучения специализированной клиентской модели.
- По всем заявкам класса дефект (bug) производится автоматическое создание задачи в JIRA команды разработки с предварительной оценкой времени/сложности реализации (на исторических данных и с помощью алгоритмов машинного обучения). Пользователь может настраивать типы классов для автоматического создания задач. После исправления функционала и закрытия созданной задачи, модуль автоматически переводит заявку в завершенное состояние с уведомлением специалистов вышестоящей линии для оперативного информирования пользователей продукта.
- Заявки, не требующие обработки специалистами или не требующие доработки функционала, могут быть автоматически закрыты с ответами из вариантов сформированного списка стандартных шаблонов.
В крупных проектах на техническую поддержку выделяется большое количество ресурсов, а часть из них тратят много времени на первичный разбор и маршрутизацию заявок от пользователей в команды разработки. Наш модуль позволяет автоматизировать процессы работы над дефектами и эффективно снизить затраты на техническую поддержку (до 50%), а также повысить скорость коммуникации между разработкой, поддержкой и пользователями.
Коммерческие результаты
Выручка группы Cinimex за 2020 г. - 2,188 млрд. руб. (+ 42 % YoY ; см. выручку основных компаний группы: https://clck.ru/VZdke ; https://clck.ru/VZdnp ; https://clck.ru/VZdof ; https://clck.ru/VZdpJ ); выручка за 2019 г. - 1,540 млрд. руб. руб.;
Группа Cinimex уже реализовала более 50 внедрений решений класса ESB и BPM в топ-банках и крупных корпорациях РФ и объединяет более 7000 высококвалифицированных специалистов;
Cinimex разработала и использует в работе собственную линейку продуктов middleware и инструменты тестирования, а также широкий спектр интеграционных платформ и подходов (ESB, BPM, SOA, EDA, MSA, ETL).
Текущие клиенты Cinimex, на проектах для которых планируется использовать Систему: Сбербанк, ВТБ, Росбанк, Газпромбанк, x5 Retail Group, Райффайзен банк, Почта банк, Альфа банк, Газпром нефть и др. (https://clck.ru/UegBb ). Cм. также письма о заинтересованности от партнеров: https://clck.ru/VZimc .
Команда проекта
В форме описания проекта всего 4 слота для резюме членов команды проекта. Между тем команда разработки проекта включает более 50 высококлассных разработчиков различной специализации. При этом всего группа Cinimex объединяет более 7000 высококвалифицированных специалистов в области информационных технологий. При необходимости данные ресурсы могут быть оперативно подключены к реализации проекта.
Описание технологии
I. АРХИТЕКТУРА
Cinimex Development Tool имеет сложную многоуровневую SaaS-архитектуру, представленную слоем интерфейсов пользователей (Frontend), слоем бизнес-логики, вычислительными и аналитическими сервисами (включая модели ML и AI), слоем хранения файлов и данных.
Frontend Платформы состоит из web-приложения пользователя, включающего многофункциональный личный кабинет с панелями управления, обеспечивающий доступ различным ролям пользователей (архитекторы, разработчики, DevOps-инженеры, менеджмент, техническая поддержка и т.д.).
Разработка Frontend ведется на функциональных компонентах с применением технологий JavaScript, включая библиотеки и фреймворки React.js, Redux, Redux Saga, HTML5, CSS, BEM. Дизайн макетов интерфейсов производится в редакторе Figma.
Backend-слой разделен на 2 подслоя: слой бизнес-логики, маршрутизации запросов и слой вычислительных, аналитических и предиктивных сервисов.
Разработка Backend слоя ведется на базе стека технологий Django, Fast API на языке Python и Java, включающего компоненты Apache Camel, Spring и Spring Boot. В основе Backend слоя заложена микросервисная архитектура, при которой весь функционал модулей и подсистем разделяется на микросервисы - узкоспециализированные программные модули, выполняющие ограниченный набор манипуляций с данными (сохранение, выборка, агрегация, вычисления, передача, запросы по API и т.д.). Взаимодействие между микросервисами происходит посредством обмена сообщениями через распределенный и масштабируемый брокер очередей Apache Kafka. При таком подходе достигается высокая скорость разработки нового функционала несколькими командами разработки, легкая интеграция новых сервисов и масштабируемость.
Слой хранения файлов и данных включает кластера файловых хранилищ на базе Amazon S3 (поверх применяется обертка Minio) и кластера СУБД с PostgreSQL для хранения пользовательских данных и ClickHouse для хранения неструктурированных данных большого объема. Для защиты и несанкционированного доступа, отделения баз данных от пользователей применяется универсальный Database API.
Организация кэширования данных при отдельных запросах и вычислениях осуществляется с помощью технологии Redis.
Основной язык разработки в микросервисах Платформы - Python. Все сервисы реализуются с поддержкой очередей управления задачами на обработку данных, исключая пропуски запросов. При недостаточной пропускной способности сервисы автоматически масштабируются (создаются дополнительные узлы для распределения нагрузки).
