Оглавление

Предисловие

Приветствую тебя, дорогой читатель! Меня зовут Джимшер. Мой управленческий опыт составляет больше 11 лет, 10 из которых прошли на стыке IT и производства. Я сам набил немало шишек и прошёл через огромное количество проблем и конфликтов. Приходилось сталкиваться и с увольнением людей, и с антикризисным управлением.

Если ты читаешь эту книгу, то, вероятнее всего, ты уже слышал про цифровизацию, цифровую трансформацию. И может быть, даже успел запутаться и теперь хочешь разобраться, что же это такое и как это можно применить в твоём бизнесе.

Моё основное занятие как раз заключается в том, чтобы провести собственника между Сциллой и Харибдой при построении систем управления и проведении цифровых трансформаций. И данная книга поможет тебе ближе познакомиться с этим миром.

В чем отличие этой книги от других? В том, что технологии здесь не на первом плане. Конечно, мы пройдёмся по теории, познакомимся с основными технологиями и системами, но также сюда включены реальные истории и мой личный опыт, а ещё мы разберём причины большинства проблем, рассмотрим, как работать с изменениями, что готовит нам государство, и как начать внедрять цифру небольшими шагами с максимальным результатом.

Как ты уже понял, эта книга написана в первую очередь для руководителей промышленных предприятий и предпринимателей, которые стоят на распутье и терзаются вопросами: «Начинать ли цифровизацию и цифровую трансформацию? А если начинать, то как? Какие люди нужны, как не потерять свою команду и деньги? Сколько времени займёт этот процесс? Какие здесь риски и подводные камни? К чему это приведёт? Какие технологии имеет смысл использовать? А что будет, если этим не заниматься?»

По моему опыту, именно от людей в итоге зависит успех. Но они же являются и главной причиной провала или проблем: завышенные ожидания и нетерпение, неверно подобранная команда, недостаточность ресурсов или их распыление, вера «сказочникам».

А ещё это книга для любопытных. Но она противопоказана специалистам в IT, автоматизаторам и всем, кто любит «точные и масштабные исследования с научным подтверждением каждого тезиса». У таких людей она, вероятно, вызовет изжогу.

Я очень надеюсь, что у меня получилось найти баланс между абстракцией и погружением в детали. Без базовой подготовки очень трудно управлять «технарями»: руководителям необходимо понимать, что говорят их специалисты, а специалистам — что интересно их руководителям. И эта книга послужит мостом между первыми лицами и техническими специалистами.

Для самых нетерпеливых сразу скажу, что цифровизация и цифровая трансформация — процесс долгий. При правильных действиях и наличии ресурсов она занимает 2–3 года, а в крупных компаниях или при отсутствии системности и ресурсов может занять и 5—10 лет. Почему так много? Потому что это, в первую очередь, не про технологии, а про людей, процессы и внутреннюю культуру.

К кардинальным изменениям должны быть готовы абсолютно все, но главное — топ-менеджеры, поскольку именно им придётся решать огромное количество конфликтов. И если вы не готовы, лучше останьтесь на берегу и просто получайте удовольствие, копите деньги на безбедную старость. Невозможно изменить других, а самому остаться прежним. Это будет профанация. Об этом гласит и один из ключевых инструментов менеджмента — теория ограничений систем. Зачастую именно руководители и их мышление становятся ограничением своих компаний и подразделений.

Многие специалисты сейчас говорят, и я считаю это обоснованным, о наступлении 4-й промышленной революции, то есть кардинальной смене привычных подходов.

В качестве справки напомню:

— 1-я революция — изобретение станка, уход от ручного труда;

— 2-я революция — изобретение конвейера, радикальное повышение производительности;

— 3-я революция — появление интернета, мобильной связи, распространение компьютеров;

— 4-я революция — использование сквозных цифровых технологий и роботизации.

Хотя, некоторые уже говорят и о 5-й революции — эпохе сотрудничества автономных машин на основе ИИ для рутинных задач и людей для творческих (хотя, как показывает опыт, ИИ лучше раскрывается именно в околотворческих задачах, а автоматизировать рутину им оказывается слишком долго и дорого).

Однако любая революция — это либо возможность выйти на новый уровень, либо риск потерять всё.

Работая с людьми в разных отраслях промышленности, я понял одну простую вещь: мало кто понимает суть цифровизации и цифровой трансформации. Для одних это что-то непонятное и мудрёное, для других — переименованная автоматизация.

Изучив множество запросов компаний, в том числе на порталах по поиску сотрудников, я многократно убедился в этом. Большинство хотят просто привлечь тех, кто внедрит очередную 1С, систему планирования производства или управления финансами. То есть, по сути, речь идёт о хороших автоматизаторах, которых при этом называют руководителями цифровой трансформации (CDTO, CDO), IT бизнес-партнёрами.

В итоге и появилась эта книга — результат огромного количества испытанной боли и пройденных ошибок. Не только лично моих, но и коллег из разных отраслей и компаний — всех тех, с кем я общался. Её цель — «развеять туман», погрузить тебя в мир цифры с помощью человеческого языка, показать, как это работает, помочь избежать дорогих ошибок, потерь времени и разочарований.

Ну, и в завершение хочу предупредить: некоторые моменты и рекомендации будут пересекаться и повторяться. И тому есть причины.

Во-первых, цифровая трансформация и цифровизация включают много направлений: информационные технологии, психологию и сопротивление людей, работу с процессами. И некоторые рекомендации затрагивают сразу несколько направлений. А зная, как много людей не любят ждать до конца, приходится давать рекомендации сразу же.

Во-вторых, мне очень нравится поговорка «повторенье — мать ученья». Возвращаясь к наиболее важным моментам несколько раз, ты, скорее всего, запомнишь их и начнёшь применять в жизни. По крайней мере, мне хочется так думать.

Также в книге будет множество ссылок. В бумажной версии они будут представлены в виде QR-кода, а в электронной — в виде активных ссылок. Всё для твоего удобства!

В-третьих — это первая книга из цикла. Она расставляет все понятия по местам и дает понимание, что такое автоматизация, цифровизация и цифровая трансформация, чего от них ожидать, где есть узкие места. Вторая книга посвящена системному подходу к трансформации, разработке стратегии и дает дорожную карту. Третья — об информационной безопасности. Также есть отдельная книга про искусственный интеллект, его развитие и применение.

Благодарности

Здесь я хочу выразить благодарность всем людям, которые оказали на меня влияние и стали, по сути, соавторами этой книги. Это мои родные и коллеги, начальники, преподаватели в университете, даже тренеры в спортивном училище, которые привили мне методичность и дисциплину. Но отдельно я хотел бы поблагодарить:

— моих родителей;

— сына Валерия;

— моего коуча — Евгения Бажова;

— Евгения Петровича Грабчака;

— Елену Анатольевну Медведеву;

— Максима Николаевича Евстигнеева.

Ну и конечно, Александра Перемышлина, который выступал моим личным редактором и делился своими идеями, оформлял иллюстрации и обложки.

Глава 1. Точка входа

Эта книга — моё видение цифровой трансформации. А наше видение и мнение формируются на основе нашего опыта и того, как мы его переживали, о чём думали, что из него извлекли.

До 2015 года я и не предполагал, что настолько погружусь в сферу IT и менеджмент.

Я часто занимал организаторские позиции: был старостой в школе и спортивном училище, заместителем командира взвода в учебном военном центре моего университета, командиром корпуса в студенческом оперативном отряде, реализовывал различные проекты (проектное управление — тоже разновидность менеджмента) и разрабатывал продуктовые стратегии. Но вот с управлением IT-команд и внедрением цифровых решений мне прежде сталкиваться не доводилось.

В школе я тоже не сильно горел компьютерами, а любил литературу, географию, историю, алгебру, геометрию, биологию и химию. В университете получил химико-технологическое образование. Более того, первый личный ПК у меня появился в 17 лет на 1-м курсе университета. Это было древнее чудо за 6000 рублей, которое работало через раз.

Но я всегда был любопытным, искал возможности работать эффективнее и с меньшими затратами, структурировать работу и использовать данные для принятия качественных решений.

Постепенно я всё глубже погружался в эту стезю. Сначала занимался автоматизацией еженедельных и ежемесячных отчётов, затем участвовал во внедрении системы управления активами, внедрял программный комплекс для обходчиков, проводил анализ цифровых проектов в Минэнерго, а в последствии уже управлял портфелем проектов (до 35 проектов одновременно).

На данный момент у меня более сотни различных проектов, только за период 2023—2024 г. их было более 50. Среди них и внедрение цифровых продуктов на производствах, и поиск новых управленческих решений. Над одним из них я работаю прямо сейчас.

Что же такое цифровизация, цифровая трансформация?

Абсолютное большинство людей, как представители производства и бизнеса, так и сотрудники IT на производствах, не различают два этих понятия. Поэтому один из самых часто задаваемых вопросов: чем отличается автоматизация от цифровизации, а цифровизация — от цифровой трансформации?

Многие опытные автоматизаторы и ребята из ИТ говорят, что цифровизация — это всего лишь перевод данных в формат единиц и нулей, то есть та же автоматизация, известная уже лет 50, но продаваемая сейчас в новой упаковке.

Вообще в сфере внедрения цифры крайне важно запомнить одну вещь: это не про технологии, а про людей и процессы, про умение сесть и договориться. Вот и здесь академичного объяснения нет, нужно договориться. Все это про перевод информации из аналогового формата в цифровой. Но есть разница в целях.

Поэтому я предлагаю подойти к формулированию определений с позиции целей и задач, решаемых технологиями.

«Классическое» определение автоматизации говорит, что это деятельность, направленная на уменьшение количества и трудоёмкости ручного труда человека в повседневной деятельности.

То есть сама по себе автоматизация далеко не всегда связана с IT.

А в контексте нашей темы автоматизация — это перевод в цифру и встраивание IT-технологий в процессы для минимизации ручного труда. Ключевой эффект здесь — ускорение процессов, порой их выстраивание в целом, снижение риска ошибок из-за человеческого фактора, снижение трудозатрат людей (их разгрузка для других задач). В итоге мы получаем не просто повышение надежности и скорости процессов, но и возможность масштабирования бизнеса без радикального роста команды.

Давайте приведу примеры:

— внедрение «классической» ERP (в главе 3 подробнее разберем этот класс систем) для управления ресурсами или системы электронного документооборота, которые копируют существующие практики «работы с бумагой» и зачастую усложняют процесс;

— создание шаблонов автоматической подготовки отчетов, например, по аварийности, на основе исходных данных о простое оборудования;

— внедрение RPA (также разберем позже, что это) для распознавания PDF-документов и переноса данных в учетные системы

— автоматизация расчетов, например, с помощью 1С.

Автоматизация критически чувствительна к наличию описанных бизнес-процессов. Поэтому в автоматизации именно наличие описанных процессов и их актуальность — один из ключевых факторов, влияющих на сроки и стоимость реализации проектов. Опытные автоматизаторы избегают гиперавтоматизации, так как в бизнесе всегда остается место неопределенности, что требует гибкости.

Цифровизация же — это внедрение цифровых технологий и систем, позволяющее перестроить бизнес-процессы, сделать их эффективнее (менее ресурсоемкими), прозрачнее, гибче, начать работу с данными и принимать решения на их основе. Этот направление снижает внутренние издержки и повышает эффективность бизнеса, позволяя получить конкурентные преимущества в рамках существующей бизнес-модели.

Примеры:

— нормализация нормативно-справочной информации и внедрение управленческих дашбордов для принятия решений;

— переход на облачную ИТ-инфраструктуру и веб-сервисы; Например, перевод на ЭДО с облачной подписью во взаимоотношениях с партнерами;

— использование контрактов на основе блокчейна для исключения юридических споров между контрагентами на сложных проектах;

— внедрение инструментов для удаленной работы (Kanban-доски, сервисы для видеосвязи, общие пространства для обмена идеями и работы над ними);

— запуск аналитических дашбордов.

То есть ключевой эффект здесь — более гибкое, эффективное и качественное управление.

Цифровизация не всегда сопровождается автоматизацией. Например, внедрение облачных инструментов для работы с документами не избавляет от ручного труда, не автоматизирует процессы. Однако, теперь вы можете работать где угодно, вам не нужно наращивать свои серверные мощности, что снижает издержки и снимает ограничения. Вам больше не надо находиться в офисе за рабочим компьютером и вкладываться в новое оборудование.

Другой пример — использование канбан-доски, которая тоже ничего не автоматизирует по умолчанию, но отлично визуализирует загрузку людей и позволяет перестроить рабочий процесс, выявлять узкие места и проблемные задачи, эффективнее работать с информацией и быть свободнее — работать за любым устройством с выходом в Интернет. При этом производительность команды порой вырастает на 40–50%.

Чтобы не быть голословным, приведу практический пример. Один из моих партнеров начал внедрение Битрикса и интеграцией в него телефонии. По сути, это базовое решение, с CRM, отслеживанием задач и записью звонков, без какой-либо серьезной автоматизации. Но уже этого оказалось достаточно. К ним пришел новый сотрудник, и во время испытательного срока он отслеживал внимательно исполнение задач сотрудником, прослушивал записи звонков, давал обратную связь. Спустя 2 месяца было принято решение расстаться с этим человеком, так как фактических изменений в работе не происходило.

Наконец, хочу поделиться мнением Питера Друкера, который в своей книге «Вызовы XXI века» привёл очень хорошее определение эволюции термина IT (информационные технологии): раньше был упор на Т — технологии, поскольку они были нашим сдерживающим фактором, и вся суть сводилась к их развитию и внедрению, так как это давало преимущества; сейчас же акцент смещается в сторону I — информации, поскольку надо учиться её обрабатывать с меньшими затратами, систематизировать, анализировать и принимать на её основе решения.

В итоге, автоматизация зачастую заключается именно во внедрении технологий и работе с процессами, а цифровизация — в работе с информацией. Они могут идти вместе даже в рамках одного проекта. Например:

— при запуске внедрении аналитических дашбордов, где надо будет описать процессы, модернизировать инфраструктуру, автоматизировать обмен данными между системами, спроектировать дашборды исходя из того, какие решения должны приниматься;

— при внедрении предиктивной аналитики, где будет и автоматизация расчетов, и подготовка рекомендаций, и принятие решений на основе данных человеком, и все это может быть в облаке и доступно с любого устройства.

А могут они и не пересекаться совсем. Также приведу сравнительную таблицу с разницей между автоматизацией и цифровизацией.

И именно зависимость от стабильности процессов делает автоматизацию ограниченным инструментом. Невозможно автоматизировать все и вся, особенно в малом или растущем бизнесе.

Пожалуй, теперь разница между автоматизацией и цифровизацией должна быть нагляднее. Но как быть с термином «цифровая трансформация»?

Здесь всё несколько сложнее, а споров, ссор и сломанных копий ещё больше.

Различные источники по-разному трактуют этот термин. Например: достижение операционной эффективности и гибкости с использованием цифровых технологий (Forrester Research); бизнес-модель, которая позволяет создавать ценности и получать доход (Gartner); привлечение клиентов в любой точке соприкосновения (Altimeter Group).

Как видите, единого мнения нет и в ближайшее время оно вряд ли появится.

При этом термин «цифровая трансформация» применим в разрезе одной компании или отрасли, но каждая из них в свою очередь является составной частью цифровой экономики.

Что это за зверь?

Грубо говоря, цифровая экономика — та, где все основные операции совершаются в пространстве цифровых платформ, в которых обрабатываются данные клиентов и принимаются алгоритмические решения, в результате чего сокращается время совершения транзакций и количество посредников.

Если ты, дорогой мой читатель, хочешь почитать все возможные определения, то воспользуйся QR-кодом или активной ссылкой ниже.

Из определений выше можно заключить, что цифровая трансформация — это финал изменений и глобальная перестройка бизнеса с использованием результатов цифровизации и автоматизации для увеличения коммерческого потенциала и роста прибыли. Основные «эффекты» цифровой трансформации:

— кратное снижение издержек на обработку информации (получение, передача, обработка, аналитика);

— изменение организационной структуры, функций, культуры;

— создание новых продуктов и бизнес-моделей;

— активное использование сквозной кросс-аналитики для принятия решений;

— «прямые» цифровые каналы связи с клиентами;

— разработка и тестирование новых продуктов на основе данных по итогам исследований гипотез.

Таким образом, цифровая трансформация — создание новых бизнес-моделей и персонализированных продуктов для «целевой аудитории» в сочетании c кратным снижением внутренних издержек.

Примеры:

— исключение из цепочки «изготовитель — потребитель» промежуточных этапов; прямая коммуникация и доставка непосредственно покупателю (например, через использование платформ Яндекс-такси, Вайлдберриз и т. п.);

— вывод на рынок нового продукта или услуги (например, изготовление деталей в размер по индивидуальному заказу) без необходимости сложных согласований;

— переход на новую бизнес-модель (например, вместо продажи химических удобрений переход на оплату обрабатываемой площади и достигнутых результатов или подписочную модель).

То есть суть трансформации состоит не в том, чтобы внедрить какие-то IT-системы или отказаться от бумаги, а в том, чтобы полностью перестроить бизнес-модель. Часть подразделений при этом вообще перестанет существовать, поэтому цифровой и классический бизнес всегда априори будут стоять в жёсткой конкуренции за будущее.

Этапы на пути трансформации

Мы определились с понятиями и целями проведения трансформационных изменений, а теперь необходимо понять, какой путь предстоит пройти, каковы его основные этапы?

Для начала давайте оглянемся назад и вспомним, что цифровая трансформация — это финальный шаг в комплексной трансформации организации. Таким образом, основными этапами комплексной трансформации являются: автоматизация, цифровизация и реинжиниринг бизнес-процессов, цифровая трансформация.

При этом первый и второй этапы могут поменяться местами (лично я считаю такую замену лучшим вариантом развития событий).

Рассмотрим эти этапы подробнее.

— Автоматизация, перевод процессов в IT

Например, электронный документооборот нередко копирует существующие практики бумажного и только усложняет работу. Без оптимизации он только усложняет процесс, становится хуже (кто работал в крупных корпорациях, наверняка сталкивался с системами SAP или 1С).