Реализация моделей, алгоритмов машинного обучения и искусственного интеллекта осуществляется посредством применения собственных сервисов Cinimex Forecast (библиотека прогнозирования временных рядов), Cinimex AutoML (библиотека для автоматизированного машинного обучения) и Cinimex TACO (решение для классификации текстов), работающие под управлением Kubeflow. Внутри указанные сервисы разработаны с применением библиотек TensorFlow, Keras, Pytorch, NLTK, Scikit-Learn и других.
Для развертывания всех компонентов системы на виртуальных серверах облачной инфраструктуры применяется стек технологий Kubernetes, Docker-compose, реализованных на нашей платформе Cinimex Integration Platform. Запуск приложений осуществляется с помощью Apache Airflow. Для балансировки нагрузки применяется Nginx. Сбор, хранение и визуализация метрик работы системы осуществляется посредством ElasticSearch, Kibana, Prometheus, Grafana.
Разработка Платформы ведется по современным принципам гибких методологий SCRUM (применяются инструменты JIRA, Confluence, TestRail, Open Policy Agent, Cucumber, Gherkin, SonarQube). Хранение и версионирование кода осуществляется с помощью GitLab.
Для разработки создана инфраструктура, включающая среды разработки (development), тестирования (stage) и промышленной эксплуатации (production). Разработчики не имеют доступа к production среде (доступ имеют только devops-инженеры и служба технической поддержки), что позволяет гибко организовывать процесс, включая удаленную работу.
Для развертывания всего программного обеспечения Платформы применяются виртуальные машины в облачной инфраструктуре с операционной системой Linux (RedHat).
Отдельно разрабатываются Desktop приложения-клиенты для операционных систем Windows, MacOS и Linux для трекинга времени работы сотрудников на своих АРМ, позволяющие отслеживать активность разработчиков для последующей оценки эффективности. Разработка ведется на языках программирования C++ (фреймворк Qt5) и Objective C.
Frontend Платформы состоит из web-приложения пользователя, включающего многофункциональный личный кабинет с панелями управления, обеспечивающий доступ различным ролям пользователей (архитекторы, разработчики, DevOps-инженеры, менеджмент, техническая поддержка и т.д.).
Разработка Frontend ведется на функциональных компонентах с применением технологий JavaScript, включая библиотеки и фреймворки React.js, Redux, Redux Saga, HTML5, CSS, BEM. Дизайн макетов интерфейсов производится в редакторе Figma.
Backend-слой разделен на 2 подслоя: слой бизнес-логики, маршрутизации запросов и слой вычислительных, аналитических и предиктивных сервисов.
Разработка Backend слоя ведется на базе стека технологий Django, Fast API на языке Python и Java, включающего компоненты Apache Camel, Spring и Spring Boot. В основе Backend слоя заложена микросервисная архитектура, при которой весь функционал модулей и подсистем разделяется на микросервисы - узкоспециализированные программные модули, выполняющие ограниченный набор манипуляций с данными (сохранение, выборка, агрегация, вычисления, передача, запросы по API и т.д.). Взаимодействие между микросервисами происходит посредством обмена сообщениями через распределенный и масштабируемый брокер очередей Apache Kafka. При таком подходе достигается высокая скорость разработки нового функционала несколькими командами разработки, легкая интеграция новых сервисов и масштабируемость.
Слой хранения файлов и данных включает кластера файловых хранилищ на базе Amazon S3 (поверх применяется обертка Minio) и кластера СУБД с PostgreSQL для хранения пользовательских данных и ClickHouse для хранения неструктурированных данных большого объема. Для защиты и несанкционированного доступа, отделения баз данных от пользователей применяется универсальный Database API.
Организация кэширования данных при отдельных запросах и вычислениях осуществляется с помощью технологии Redis.
Основной язык разработки в микросервисах Платформы - Python. Все сервисы реализуются с поддержкой очередей управления задачами на обработку данных, исключая пропуски запросов. При недостаточной пропускной способности сервисы автоматически масштабируются (создаются дополнительные узлы для распределения нагрузки).
Реализация моделей, алгоритмов машинного обучения и искусственного интеллекта осуществляется посредством применения собственных сервисов Cinimex Forecast (библиотека прогнозирования временных рядов), Cinimex AutoML (библиотека для автоматизированного машинного обучения) и Cinimex TACO (решение для классификации текстов), работающие под управлением Kubeflow. Внутри указанные сервисы разработаны с применением библиотек TensorFlow, Keras, Pytorch, NLTK, Scikit-Learn и других.
Для развертывания всех компонентов системы на виртуальных серверах облачной инфраструктуры применяется стек технологий Kubernetes, Docker-compose, реализованных на нашей платформе Cinimex Integration Platform. Запуск приложений осуществляется с помощью Apache Airflow. Для балансировки нагрузки применяется Nginx. Сбор, хранение и визуализация метрик работы системы осуществляется посредством ElasticSearch, Kibana, Prometheus, Grafana.
Разработка Платформы ведется по современным принципам гибких методологий SCRUM (применяются инструменты JIRA, Confluence, TestRail, Open Policy Agent, Cucumber, Gherkin, SonarQube). Хранение и версионирование кода осуществляется с помощью GitLab.
Для разработки создана инфраструктура, включающая среды разработки (development), тестирования (stage) и промышленной эксплуатации (production). Разработчики не имеют доступа к production среде (доступ имеют только devops-инженеры и служба технической поддержки), что позволяет гибко организовывать процесс, включая удаленную работу.
Для развертывания всего программного обеспечения Платформы применяются виртуальные машины в облачной инфраструктуре с операционной системой Linux (RedHat).
Отдельно разрабатываются Desktop приложения-клиенты для операционных систем Windows, MacOS и Linux для трекинга времени работы сотрудников на своих АРМ, позволяющие отслеживать активность разработчиков для последующей оценки эффективности. Разработка ведется на языках программирования C++ (фреймворк Qt5) и Objective C.
II. ОПИСАНИЕ МОДУЛЕЙ СИСТЕМЫ
Одной из ключевых инноваций функционала нашего инструмента является применение технологий машинного обучения и искусственного интеллекта. Для этого у нас разработаны сервисы Cinimex Forecast, Cinimex AutoML и Cinimex TACO, работающие под управлением Kubeflow и предназначены не просто для использования конкретных моделей в узкоспециализированных задачах, а для возможностей наших клиентов разрабатывать, обучать и запускать в виртуальном специализированном окружении (для ML/AI) свои собственные модели для решения широкого круга задач. Данные сервисы используются в наших модулях Системы.
1. Автоматическая генерация структуры решения (Smart Arch Builder)
Функционал модуля предназначен для автоматической генерации архитектур (с возможностью ручного редактирования) из большого количества шаблонов систем и их элементов, позволяя архитектору или руководителю группы разработчиков (тимлиду) быстро сформировать оптимальную архитектуру приложения, с созданием шаблонов кода в репозитории под конкретный выбранный технологический стек.
Задача подбора элементов архитектуры решается путем классификации заданных параметров на входе, анализа требований и ограничений, задаваемых на естественном языке в текстовом виде.
Для каждого технологического стека (IBM - RPG/RPG free, Java, JavaScript, Python) разрабатываются отдельные модели классификации. В базе данных содержатся наименования файлов шаблонов, которые физически располагаются в файловом хранилище. Каждый элемент архитектуры связывается с конкретными шаблонами кода, реализующими минимальный набор функционала для данного узла, и помечается меткой-классом. Например, элемент архитектуры “очередь сообщений” будет связан с наборов шаблонных файлов кода (для конкретного стека), реализующих классы “издатель” и “подписчик” с включением всех необходимых зависимостей. Разработчику нужно будет только описать необходимую логику в методах класса и при необходимости расширить функционал. Из полного набора элементов и шаблонов создается правильно организованное дерево проекта с разделением на отдельные по функциональности сервисы и программные модули, а также будут созданы все необходимые ветки в Git с загрузкой кода.
Для классификации разработаны и обучаются модели на базе нейронных сетей и градиентного бустинга (GBM) с помощью сервисов Cinimex AutoML и Cinimex TACO. В качестве архитектур выступают: BERT-Large для классификации текста (описания решения/продукта/разрабатываемого сервиса) и FastTree для классификации итогового набора признаков.
Процесс работы с моделью состоит из двух этапов: предобучения и финальной настройки.
Дополнительно разрабатывается визуализация структуры проекта в web-интерфейсе пользователя. Для уже начатых проектов структура строится по итогам анализа кода из Git клиента. Функционал позволяет интерактивно добавлять, изменять элементы из базы данных с автоматической генерацией шаблонов для новых элементов и сохранения в Git. Также реализуется возможность задавать в % степень готовности элементов разрабатываемого решения для визуального восприятия менеджментом.
Задача подбора элементов архитектуры решается путем классификации заданных параметров на входе, анализа требований и ограничений, задаваемых на естественном языке в текстовом виде.
Для каждого технологического стека (IBM - RPG/RPG free, Java, JavaScript, Python) разрабатываются отдельные модели классификации. В базе данных содержатся наименования файлов шаблонов, которые физически располагаются в файловом хранилище. Каждый элемент архитектуры связывается с конкретными шаблонами кода, реализующими минимальный набор функционала для данного узла, и помечается меткой-классом. Например, элемент архитектуры “очередь сообщений” будет связан с наборов шаблонных файлов кода (для конкретного стека), реализующих классы “издатель” и “подписчик” с включением всех необходимых зависимостей. Разработчику нужно будет только описать необходимую логику в методах класса и при необходимости расширить функционал. Из полного набора элементов и шаблонов создается правильно организованное дерево проекта с разделением на отдельные по функциональности сервисы и программные модули, а также будут созданы все необходимые ветки в Git с загрузкой кода.