Плюсы:

— ускорение текущих процессов;

— новые способы выполнения операций;

— может появиться процессное управление;

— интегрируется работа слабосвязанных отделов и департаментов.

— Цифровизация

Пересборка, в том числе с помощью IT, активное использование технологий оптимизации процессов. Сначала применяются методики реинжиниринга для выстраивания оптимальных процессов, а уже затем их переводят в «цифру».

Плюсы:

— оптимизируется орг. структура и должностные обязанности;

— упрощаются процессы и появляется гибкость, снижаются издержки.

Кроме того, если изначально вы займетесь именно цифровизацией, и лишь после этого автоматизацией, то неплохо сэкономите, ведь когда вы проведёте пересборку процессов, устраните потери и внедрите первые цифровые инструменты, автоматизация будет проще и дешевле, а эффект выше.

Простой пример. Сейчас у вас есть процесс со множеством согласований, который вы решили автоматизировать. Провели большую работу, потратили деньги, всё работает в IT-системе, но процесс всё равно остался таким, каким и был. Вам всё так же необходимо ждать, пока ключевой человек поставит свою визу или делегирует задачу.

В принципах бережливого производства всё это считается потерями — действиями, которые не создают ценность для конечного потребителя, но увеличивают внутренние издержки.

И таких процессов будет много.

А если вы изначально продумаете, как упростить такой процесс, проведёте моделирование и отбор необходимых сценариев для автоматизации, то и автоматизировать придётся меньше, что дешевле. Да и заново автоматизировать после оптимизации не придется. То есть вы не будете дважды платить за решение одной и той же задачи.

— Цифровая трансформация

Повторю ключевой момент: в отличие от автоматизации, ЦТ не зацикливается на внутренних процессах, а позволяет использовать новые технологии для бизнеса и роста.

Но лично я при работе с малым и средним бизнесом начинаю с анализа орг. структуры. Зачастую выясняется, что нет чёткого и единого понимания, кто и что делает, за что отвечает, какие имеет полномочия, ответственность, ресурсы. И как тут работать над бизнес-процессами, если всё меняется еженедельно? Какой смысл что-то внедрять и автоматизировать?

Ниже, в главе 4, вы ознакомитесь с одним кейсом с реструктуризацией и без проведения настройки системы. В результате произошёл паралич производства и хаос. А теперь представьте, что такие изменения постоянны. Тут больше вреда, чем пользы.

Кроме того, некоторым бизнесам достаточно автоматизации и цифровизации, цифровая трансформация там не приносит результата.

Выгода для бизнеса

Что ж, мы обсудили некоторые детали, но, полагаю, у многих всё ещё остаются вопросы из разряда «А на кой чёрт это мне? Какую выгоду я получу? Объясни на пальцах!»

Давайте попробую.

— Повышение эффективности и производительности

Снижение операционных потерь за счёт упрощения и оптимизации операционных задач и процессов, повышение производительности труда (в том числе исключение дублирования функций), исключение посредников (эффективное формирование добавленной стоимости), снижение транзакционных издержек на получение информации и услуг, упрощение организационной структуры.

Пример: по приблизительным оценкам, каждый год компании со штатом около 1000 человек теряют в среднем 1 млн долларов только из-за дублирования ранее проделанной работы.

— Повышение скорости оборачиваемости средств

Снижение сроков на исполнение контрактов (ускорение процесса покупки собственных товаров, ускорение и упрощение документооборота, процессов закупок, поставок), вывод новых продуктов и услуг на рынок, внедрение прямой связи и сокращение сроков на общение с заказчиками и клиентами.

— Реализация потенциала сотрудников

Снижение операционной нагрузки на повторяющиеся и простые операции, повышение гибкости в отношении персонала, включая привлечение наиболее талантливых сотрудников, в том числе из других регионов; снижение текучки персонала.

— Повышение качества принимаемых управленческих решений и скорости реакции на изменения

Использование в качестве помощи прозрачных и структурированных данных для анализа и оценки, ускорение получения и обработки информации, снижение промышленных рисков (раннее выявление угроз).

— Реализация новых возможностей и диверсификация источников дохода.

Создание новых продуктов и услуг, бизнес-моделей, создание и освоение новых рынков сбыта, как в понимании новой ниши в экономике текущего рынка, так и экспансия на новые территории.

Например, вопреки традиционной модели работы с самыми доходными клиентами, вы можете привлечь большое количество малых клиентов. То есть мы охватываем ту часть клиентов, которую прежде было нерентабельно включать в работу из-за слишком высоких затрат на их сопровождение. Суммарно они могут приносить денег даже больше, чем «основные» клиенты.

Давайте приведу пример из сферы консалтинга. Хороший консультант будет стоить дорого: от 5 до 20 тысяч рублей в час в зависимости от отрасли, направления, квалификации и типа клиента (юридическое или физическое лицо).

В итоге получаем 2 ключевых ограничения:

— для консультанта как предпринимателя: в своих доходах он ограничен своим временем;

— для клиентов: чтобы получить эффект, необходимо нанимать дорогого специалиста, а позволить себе это могут далеко не все.

А что, если создать цифрового советника? Описать опыт и лучшие практики, проложить взаимосвязи и смоделировать возможные сценарии, затем обучить нейросеть и далее постепенно развивать её (подробнее об этом в следующей части). Тогда система, основываясь на вводных данных, будет генерировать рекомендации.

Ведь, по сути, именно так и работают консультанты. Лишь немногие из них умеют комбинировать различные инструменты и отступать от правил для достижения результата. И этому тоже можно обучить систему.

Как думаете, сколько будет стоить доступ к такой системе? Даже если 2000 рублей в месяц, то это всё равно многократное снижение входного порога.

В итоге мы получаем:

— консультант может кратно увеличить свой денежный доход;

— клиент получает современный инструмент за вменяемые деньги. То есть теперь он может опробовать сервис, и, если понравится, использовать его в качестве рабочего инструмента, а если нет, то это всё равно намного дешевле живого консультанта.

Этот пример показывает, как классическая услуга консультанта меняется на цифровой продукт, благодаря которому выигрывают все: консультант охватывает больше клиентов, а сами клиенты снижают свои издержки.

И получается, что одна компания сможет обслуживать, скажем, не пять клиентов за 1 млн рублей в месяц, а пятьсот за 20 млн рублей в месяц при тех же самых издержках. И это одно из ключевых направлений развития цифровой экономики.

Очень хорошо описывает данный механизм Вячеслав Благирев в своей Digital Book. Книга первая (глава 1, раздел «Зачем надо заниматься цифровизацией и надо ли»).

Но и помимо этих очевидных эффектов, есть ещё два направления, о которых важно думать. Первое направление связано с нашей командой. Цифровизация, автоматизация и цифровая трансформация решают проблему кадрового голода (снижение количества ручного труда). А люди становятся все более дорогим и важным ресурсом. В том числе современные технологии формируют бренд работодателя, который позволяет привлекать более талантливых сотрудников. Ну а сочетание интересных задач и бренда, гибридного / удалённого режима работы позволяют снижать затраты на фонд оплаты труда до 30—50%.

Ну а второе направление связано с тем, что использование современных технологий является частью маркетинговой стратегии для получения конкурентного преимущества и/или повышения капитализации компании (стоимости акций).

Цифровые компетенции бизнеса

Какими же цифровыми направлениями может заниматься бизнес? Что можно цифровизировать для трансформации?

Boston Consulting Group представила матрицу компетенций, которые нужны компаниям для того, чтобы стать цифровыми. Она включает 6 направлений:

— цифровой бизнес;

— цифровой маркетинг;

— цифровые продукты;

— цифровая аналитика;

— цифровое производство (индустрия 4.0);

— новые способы работы.

Давайте немного подробнее рассмотрим, что это за направления и какие люди для них нужны.

Цифровой бизнес

Внутри цифрового бизнеса можно выделить направления:

— ИТ-инфраструктура и ее оптимизация;

— производство, в том числе техническое обслуживание и ремонты, производственная безопасность, оперативная аналитика, автоматизация отчетности и т.д.;

— материально техническое обеспечение и логистика;

— организационная эффективность и делопроизводство;

— продажи и текущие продукты/услуги, то есть клиентский сервис;

— экономика и финансы, в том числе бухгалтерия;

— управление персоналом и его развитие.

Цифровой маркетинг

Это функция по генерации цифрового контента и управлению сквозной коммуникацией через цифровые каналы. Основными задачами являются:

— подготовка цифрового контента;

— управление брендом в цифровом пространстве и каналах коммуникаций (мессенджеры, соцсети, email и т. д);

— взаимодействие с пользователями для сбора обратной связи и изучения предпочтений;

— запуск рекламных кампаний.

Цифровые продукты

Речь идёт о создании новых цифровых продуктов в виде сервисов аналитики, приложений.

Чем отличаются цифровые продукты от «классических»:

• общение между пользователем и продавцом идёт напрямую, через цифровые каналы;

• процессы, связанные с предоставлением услуги, используют современные инструменты — цифровые платформы, чат-боты, машинное обучение, большие данные и тому подобное.

Для этой сферы требуются следующие ключевые роли.

— Продуктовый менеджер / владелец продукта (правильнее продуктовый менеджер) — это предприниматель внутри компании, который управляет продуктом, формирует требования к нему, ведёт переговоры с партнёрами, управляет его прибылью. Это ключевая роль для цифрового продукта.

Продуктовый менеджер должен обладать следующими навыками.

— Знание психологии, законов рынка и предметной области

Для того чтобы что-то создавать, нужно понимать рынок и видеть его тренды. Благодаря этому появляется способность генерировать идеи и формировать из них гипотезы.

— Креативное мышление

Способность создавать — очень редкое качество, связанное с выходом за привычные рамки. Креативное мышление повышает качество и количество придуманных идей.

— Понимание потребностей клиента

Надо создавать не то, что интересно тебе, а то, что решает проблемы клиента. Это гарантирует общественный отклик, а значит, продуктом будут пользоваться чаще.

— Знание IT

Нельзя придумать продукт, не понимая, при помощи каких технологий он будет создан. Уже на этапе проекта нужно знать его дальнейшие перспективы и возможности (преобразование, расширение, интеграция).

— Способность к сотрудничеству

Один в поле не воин. Хотя в стартапах зачастую бывает так, что продуктовый менеджер работает и маркетологом, и разработчиком, и продавцом, но всё-таки в первую очередь он организатор, а значит, ему нужно уметь работать в команде. Кроме того, важно выстраивать сотрудничество с другими командами и компаниями. Как показывает практика по рынку В2В, конечный клиент хочет получать комплексный продукт, и чем больше будет технических партнеров, отработанных системных интеграций, тем выше шанс на успех. Опять же, как показывает практика, надеяться на системных интеграторов очень рискованно.

— Знание основных инструментов продуктового управления и навыки анализа данных

Каким бы ты ни был умным, необходимо владеть инструментами и уметь анализировать данные. Недостаточно просто видеть данные, и практика подтверждает, что большинство компаний страдает из-за пренебрежения аналитикой. Те же, кто не совершает подобной ошибки, принимают более качественные и обоснованные решения.

— UX/UI-дизайнер — специалист, который фокусируется на разработке удобного цифрового продукта, которым клиенту будет удобно и приятно пользоваться. Он управляет интерфейсами ваших сайтов, приложений, сервисов: логикой их работы, шрифтами, цветами и так далее.

Одна из ключевых компетенций тут — знание принципов бережливого производства. То есть умение так организовать интерфейс продукта, чтобы пользователю не приходилось делать лишних движений.

Цифровая аналитика

Это сбор и систематизация данных со всех каналов и источников. То, что известно под названием Big Data, или большие данные. Что это такое, мы разберём позже, а вот какие люди нужны, уже понятно. Это различные аналитики. И хотя кажется, что все они занимаются одним и тем же, их отличает «специализация».

Если говорить обобщённо, то все они — аналитики данных. Но есть, например, data scientist-ы, которые занимаются «наукой» и формируют математические модели, необходимые для более качественного проектирования. Основное направление такого специалиста — предсказывать и формировать новые гипотезы.

Классические же аналитики данных выполняют чуть более понятные задачи: собирают, обрабатывают, изучают, визуализируют и интерпретируют собранные данные об уже свершившихся событиях.

Цифровое производство (индустрия 4.0)

Технологии, датчики, роботизация и искусственный интеллект начинают использоваться на производстве, и часть решений на конвейере уже принимает не человек, а машина. Проектирование изначально идёт в цифровой среде одновременно с созданием цифровых двойников, что неизбежно ведёт к открытию новых ролей.

Новые способы работы

Это направление связано с тем, как мы работаем и думаем на работе. Это различные подходы гибкого управления, уход от директивного управления ради раскрытия творческого потенциала, повышение удобства повседневной работы.

Например, сюда относится использование цифровых инструментов для организации работы: доски канбан, управление базами знаний, обмен идеями, организация онлайн-совещаний и гибридный график. Также здесь важно использование цифровых инструментов для бесшовной коммуникации: календарь; почта; мессенджеры; аудиозвонки; видеовстречи; трекеры задач.

Тут есть одна новая роль — евангелист. Его основная задача — объяснить, что можно строить рабочие процессы по-другому, можно работать более гибко. По сути, он должен просвещать сотрудников организации относительно цифрового образ жизни. Чем больше люди будут пользоваться цифровыми инструментами, тем больше будут понимать эту культуру. Например, отпадёт необходимость собираться на очные совещания, если можно использовать сервисы совместной работы.

Новые виды бизнес-моделей

Цифра приносит возможность создавать новые бизнес-модели. Давайте рассмотрим их.

— Свободная модель (специальная модель)

Она используется в Google и Meta Platforms (бывшая Facebook — организация, запрещенная на территории Российской Федерации), и даже Walmart (крупнейшая сеть магазинов в США) начинает ее использовать. Её суть — в монетизации через встроенную рекламу. То есть такие компании продают вас, ваше внимание и время, а также аналитику вашего поведения.

— Модель подписки

Вместо одной крупной покупки оформляете подписку на сервис, то есть включаете постоянные «незаметные» платежи.

Все мы знаем Netflix или Office 365. Эти продукты являются примерами классической модели подписки. Пользователь получает доступ, обновления, услуги и т. д. на ежемесячной/годовой основе.

Плюс для компании — стабильный поток денег независимо от сезона или других факторов.

— Freemium-модель

Пользователи получают свободный доступ к базовой (Free) версии продукта, которая, как правило, ограничена в наиболее ценных функциях. Чтобы использовать больше функций или ресурсов, необходимо перейти на платную версию (Premium).

Пример — Spotify. Каждый может пользоваться услугой бесплатно (и получать рекламу), но если вы хотите больше функций и более высокое качество, то вам необходимо оплачивать ежемесячную подписку. Это также отличный пример того, что бизнес-модели могут быть смешанными.

Сейчас это одна из самых популярных моделей. В бесплатную версию можно «зашить» рекламу и зарабатывать на ней, а если пользователь не хочет её получать, то зарабатывать уже напрямую.

— Модель по запросу

On-Demand работает, например, в интернет-видеомагазинах, где вы получаете право смотреть фильм в течение определённого периода времени (Amazon Video, Apple TV+ и т. д.).

Та же система используется, когда вы бронируете консультанта и платите в зависимости от того, как долго вам нужна помощь.

— Модель электронной коммерции

Это пример работы торговых площадок (Aliexpress, Amazon) или интернет-магазинов. На сегодняшний день это также самая известная бизнес-модель в сети, поскольку в интернете можно купить практически всё что угодно.

— Модель платформ (двусторонняя рыночная площадка)

Двусторонний рынок — это то, что мы довольно часто видим в интернете. Продавцы и покупатели используют платформу третьей стороны (Яндекс-маркет, Ozon) для торговли своими товарами и услугами.

Самой большой проблемой такой бизнес-модели является её сложность и динамика. Если у вас нет продавцов, вы никогда не привлечёте покупателей, а если не будет покупателей, то вы потеряете продавцов. Таким образом, двусторонняя платформа должна тщательно масштабировать спрос и предложение одновременно, чтобы сохранить привлекательность для обеих сторон.

— Модель экосистемы

Цифровые экосистемы являются одной из самых сложных и при этом мощных бизнес-моделей. Яркий пример — Apple. Если вы попали в экосистему, выбраться из неё будет трудно. Попробуйте перейти с Android на IOS или обратно — это не самая лёгкая задача для обычного человека. Зато внутри экосистемы вам уютно, вы привыкаете к «единому кошельку».

— Модель доступа с правом собственности / модель совместного использования

Это так называемая «шэринговая экономика». Такая система позволяет оплачивать продукт, услугу или предложение за определённое количество времени, не получая при этом реальных прав собственности. Это может быть аренда автомобиля (например, Яндекс Драйв, Делимобиль), аренда квартиры (например, Airbnb) или даже промышленной техники. Пример последнего — «Камаз». В рамках своей стратегии цифровой трансформации они запускают сервисы краткосрочной аренды грузовиков. И это стало возможным именно благодаря широкому использованию цифровых технологий.

Эта бизнес-модель является одной из самых революционных, если рассматривать её влияние на владение и получаемые в результате этого доходы. Автомобиль внезапно смог стать источником дохода вместо того, чтобы просто генерировать расходы.

— Модель опыта

Добавление опыта к продуктам, которые были бы невозможны без цифровых технологий. Одним из примеров является Tesla, которая принесла в автомобильную промышленность совершенно новый опыт, добавив цифровые услуги и даже цифровую экосистему в свои автомобили, которые в настоящее время являются основным двигателем для их бизнес-модели.

— Сервисная модель

Здесь мы говорим о том, что пользователь платит не за товар, а за сервис. Например, производитель минеральных удобрений поставляет клиенту не удобрения, а объединяет экспертизу и ресурсы, предоставляя услуги по обработке площади и повышению урожая.

У него есть большие данные, на которых он учится, чтобы разработать более эффективные удобрения, у него более дешёвая техника (за счёт экономии на эффекте масштаба), более продвинутая логистика и так далее.