Для классификации разработаны и обучаются модели на базе нейронных сетей и градиентного бустинга (GBM) с помощью сервисов Cinimex AutoML и Cinimex TACO. В качестве архитектур выступают: BERT-Large для классификации текста (описания решения/продукта/разрабатываемого сервиса) и FastTree для классификации итогового набора признаков.
Процесс работы с моделью состоит из двух этапов: предобучения и финальной настройки.
Дополнительно разрабатывается визуализация структуры проекта в web-интерфейсе пользователя. Для уже начатых проектов структура строится по итогам анализа кода из Git клиента. Функционал позволяет интерактивно добавлять, изменять элементы из базы данных с автоматической генерацией шаблонов для новых элементов и сохранения в Git. Также реализуется возможность задавать в % степень готовности элементов разрабатываемого решения для визуального восприятия менеджментом.
2. Анализ эффективности разработки (Smart IT-manager)
Анализ эффективности работы каждого сотрудника и команды в целом позволяет выявить сотрудников, которые недозагружены и часто простаивают, либо перегружены и постоянно не выполняют задачи в срок, нарушая свои же оценки.
Для решения данной задачи, с одной стороны, разрабатывается Desktop-приложение клиент для установки на рабочих станциях сотрудников для сбора статистики по времени работы разработчиков в приложениях IBM Rational Software Architect Designer, Rational Application Developer, Eclipse, Visual Studio, Visual Studio Code, PyCharm, XCode, JIRA, Git. Приложение позволит собирать данные об активности (открытые окна, переключения, ввод текста) для определения соотношения работа/простои с целью последующего сравнения фактического времени и вручную списанного разработчиком в JIRA при реализации задач.
С другой стороны, реализуется интеграция с JIRA и алгоритмы для трекинга задач и сбора статистики по оценкам задач (по времени или в story points) от разработчиков в рамках PBR для последующего анализа и формирования списка средних объективных оценок, по которому в дальнейшем разработчики смогут корректировать свои оценки для повышения качества и исключения переоценки или недооценки.
Доработка модулей backend-слоя и web-интерфейсов пользователя позволит также контролировать сроки старта и завершения спринтов, визуализировать команды по всем проектам (в форме организационной структуры) с отображением показателей по эффективности (нагрузка - оптимально 100%, с детальной аналитикой по клику: количество задач в текущем спринте, количество времени (или SP) всего на проекте и по текущему спринту, фактические метрики работы на АРМ в часах в разрезах по дням и неделям).
Связями планируется отображать переход задач в JIRA от специалиста к специалисту (взаимодействие участников команды).
Для решения данной задачи, с одной стороны, разрабатывается Desktop-приложение клиент для установки на рабочих станциях сотрудников для сбора статистики по времени работы разработчиков в приложениях IBM Rational Software Architect Designer, Rational Application Developer, Eclipse, Visual Studio, Visual Studio Code, PyCharm, XCode, JIRA, Git. Приложение позволит собирать данные об активности (открытые окна, переключения, ввод текста) для определения соотношения работа/простои с целью последующего сравнения фактического времени и вручную списанного разработчиком в JIRA при реализации задач.
С другой стороны, реализуется интеграция с JIRA и алгоритмы для трекинга задач и сбора статистики по оценкам задач (по времени или в story points) от разработчиков в рамках PBR для последующего анализа и формирования списка средних объективных оценок, по которому в дальнейшем разработчики смогут корректировать свои оценки для повышения качества и исключения переоценки или недооценки.
Доработка модулей backend-слоя и web-интерфейсов пользователя позволит также контролировать сроки старта и завершения спринтов, визуализировать команды по всем проектам (в форме организационной структуры) с отображением показателей по эффективности (нагрузка - оптимально 100%, с детальной аналитикой по клику: количество задач в текущем спринте, количество времени (или SP) всего на проекте и по текущему спринту, фактические метрики работы на АРМ в часах в разрезах по дням и неделям).
Связями планируется отображать переход задач в JIRA от специалиста к специалисту (взаимодействие участников команды).
3. Поддержка процессов разработки (Smart Code Analyzer)
Для повышения качества разработки реализуется сервис проверки кода до сборки релизов и запуска функциональных и интеграционных тестов (аналог SonarQube).
Функционал позволит выбирать ветку в Git для анализа, загружать код в тестовый модуль, проводить поиск ошибок, отображать найденные дефекты, а также визуализировать наглядную аналитику, включающую динамику показателей.
В рамках реализации разрабатывается семантический анализатор кода для различных технологических стеков, основанный на RuleBased-модели и семантических шаблонах (проверка ошибок и стиля), а также ML-модели на базе BERT для проверки структуры кода на соответствие паттернам проектирования. Пользователь сможет настраивать уровни критичности ошибок (критические ошибки, не критичные замечания и рекомендации) в зависимости от своих потребностей.
Модуль предусматривает отправку уведомлений заинтересованным лицам по итогам проверок.
Функционал позволит выбирать ветку в Git для анализа, загружать код в тестовый модуль, проводить поиск ошибок, отображать найденные дефекты, а также визуализировать наглядную аналитику, включающую динамику показателей.
В рамках реализации разрабатывается семантический анализатор кода для различных технологических стеков, основанный на RuleBased-модели и семантических шаблонах (проверка ошибок и стиля), а также ML-модели на базе BERT для проверки структуры кода на соответствие паттернам проектирования. Пользователь сможет настраивать уровни критичности ошибок (критические ошибки, не критичные замечания и рекомендации) в зависимости от своих потребностей.
Модуль предусматривает отправку уведомлений заинтересованным лицам по итогам проверок.
4. Поддержка процессов работы над дефектами (Smart IT-Support)
Для повышения качества разработки реализуется сервис проверки кода до сборки релизов и запуска функциональных и интеграционных тестов (аналог SonarQube).
Функционал позволит выбирать ветку в Git для анализа, загружать код в тестовый модуль, проводить поиск ошибок, отображать найденные дефекты, а также визуализировать наглядную аналитику, включающую динамику показателей.
В рамках реализации разрабатывается семантический анализатор кода для различных технологических стеков, основанный на RuleBased-модели и семантических шаблонах (проверка ошибок и стиля), а также ML-модели на базе BERT для проверки структуры кода на соответствие паттернам проектирования. Пользователь сможет настраивать уровни критичности ошибок (критические ошибки, не критичные замечания и рекомендации) в зависимости от своих потребностей.
Модуль предусматривает отправку уведомлений заинтересованным лицам по итогам проверок.
Классификация реализуется с помощью предобученной базовой модели на базе FastTree (MART), доступной через сервис Cinimex AutoML. Модель позволяет классифицировать заявки на следующие 4 класса:
- Дефект (bug). Данный тип относится к ошибкам разработки и автоматически конвертируется в задачу на доработку/исправление.
- Справочная информация. Данный тип подразумевает возможность ответа пользователю, используя руководства пользователя и другую документацию.
- Критически негативный отзыв. Заявки данного типа поступают специалистам по решению конфликтов.
- Прочее (заявки не относящиеся к предыдущим классам).
Пользователю будет доступен функционал по обучению (задание списка классов и загрузка размеченных датасетов заявок), загрузке и запуску своей собственной модели.
Для предварительной оценки задач-дефектов предполагается использовать сервис Cinimex Forecast, одно из назначений которого - прогнозирование значений на основе исторических наборов признаков. В данном случае входной вектор модели будет получать исторические данные похожих ранее оцененных и реализованных разработчиками задач (дефектов). В основе работы модели лежит архитектура на базе LSTM-сетей.
После исправления функционала и закрытия созданной задачи в JIRA, модуль автоматически переводит заявку в завершенное состояние с уведомлением специалистов вышестоящей линии и для информирования пользователей продукта.
Функционал позволит выбирать ветку в Git для анализа, загружать код в тестовый модуль, проводить поиск ошибок, отображать найденные дефекты, а также визуализировать наглядную аналитику, включающую динамику показателей.
В рамках реализации разрабатывается семантический анализатор кода для различных технологических стеков, основанный на RuleBased-модели и семантических шаблонах (проверка ошибок и стиля), а также ML-модели на базе BERT для проверки структуры кода на соответствие паттернам проектирования. Пользователь сможет настраивать уровни критичности ошибок (критические ошибки, не критичные замечания и рекомендации) в зависимости от своих потребностей.
Модуль предусматривает отправку уведомлений заинтересованным лицам по итогам проверок.
Классификация реализуется с помощью предобученной базовой модели на базе FastTree (MART), доступной через сервис Cinimex AutoML. Модель позволяет классифицировать заявки на следующие 4 класса:
- Дефект (bug). Данный тип относится к ошибкам разработки и автоматически конвертируется в задачу на доработку/исправление.
- Справочная информация. Данный тип подразумевает возможность ответа пользователю, используя руководства пользователя и другую документацию.
- Критически негативный отзыв. Заявки данного типа поступают специалистам по решению конфликтов.
- Прочее (заявки не относящиеся к предыдущим классам).
Пользователю будет доступен функционал по обучению (задание списка классов и загрузка размеченных датасетов заявок), загрузке и запуску своей собственной модели.
Для предварительной оценки задач-дефектов предполагается использовать сервис Cinimex Forecast, одно из назначений которого - прогнозирование значений на основе исторических наборов признаков. В данном случае входной вектор модели будет получать исторические данные похожих ранее оцененных и реализованных разработчиками задач (дефектов). В основе работы модели лежит архитектура на базе LSTM-сетей.
После исправления функционала и закрытия созданной задачи в JIRA, модуль автоматически переводит заявку в завершенное состояние с уведомлением специалистов вышестоящей линии и для информирования пользователей продукта.