Или, например, покупая промышленное оборудование, вы не забиваете себе голову вопросами его обслуживания, а покупаете сервисный контракт. Производитель собирает данные, анализирует их и сам организовывает обслуживание.

Подготовка к внедрению цифровой трансформации и цифровизации

Прежде чем внедрять какие-либо изменения, надо понять, а что есть сейчас? Какова ваша отправная точка? От этого зависит и вся дальнейшая стратегия.

Осознанное выстраивание цифровой трансформации включает в том или ином виде три следующих шага:

— определение «базовой» ситуации, отправной точки;

— определение целевого уровня (куда хотим прийти?);

— планирование действий для достижения целевого уровня.

В принципе, как будет видно дальше, ничего нового тут нет, всё это сочетается с основными методами внедрения изменений. Подробная дорожная карта и структура стратегии цифровизации приведены во второй книге, посвященной системному подходу к цифровизации и менеджменту. Здесь же я подробнее остановлюсь на оценке текущей ситуации и цифровой зрелости.

Цифровая зрелость — это умение использовать цифровые инструменты для достижения ключевых показателей, а точнее, для формирования лучшего ценностного предложения клиентам.

Среди различных способов определения уровня цифровой зрелости я могу выделить методику РАНХиГС. Она предполагает семь направлений оценки и описывает их уровни зрелости.

— Цифровая культура

Уровень организационной культуры, поддерживающей процессы постоянного совершенствования и инноваций, управления изменениями.

— Кадры

Соответствие персонала компетенциям, необходимым для успешной работы в условиях цифровой экономики.

— Процессы

Применение практик процессного управления: методы оптимизации процессов, бережливое производство, дизайн-мышление. Анализ, мониторинг и постоянное обновление процессов.

— Цифровые продукты

Анализ существующих продуктов и деятельности с ними. Продукт — решение потребности пользователя, несущее в себе ценность для последнего.

— Модели

Использование информационных моделей в организации, их постоянное обновление, валидность и включенность в процессы.

— Данные

Доступ к необходимым данным в режиме реального времени с обеспечением необходимого уровня безопасности. Полнота и качество данных для принятия решений.

— Инфраструктура и инструменты

Доступ к современной цифровой инфраструктуре и обеспечение работы на всех типах устройств.

В своей работе я добавляю к этому:

— показатели отрасли и компании в сравнении с конкурентами (бенчмаркинг);

— подход к проектному управлению и внедрению изменений, созданию продуктов;

— HR-процессы и уровень организационного развития;

— и несколько других направлений.

Пример моего подхода можно увидеть во второй книге в главе про стратегию цифровизации.

Организационные изменения при цифровизации

В моей практике был случай, когда в компании три раза меняли организационную структуру. Из Москвы приходили умные планы, издавались приказы, переименовывались должности. Но менялось ли что-то в работе на местах? Нет!

Просто бумага становилась ещё на шаг дальше от жизни. Ну, и некоторых «оптимизировали».

К каким же изменениям должны приводить цифровизация и цифровая трансформация?

— Уход от сложных иерархических структур, то есть переход к 3–4 уровням управления — от генерального директора до мастера участка.

— Пересмотр нормативных документов, структуры подразделений, численности сотрудников и сложности процедур.

Это подразумевает не сокращение персонала, а его перераспределение для повышения эффективности.

Люди должны быть уверены в завтрашнем дне. Только в этом случае они примут изменения и будут готовы делиться идеями.

— Появление новых ролей, функций и потребности в новых компетенциях и навыках.

В настоящее время нет сотрудников, которые обладают всеми необходимыми навыками. И нет даже требований к новым ролям. Необходимо это учитывать.

— Изменение орг. культуры — новые подходы к управлению персоналом, новая система ценностей, уход от менеджмента с позиции силы и наказания, штрафов.

Трансформационные изменения потребуют более квалифицированных кадров, которые отличаются высокой мобильностью и не примут устаревших моделей управления.

Здесь придётся сочетать мягкость и дисциплину, уметь «справедливо» наказывать и управлять сотрудниками в зависимости от их уровня «зрелости». По моему мнению, это один из ключевых вопросов. Нельзя уходить в анархию или, напротив, в диктатуру. А значит, учиться нужно всем, начиная с генеральных директоров.

Необходимы навыки в управлении персоналом с использованием как финансовой, так и нефинансовой мотивации. Использование одной только финансовой мотивации очень неэффективно, даёт краткосрочный эффект и ведёт к расслоению внутри компании.

И самое главное: нельзя изменить культуру, не изменив первых лиц. Если главный инженер не может пользоваться IT-системой, а сваливает всё на пару инженеров и просит печатать справки — это просто фикция и деньги в утиль.

Если вы внедряете сложную систему управления активами для проверки исполнения ремонтного бюджета, а всех «противников» просто наказываете, то подход к планированию ремонтов от этого не изменится, а вот текучка кадров вам обеспечена.

Кроме того, необходима активная работа с внешними инновациями, запуск большого количества пилотных проектов. Почему? Потому что это говорит о готовности к риску и получению опыта, пусть даже негативного. Важно уметь принимать всё это, проводить анализ и учиться, а не искать виноватых. Тогда компетенции будут не только в отчётах и базах знаний компании, но и у людей.

Необходимо активно вовлекать в процесс изменений средний менеджмент. Множество проектов не достигает поставленных целей именно на уровне среднего и технического управления. Люди загружены своей линейной деятельностью и не знают, как управлять проектами. В итоге получаем комбинированное сопротивление. Разорвать этот круг трудно, но необходимо.

Не менее 30% людей, которые занимаются инновациями, должны пройти специальное обучение. Это помогает сформировать общее видение того, куда идёт организация. Помогает избежать конфликтов и мыслей из разряда «опять что-то придумали наверху, сейчас перебесятся и вернёмся назад».

Возможные модели цифровизации и трансформации

Проводить цифровизацию можно по одной из 4 моделей.

— Неформальная модель

Кто-то в компании почему-то начал заниматься цифрой. Например, отдел ремонтов или эксплуатации стал внедрять цифровые инструменты и сделал это успешно. Минус в том, что модель не покрывает всю организацию и не раскрывает всего потенциала технологий, однако для многих компаний это становится отправной точкой.

— Централизованная модель

Глава организации или совет директоров понимает, что цифровые технологии и цифровизация очень важны для компании. Они нанимают CDTO (директора по цифровизации), выделяют ему большое подразделение, наделяют его полномочиями — и он начинает цифровизацию компании.

Подавляющее большинство компаний в России находятся на этой стадии c директором по трансформации или по ИТ во главе.

Плюсы в том, что вы можете координировать движение и работу всей организации.

Минус — это скорость. Чем больше компания, тем больше регламентов, правил, ограничений, тем больше коммуникаций нужно провести, чтобы запустить пилотный проект. Ведь еще возникает и сопротивление, так как многим руководителям эта цифровизация не нужна. В итоге компании вкладываются в технологии, а бизнес-заказчики просто игнорируют новые инструменты, их им навязывают.

Я участвовал в реализации проекта по такой модели и могу сказать, что если куратор во главе такого проекта не обладает необходимыми компетенциями, то это может похоронить весь проект. Конечно же, в отчётах всё будет показано красиво — отчитываться у нас умеют как нигде. Но если вы спуститесь на уровень тех, кто работает «в полях», то поймёте, сколько средств потрачено впустую. Проект, в который был вовлечён я, с общим бюджетом более 1 млрд рублей стал моей личной болью, заставив учиться на ошибках куратора. Да и общение с коллегами по цеху показывает, что такая модель зачастую только увеличивает сроки и бюджеты.

— Распределённая модель

В каждом подразделении появляется свой цифровой офис, который сам определяет необходимые ему решения и сервисы.

В этом случае функционал CDTO дробят и встраивают в существующую структуру так, чтобы эти маленькие офисы начали трансформацию своих подразделений изнутри. Тогда у каждого подразделения появляется свой «маленький» руководитель или лидер по цифре (ИТ бизнес-партнер), а большой директор цифры становится ненужным и уходит из компании, ведь все сами могут развивать свои компетенции. Это новая культура.

Плюс — это скорость внедрения и то, как быстро наступают изменения.

Минус — дублирование затрат. Часто такие команды начинают толкаться локтями, с точки зрения затрат всей организации они не очень эффективны, постоянно «изобретают велосипеды», и в них всегда есть что оптимизировать.

— Гибридная модель

Заключается в том, что всем маленьким цифровым офисам нужен координационный центр. Его задача — выстроить единые правила работы, разработки, сформировать процессы и инструменты, разработать общую стратегию, чтобы локальные офисы уже пользовались его наработками. Он становится методологическим центром, а также координирует все центры так, чтобы они работали на достижение общей цели и были синхронизированы со стратегией.

В качестве аналогии можно взять компанию Google, которая разрабатывает свой «маркетплейс». Разработчики не создают приложения с нуля, а используют много готовых приложений / модулей от компании Google. Например, если вы хотите использовать в своём приложении карты, то берёте готовые карты от компании Google.

Если вы хотите сделать локальную цифровизацию, нужно понимать уровень организационного развития вашей компании. Если у вас есть централизованная организационная среда с большим цифровым блоком, то можно предположить, что будут проблемы со скоростью. Если у вас есть распределённая среда, то возникнет проблема с дублированием и лишними затратами на разработку своих продуктов.

Всегда держите в голове свою структуру — это убережёт вас от нерелевантных действий.

Риски

Внедрение любых изменений связано с рисками. И проекты по цифровизации и цифровой трансформации не исключение. Имея за плечами десятки проектов разного масштаба, я могу уверенно утверждать, что работа с рисками — ключевой элемент.

Какие же риски у нас существуют?

— Информационная безопасность

Новые информационные системы, огромные объёмы данных требуют защиты от потерь и «взлома», а также от некорректных операций. Необходимы системы безопасности нового уровня. Возникают новые требования к защите персональных данных. Но следует помнить, что если вы начинаете запрещать всё, что не разрешено, то ваши люди будут искать обходные пути, тем самым только увеличивая риски. Тогда получится, что вы вроде бы всё защитили, а данные всё равно под угрозой. И ключевое здесь — умение оценивать, что действительно ценно, а что нужно только вам или устаревает в момент появления.

— Сопротивление изменениям и культура компании

В процессе трансформации своего бизнеса вы неизбежно встретитесь с сопротивлением персонала к нововведениям и при благоприятном сценарии потеряете 10–15% сотрудников.

Причин у этого очень много. Работе с сопротивлениями будет посвящена специальная глава. Отдельно следует отметить вопрос культуры, ведь культура ест стратегию на завтрак. Если вы не умеете работать с изменениями и командой, ничего хорошо не выйдет.

— Сроки

При правильной реализации, когда изменения внедряются сверху, от ТОП-ов, и поддерживаются рядовыми сотрудниками, цифровая трансформация занимает 2,5–3 года. В крупных компаниях этот срок может увеличиться до 4–5 лет.

Даже первые результаты будут видны лишь через 9–12 месяцев, но при этом большинство руководителей закладывает всего лишь 6–9 месяцев на полную трансформацию. За такой срок вы успеете разве что реализовать пару проектов по цифровизации или автоматизации.

— Неоптимизированные процессы

Это один из ключевых элементов цифровой трансформации. Можно пойти по классическому пути — сначала автоматизировать то, что имеется, а уже затем провести реинжиниринг процессов. Однако проводить автоматизацию без предварительной оптимизации нецелесообразно. Вы потратите много ресурсов и времени, но в итоге создадите очень тяжёлую и неповоротливую систему. Оптимизация — самый важный шаг при переходе от ручного труда к автоматизированному.

— Неструктурированные данные

Если не получится структурировать данные, преобразовать их в полезную информацию, то всё остальное бессмысленно.

— Компетенции сотрудников

Цифровые технологии выдвигают новый уровень требований к знаниям и компетенциям как людей, внедряющих эти технологии, так и пользователей. Требуются масштабные мероприятия по обучению и переобучению, формированию мотивации, преодолению сопротивления инновациям.

При этом исследования одного из федеральных проектов показали, что в России только 26% людей обладают продвинутыми цифровыми навыками. По рейтингу DICE, в Европе этот показатель достигает уровня 57%.

— Затраты и перегруженность людей

Цифровая трансформация — высокозатратная инициатива без гарантий на успех.

По данным исследований, всего 20% изменений реализуются успешно. Остальные по разным причинам проваливаются, в том числе из-за своей избыточности. Если в год проводится 250 изменений на 1 человека, вряд ли стоит рассчитывать на положительный результат.

— Разочарование технологией

Каждый год в августе консалтинговое агентство Gartner выпускает отчёт — Gartner Hype Curve. Это график общественных ожиданий от той или иной технологии. По мнению агентства, в идеальном случае технология последовательно проходит 5 стадий: запуск технологии, пик завышенных ожиданий, дно разочарования, склон просвещения, плато продуктивности. Но бывает и так, что технология не преодолевает третью стадию — дно разочарования.

Конечно, необходимо помнить, что график Gartner — это всего лишь прогноз, из него бывают исключения, но всё же он помогает оценить риски раннего использования новых технологий.

Подводя итог, следует выделить, что наиболее частыми причинами провалов являются:

— неготовность используемых IT-систем;

— качество и готовность данных;

— некачественная работа с управлением изменениями;

— некачественное проектное управление.

Подробнее мы рассмотрим этот вопрос в отдельной главе.

Резюме главы

1. Если мы говорим о проектах автоматизации, то основная цель — ускорение процессов и снижение доли ручного труда для разгрузки людей и снижения вероятности ошибок вследствие человеческого фактора. В общем это повышение качества и возможности масштабирования без роста команды.

2. Если мы говорим о проектах цифровизации, то основная цель — повышение гибкости, качества управления (решения на основе или с учетом данных), снижение ресурсоемкости процессов.

3. Если мы говорим про цифровую трансформацию, то основная цель — поиск новых источников прибыли, изменение или модернизация (создание кастомизированных под пользователя продуктов или услуг, а также дополнение существующих новыми технологиями) или создание полностью новых продуктов и услуг, бизнес-моделей, изменение организационной структуры. Например, Walmart уже больше зарабатывает на анализе больших данных о клиентах и рекламе в магазинах, нежели на продажах товаров.

4. Внедрение цифровых технологий является одной из задач цифровизации и цифровой трансформации. Да, можно и нужно снижать затраты и расставлять приоритеты, но без технологий не получится.

5. Цифровая трансформация является лишь инструментом. Намного важнее общее качество менеджмента, команда. Нельзя ориентироваться только на цифры.

Вам необходимы высококвалифицированные сотрудники. А это значит, что директивное управление и агрессивный менеджмент уже не будут применимы. Такие сотрудники высокомобильны, при неправильном управлении придётся постоянно набирать новые кадры, учить их, а затем терять, и так по кругу.

6. На диаграмме Gartner многие цифровые технологии располагаются возле пика завышенных ожиданий. Дальше последует разочарование, и только после того, как мы научимся пользоваться всеми этими инструментами, будет толк.

7. На рынке нет сотрудников с полным набором необходимых компетенций. Участники команды, скорее всего, будут обладать одной-двумя сильными компетенциями, которые необходимо использовать.

8. Базовая цифровая грамотность повышает вероятность успеха цифровой трансформации.

При реализации цифровых проектов затрагивается большое количество пользователей, и уровень их базовой IT-подготовки может быть разным. Накопленная статистика показала, что «подтягивание» базовых навыков работы с ПК заметно увеличивает вероятность успешного внедрения цифровых решений в целом.

9. Базовыми для всех компетенциями являются умение решать слабоструктурированные задачи, системное и критическое мышление, цифровые навыки.

10. Внедрение технологий и проведение трансформации можно провести самостоятельно: выделить ресурсы и людей, работать по матричной схеме.

Ваши шансы на успех — от 20 до 30%, минимум 10% сотрудников уйдёт, придётся нести огромные затраты и срок выполнения составит 2,5–3 года.

Я рекомендую найти компанию, которая специализируется на цифровой трансформации и будет общаться с людьми, оставаясь независимой от внутренней политики. Она оцифрует проект, подготовит предложения по оптимизации и необходимым изменениям в культуре, процессах, необходимых программах обучения для сотрудников и будет внедрять всё постепенно. Потом вам не придётся избавляться от временной команды по этому проекту.

11. Чтобы понять, нужна ли вам цифровизация и цифровая трансформация, задайте себе несколько вопросов:

— насколько конкурентна ваша отрасль?

— возможно ли заменить ваш физический продукт (товар или услугу) на цифровой?

— есть ли у вас преференции на рынке, недоступные другим участникам?

— каков порог вхождения?

Ответы на них уже дадут представление о том, насколько вам необходимо двигаться на опережение. В любом случае, если ваша выручка зависит от нескольких ключевых клиентов, то цифровизацией заниматься точно надо.

12. Цифровизация, цифровая трансформация и автоматизация способны повысить стоимость бизнеса по 2-м направлениям — повышение операционной эффективности / снижение затрат или рост выручки.

Если мы говорим про операционную эффективность, то это оптимизация текущей бизнес-модели:

— оптимизация текущих процессов и снижение затрат;

— создание новых процессов;

— использование аналитики для принятия решений.

Если мы говорим про рост выручки, то это:

— улучшение клиентского опыта;

— улучшение текущих продуктов;

— создание новых продуктов / услуг и бизнес-моделей.

Важно из контекста организации понять, куда нам нужно двигаться и расставить приоритеты. Неверные приоритеты способны принести убытки, вместо преимуществ.

Глава 2. Технологии. Плюсы, минусы, личное мнение

Наверняка многие из вас сначала предполагали, что этот раздел будет основным. Но так как эта книга не для технарей, я постараюсь рассказать об этом в упрощённой форме. Ведь наша задача — увидеть суть и начать ориентироваться в цифровых технологиях, понять, как применять их с пользой для бизнеса.

Ну а тем, кому эта тема кажется основной, предлагаю перейти по QR-коду или ссылке ниже. Там вы найдёте большое количество визуализаций, ссылок и видео.