Описание трендов
1. Автоматизация процессов разработки и отслеживания ошибок в IT
Средства разработки ПО становятся все более совершенным. Постепенно некоторые этапы разработки ПО полностью или частично автоматизируются. Такая автоматизация позволяет не тратить время сотрудников на написание однотипного кода [1]
В процессе разработки ПО повсеместно используются интегрированные системамы отслеживания ошибок, контроля версий и управления ИТ-проектами. Например, Redmine, Kerio Samepage или XWiki, Confluence и JIRA и другие продукты и их сочетания, включающие ссылки на участки кода в рамках веб-хостинга проектов типа Bitbucket и GitHub [2]. При этом автоматизируются не только этапы разработки ПО, но и деятельность по управлению этими процессами.
Использование специализированного ПО для автоматизации разработки и управления разработкой ПО значительно увеличивает скорость этого процесса и качество полученных результатов.
В процессе разработки ПО повсеместно используются интегрированные системамы отслеживания ошибок, контроля версий и управления ИТ-проектами. Например, Redmine, Kerio Samepage или XWiki, Confluence и JIRA и другие продукты и их сочетания, включающие ссылки на участки кода в рамках веб-хостинга проектов типа Bitbucket и GitHub [2]. При этом автоматизируются не только этапы разработки ПО, но и деятельность по управлению этими процессами.
Использование специализированного ПО для автоматизации разработки и управления разработкой ПО значительно увеличивает скорость этого процесса и качество полученных результатов.
2. Унификация, стандартизация и автоматизация при разработке архитектурных решений и ПО
Практики проектирования и программирования унифицируются и в дальнейшем используются при разработке новых продуктов как стандарт, что увеличивает скорость разработки и снижает количество ошибок [3]. Начинают даже появляться продукты для автоматической генерации кода [4].
3. Применение DevOps
Автоматизация внедрения, контроль версий, непрерывная интеграция и автоматизация инфраструктуры – вот наиболее частые задачи, которые решаются при внедрении DevOps. Практики DevOps повышают эффективность, скорость и прозрачность при разработке ИТ-продуктов [5].
4. Контроль эффективности работы сотрудников
Компании во множестве сфер экономики стремятся автоматизировать контроль эффективности работы своих сотрудников.
37% участников опроса Tadviser отметило, что для их компаний актуально использование средств автоматического контроля эффективности сотрудников. Еще в 20% компаний идет разработка методологии оценки, после чего планируется приступить к автоматизации отслеживания и оценки. [6]
37% участников опроса Tadviser отметило, что для их компаний актуально использование средств автоматического контроля эффективности сотрудников. Еще в 20% компаний идет разработка методологии оценки, после чего планируется приступить к автоматизации отслеживания и оценки. [6]
Основные компании-конкуренты и их продукты: Atlassian JIRA+Bitbucket, Jenkins, TeamCity, SonarQube, YouTrack JetBrains.
Ключевые преимущества нашей Системы
перед всеми конкурентами:
перед всеми конкурентами:
Автоматическая генерация структуры проекта, шаблонов программных компонентов (программная архитектура приложения) разрабатываемых сервисов посредством анализа (на базе технологий машинного обучения) формализованных описаний, требований и пользовательских сценариев, задаваемых в web-интерфейсе Системы при описании решения;
Анализ и визуализация эффективности работы команд разработки с учетом трекинга времени работы на рабочем месте (IBM Rational Software Architect Designer, Rational Application Developer, Eclipse, Visual Studio, Visual Studio Code, PyCharm, XCode) и трекинга скорости команд, а также каждого разработчика по задачам из JIRA/Redmine (анализ количества, времени и качества оценки задач, в том числе в story points) для оптимизации и распределения ресурсов по проектам и задачам;
Осуществление поддержки процесса разработки посредством проверки качества кода до сборки и развертывания (наличие ошибок, соответствие стиля программирования, повторение участков кода и качество комментариев, соответствие архитектурным паттернам);
Оптимизация процесса работы технической поддержки (2 и 3 линий), работы над дефектами посредством инструментов классификации заявок на тех.поддержку, автоматического создания в JIRA/Redmine дефектов (bugs) с предварительной автоматической оценкой времени/сложности по реализации;
Прямая интеграция CI/CD с облаком для непрерывной доставки кода в различные окружения.
Рынок
Информации по коммерческому рынку средств управления ИТ-проектами в общем доступе не так много. Существует исследования по рынку DevOps, частью которого являются такие инструменты, но детализации в открытом доступе не существует.
Согласно этим исследованиям, глобальный рынок DevOps с 4,49 млрд долларов США в 2019 году вырастет к 2027 году на 18,3% до 17,27 млрд долларов США [1]. По другим данным, к 2023 г. рынок DevOps достигнет 10,31 млрд долларов США [2].
При этом важно отметить, что продукты, увеличивающие эффективность и удобство какого-либо процесса, могут создать новый рынок по мере завоевания популярности у пользователей.
Для понимания объема рынка нужно учитывать информацию о количестве программистов в мире. Согласно исследованию Global Developer Population and Demographic Study 2020, в 2020 году во всем мире насчитывается 26,9 миллиона разработчиков. К 2030 году их количество должно увеличиться до 45 миллионов [3].
Согласно этим исследованиям, глобальный рынок DevOps с 4,49 млрд долларов США в 2019 году вырастет к 2027 году на 18,3% до 17,27 млрд долларов США [1]. По другим данным, к 2023 г. рынок DevOps достигнет 10,31 млрд долларов США [2].
При этом важно отметить, что продукты, увеличивающие эффективность и удобство какого-либо процесса, могут создать новый рынок по мере завоевания популярности у пользователей.
Для понимания объема рынка нужно учитывать информацию о количестве программистов в мире. Согласно исследованию Global Developer Population and Demographic Study 2020, в 2020 году во всем мире насчитывается 26,9 миллиона разработчиков. К 2030 году их количество должно увеличиться до 45 миллионов [3].
Позиционирование и планы
Ключевые потребители решения:
1. Крупный и средний бизнес, приобретающий услуги по разработке и ПО. Cinimex Development Tool позволит им сократить расходы на разработку ПО и время на вывод продукта на рынок.
2. Разработчики ПО и ИТ-отделы крупных компаний (например, банков).
Первоначально планируется продвигать продукт в России и странах СНГ, далее - странах Евросоюза.
2. Разработчики ПО и ИТ-отделы крупных компаний (например, банков).
Первоначально планируется продвигать продукт в России и странах СНГ, далее - странах Евросоюза.
Ожидаемая выручка по продукту:
2021 год – 500 млн. рублей;
2022 год – 700 млн. рублей;
2023 год – 900 млн. рублей.
2022 год – 700 млн. рублей;
2023 год – 900 млн. рублей.
Драйверы роста выручки:
- Продвижение направления заказной разработки ПО и продукта Cinimex Development Tool среди существующей клиентской базы группы Cinimex (такие компании как Сбербанк, ВТБ, Росбанк, Газпромбанк, x5 Retail Group, Райффайзен банк, Почта банк, Альфа банк, Газпром нефть, и др.; выручка группы за 2020 г. составила 2,188 млрд. руб. и за год выросла на 42 %; см. также письма о заинтересованности от партнеров: https://clck.ru/VZimc);
- Привлечение новых клиентов по направлению разработки ПО и лицензирование Cinimex Development Tool;
- Самостоятельное продвижение Cinimex Development Tool удобного профессионального инструмента для оптимизации процессов разработки ПО, создание и запуск бесплатной облегченной версии;
- Географическая экспансия - выход на рынок ЕС (в 2022 г. планируется начать работу по продвижению направления заказной разработки в странах ЕС; в 2022 г. будет проведено комплексное маркетинговое исследование; фактором успеха являются передовой опыт Cinimex в области разработки финтех решений, а также конкурентоспособная цена и качество разработки в России).
- Привлечение новых клиентов по направлению разработки ПО и лицензирование Cinimex Development Tool;
- Самостоятельное продвижение Cinimex Development Tool удобного профессионального инструмента для оптимизации процессов разработки ПО, создание и запуск бесплатной облегченной версии;
- Географическая экспансия - выход на рынок ЕС (в 2022 г. планируется начать работу по продвижению направления заказной разработки в странах ЕС; в 2022 г. будет проведено комплексное маркетинговое исследование; фактором успеха являются передовой опыт Cinimex в области разработки финтех решений, а также конкурентоспособная цена и качество разработки в России).
Текущий статус:
1. К настоящему моменту закончена разработка:
- Интеграция с Git (GitLab, GitHub, Bitbucket) и CI/CD платформы Cinimex Services Agility для запуска процедуры анализа кода перед сборкой релизов;
- Поддержка расширенного технологического стека разработки, включающего IBM;
- Анализ программного кода на наличие ошибок, соответствие стиля программирования, повторение участков кода и качество комментариев, соответствие архитектурным паттернам. Имеет несколько уровней: критические ошибки, не критичные замечания и рекомендации.
2. В разработке находятся:
- Трекинг активности сотрудников на рабочем месте;
- Оптимизация процессов технической поддержки, классификация заявок, фиксирование дефектов в трекинговых системах;
- Анализ эффективности работы каждого сотрудника и команды в целом по всей агрегированной информации;
- Автоматическая генерация структуры решения.
3. Текущие результаты:
— Выручка группы Cinimex за 2020 г. - 2,188 млрд. руб. (+ 42 % YoY ; см. выручку основных компаний группы: https://clck.ru/VZdke ; https://clck.ru/VZdnp ; https://clck.ru/VZdof ; https://clck.ru/VZdpJ ); выручка за 2019 г. - 1,540 млрд. руб. руб.;
— Группа Cinimex уже реализовала более 50 внедрений решений класса ESB и BPM в топ-банках и крупных корпорациях РФ и объединяет более 7000 высококвалифицированных специалистов;
— Cinimex разработала и использует в работе собственную линейку продуктов middleware и инструменты тестирования, а также широкий спектр интеграционных платформ и подходов (ESB, BPM, SOA, EDA, MSA, ETL).