Нацпроект «Цифровая экономика» выделяет 9 «сквозных» цифровых технологий:

— большие данные (big data);

— нейротехнологии и искусственный интеллект;

— системы распределенного реестра (блокчейн);

— квантовые технологии;

— новые производственные технологии;

— промышленный интернет;

— компоненты робототехники и сенсорика;

— технологии беспроводной связи (в частности, 5G);

— технологии виртуальной и дополненной реальности (VR и AR).

Я же на основе практики и того, с чем придется столкнуться бизнесу, приведу несколько иной перечень. Например, я не рассматриваю пока вопрос квантовых вычислений, так как это пока что только научные изыскания. А робототехника и сенсорика базируются на искусственном интеллекте. При этом многие технологии работают в сочетании или сами являются сочетанием других. Например, машинное зрение является частным видом искусственного интеллекта, но из-за распространенности его можно выделить в отдельный блок.

Интернет вещей (IoT, IIoT)

Интернет вещей (IoT — Internet of Things, IIoT — Industry Internet of Things — промышленный интернет вещей) — это сеть взаимосвязанных с помощью интернета устройств. Это так называемые «умные устройства», хотя это название не совсем верно.

Для чего это нужно?

Во-первых, для сбора и обмена качественными данными, которые можно анализировать и на основе такого анализа принимать решения (а для решений на базе искусственного интеллекта это обязательное условие). Во-вторых, чтобы осуществлять удалённое управление подключёнными объектами или устройствами.

По данным Strategy Analytics, в 2018 году по всему миру насчитывалось 23 млрд устройств, подключённых к интернету вещей. А в 2025 году ожидается уже около 80 млрд устройств IoT.

Активное же развитие IoT стало возможным благодаря снижению стоимости интернета (за 10 лет она снизилась в разы), а также удешевлению вычислительных мощностей и датчиков.

При этом надо понимать, что интернет вещей — это не столько условно «умный» чайник, розетка и так далее, сколько генератор больших данных (о которых мы поговорим чуть позже), то, с чем потом будут работать аналитики и дата-саентисты, чтобы формировать новые предложения и генерировать идеи.

IoT, например, позволит:

— развивать предсказательную аналитику и предотвращать аварии или катастрофы на промышленных объектах;

— регулировать дорожное движение с учётом плотности потока;

— готовить рекомендации по повышению эффективности.

Сценарии применения здесь ограничены только фантазией.

Главные плюсы — мобильность и генерация «чистых» данных, то есть исключение ошибок, которые возникают при вводе данных человеком. «Грязные данные» губят даже отличные проекты. Так, компании порой вкладывают по 2 млрд рублей, а эффект получить не могут именно из-за ручного ввода данных, которые потом невозможно анализировать.

Я считаю, что интернет вещей, в том числе промышленный, — это одна из таких технологий, которые окажут фундаментальное влияние на все стороны нашей жизни. Всего через 5–10 лет, к 2030-м годам.

Теперь необходимо затронуть вопрос, как работает интернет вещей. Неужели придётся тянуть везде кабели или ставить роутеры?

Нет.

Чтобы организовать обмен данными, можно использовать различные беспроводные системы связи, причём не обязательно мобильные сети, — всё зависит от целей и задач.

Беспроводная передача данных

Для начала рассмотрим LPWAN — сети дальнего радиуса действия.

LPWAN

LPWAN (Low-power Wide-area Network, энергоэффективная сеть дальнего радиуса действия) — это технология беспроводной передачи небольших объёмов данных на дальние расстояния. Так как объёмы небольшие, хватает низкой скорости передачи данных, что позволяет добиться большей дальности их приёма.

Данная технология создана для сбора телеметрии и взаимодействия между машинами (М2М). По сути, она является одной из ключевых беспроводных технологий для систем интернета вещей.

Подход LPWAN-сети схож с принципом работы сетей мобильной связи. Устройство или модем с LPWAN-модулем отправляет данные по радиоканалу на базовую станцию. Станция принимает сигналы от всех устройств в радиусе своего действия, оцифровывает и передаёт на удалённый сервер, используя доступный канал связи: проводной интернет или сотовую связь.

Преимущества LPWAN

— Большая дальность — от 10 до 15 км

— Низкое энергопотребление у датчиков

— Относительно высокая дальность даже в городе

— Легко строить сети и добавлять новые объекты

— Легко применять — можно обойтись без разрешений и платы за радиочастотный спектр

Недостатки LPWAN

— Низкая скорость — возможно передавать только «необходимые данные»

— Высокая задержка между сеансами передачи данных

— Нет единого стандарта для создания совместимых решений от разных производителей

Два основных варианта реализации LPWAN-сети:

— лицензионный диапазон частот (повышенная мощность, относительно высокая скорость, нет помех);

— безлицензионный диапазон частот (низкая мощность, низкая скорость, ограничение рабочего цикла передатчика, возможны помехи от других участников).

3 основные технологии построения LPWAN-сетей:

— NB-IoT — эволюция сотовой связи;

— UNB (безлицензионный LPWAN) — SigFox в мире, «Стриж» в России;

— LoRa — широкополосный безлицензионный LPWAN.

NB-IoT

NB-IoT (Narrow Band Internet of Things) — стандарт сотовой связи для устройств телеметрии с низкими объёмами обмена данными: медицинских датчиков, счётчиков потребления ресурсов, устройств умного дома и так далее.

NB-IoT является одним из трёх стандартов IoT, разработанных для сотовых сетей связи:

— eMTC (enhanced Machine-Type Communication) — обладает наибольшей пропускной способностью и разворачивается на оборудовании LTE (4G);

— NB-IoT — может быть развернута как на оборудовании сотовых сетей LTE, так и отдельно, в том числе поверх GSM;

— EC-GSM-IoT — предоставляет наименьшую пропускную способность и разворачивается поверх сетей стандарта GSM.

Достоинства NB-IoT

— Гибкое управление энергопотреблением устройств (вплоть до 10 лет в сети от батареи ёмкостью 5 Вт*ч)

— Высокая ёмкость сети (сотни тысяч подключённых устройств на одну базовую станцию)

— Низкая стоимость устройств

LoRaWAN

LoRaWAN — открытый протокол связи, который определяет архитектуру системы. Разрабатывался с целью организации связи между недорогими устройствами, которые могут работать от батарей (аккумуляторов).

По данным IoT Analytics, на вторую половину 2020 года являлся наиболее распространённой технологией маломощных глобальных сетей (LPWAN).

Технология LoRa необходима в первую очередь для взаимодействия машин между собой, она может обслуживать до 1 млн устройств в одной сети, давая им автономность до 10 лет от одной батарейки формата AA (обычная пальчиковая батарейка).

Чтобы обзор был объективным, необходимо рассмотреть минусы и ограничения.

Самым главным ограничением для организаций, желающих внедрить IoT, становятся затраты и сроки реализации проектов. Ещё одним стоп-фактором стала ограниченность экспертных знаний штатных сотрудников.

Из технологических недостатков следует отметить:

— энергоснабжение (либо имеем низкую скорость и частоту данных, либо необходимо организовать энергоснабжение);

— размеры (далеко не все датчики могут быть миниатюрными);

— калибровка оборудования (достоверность показаний);

— зависимость от сети передачи данных;

— отсутствие единых протоколов и стандартов для передаваемых данных, что может затруднить обработку, интеграцию и анализ данных даже в масштабах одного производства (в феврале 2022 года вышел новый стандарт ISO/IEC 30162:2022, но переход к единым правилам всё равно будет нескорым);

— уязвимость для атак извне и последующая утечка данных или получение злоумышленниками доступа к управлению оборудованием.

5G

Вы наверняка слышали о 5G. О том, что это прорыв в сфере связи, и ни один новый флагман не может быть таковым, если в нём нет 5G. Ведь без него невозможно смотреть на смартфоне новый сериальчик в 4 или 8К. Поэтому надо покупать смартфоны только с этим модулем и платить на 10 000 рублей больше по сравнению с версией с модулем 4G.

Но мало кто знает, что сам стандарт проектировался не ради видео в YouTube или TikTok, а для масштабного развития и внедрения цифровых сервисов. Его «фишкой» является гибкое комбинирование сверхнизкой задержки (URLLC), высокой скорости (eMBB) и надёжности канала связи (mMTC), смотря что именно необходимо конкретному абоненту.

Проще говоря, это связь для интернета вещей. Возможно, она не совсем подходит для промышленного интернета вещей, но для умного города, здравоохранения и промышленных предприятий в черте города это идеальный вариант.

Итак, в чём же отличие 5G от 4G/LTE?

— В 8 раз лучше энергоэффективность

— В 10–100 раз больше скорость

— В 100 раз больше количество абонентов на одной базовой станции

Все, кто занимается цифровизацией на производствах и даже просто внедрением АСУ ТП, знают, что основная проблема именно в том, чтобы организовать передачу данных к датчикам или от них. Решение этого вопроса в соответствии со всеми правилами компании стоит порой в несколько раз дороже самого «железа» и программного обеспечения.

И я надеюсь, что с развитием технологии 5G данная проблема будет всё менее актуальной.

Кроме того, развитие данной технологии также поможет и внедрению более совершенных IT-систем, особенно класса MES, APS, EAM, BIM. Подробнее о них — в следующей главе. Всем этим системам нужна информация с датчиков без участия человека.

Но есть и неприятный для многих момент. Всё это потребует других компетенций от сотрудников. А значит, начнутся «оптимизации» организационной структуры и увеличение социальной напряжённости.

Давайте рассмотрим основные факторы, влияющие на скорость внедрения нового стандарта в России.

1. Положительные.

— «Наверху» уже осознают необходимость двигаться в этом направлении. А значит, есть надежда, что это будут продвигать сверху вниз. А в нашей стране нередко только так всё и работает.

— К 2030 году от 5G ожидают дополнительные доходы в экономику в размере 2 трлн рублей. Это даёт надежду, что и с военными договорятся (об этом ниже), и чиновников будут подгонять.

2. Отрицательные.

— Бюрократия и низкая квалификация в цифре, особенно в регионах. Несмотря на понимание «верхов», мы знаем, как умеют чиновники на местах и бюрократия убить любую затею.

— Занятость частот военными и спецслужбами. Да, этот вопрос решается, но он не будет быстрым.

— Дороговизна цифровизации. Нашему бизнесу трудно позволить себе качественную цифровизацию. Причины — цены на оборудование и программное обеспечение, а также дефицит нужных кадров и огромное количество заблуждений. В ближайшее время никаких изменений в этом не предвидится. Те, кто может себе это позволить (корпорации), очень бюрократизированы (попробуйте согласовать доступ в интернет на производственной площадке) и не мотивированы, потому что боятся на местах и банально не готовы. В таких компаниях можно увидеть и провалы, и банальные «распилы», и неэффективные вложения.

— Новое поколение оборудования в любом случае будет дороже нынешнего, при этом на единицу территории понадобится большее количество вышек. Кто будет это финансировать? С учётом падения реальных доходов с 2014 года, люди вряд ли готовы платить больше за связь, а сами операторы не готовы вкладываться и ждать, когда цена станет приемлемой для людей и бизнеса, чтобы они захотели и смогли платить за доступ. Поэтому, я думаю, планы и программы появятся, но сроки будут растягиваться, а содержание бесконечно корректироваться. Пойдёт вялое и локальное развитие, в основном в имиджевых местах или там, где будет интерес конкретных людей.

В итоге у нас слишком много фундаментальных проблем в «реальном» секторе экономики: низкая квалификация (цифровая и управленческая) персонала от работяги до менеджмента и чиновников (я не верю, что аналоговый и некомпетентный руководитель сможет развивать цифру), высокая зарегулированность и страхи, сильные позиции «консерваторов» и безопасников, которые не готовы идти навстречу и вести диалог.

По некоторым предварительным оценкам чиновников, полномасштабное развертывание 5G в городах-миллионниках можно было ожидать с 2024 года, однако на дворе 2025-ый, а развертывания 5G у нас так и не произошло.

6G

Пока мы думаем о переходе на 5G, в Китае и США уже разрабатывают стандарты для сетей 6-го поколения. Но зачем?

Чтобы обеспечить дальнейший рост внедрения умных устройств! Ведь 5G всё равно имеет ограниченную ёмкость.

Некоторые источники говорят о пиковых скоростях до 1 Тбит/с. Средняя скорость несколько сотен Мбит/с. Средняя задержка передачи сигнала — 1 мс, что полезно для приложений, требующих минимальной задержки. Количество активных устройств, которые смогут подключиться к 6G на единицу времени, также будет в несколько раз выше, чем у 5G.

«Эра 6G предложит новые возможности для создания интерфейсов мозг-компьютер», — говорит доктор Сиднейского университета Махьяр Ширванимогаддам. Пример такой разработки — электронный чип для парализованных и людей с нарушениями ЦНС, который создаёт стартап Илона Маска.

При этом у 6G есть одно ключевое преимущество — для его внедрения можно модернизировать уже имеющиеся вышки 5G, в то время как для самого 5G пришлось строить новые базовые станции.

На данный момент считается, что 6G может быть введён в начале 2030-х годов.

Нейросети, машинное и глубокое обучение (ML & DL), системы распознавания речи и текста

Вот мы и подобрались к будущему — нейросетям, искусственному интеллекту, восстанию машин и прочим страшилкам. Этому направлению у меня посвящена отдельная книга «Искусственный интеллект. С неба на землю». В этой книге я приведу самую необходимую информацию.

Нейросети — пожалуй, самая интересная технология. При поддержке интернета вещей, 5G и больших данных она принесёт в нашу жизнь революционные изменения.

При этом искусственный интеллект — это любой математический метод, который позволяет имитировать человеческий интеллект.

Ох, как наши любимые рекламщики и маркетологи довольны… Теперь любую, самую простую нейросеть можно гордо назвать «Искусственным Интеллектом».

Сейчас основное направление — обучаемые нейросети. Искусственная нейронная сеть — это математическая модель, созданная по подобию нейросетей, составляющих мозг живых существ. Такие системы учатся выполнять задачи, рассматривая их без специального программирования под конкретное применение. Это можно встретить в Яндекс Музыке, автопилотах Теслы, в системах рекомендации для врачей и управленцев.

Главные направления здесь — это машинное обучение (ML — machine learning) и глубокое обучение (DL — deep learning).

Машинное обучение — это статистические методы, позволяющие компьютерам улучшить качество выполняемой задачи с накоплением опыта и дообучения. То есть речь идёт как раз о том, как работают нейронные сети живых организмов.

Глубокое обучение — это не только обучение машины с помощью человека, который говорит, что верно, а что нет, но и самообучение систем. Это одновременное использование различных методик обучения и анализа данных.

Но как обучают эти нейросети? В чём магия?

А собственно, ни в чём. Это как дрессировка собаки. Нейросети раз за разом показывают, например, картинку и говорят, что на ней изображено. Потом нейросеть должна сама ответить, и, если ответ ошибочный, в неё вносят корректировки. Примерный алгоритм указан ниже.

В итоге получается, что каждый «нейрон» такой сети учится распознавать, относится к нему эта картинка, точнее её часть, или нет.

Нейросети и машинное обучение применяются:

— для прогнозирования и принятия решений;

— распознавания образов и генерирование, в том числе «картинок» и голосовых записей;

— анализа сложных данных без чётких взаимосвязей;

— оптимизации процессов.

Прикладное значение этого можно увидеть на примерах создания беспилотных авто (принятие решений), поиска незаконного контента (анализ данных), прогнозирования болезней (распознавание образов и поиск связей). При этом сейчас на хайпе именно распознавания образов и генеративные модели (chatGPT, midjourney и т.д.). А вот бизнес-задачи пока решаются слабо. При этом 9 из 10 студентов сейчас идут учиться именно на распознавание образов и машинное зрение.

Особое внимание заслуживает связка ИИ + IoT:

— ИИ получает чистые большие данные, в которых нет ошибок человеческого фактора для обучения и поиска взаимосвязей;

— эффективность IoT повышается, так как становится возможным создание предиктивной (предсказательной) аналитики и раннего выявления отклонений.

Ладно, всё это теория. Я же хочу поделиться реальным примером, как можно применять нейросети в бизнесе.

Летом 2021 года ко мне обратился один предприниматель из риелторской сферы. Он занимается арендой недвижимости, в том числе посуточно. Его цель — увеличение пула сдаваемых квартир и смена статуса предпринимателя на полноценную организацию. В ближайших планах запуск сайта и мобильного приложения.

Сложилось так, что я сам был его клиентом. И при нашей встрече заметил очень большую проблему — долгую подготовку договора: на оформление всех реквизитов и подписание уходит до 30 минут. А это и ограничение системы с генерированием потерь, и неудобство для клиента.

Представьте ситуацию, что вы хотите провести время с девушкой, но вынуждены ждать полчаса, пока ваши паспортные данные внесут в договор, всё сверят и подпишут.

Сейчас есть лишь один вариант исключить это неудобство — запрашивать фото паспорта заранее и вручную вносить все данные в шаблон договора. Как вы понимаете, это тоже не очень удобно.

Как же цифровые инструменты помогут решить эту проблему, а заодно заложат основу для работы с данными и аналитикой?

— Можно попробовать провести интеграцию с «Госуслугами». Тогда человек сможет авторизоваться через их учётку — там паспортные данные уже выверены и будет легче использовать их для последующей аналитики. Правда, если вы не государственная компания, то получить доступ к авторизации через данный сервис — та ещё задача.

— Подключение нейросети. Клиент присылает фото паспорта, нейросеть распознаёт данные и вносит в шаблон или базу. Остаётся лишь распечатать готовый договор или подписать в электронном виде. И преимущество здесь в том, что все паспорта стандартизированы. Серия и номер всегда напечатаны одним цветом и шрифтом, код подразделения тоже, а перечень выдавших подразделений не очень большой. Обучить такую нейросеть можно легко и быстро. Справится даже студент в дипломной работе. В итоге бизнес экономит на разработке, а студент получает актуальную дипломную работу. Кроме того, при каждой ошибке нейросеть будет становиться всё умнее.