— Текущие клиенты Cinimex, на проектах для которых планируется использовать Систему: Сбербанк, ВТБ, Росбанк, Газпромбанк, x5 Retail Group, Райффайзен банк, Почта банк, Альфа банк, Газпром нефть и др. (https://clck.ru/UegBb ). Cм. также письма о заинтересованности от партнеров: https://clck.ru/VZimc .
- Интеграция с Git (GitLab, GitHub, Bitbucket) и CI/CD платформы Cinimex Services Agility для запуска процедуры анализа кода перед сборкой релизов;
- Поддержка расширенного технологического стека разработки, включающего IBM;
- Анализ программного кода на наличие ошибок, соответствие стиля программирования, повторение участков кода и качество комментариев, соответствие архитектурным паттернам. Имеет несколько уровней: критические ошибки, не критичные замечания и рекомендации.
2. В разработке находятся:
- Трекинг активности сотрудников на рабочем месте;
- Оптимизация процессов технической поддержки, классификация заявок, фиксирование дефектов в трекинговых системах;
- Анализ эффективности работы каждого сотрудника и команды в целом по всей агрегированной информации;
- Автоматическая генерация структуры решения.
3. Текущие результаты:
— Выручка группы Cinimex за 2020 г. - 2,188 млрд. руб. (+ 42 % YoY ; см. выручку основных компаний группы: https://clck.ru/VZdke ; https://clck.ru/VZdnp ; https://clck.ru/VZdof ; https://clck.ru/VZdpJ ); выручка за 2019 г. - 1,540 млрд. руб. руб.;
— Группа Cinimex уже реализовала более 50 внедрений решений класса ESB и BPM в топ-банках и крупных корпорациях РФ и объединяет более 7000 высококвалифицированных специалистов;
— Cinimex разработала и использует в работе собственную линейку продуктов middleware и инструменты тестирования, а также широкий спектр интеграционных платформ и подходов (ESB, BPM, SOA, EDA, MSA, ETL).
— Текущие клиенты Cinimex, на проектах для которых планируется использовать Систему: Сбербанк, ВТБ, Росбанк, Газпромбанк, x5 Retail Group, Райффайзен банк, Почта банк, Альфа банк, Газпром нефть и др. (https://clck.ru/UegBb ). Cм. также письма о заинтересованности от партнеров: https://clck.ru/VZimc .
План реализации проекта
1
2021/3
Исследования и разработки
Исследования и разработки
Завершение разработки трекинга активности
2
2021/3
Маркетинг, внедрение, продвижение
Маркетинг, внедрение, продвижение
Продвижение Системы среди существующих к
3
2021/4
Маркетинг, внедрение, продвижение
Маркетинг, внедрение, продвижение
Продвижение Системы среди существующих к
4
2021/4
Привлечение инвестиций и продажи
Привлечение инвестиций и продажи
Выручка по продукту - до 500 млн рублей
5
2022/2
Исследования и разработки
Исследования и разработки
Завершение разработки функции оптимизаци
6
2022/4
Исследования и разработки
Исследования и разработки
Завершение разработки функции анализа эф
7
2022/4
Защита интеллектуальной собственности и лицензирование
Защита интеллектуальной собственности и лицензирование
Регистрация разработок проекта в качеств
8
2022/4
Привлечение инвестиций и продажи
Привлечение инвестиций и продажи
Выручка по продукту - до 700 млн рублей
9
2023/1
Исследования и разработки
Исследования и разработки
Завершение разработки функции автоматиче
10
2023/4
Создание продукта
Создание продукта
Разработка плана дальнейшего развития Си
11
2023/4
Защита интеллектуальной собственности и лицензирование
Защита интеллектуальной собственности и лицензирование
Регистрация разработок проекта в качеств
12
2023/4
Привлечение инвестиций и продажи
Привлечение инвестиций и продажи
Выручка по продукту - до 900 млн рублей
1. Основные цели на 2021 г.
- Завершение разработки трекинга активности сотрудников на рабочем месте
- Продвижение Системы среди существующих клиентов Cinimex
- Выручка по продукту - до 500 млн рублей.
- Продвижение Системы среди существующих клиентов Cinimex
- Выручка по продукту - до 500 млн рублей.
2. Основные цели на 2022 г.
- Завершение разработки функции оптимизации процессов технической поддержки, классификация заявок, фиксирование дефектов в трекинговых системах (первая версия)
- Завершение разработки функции анализа эффективности работы каждого сотрудника и команды в целом по всей агрегированной информации (первая версия)
- Выручка по продукту - до 700 млн рублей
- Завершение разработки функции анализа эффективности работы каждого сотрудника и команды в целом по всей агрегированной информации (первая версия)
- Выручка по продукту - до 700 млн рублей
3. Основные цели на 2023 г.
- Завершение разработки функции автоматической генерации структуры решения
- Разработка плана дальнейшего развития Системы
- Выручка по продукту - до 900 млн рублей
- Разработка плана дальнейшего развития Системы
- Выручка по продукту - до 900 млн рублей
Задайте свой вопрос
Нажимая на кнопку «Отправить вопрос»,
вы даете свое согласие на обработку персональных данных
© Cinimex, 2022 г.