В итоге вместо 30 минут подписание договора занимает около 5. То есть при восьмичасовом рабочем дне 1 человек сможет заключать не 8 договоров (30 минут на оформление и 30 минут на дорогу), а 13–14. И это при консервативном подходе — без электронного подписания, доступа в квартиру через мобильное приложение и смарт-замки. Но я считаю, что сразу внедрять «навороченные» решения и не надо. Высока вероятность потратить деньги на то, что не создаёт ценности и не снижает издержек. Это будет следующий шаг. После того как клиент получит результат и компетенции.

Также приведу ещё два реальных применения нейросетей и машинного обучения:

— «МегаФон» поможет бизнесу оперативно выявлять конфликтные диалоги с клиентами;

— Яндекс. Браузер внедрил машинный перевод видеороликов в режиме реального времени.

Ограничения

Лично я вижу следующие ограничения в данном направлении.

— Качество и количество данных. Нейросети требовательны к качеству и количеству исходных данных. Но эта проблема решается. Если ранее нейросети необходимо было прослушать несколько часов аудиозаписи, чтобы синтезировать вашу речь, то сейчас достаточно нескольких минут. А для нового поколения потребуется всего несколько секунд. Но тем не менее им всё равно нужно много размеченных и структурированных данных. И любая ошибка влияет на конечное качество обученной модели.

— Качество «учителей». Нейросети обучают люди. И здесь очень много ограничений: кто и чему учит, на каких данных, для чего.

— Этическая составляющая. Я имею в виду вечный спор, кого сбить автопилоту в безвыходной ситуации: взрослого, ребёнка или пенсионера. Подобных споров бесчисленное множество. Для искусственного интеллекта нет этики, добра и зла.

Так, например, во время испытательной миссии беспилотнику под управление ИИ поставили задачу уничтожить системы ПВО противника. В случае успеха ИИ получил бы очки за прохождение испытания. Финальное решение, будет ли цель уничтожена, должен был принимать оператор БПЛА. После этого во время одной из тренировочных миссий он приказал беспилотнику не уничтожать цель. В итоге ИИ принял решение убить оператора, потому что этот человек мешал ему выполнить свою задачу.

После инцидента ИИ обучили, что убивать оператора неправильно и за такие действия будут сниматься очки. После этого ИИ начал разрушать башню связи, которая используется для связи с дроном, чтобы оператор не мог ему помешать.

— Нейросети не могут оценить данные на реальность и логичность

— Готовность людей. Нужно ожидать огромного сопротивления людей, чью работу заберут сети.

— Страх перед неизвестным. Рано или поздно нейросети станут умнее нас. И люди боятся этого, а значит, будут тормозить развитие и накладывать многочисленные ограничения.

— Непредсказуемость. Иногда все идет, как задумано, а иногда (даже если нейросеть хорошо справляется со своей задачей) даже создатели изо всех сил пытаются понять, как же алгоритмы работают. Отсутствие предсказуемости делает чрезвычайно трудным устранение и исправление ошибок в алгоритмах работы нейросетей.

— Ограничение по виду деятельности. Алгоритмы ИИ хороши для выполнения целенаправленных задач, но плохо обобщают свои знания. В отличие от людей, ИИ, обученный играть в шахматы, не сможет играть в другую похожую игру, например, шашки. Кроме того, даже глубокое обучение плохо справляется с обработкой данных, которые отклоняются от его учебных примеров. Чтобы эффективно использовать тот же ChatGPT, необходимо изначально быть экспертом в отрасли и формулировать осознанный и четкий запрос, а затем проверить корректность ответа.

— Затраты на создание и эксплуатацию. Для создания нейросетей требуется много денег. Согласно отчёту Guosheng Securities, стоимость обучения модели обработки естественного языка GPT-3 составляет около 1,4 миллиона долларов. Для обучения более масштабной модели может потребоваться и вовсе от 2 миллионов долларов. Если взять для примера именно ChatGPT, то только обработки всех запросов от пользователей необходимо более 30 000 графических процессоров NVIDIA A100. На электроэнергию будет уходить около 50 000 долларов ежедневно. Требуется команда и ресурсы (деньги, оборудование) для обеспечения их «жизнедеятельности». Также необходимо учесть затраты на инженеров для сопровождения

P.S.

Машинное обучение движется ко всё более низкому порогу вхождения. Совсем скоро это будет как конструктор сайта, где для базового применения не нужны специальные знания и навыки.

Создание нейросетей и Data Science уже сейчас развиваются по модели «сервис как услуга», например, DSaaS (Data Science as a Service).

Знакомство с машинным обучением можно начинать с AUTO ML, его бесплатной версией, или DSaaS с проведением первичного аудита, консалтинга и разметкой данных. При этом даже разметку данных можно получить бесплатно. Всё это снижает порог вхождения.

Будут создаваться отраслевые нейросети и всё активнее развиваться направление рекомендательных сетей, так называемые цифровые советники или решения класса «системы поддержки и принятия решений (DSS) для различных бизнес-задач».

Тему ИИ я подробно раскрыл в отдельной книге, доступной по QR и ссылке.

Большие данные (Big Data)

Большие данные (big data) — совокупное название структурированных и неструктурированных данных. Причём в таких объёмах, которые просто невозможно обработать в ручном режиме.

Часто под этим ещё понимают инструменты и подходы к работе с такими данными: как структурировать, анализировать и использовать для конкретных задач и целей.

Неструктурированные данные — это информация, которая не имеет заранее определённой структуры или не организована в определённом порядке.

Области применения

— Оптимизация процессов. Например, крупные банки используют большие данные, чтобы обучать чат-бота — программу, которая может заменить живого сотрудника на простых вопросах, а при необходимости переключит на специалиста. Или выявление потерь, которые генерируются этими процессами.

— Подготовка прогнозов. Анализируя большие данные о продажах, компании могут предсказать поведение клиентов и покупательский спрос в зависимости от времени года или расположения товаров на полке. Также они используются, чтобы спрогнозировать отказы оборудования.

— Построение моделей. Анализ данных об оборудовании помогает строить модели наиболее выгодной эксплуатации или экономические модели производственной деятельности.

Источники сбора Big Data

— Социальные — все загруженные фото и отправленные сообщения, звонки, в общем всё, что делает человек в Интернете.

— Машинные — генерируются машинами, датчиками и «интернетом вещей»: смартфоны, умные колонки, лампочки и системы умного дома, видеокамеры на улицах, метеоспутники.

— Транзакционные — покупки, переводы денег, поставки товаров и операции с банкоматами.

— Корпоративные базы данных и архивы. Хотя некоторые источники не относят их к Big Data. Тут возникают споры. И ключевая проблема — несоответствие критериям «обновляемости» данных. Подробнее об этом чуть ниже.

Категории Big Data

— Структурированные данные. Имеют связанную с ними структуру таблиц и меток. Например, таблицы Excel, связанные между собой.

— Полуструктурированные или слабоструктурированные данные. Не соответствуют строгой структуре таблиц и отношений, но имеют «метки», которые отделяют смысловые элементы и обеспечивают иерархическую структуру записей. Например, информация в электронных письмах.

— Неструктурированные данные. Вообще не имеют никакой связанной с ними структуры, порядка, иерархии. Например, обычный текст, как в этой книге, файлы изображений, аудио и видео.

Обрабатывают такие данные на основе специальных алгоритмов: сначала данные фильтруются по условиям, которые задаёт исследователь, сортируются и распределяются между отдельными компьютерами (узлами). После этого узлы параллельно рассчитывают свои блоки данных и передают результат вычислений на следующий этап.

Характеристики больших данных

По разным источникам, большие данные характеризуются тремя, четырьмя, а по некоторым мнениям пятью, шестью и даже восемью компонентами. Но давайте остановимся на самой, как мне кажется, разумной концепции из 4 компонентов.

— Volume (объём): информации должно быть много. Обычно говорят о количестве от 2 терабайт. Компании могут собирать огромное количество информации, размер которой становится критическим фактором в аналитике.

— Velocity (скорость): данные должны обновляться, иначе они устаревают и теряют ценность. Практически всё происходящее вокруг нас (поисковые запросы, социальные сети) производит новые данные, многие из которых можно использовать для анализа.

— Variety (разнообразие): генерируемая информация неоднородна и может быть представлена в различных форматах: видео, текст, таблицы, числовые последовательности, показания датчиков.

— Veracity (достоверность): качество анализируемых данных. Они должны быть достоверными и ценными для анализа, чтобы им можно было доверять. Также данные с низкой достоверностью содержат высокий процент бессмысленной информации, которая называется шумом и не имеет ценности.

Вообще вопрос качества данных во всей цифровизации и цифровой трансформации один из самых критичных и важных. Именно в этом направлении накапливаются фундаментальные проблемы, из-за чего многие ИТ-инициативы необходимо переделывать.

Ограничения на пути внедрения Big Data

Основное ограничение — качество исходных данных, критическое мышление (а что мы хотим увидеть? какие боли? — для этого делаются онтологические модели), правильный подбор компетенций. Ну, и самое главное — люди. Работой с данными занимаются дата-саентисты. И тут есть одна расхожая шутка: 90% дата-сайентистов — это дата-сатанисты.

Цифровые двойники

Цифровой двойник — это цифровая/виртуальная модель любых объектов, систем, процессов или людей. По своей концепции она точно воспроизводит форму и действия физического оригинала и при этом синхронизирована с ним. Погрешность между работой двойника и реальным объектом не должна превышать 5%.

При этом надо понимать, что создать абсолютный цифровой двойник практически невозможно, поэтому важно определить, какую область рационально моделировать.

Впервые концепцию цифрового двойника описал в 2002 году Майкл Гривс, профессор Мичиганского университета. В книге «Происхождение цифровых двойников» он разложил их на три основные части:

— физический продукт в реальном пространстве;

— виртуальный продукт в виртуальном пространстве;

— данные и информация, которые объединяют виртуальный и физический продукт.

Сам же цифровой двойник может быть:

— прототипом — аналогом реального объекта в виртуальном мире, который содержит все данные для производства оригинала;

— экземпляром — историей эксплуатации и данными обо всех характеристиках физического объекта, включая 3D-модель, экземпляр действует параллельно с оригиналом;

— агрегированным двойником — комбинированной системой из цифрового двойника и реального объекта, которыми можно управлять и обмениваться данными из единого информационного пространства.

Наибольшее развитие технология приобрела благодаря развитию искусственного интеллекта и удешевлению интернета вещей. Цифровые двойники стали получать «чистые» большие данные о поведении реальных объектов, появилась возможность предсказывать отказы оборудования задолго до происшествий. И хотя последний тезис довольно спорный, это направление активно развивается.

В результате цифровой двойник является синергией 3D-технологий, в том числе дополненной или виртуальной реальности, искусственного интеллекта, интернета вещей. Это синтез нескольких технологий и фундаментальных наук.

Сами по себе цифровые двойники можно разделить на 4 уровня.

— Двойник отдельного узла агрегата моделирует работу наиболее критичного узла агрегата. Это может быть конкретный подшипник, щётки электродвигателя, обмотка статора или электродвигатель насоса. В общем, тот узел, который имеет наибольший риск отказа.

— Двойник агрегата моделирует работу всего устройства. Например, газотурбинная установка или весь насос.

— Двойник производственной системы моделирует несколько активов, связанных воедино: производственную линию или весь завод.

— Двойник процесса — здесь речь идёт уже не о «железках», а о моделировании процессов. Например, при внедрении MES- или APS-систем. О них поговорим в следующей главе.

Какие же задачи позволяет решить технология цифрового двойника?

— Становится возможным уменьшить количество изменений и затрат уже на стадии проектирования оборудования или завода, что позволяет существенно сократить издержки на остальных этапах жизненного цикла. А также это позволяет избежать критических ошибок, изменение которых бывает невозможно на стадии эксплуатации.

— Благодаря сбору, визуализации и анализу данных появляется возможность принимать превентивные меры до наступления серьёзных аварий и повреждения оборудования.

— Оптимизировать затраты на техническое обслуживание с одновременным повышением общей надёжности. Возможность предсказывать отказы позволяет ремонтировать оборудование по фактическому состоянию, а не по «календарю». При этом не нужно держать большое количество оборудования на складе, то есть замораживать оборотные средства.

— Выстроить наиболее эффективные рабочие режимы и минимизировать издержки на производство. Чем дольше будет накопление данных и глубже аналитика, тем эффективнее пойдёт оптимизация.

При этом очень важно не путать виды прогнозирования. В последнее время, работая с рынком различных IT-решений, я постоянно вижу путаницу в понятиях предиктивной аналитики и машинного выявления отклонений в работе оборудования. То есть, используя машинное выявление отклонений, говорят о внедрении нового, предиктивного подхода к организации обслуживания.

С одной стороны, в обоих случаях действительно работают нейросети. При машинном выявлении аномалий нейросети тоже находят отклонения, что позволяет провести обслуживание до серьёзной поломки и заменить только износившийся элемент.

Но давайте внимательнее посмотрим на определение предиктивной аналитики.

Предикативная (или предиктивная, прогнозная) аналитика — это прогнозирование, основанное на исторических данных.

То есть это возможность предсказывать отказы оборудования до того, как отклонение наступило. Когда эксплуатационные показатели ещё в норме, но уже начинают формироваться тенденции к отклонениям.

Если перевести на совсем бытовой уровень, то выявление аномалий — это когда у вас меняется давление и вас об этом предупреждают прежде, чем заболит голова или начнутся проблемы с сердцем. А предиктивная аналитика — это когда всё ещё нормально, но у вас изменился режим питания, качество сна или что-то ещё, соответственно, в организме запущены процессы, которые впоследствии приведут к росту давления.

И получается, основная разница — в глубине погружения, наличии компетенций и горизонте предсказания. Выявление аномалий — это краткосрочное предсказание, чтобы не довести до критической ситуации. Для этого не нужно изучать исторические данные на большом промежутке времени, например за несколько лет.

А полноценная предиктивная аналитика — это долгосрочное предсказание. Вы получаете больше времени на принятие решения и выработку мер: запланировать закупку нового оборудования или запчастей, вызвать ремонтную бригаду по более низкой цене или изменить режим работы оборудования, чтобы не допустить возникновения отклонений.

Так думаю я, но, возможно, есть и альтернативные мнения, особенно у маркетологов.

Самым главным ограничением на данный момент я считаю сложность и дороговизну технологии. Создавать математические модели долго и дорого, а риск ошибок высок. Необходимо совместить технические знания об объекте, практический опыт, знания в моделировании и визуализации, соблюдение стандартов в реальных объектах. Далеко не для всех технических решений это оправданно, как и далеко не каждая компания обладает всеми компетенциями.

Поэтому я полагаю, что для производств целесообразно начинать с анализа аварий, определять критичные компоненты активов и создавать именно их модели. То есть использовать подход из теории ограничений системы.

Это позволит, во-первых, минимизировать риск ошибок. Во-вторых, войти в это направление с меньшими затратами и получить эффект, на который можно будет опираться в дальнейшем. В-третьих, накопить экспертизу по работе с данными, принятию решений на их основе и «усложнению» моделей. Наличие собственных компетенций в работе с данными — одно из ключевых условий успешной цифровизации.

Стоит помнить и о том, что пока это новая технология. И по тому же циклу Гартнер, она должна пройти «долину разочарования». А впоследствии, когда цифровые компетенции станут более привычными, а нейросети более массовыми, мы станем использовать цифровых двойников в полной мере.

Облака, онлайн-аналитика и удалённое управление

Концепция цифровой трансформации подразумевает активное использование облаков, онлайн-аналитики и возможностей удалённого управления.

Национальный институт стандартов и технологий США (NIST) выделил следующие характеристики облаков:

— самообслуживание по требованию (self service on demand) — потребитель сам определяет свои потребности: скорость доступа, производительность «железа», его доступность, объём необходимой памяти;

— доступ к ресурсам с любого устройства, подключённого к сети — абсолютно неважно, с какого компьютера или смартфона заходит пользователь, главное, чтобы оно было подключено к сети интернет;

— объединение ресурсов (resource pooling) — поставщики комплектуют «железо» для быстрой балансировки между потребителями, то есть потребитель обозначает, что ему надо, но распределение между конкретными машинами берёт на себя поставщик;

— гибкость — потребитель может в любой момент изменить набор необходимых услуг и их объём без лишних коммуникаций и согласований с поставщиком;

— автоматический учёт потребления услуг.

Но какие преимущества облака в итоге дают бизнесу?

— Возможность не «замораживать» ресурсы вложениями в основные средства и будущие расходы (для ремонта, обновления и модернизации). Это упрощает бухучёт и работу с налогами, позволяет направлять ресурсы на развитие. Ключевое — вы можете наращивать количество цифровых инструментов без необходимости постоянных закупок серверного оборудования и систем хранения данных.

— Экономия на фонде оплаты труда (ЗП + налоги дорогих специалистов для обслуживания инфраструктуры) и операционке (электричество, аренда помещений и т. д.).

— Экономия времени на запуск и начало использования IT-инфраструктуры или цифрового продукта.

— Более эффективное использование вычислительных мощностей. Не надо строить избыточную сеть для покрытия нагрузок во время пика или страдать от «тормозов» и «глюков» системы, рисковать «падением» с потерей данных. Это задача провайдера, и он выполнит её качественнее. Плюс включается принцип разделения ответственности, и сохранность данных — его задача.

— Доступность информации и в офисе, и дома, и в командировках. Это позволяет работать более гибко и качественно, нанимать людей из других регионов.

Существует множество моделей использования облачных технологий: SaaS, IaaS, PaaS, CaaS, DRaaS, BaaS, DBaaS, MaaS, DaaS, STaaS, NaaS. Поговорим о них чуть подробнее.

— SaaS (Software as a Service) — программное обеспечение как услуга.

Клиент получает программное обеспечение через Интернет: почтовые сервисы, облачная версия 1С, Trello и так далее. Перечислять можно бесконечно.

— IaaS (Infrastructure as a Service) — инфраструктура как услуга.

Предоставление в аренду виртуальных серверов, жёстких дисков и любой IT-инфраструктуры. По сути, это полноценная копия физической инфраструктуры, только её не надо покупать.

— PaaS (Platform as a Service) — платформа как услуга.

Аренда полноценной виртуальной платформы, включающей в себя как «железо», так и системы управления базами данных, системы безопасности и так далее. Сервис пользуется особой популярностью у разработчиков ПО.

Это 3 наиболее популярные модели, о которых должны знать все. И чтобы лучше понять детали, рассмотрите простую схему ниже.

— CaaS (Communications as a Service) — коммуникация как услуга.

Это предоставление в виде услуги телефонии, видеосвязи, мессенджеров и так далее. При этом всё необходимое ПО расположено в облаке поставщика.

— WaaS (Workplace as a Service) — рабочее место как услуга.

Как следует из названия, это предоставление рабочих мест с установкой и настройкой всего необходимого ПО.

— DRaaS (Disaster Recovery as a Service) — аварийное восстановление как услуга.

— BaaS (Backup as a Service) — резервное копирование как услуга.

— DBaaS (Data Base as a Service) — база данных как услуга.

Клиент платит за аренду в зависимости от количества пользователей и объёма самой базы данных.

— MaaS (Monitoring as a Service) — мониторинг как услуга.

Позволяет организовать централизованный мониторинг всех IT-систем с единой точкой входа.

— DaaS (Desktop as a Service) — рабочий стол как услуга.

Удалённые рабочие столы в аренду для работы с любого устройства. По сути, это разновидность WaaS.

— STaaS (Storage as a Service) — хранилище как услуга.

Предоставление дискового пространства в облаке провайдера. То есть разновидность IaaS. Для пользователя такое пространство будет обычной сетевой папкой или локальным диском.

— NaaS (Network as a Service) — сеть как услуга.

Включает в себя инструменты маршрутизации, организацию безопасности, а также использование различных сетевых протоколов.

Для лучшего понимания приведу ещё один пример, из сериала «Жуки» на ТНТ.

Весь 2-й сезон крутится вокруг одной главной проблемы: купленное «дешёвое» оборудование не может работать стабильно: то мощности не хватает, то оно перегревается, то недостаточно мощности электросети. А когда выходит из строя один из серверов, вся система рушится. Ну а в итоге один из партнёров копирует всю базу данных на флешку и пытается с ней сбежать.

Как видим, ограничений и узких мест у системы много.

А что было бы, если бы герои сериала выбрали IAAS или PAAS?

— На старте они бы не переживали из-за потерянной сумки с деньгами. Не пришлось бы закупать самое дешёвое, малопроизводительное и ненадёжное оборудование.

— Не надо было бы думать об охлаждении и перегреве. Можно спокойно работать с ноутбука в комфортных условиях.

— Не пришлось бы устраивать квест с воровством трансформатора из соседней деревни.

— Не было бы сцен ревности и выхода из строя всего сервиса из-за отказа сервера.

— Партнёр не смог бы скопировать базу данных и программный код на внешний накопитель и стереть всё с ноутбука.

Ещё один критерий, по которому надо разделять облака, — модель развертывания.

— Частное облако

Используется внутри одной организации и среди её контрагентов. Зачастую внутри «корпоративного» контура. То есть получить к нему доступ не с рабочего ПК или не из внутренней сети невозможно. Управляется чаще всего самой организацией, но может и поставщиком услуг.

Как правило, имеет ограничения в производительности — медленный доступ. Также возникают высокие затраты: почти полностью меняется экономика, уже невозможно сэкономить на персонале, помещениях и так далее. И ещё вопрос в удобстве. Корпоративные IT-шники редко умеют создавать удобные для работы решения.

Из плюсов стоит отметить безопасность. Ну, и для крупного бизнеса — экономию на эффекте масштаба.

Создание «облаков» на базе собственных центров обработки данных как раз можно относить к частным облакам, что актуально для крупного бизнеса.

— Публичное облако

Создаётся для использования большим количеством пользователей, без привязки к какой-то конкретной организации или IT-инфраструктуре.

Из плюсов — высокое быстродействие и, как правило, удобство работы.

— Общественное облако

Создаётся для пользователей из нескольких организаций, у которых есть общая задача.

— Гибридное облако

Комбинация из различных облаков, которые остаются уникальными, но имеют связь, например, для передачи определённых данных или балансировки нагрузки.

У облачных вычислений есть и недостатки. Приведу основные из них.

— Требования к надёжности Интернета. Порой требуется постоянное и надёжное соединение, которое сложно организовать.

— Требования к скорости Интернета. Некоторые приложения плохо работают с медленным Интернетом.

— Возможны ограничения производительности. Программы могут работать медленнее, чем на локальном компьютере.

— Не все программы или их функционал доступны удалённо. Особенно это актуально для «корпоративных» систем. Многое доступно только в локальной системе, установленной на ПК.

— Дороговизна — для построения частного облака нужны значительные ресурсы. А это уже невыгодно малому и среднему бизнесу.

— Конфиденциальность данных. Большинство экспертов сходится на том, что не стоит хранить в публичном облаке конфиденциальные данные.

— Доступность данных. При выборе SaaS-решения необходимо учитывать доступность ваших данных. Не все поставщики готовы предоставлять доступ к вашим данным. А данные — кровь цифровой экономики.

— В долгосрочной перспективе облака могут оказаться дороже собственной инфраструктуры.

— Безопасность данных может быть под угрозой. Это порождает ограничения в политике информационной безопасности для больших компаний. Но ключевым здесь является слово «может». Всё зависит от того, кто предоставляет облачные услуги. Если этот кто-то надёжно шифрует данные, постоянно делает их резервные копии, уже не один год работает на рынке подобных услуг и имеет хорошую репутацию, то угроза безопасности данных может никогда не возникнуть. Если данные в облаке потеряны, то они потеряны навсегда. Это факт. Но потерять их гораздо сложнее, чем на локальном компьютере.

Я считаю, что облака нужны даже для оффлайн-бизнеса. Как я писал выше, это помогает руководителям организовать в том числе удалённую работу (быть продуктивными везде), а также нанимать лучшие кадры без привязки к территории.

Вопрос в том, какой подход выбрать: IaaS, SaaS, PaaS?

Полагаю, что модель использования зависит от масштаба бизнеса. Для малого и среднего бизнеса актуальнее SaaS и PaaS. Это позволяет эффективнее использовать имеющиеся ресурсы и быстрее развиваться.

Для среднего и крупного бизнеса имеет смысл рассмотреть IaaS и PaaS. Так вы сэкономите на эффекте масштаба. Кроме того, вы сможете лучше и более гибко реализовывать политику по информационной безопасности.

Цифровые платформы

Платформа — это те продукты и услуги, которые позволяют объединить две и более групп пользователей на двусторонних рынках. Главное отличие платформ от больших IT-систем — модель доступа. Платформа подразумевает свободный доступ. Если есть ограничения, например, как на «Госуслугах», то логичнее говорить о большой IT-системе, или о «внутренней платформе».

Двусторонние рынки — сетевые рынки, посредством которых взаимодействуют две взаимозависимые группы пользователей, для которых цели пользования сетью и их роли в сети чётко различаются.

Если говорить по-научному, цифровая платформа — это система алгоритмизированных взаимоотношений значимого количества участников рынка, объединённых общей информационной средой. Цифровая платформа приводит к снижению транзакционных издержек за счёт применения пакета цифровых технологий и иной системы разделения труда.

Сложно? Согласен. Сам не люблю такие определения. Давайте посмотрим на примеры из жизни.

Пример из нашей российской жизни — «Яндекс. Такси». Яндекс не владеет ничем, кроме программного обеспечения, и лишь соединяет вас с другими партнёрами (самозанятыми, таксопарками и так далее). Яндекс — агрегатор, он даёт вам «единое» окно для общения со всеми и получения услуги, а с водителей за это берёт 20–25% от стоимости заказа.

Главный критерий для любых платформ — большое количество участников, чтобы возник «сетевой» эффект рынка. И ценность платформы описывается законом Меткалфа. Он гласит, что полезность сети пропорциональна половине квадрата численности пользователей этой сети ≈ n²/2.

Теперь давайте возьмём ещё более глобальный пример — «Алиэкспресс». Почти каждый из нас знаком с этим сервисом. Но что же это такое?

Это B2C-платформа, работающая на экспорт товаров, в экосистеме «Алибаба», куда также входят taobao и juhuasuan (для B2C внутри Китая) и 1688 для B2B внутри Китая. Все эти платформы взаимосвязаны экономически и логистически. И если продавцы товаров — это одна группа пользователей платформы, то мы, покупатели, — вторая группа. Все вместе мы взаимозависимые участники сетевого рынка.

Множество предпринимателей в нашей стране работают как раз на основе взаимодействия с этими платформами. Заказывают товар, например, на taobao и везут к нам.

Благодаря тому, что взаимодействие покупателя и продавца полностью происходит внутри платформы, становятся не нужны посредники, что снижает стоимость покупки.

Появление платформ — это кардинальная перестройка рынков. Их главный эффект — снижение издержек на обработку информации, благодаря чему товары и услуги становятся доступнее, качественнее и дешевле.

Выше мы рассмотрели «Яндекс. Такси». За счёт своих преимуществ этот сервис изменил весь рынок такси по стране. Многие таксопарки совсем перестали принимать свои собственные заказы. Вместо этого они подключаются к одному из агрегаторов: «Яндекс», «Гетт», «СитиМобил». Или ко всем сразу. И теперь их главный источник дохода — предоставление водителям автомобилей в аренду.

Также ранее было сказано, что товары и услуги становятся качественнее. Почему это происходит?

Открытые платформы позволяют собирать отзывы, устанавливать рейтинги. И пользователи начинают выбирать наиболее надёжных партнёров.

Кроме того, платформы позволяют заниматься «развитием» рынка: собирать запросы потребителей, быстро оценивать жизнеспособность идей, связанных с новыми продуктами/услугами.

Ограничения и риски

— Сложность регулирования

В настоящий момент популярные платформы практически никак не регулируются, в связи с чем операторы данных платформ нередко злоупотребляют своими правами. Особенно с учётом их доминирующего или монопольного положения. Больше всего от этого страдают небольшие поставщики услуг и товаров: операторы могут диктовать им свои условия, порой крайне невыгодные.

— Недобросовестная конкуренция

Операторы платформ обладают всеми данными и аналитикой: что именно продаётся, в каких количествах, каково описание этих товаров, их свойства, кто из поставщиков наиболее «оборотистый». В итоге растут риски чёрного пиара и недобросовестной конкуренции.

— Сложность работы на некоторых платформах, недостатки компетенций

Далеко не все заказчики и поставщики обладают нужными компетенциями для работы на таких платформах. Поэтому истории с миллионными убытками здесь далеко не редкость.

Дэвид Йоффи (преподаватель кафедры международного управления бизнесом в Гарвардской школе бизнеса), Аннабель Гавер (старший преподаватель цифровой экономики и директор Центра цифровой экономики в Университете Суррея, Великобритания) и Майкл Кусумано (почётный профессор в Школе менеджмента им. Слоуна при MIT в Кембридже) провели исследование и выявили следующие причины неудач некоторых платформенных компаний.

— Поскольку на рынке платформ многое может пойти не так, как было задумано, менеджеры и предприниматели должны согласовать усилия и извлекать опыт из неудач. Несмотря на огромные возможности роста, платформенная стратегия компании не всегда увеличивает шансы на успех в бизнесе.

— Поскольку платформы развиваются благодаря сетевому эффекту, главными задачами остаются правильные цены и правильный выбор субсидируемой стороны. В Uber отлично просчитали, а в Sidecar фатально не учли силу влияния сетевого эффекта на объём сделок при резком снижении цены и расходов для обеих сторон рынка. В то время как Uber всё ещё изо всех сил бьётся над экономикой проекта (и всё так же может потерпеть неудачу как бизнес), Google, eBay, Amazon, Alibaba, Tencent и многие другие платформы начали с агрессивного субсидирования по крайней мере одной стороны рынка и вышли на высокую прибыльность. Ну, и если у вас нет большой аудитории, то вы не окупите затраты.

— Первоочередной заботой должно стать доверие. Просить клиентов или поставщиков действовать на свой страх и риск — это чересчур для любой платформы. EBay не смогла выстроить доверие в Китае, а у Alibaba с площадкой Taobao это отлично получилось. Руководители платформ могут и должны избегать подобных ошибок.

— Решающее значение имеет выбор момента. Быть первым предпочтительнее, но это не гарантия успеха. А вот опоздание может быть смертельным. Подтверждением тому служит катастрофическая задержка Microsoft в создании конкурента для iOS и Android.

— И, наконец, заносчивость тоже приводит к провалу. Даже если у вас безоговорочное преимущество, пренебрегать конкуренцией непростительно. Если вы не учитываете конкурентоспособность, ни одна позиция на рынке не будет безопасной. Ужасная реализация продукта Internet Explorer от Microsoft — наглядный тому пример.

— Средний цикл запуска платформы составляет 1,5 года от идеи до ограниченно работающей версии, на которой можно запустить какие-то процессы. И тут необходимо терпение, а ещё важно помнить, что будут постоянные доработки и необходимость инвестиций. Каждый день вы будете придумывать какие-то новые вещи, которые не учли раньше, или встречать кейсы, которые не закладывали во время проектирования, и дорабатывать вашу платформу. Далеко не у всех руководителей хватит терпения и ресурсов.

— Успешных примеров внедрения платформ очень мало. Каждый раз это некое стечение обстоятельств, которое нельзя масштабировать на другие проекты и компании. Каждая платформа уникальна, потому что создаётся для конкретной местности, под конкретную бизнес-модель, в конкретной компании с конкретной аудиторией и брендом. Поэтому каждый раз вы будете начинать с нуля.

— Надо понимать, что внедрение любой платформы — это тестирование «гипотезы». Она может сработать, а может нет. Это высокорисковые инвестиции. Нет никакой гарантии успеха.

Дополненная и виртуальная реальности (AR & VR)

Дополненная реальность (AR, augmented reality) — это технологии, которые дополняют реальный мир, добавляя любые сенсорные данные.

Виртуальная реальность (VR) — это виртуальный мир, созданный с помощью технического и программного обеспечения и контактирующий с человеком через осязание, слух, а также зрение и в некоторых случаях обоняние.

Другими словами, AR — это реальный мир с виртуальными объектами; MR — реальный мир с виртуальными объектами, с которыми можно взаимодействовать; VR — полностью виртуальный мир.

Эти технологии наиболее знакомы нам по различным играм, например, Pokemon Go, кинотеатрам 3D, 5D и так далее.

Но, как и в ситуации с 5G, потенциал этой технологии гораздо шире «любительского» использования и сферы развлечений.

Можно обозначить несколько основных направлений развития отрасли:

— развлечения — игры и кино, спортивные трансляции и шоу, социальные сети;

— маркетинг;

— образование;

— медицина;

— торговля и недвижимость;

— промышленность и ВПК.

А теперь давайте посмотрим на реальные примеры.

— Программа, созданная Microsoft и Volvo, показывает устройство двигателя и шасси автомобиля.

— Компания Porshe внедрила технологию дополненной реальности для организации обслуживания своих автомобилей.

— Компания «СТАН» при поддержке «РТ-Капитал» госкорпорации «Ростех» разработала первую отечественную промышленную платформу «СтAR». Она создана для внедрения технологии «цифрового цеха» на базе дополненной реальности (AR). Более подробная информация и видео по QR-коду ниже:

— Ford использует VR, чтобы проводить семинары, на которых инженеры из разных точек мира в реальном времени работают с голограммами прототипов автомобилей. Они могут ходить вокруг трёхмерных голограмм реальных размеров и даже «залезать» внутрь, оценивая расположение руля, средств управления и приборной панели. Больше не нужно создавать дорогостоящие физические прототипы и собирать инженеров в одном цехе.

— Технологии дополненной реальности используются для сборки истребителей 5-го поколения СУ-57. Подробности снова по QR-коду ниже:

Какие преимущества дают эти технологии?

— Производство

Повышение производительности и снижение риска ошибок, связанных с человеческим фактором.

— Розничная торговля

Повышение удобства для клиентов — можно заранее увидеть товар, примерить его и купить онлайн.

— Навигация

Тут всё просто — упрощение навигации, в том числе внутри помещений.

— Техническое обслуживание и ремонт

Теперь для выполнения текущего обслуживания или мелкого ремонта не нужно дожидаться «дорогих» специалистов. Можно загрузить обучающие материалы в очки, или специалист может помогать в удалённом режиме. Также сервисная команда может приехать на удалённый и безлюдный объект и сразу ориентироваться на нём без сопровождающих.

Однако есть ограничения и недостатки.

— Мало квалифицированных специалистов, которые могут создавать модели. Но эта проблема решается, и совсем скоро появятся достаточно простые платформы наподобие конструкторов сайтов.

— Высокие требования к производительности «железа». Эта проблема также уже практически решена.

— Недоверие людей и инвестиционных фондов.

По моему личному мнению, эта технология также является одной из наиболее перспективных, и компании, которые этим занимаются, имеют огромный потенциал роста.

— Оценка эффектов

Зачастую эффекты от внедрения проектов AR и VR не дают ощутимого и гигантского финансового эффекта, в итоге бизнес ставит эти проекты на паузу.

Блокчейн, умные контракты

Многие из вас слышали это название и ассоциируют его в первую очередь с биткоином и криптовалютами. Малый и средний бизнес активно используют этот инструмент для проведения международных оплат и сделок. Так они обходят растущее количество санкций и ограничений. Но это лишь частный случай применения технологии.

На самом деле блокчейн — это просто способ хранить и обрабатывать информацию, при котором все данные хранятся у всех участников, а при любых изменениях также перезаписываются у всех участников. И каждый новый блок данных связывается с предыдущим.

Зачем такая сложность?

Для гарантии достоверности. Этот подход исключает возможность корректировать информацию и вносить правки задним числом.

Чувствуете напряжение? И я нет. А оно есть. Очень многие будут против такого подхода.

Эта технология нужна, если мы не доверяем администратору базы данных или хотим исключить риски недобросовестного исполнения контрактов между компаниями.

Например, в 2020 году Youtube ввёл ряд мер по цензурированию контента, связанного, прежде всего, с медицинской информацией. Тем самым он подорвал доверие своих пользователей, и в среде блогеров возникли сомнения относительно политики Youtube. Они считали, что он действует с позиции диктатора, препятствуя свободе слова и самовыражения.

Ответом на запрос стало внимание к новой площадке Bastyon от Pocketnet Team. Это децентрализованная соцсеть, работающая на технологии блокчейн. «Бастион» нельзя заблокировать, поскольку у него нет единого сервера. Внутри «Бастиона» действует зашифрованный чат, не привязанный к адресу электронной почты или телефону пользователя (как принято в Whatsapp и Telegram), а все расчёты между создателями контента и зрителями ведутся в криптовалюте, также связанной с технологией блокчейн. Таким образом, «Бастион» создал для своих пользователей безопасную среду путём децентрализации серверов, финансов и аккаунтов.

Более того, на смену существующему способу организации Интернет-пространства постепенно приходит новая концепция — web3, всецело связанная с технологией блокчейн. В будущем любой пользователь, у которого дома есть компьютер, способный быть сервером, сможет стать полноправным участником сети и получать от этого выгоду.

Но у данной технологии есть и минусы. Они обусловлены самим принципом технологии (в массовых блокчейн-сетях), так как миллионы ПК обрабатывают одни те же данные.

1. Это очень энергозатратная история. Множество устройств параллельно обрабатывают одну и ту же операцию. И чем дальше, тем больше.

2. Эта технология будет требовать всё большего количества памяти для хранения и всё большей производительности для обработки.

3. Низкая производительность системы вкупе со сложностью транзакций ограничивает применение технологии.

Где могут применяться технологии блокчейн?

— Организация голосований и выборов.

— Ведение реестров, например, недвижимости; государственное управление.

— Создание смарт-контрактов для крупных проектов, где необходимо исключить риски судебных споров.

— Цифровая идентичность, проверка подлинности и подтверждение прав доступа.

— Защита авторского права.

— Интернет вещей.

— Управление биржей и торговлей.

В результате на данный момент наиболее востребованная область для блокчейна — индустрия документооборота. Вся информация может находиться в определённой записи, а запись в блоке, и всё это защищено. Не нужно оформлять счета-фактуры, подписывать бумажные акты, а потом отправлять целые машины документов в налоговую.

Вся информация прозрачна, и аудиты теряют смысл. Это снижает нагрузку и на бизнес, и на государство. А если операции будут заноситься в государственный блокчейн для учёта, то и самописные решения не нужны. Можно держать всё в облаке, и при этом необходимая отчётность будет формироваться автоматически. Нужна ли тогда армия счетоводов, которая не создаёт никакой дополнительной ценности и чей профессиональный навык заключается в хорошей арифметике и способности разбираться в ею же созданных таблицах?

Машинное зрение

Машинное зрение — ответвление искусственного интеллекта. Здесь используется сочетание цифрового видеосигнала и работы нейросети (по сути это частный случай использования искусственного интеллекта).

Машинное зрение может решать такие задачи, как:

— распознавание элементов, например, наличие в кадре посторонних вещей или нарушений техники безопасности;

— идентификация и обнаружение, в том числе конкретных людей, номеров машин;

— распознавание текста на сканах документов;

— создание объёмных форм по 2D-схемам или изображениям.

Если сместиться в фокус практического применения, можно выделить следующие сценарии:

— организация контроля промышленных процессов и выявление отклонений, в том числе для повышения эффективности (например, оптимизация загрузки производственной линии, считывание штрихкодов);

— выявление нарушений требований промышленной безопасности и фиксация точного места, даты и времени события;

— контроль качества продукции и выявление нарушений;

— анализ работы оборудования и предотвращение аварийных событий.

Ограничения тут всё те же — цена и люди.

Цена постепенно снижается, а люди продолжают сопротивляться из-за страха сокращений и недопонимания «а для чего?».

Перспективы у технологии отличные, так как внедрение становится всё более дешёвым, практический результат можно увидеть и почувствовать быстро, а сценариев применения бесчисленное множество. В статье по QR-коду в начале главы есть ссылки на реальные примеры использования этой технологии.

Роботизация процессов (RPA)

А теперь про роботов.

Мы намеренно не будем касаться промышленной роботизации в привычном нам с вами понимании. В этой сфере много вопросов, в том числе к срокам окупаемости. А вот RPA — интересная тема.

RPA (robotic process automation) — автоматизация бизнес-процессов с помощью роботов, которые могут применять пользовательский интерфейс для сбора данных и управления приложениями.

В традиционных системах разработчик создаёт список действий, чтобы автоматизировать задачу на уровне системы, без видимых для человека операций. В RPA же сначала фиксируют порядок работы человека, а затем создают робота, который повторяет его действия в том же пользовательском интерфейсе.

Например, робот может отсканировать электронное письмо, понять, о чём запрос, подготовить и сразу направить ответственным сотрудникам необходимый пакет документов.

С помощью RPA можно убрать ручной труд в повторяемых и простых процессах, которые будут выполняться автономно по написанной инструкции, или автоматизировать отдельные этапы более сложных процессов.

Ниже приведён пример «разгрузки» сотрудника в течение 30 дней на конкретном бизнес-процессе по оцифровке и внесению в базу PDF-документов.

Роботизация конкурирует с двумя направлениями:

— ручной труд — предпочтителен в сложных задачах, где необходимо принимать неоднозначные решения, есть исключения, различные вариации, нужно думать головой;

— классическая автоматизация бизнес-процессов — предпочтительна, если работа выстроена внутри одного IT-решения или есть развитая система обмена данными, а также процессы стабильны и не будут меняться длительное время.

Преимущества RPA перед классической автоматизацией:

— простота и скорость реализации (средний срок роботизации одного процесса занимает 2–4 недели, а весь процесс с согласованием, описанием и так далее занимает до двух месяцев), здесь многое зависит от вашей бюрократии;

— период окупаемости — от 1 до 6 месяцев;

— не требуются изменения и перепрограммирование действующих IT-систем;

— не требуются сложные технические задания, можно просто записать видео процесса.

Также принято считать, что есть 4 поколения RPA-инструментов.

— RPA 1.0 — автоматизация простых процессов с помощью ручных сценариев. Требует участия человека. Помогает повысить производительность конкретного сотрудника.

Как работает: фактически сама программа устанавливается на ПК или ноутбук сотрудника.

Ограничения: частичная автоматизация ручных операций, которую сложно масштабировать.

— RPA 2.0 — используются описанные условия запуска или события, чтобы автоматически запускать роботов, например получение письма на специальную почту. Не требует участия человека. Полная автоматизация целого процесса, эмуляция участия человека в процессе.

Как работает: платформа для организации работы роботов, в которой каждому роботу назначается отдельная задача или небольшой процесс.

Ограничения: нужно вручную следить за тем, чтобы все роботы запускались и работали корректно, вручную исправлять их сценарии и расписание. Это нудно, кропотливо и не очень интересно.

— RPA 3.0 — автономный робот, которой запускается по команде нейронной сети. Например, робот прогнозирует снижение уровня жидкости до критической отметки и автоматически включает насосы.

Цель: устранить работу человека по настройке и сопровождению роботов. Робот следит за роботом. Можно автоматизировать целый цех или отдел.

Как работает: чаще всего поставляется в составе комплексного облачного решения, которое не требует участия человека и может самостоятельно вести учёт и анализ отклонений.

Ограничения: невозможно полностью исключить риск поломок, предусмотреть и проанализировать абсолютно всё. Например, поступление данных без структуры и явного формата.

— RPA 4.0 — умный робот. Нейронная сеть не просто использует данные для активации робота, а проводит анализ событий и данных, их взаимосвязей. Например, получение запроса в техническую поддержку на доступ или активацию нового аккаунта. Искусственный интеллект сам поймёт запрос и даст команду роботам.

Цель: полностью исключить влияние человека, чтобы робот сам учился и развивался.

Как работает: фактически это улучшенная версия RPA 3.0 с более сложной нейронной сетью, имитирующей мышление человека.

Ограничения: для создания и настройки нужно разбираться в математике, уметь строить модели. Это выход за пределы анализа бизнес-процессов. А значит, требуется либо время на обучение, либо увеличение издержек на дорогих специалистов.

Основные преимущества роботизации для бизнеса

— Освобождение сотрудников от рутинной работы

Сотрудники могут сосредоточиться на более сложной работе, создающей ценность, а не на повторяющихся рутинных задачах. То есть устраняются потери (в терминах бережливого производства). Производительность труда и мотивация в таком коллективе возрастают.

— Уменьшение количества ошибок в процессах

Человек может некорректно вводить текстовые и цифровые данные, робот же действует по указанной инструкции.

— Снижение внутренних издержек

Робот выполняет операции намного быстрее человека и ограничен только скоростью работы интерфейса. Он не требует выходных, перерывов на обед и сон. А это даёт ключевое преимущество — возможность масштабироваться и увеличивать выручку без дополнительных издержек.

— Повышение качества бизнес-аналитики

Каждая транзакция, совершённая с помощью RPA, записывается в журнал. Эти данные позволяют анализировать любые завершённые процессы и устранять потери.

— Остаётся доступ к человеку для нетиповых запросов

При необходимости робот может запрашивать у человека помощь и ждать его ответа.

— Снижение стоимости входа в автоматизацию

RPA-алгоритмы позволяют автоматизировать процессы даже с устаревшими IT-системами. Это даёт преимущества для малого и среднего бизнеса, промышленных компаний. А после получения ресурсов можно заниматься и более сложной автоматизацией.

Ограничения

— У людей отсутствует понимание, какие задачи можно решать с помощью RPA, а какие нельзя. То есть речь опять идёт о цифровой грамотности.

— Для работы надо оцифровать ваши процессы и данные, чтобы как можно меньше информации осталось на бумаге. Необходимо проработать структуру данных.

— Постоянно меняющиеся процессы. Ваши бизнес-процессы должны быть хоть как-то стандартизированы и меняться в рамках каких-то вариаций, а не в хаотичном порядке.

— Нереалистичные ожидания от роботизации. Это не волшебная палочка. Если вы кому-то пообещали, что сейчас сократите 30% всех затрат, то лучше верните обещание обратно. Об этом мы ещё поговорим в отдельной главе.

— Необходимо убедить ваших сотрудников, что это приведёт не к их сокращению, а к занятию их более полезной и интересной работой, которая позволит компании стать устойчивее. А значит, их будущее будет более безопасным.

— Так как RPA просто копирует действия пользователя и взаимодействует непосредственно с интерфейсами систем, то робот напрямую зависит от быстродействия и стабильности целевой системы.

— Также робот не исправит «кривых» процессов. По сути это просто автоматизация, только более «дешёвая».

— Очень трудно автоматизировать сложные задачи, в которых много взаимосвязей и ограничений. С этим RPA не умеет работать. Нужна связка с BPM (о ней позже).

— RPA — это быстрая, «лоскутная» или тактическая автоматизация, она не позволяет построить сквозные бизнес-процессы. Стратегическое развитие остаётся за платформами, но если надо решить задачу быстро, здесь и сейчас, с последующей автоматизацией, то боты подходят идеально.

В итоге для малого и среднего бизнеса это уже сейчас одна из наиболее перспективных технологий. RPA сможет за относительно небольшие деньги предоставить возможности для роста, без необходимости увеличивать затраты на ФОТ, расширения офиса и т. д.

3D-печать

3D-печать — это подвид аддитивных технологий.

Аддитивными называются технологии послойного наращивания и синтеза объектов. И по своей сути 3D-печать имеет очень много общего с литьём колёсных дисков, лепкой из глины и тому подобным.

При этом, чтобы технология классифицировалась как «3D-печать», необходимо построение конечного продукта из сырья, например из порошка, а не из заготовок. А формирование объектов должно быть произвольным, то есть без использования форм. Это означает, что аддитивное производство требует программной составляющей.

Какие преимущества даёт эта технология?

— Экономия

Изготовление уникальных деталей уже не требует сложной перенастройки или обновления оборудования, изменения технологий. То есть это кастомизация деталей под каждого заказчика практически без ограничений по сложности. Единственное, что вам надо, — создать цифровую модель.

— Скорость

Вы не занимаетесь переналадкой оборудования. А это зачастую занимает больше времени, чем сам производственный процесс, если у вас нет системы быстрой переналадки.

Давайте приведу пример. При производстве столешницы для кухни необходимо делать кромкование — наклеивать на торец столешницы специальную защитную полоску, чтобы дерево не разбухло от влаги. Так вот, сам процесс кромкования длится около 1 минуты на все 4 стороны. А вот подобрать защитную кромку, «зарядить» её в станок, выставить режимы — всё это может занять целых 3 минуты. Интересная получается картина, когда из 4 минут целевая работа, создающая ценность для клиента, занимает всего 25%. Всё остальное — потери. Подробнее о них, а также о бережливом производстве и системе быстрой переналадки можно почитать на портале моей компании:

Для организации опытных производств 3D-печать сможет существенно ускорять производственный цикл. Ведь иногда переналадка занимает не минуты, а часы или сутки, а для некоторых опытных образцов необходима реконструкция всей производственной линии.

— Качество

Ваше изделие будет без скрытых дефектов и практически со 100-процентной вероятностью будет иметь необходимые габариты.

3D-печать может эффективно применяться в следующих областях.

— Исследовательские проекты и тестирование прототипов

Изготовление тестовых прототипов без высоких затрат на модернизацию производственной линии позволяет кратно снизить стоимость и сроки исследований, а также делать больше исследований, а следовательно, повышать итоговое качество продукции. Кроме того, возможно уникальное производство «прозрачных» узлов, чтобы изучать внутренние процессы, протекающие в узлах и агрегатах. Так компания Porsche изучала работу масла в коробке передач при проектировании.

— Мелкосерийное производство с высоким уровнем «индивидуализации»

3D-печать — отличное решение для производства мелкосерийных партий товаров, особенно связанных с «уникальными» свойствами: частные дома, искусственные органы, протезы, оружие специального назначения, формы для литья.

Однако, говоря о преимуществах, нельзя умолчать и о недостатках:

— относительно низкая точность, 100–200 микрон — варьируется высота печатного слоя; если вам необходимы изделия с очень высокой точностью, то это не лучший способ изготовления;

— недостаточная геометрия изделий из-за проблем с усадкой;

— неоднородность материала и возможные расслоения, детали получаются более хрупкими в сравнении с традиционными изделиями;

— ограниченный выбор материалов;

— невыгодно и слишком медленно для серийных производств.

На мой взгляд, это достаточно нишевая технология, в первую очередь для применения в опытно-конструкторских работах лабораторий или для изготовления индивидуальных заказов. Такой же массовой и революционной, как интернет вещей, нейросети или дополненная реальность, она не станет.

Озёра и хранилища данных

Мы рассмотрели уже много технологий и понимаем, что ключевой критерий в цифровизации и цифровой трансформации — это работа с данными, сквозная аналитика, помощь и поддержка в принятии решений.

Но мы не рассмотрели самого главного: где все данные должны храниться, как с ними работать?

Опять же, мы сейчас не будем погружаться в реляционные логики, документоориентированные хранилища, графы и так далее. Мы рассмотрим, какие существуют типы хранилищ. Это ключевой критерий, который будет влиять на ваши возможности и необходимые затраты.

Так, условно, существует два подхода к хранению и обработке данных — хранилище или озеро данных. Также сейчас плавно возникает гибридный подход. Как в нашей любимой поговорке — и рыбку съесть, и на стул присесть.

Хранилище данных

Хранилище данных (data warehouse) — это место, где данные хранятся в едином и структурированном формате, с прописанными взаимосвязями. Например, огромное количество связанных между собой Excel-таблиц.

Такие данные можно использовать для исследований, бизнес-аналитики, обучения искусственного интеллекта.

В данной технологии используется ETL-подход к обработке данных. Подробнее об этом ниже.

Также надо отметить понятие витрины данных (data mart), которая является срезом хранилища данных по определённой тематике для конкретного круга пользователей.

Озеро данных

Озеро данных (data lake) — это большое хранилище необработанных исходных данных, как неструктурированных, так и частично структурированных.

Для аналитики данных в озере требуется предварительная подготовка, очистка и форматирование загруженных данных.

Основная область применения — «глубокая» аналитика, исследования.

В данном случае для обработки данных используется подход ELT (извлечение, загрузка, трансформация).

Если собирать слишком много данных «просто так» и никак с ними не работать, озеро может стать бесполезным болотом. Поэтому важно заранее определить, для чего именно вы собираете данные, а не накапливать их просто так.

Ключевое отличие озёр данных от хранилищ — структура. В хранилищах находятся только чётко структурированные данные, а в озёрах — неструктурированные, никак не систематизированные вперемешку со структурированными.

Разные подходы к обработке данных

Работа с данными включает 3 ключевых этапа:

— Extraction — получение исходных данных и перенос их во временное хранилище;

— Transformation — структурирование исходных данных, чтобы они соответствовали целевой задаче.

— Loading — загрузка структурированных данных в хранилище данных.

ETL

В ETL данные извлекаются из исходных систем, затем преобразуются в необходимый формат и только после этого загружаются в хранилище данных.

ELT

При ELT данные после извлечения сразу же отправляются в единое централизованное озеро данных.

Сравнение ETL и ELT

— Скорость обработки исходных данных

ETL: использует промежуточные этапы, что увеличивает время на загрузку.

ELT: загрузка только один раз.

— Скорость обработки запросов и затраты

ETL: по мере увеличения объёма данных растёт и время обработки запросов, а значит, необходимо увеличение мощности «вспомогательной» инфраструктуры.

ELT: скорость не зависит от размера данных, низкие эксплуатационные расходы — все данные всегда доступны.

— Сложность реализации

ETL: на ранней стадии требует меньше места, проще обрабатывать данные для аналитики.

ELT: требует глубоких знаний инструментов и экспертного проектирования основного хранилища.

— Поддержка хранилищ данных

ETL: поддерживает, так как по своей сути подразумевает структурированное хранение данных.

ELT: нужно изначально проектировать сбор данных с учётом форматов и структуры, что довольно трудно и дорого.

— Поддержка озера данных

ETL: нет.

ELT: да.

— Удобство использования

ETL: фиксированная структура данных, удобно для аналитики в операционной деятельности.

ELT: ситуативность, гибкость, удобно для глубокой аналитики и поиска неочевидных взаимосвязей.

— Доступность бизнесу

ETL: нецелесообразно для малого и среднего бизнеса.

ELT: подходит для любого бизнеса.

Резюме сравнения

ETL помог решить первые проблемы, связанные с организацией хранения данных. Но сегодня ситуация обратная: в организациях с терабайтами данных загрузка данных может занимать часы. А если у вас ещё и удалённые филиалы…

ELT подходит для компаний любого размера. Используя эту технологию, они могут проводить анализ больших данных с меньшими затратами на обслуживание. Благодаря этому компании получают ключевые идеи для создания реальных конкурентных преимуществ в своём бизнесе.

При этом нельзя хоронить ни один из подходов. Допустим, вам надо организовать видеоаналитику на объекте. Можно пойти двумя путями:

— поставить обычные камеры и весь сигнал отправлять в озеро — это ELT-подход;

— поставить умные камеры, которые будут хранить часть информации у себя, а в хранилище отправлять только ключевые данные о том, что и когда было снято, например только фрагменты, где было движение. Это ETL-подход.

Какой из них лучше? Верного ответа нет. Всё нужно рассчитывать, исходя из того, какой у вас канал связи, сможете ли вы передавать данные сразу в базу данных, сколько это будет стоить. Возможно, выгоднее будет на каждом объекте разместить камеры чуть дороже, но сэкономить на передаче данных?

Кроме того, сейчас, в условиях дефицита серверных мощностей, следует помнить о том, что запись — самая энергоёмкая процедура. При подсчёте может оказаться, что ETL выйдет дешевле.

Итоги

— Озеро данных использует процесс ELT — извлечение, загрузка, преобразование. Хранилище данных использует процесс ETL — извлечение, подготовка, загрузка.

— Озеро данных хранит структурированные, полуструктурированные и неструктурированные данные, в то время как хранилище данных держит данные в чёткой структуре со взаимосвязями.

— Для озера данных также критична постоянная работа с данными, пересмотр источников, иначе озеро может превратиться в болото.

— Универсального подхода нет, нужно разбираться в каждом конкретном случае.

Я считаю, что озёра данных актуальны в том случае, если компания не может или для неё слишком сложно собирать и преобразовывать данные в единый формат, если есть высокая доля неопределённости в том, что нужно искать и анализировать, какие решения будут приниматься. Если же компания промышленная, данных не так много, всё чётко, определено и структурировано, то легче работать с хранилищем данных. Либо строить гибриды озера и хранилища. Технически это вполне реализуемо, но требует более высокой квалификации людей.

Резюме ко второй главе

Преимущества, которые дают цифровые технологии:

— доступность информации везде и всегда;

— снижение издержек на получение и обработку данных;

— увеличение скорости обработки данных и полезной информации;

— производство более сложной продукции и её массовая кастомизация;

— ускорение производственных циклов и вывода продукции на рынок;

— цифровизация производства (в том числе внедрение цифровых двойников);

— смещение акцента внимания на этап проектирования, упрощение эксплуатации.

Глава 3. Основные и наиболее популярные типы IT-систем

Предисловие

Как обычно, если нужно более глубокое погружение в тему, то QR-код и ссылка ниже к вашим услугам:

Сейчас практически все разработчики программных решений предлагают системы с гибридным функционалом и различными модулями.

Причина проста: компаниям нужна единая информационная среда, сквозные данные и аналитика, с помощью которой можно принимать системные решения, а не иметь зоопарки систем с костылями для вытягивания данных.

При этом, если погрузиться на уровень бизнес-потребностей, то решение задач почти всегда лежит на стыке работы нескольких ИТ-систем. А подходить к решению задачи через работу с данными и хранилища/озера данных еще не умеют. В итоге появляются большие мастодонты. В том числе ИТ-службам проще, когда есть 1 система, но это приводит и к проблемам управления и развития, модернизации этих сервисов.

ERP

Проводя исследование по внедрению цифровых технологий в бизнес-процессы производственных предприятий по заказу администрации Томской области, я рассмотрел больше 100 практических кейсов (в отчёт включена выборка 10 наиболее эффективных). При этом я отметил для себя, что абсолютное большинство проектов, названных ERP, не являются таковыми в чистом виде. Они включают в себя различные модули (MES, MDM, WMS и т. д.) и являются гибридными.

Так что же такое ERP в своей изначальной форме?

ERP (Enterprise Resource Planning) — система планирования РЕСУРСОВ предприятия, таких как производственные мощности (объёмное планирование — когда и сколько продукции должно быть изготовлено) или трудовые ресурсы. Это и управление взаимодействием между структурными подразделениями (логистика, бухгалтерия, снабжение, производство), и финансовый менеджмент, и управление активами. То есть по факту данные системы направлены на финансовый и административный учёт — всё, что связано с деньгами.

При этом они не подходят для оперативного планирования производства, например на уровне цеха в течение дня. Они не могут вести корректировку плана чаще, чем раз в сутки, и не предназначены для учёта физических единиц измерения: минут, штук, литров и т. д.

ERP необходима для планирования и управления на уровне руководителей/специалистов аппарата управления, то есть это система для тактического управления по модели Энтони.

MES

MES (manufacturing execution system) — это система управления производственными ПРОЦЕССАМИ.

Если ERP подходит для средне- и долгосрочного планирования (какова рентабельность бизнеса, когда надо обновлять производство) и нужна аппарату управления, то MES создана для ПРОИЗВОДСТВА и оперативного управления. С помощью неё можно решать следующие вопросы:

— Какова себестоимость продукции и как в текущих условиях эффективнее загружать мощности?

— Сколько человек надо на смену и/или на неделю/цикл?

— Сколько продукции можно выпустить за день с учётом внеплановых факторов и реально ли за неделю/цикл выполнить план? Что надо изменить и какие меры предпринять?

— На каком участке надо переходить на круглосуточную смену? И т. д.

Эта система позволяет реагировать на изменения до наступления критичных последствий и менять планы с учётом их влияния.

Сейчас это один из самых популярных типов систем для промышленных предприятий.

Применяют их в разрезе цеховой структуры, но, если позволяют финансы, можно распространить и на целое предприятие. Однако в этом случае придётся задуматься над созданием производительной инфраструктуры.

В MES содержится огромное количество производственных данных, а времени на обработку даётся значительно меньше, чем для задач ERP, и оно имеет критичное значение.

Главный минус данных систем заключается в требовательности к внедрению. Для работы данного типа систем необходима полная оцифровка производства, т. е. создание цифрового двойника.

Если вы неверно создали модель, то цена ошибки фатальна. Вы можете просто угробить своё оборудование и потерять управление над производством. Ничего хорошего в этом точно нет — проверено.

При этом сейчас есть некий конфликт между ERP-шниками и MES-овцами. Каждые считают себя вершиной пирамиды, а других — вспомогательным персоналом, который должен знать своё место.

Я же считаю, что истина посередине. Цифровизировать и оптимизировать компанию следует во всех направлениях.

Изначально необходимо либо внедрять глобальную информационную систему, либо продумывать, как системы будут взаимодействовать между собой, какие нужны API («окна» с чёткими правилами для общения программ между собой) или же будет микросервисная архитектура на единой платформе, как будет работать сквозная аналитика, чтобы в конечном счёте приносить пользу бизнесу.

APS

APS (Advanced Planning & Scheduling) — система для производственного планирования, построения расписания на каждом участке в масштабе всей организации. Она учитывает все «узкие» места и позволяет создавать взаимосвязанные графики так, чтобы производство шло безостановочно с максимальной загрузкой.

По своей сути это модуль MES-системы, но сейчас многие поставщики программного обеспечения предлагают их как самостоятельное решение.

Давайте выявим разницу в подходах к планированию производства между APS, MES и ERP.

— ERP планирует, сколько и каких товаров надо выпустить за полгода, квартал, месяц.

— APS формирует «базовый» план, но ввиду большой размерности задачи не учитываются многие технологические и организационные факторы.

— MES получает объём работ либо из ERP на этапе объёмно-календарного планирования, либо из APS-системы в виде допустимого графика работы цеха. А в дальнейшем сама не только строит более точные расписания для оборудования, но и в оперативном режиме отслеживает их выполнение, управляет приоритетами. То есть занимается балансировкой нагрузки с учётом всех отклонений. И ключевая цель здесь не просто выполнить заданный объём в указанные сроки, но сделать это оптимально с точки зрения экономики.

Но опять же, всё это очень условно. Современные решения стараются охватывать всё большее количество видов планирования.

Как правило, данные системы включают два модуля:

1. Планирование с бизнес-процессами «как есть».

2. Моделирование бизнес-процессов «как надо» и расчёт эффекта «оптимизации».

Плюсы:

— создание «выполнимого» и оптимизированного плана;

— поддержка работы через обычный браузер.

Минусы:

— требовательность к «зрелости» производственной системы компании и её цифровой модели — наличие и точность пооперационного техпроцесса и ресурсов (люди, машины, сырьё); организация точного и оперативного учёта (точность не хуже, чем до смены);

— требовательность к «железу»;

— необходима «взрослая» система планирования по всему предприятию (сырьё, склады, персонал, сроки поставки), если придётся делать это с нуля, бюджет может вас огорчить;

— сложность сопровождения, особенно если ваше предприятие перестраивается и меняются процессы, продукция, взаимосвязи в бизнес-процессах.

Последствия минусов

1. Неточный план — люди и оборудование простаивают. Или план день за днём «сдвигается вправо».

2. При большой номенклатуре товаров и слабом «железе» — длительное время отклика системы. А значит, ваш персонал будет материться и делать всё вручную. Это приведёт к огромному сопротивлению и саботажу. Итог — или текучка и увольнения, или инвестиции в пустоту.

3. Без развитой системы планирования задач будет много, но система не сможет распознать узкие места. А значит, и эффективность будет минимальной.

По моему мнению, несмотря на существование самостоятельных решений, следует отдать предпочтение составному модулю ERP или MES. А ещё лучше — выбрать компонент комплексной информационной среды предприятия.

PLM/PDM

PLM (Product Lifecycle Management) — это система управления жизненным циклом продукта. «Классика» систем управления продуктами.

PDM (Product Data Management) — система управления данными об изделии. Отличается большим масштабом и широкой функциональностью. Это та же PLM, но с дополнительными данными.

Такие системы предназначены для создания продукта сразу в цифровом виде и его сопровождения в течение всей жизни.

С их помощью вы:

— проектируете изделие и сразу понимаете, какими будут его эксплуатационные свойства;

— выявляете ошибки в расчётах на стадии проектирования;

— собираете ретроспективу (тут в помощь интернет вещей);

— прогнозируете срок службы изделия и/или отдельных узлов, совершенствуете его на основе анализа собранных данных (Big Data, Data Science, искусственный интеллект).

Сейчас все крупнейшие производители в сфере авто-, авиа-, моторо- и кораблестроения проектируют свои изделия и управляют ими в данных системах.

Из недостатков я бы отметил:

— итоговый результат всё равно зависит от людей — они проектируют и определяют концепцию как самого продукта, так и того, какие данные необходимо собирать;

— проблему всех цифровых систем — необходимость высокой цифровой квалификации сотрудников. Все промышленные системы имеют сложные интерфейсы и не понятны интуитивно.

Как следствие, вам нужны более квалифицированные и дорогие кадры, продвинутые в цифровых технологиях, аналитике данных.

Об особенностях управления такими сотрудниками я уже писал ранее. Нужно учиться управлять «по науке», а не по привычке…

Иначе вложения будут большие, а результат минимальный или даже отрицательный.

CRM

CRM (Customer Relationship Management) — система для организации взаимодействия с клиентами. Работа данной системы основана на теории, что центром всей философии бизнеса является клиент.

Эта система собирает всю информацию о работе с клиентами. При её использовании мы получаем возможность анализировать все такие данные: кто наши клиенты, проведённые коммуникации, суммы, сроки, претензии и так далее.

По сути это всё то, что раньше менеджеры по продажам делали в Экселе, только в виде централизованной и стандартизированной системы, где нельзя утащить всю базу клиентов (ну, не так просто это сделать) и возможна интеграция с другими системами.

Для малого бизнеса это must have. Особенно с учётом того, что сейчас есть ряд бесплатных продуктов, чтобы попробовать и оценить их преимущество. Такой опыт сделает последующее внедрение цифры более осознанным и понятным для компании.

Фактически эта система завершает формирование комплексного информационного «кольца» организации.

Промежуточные выводы

Оглянувшись назад, можно отметить, что развитие основных систем — ERP, MES, PLM, CRM — началось от попыток оцифровать сами продукты (PLM), потоки стоимости (ERP), производственный процесс (MES), взаимодействие с клиентами (CRM).

Вместе они образуют единый информационный профиль предприятия и позволяют использовать сквозные данные для качественной аналитики:

— строить модели и оптимизировать бизнес-процессы;

— искать причинно-следственные связи и формировать объективные метрики;

— за счёт метрик ориентироваться не только на показатели отдельных подразделений, но и понимать всю систему, находить её ограничения.

Помимо этого, существуют системы управления логистикой, ремонтами и т. д. Однако, по моему мнению, это уже вторичные системы, которые мы тоже обязательно рассмотрим, но уже не так подробно.

SCADA

SCADA (Supervisory Control and Data Acquisition) — диспетчерское управление и сбор данных в реальном времени об объекте мониторинга с последующей архивацией и подготовкой ретроспективного отчёта и анализа.

Основные задачи, которые решает SCADA:

— визуализация технологического процесса (HMI);

— оперативное управление технологическим процессом;

— управление аварийными сообщениями и событиями;

— анализ исторических данных (трендов);

— генерация отчётов.

Здесь представлена система самого низового, технического уровня в иерархии информационной среды предприятия. В ней работают операторы и диспетчеры. Данные системы применяются там, где требуется обеспечивать операторский контроль за технологическими процессами в реальном времени с непрерывным, структурированным и автоматизированным сбором данных.

Я считаю, что SCADA приносит максимальную пользу, если она служит как для диспетчеризации сложных производств и систем (с последующим поиском проблемных мест), так и в качестве источника данных для ИТ-решений предприятия на более высоком уровне (ERP, MES, APS, ЕАМ).

EAM

EAM (Enterprise Asset Management) — системы для оптимального управления физическими активами и режимами их работы, рисками и расходами на протяжении всего жизненного цикла для достижения и выполнения стратегических планов организации.

Это моя личная боль. Я участвовал в проекте по внедрению системы данного класса с 2015 по 2018 год.

Если говорить просто, то эти системы позволяют управлять вашим оборудованием с максимальной эффективностью.

Их функции:

— управление финансами;

— управление закупками — возможно объединение с системами управления закупками, есть возможность автоматически регистрировать поступление комплектующих и деталей на склад, контролировать заказы на доставку;

— управление кадрами (HRMS, которое мы не будем рассматривать отдельно);

— управление активами (asset management) — полное описание активов, регламентов технического обслуживания и ремонтов, формирование запросов на ТОиР, составление расписаний и смет на работы.

То есть они позволят:

— выстраивать политику техобслуживания и ремонтов (где плановые, а где ремонты по состоянию);

— оцифровать и сделать прозрачным весь процесс планирования ТОиР — планирование и проведение работ (создать типовые шаблоны, уйти от человеческого фактора), привлечение сотрудников, необходимые компетенции, закупка комплектующих;

— считать экономику объекта или актива, принимать решения и соблюдать стратегии (максимальная надёжность, максимальная прибыль).

Но такие системы имеют и ряд глобальных проблем:

— сложные для понимания интерфейсы;

— низкая цифровая грамотность населения;

— высокое сопротивление при внедрении по техническим и культурным причинам (мало кто умеет работать; мало кто понимает зачем; нежелание менять подходы; жалко потраченных ранее сил; страх перед оптимизацией штата — спасибо «эффективным» менеджерам);

— риск превращения в формальный инструмент для ведения бух. отчётности;

— нежелание непрофильных служб (кадры, финансы, плановики) погружаться. Для них это чужая система, но ей необходима их информация для корректной работы.

ЕАМ-системы в информационном профиле организации берут на себя контур, отвечающий за техническую эксплуатацию и надёжность.

В идеале они в том числе становятся источником данных для ERP. Но в жизни…. Их часто превращают в системы для учёта затрат и исполнений бюджетов на техническое обслуживание и ремонты. Это сложные, дорогие и комплексные системы, чей потенциал могут раскрыть очень немногие.

И причина — функциональный подход при проектировании систем. Они могут многое, но никто в промышленных системах не занимается интуитивностью, удобством.

К чему это приводит?

Думаю, кто-то из вас наверняка работал в корпорациях, где внедрен могучий SAP для ведения договоров. Но как идёт работа с ним в жизни?

В каждом отделе сидит человек, обладающий уникальными знаниями, как с ним работать. И целыми днями он занят только одной функцией — сопровождением всего этого чуда. То есть мы автоматизируем, надеемся снизить издержки, а в итоге раздуваем штат, получаем уникальных людей, которых трудно заменить не то что при увольнении, но даже на время отпуска или больничного.

А теперь представьте себе систему, которая забирает на себя всё планирование ремонтов, работу по промышленной безопасности, закупкам, ведению договоров и многим другим вопросам. Чувствуете улыбку на лице? Предвкушаете резкое снижение затрат? Вот и я нет.

ТОиР-щики на производствах — не самые IT-шные ребята. Плюс у них хватает специальных обязательных форм по типу КС-1 и 2, нестандартных отчётов и т. д. Добавим к этому медленную работу всех подобных систем и годовой бюджет на ТОиР в 600–800 млн рублей с кучей договоров, которые надо полностью оцифровать и описать все рабочие карты (при работе в системе) … Словом, очень интересный опыт и убеждение самих себя, что система нам помогает.

Что мы имеем?

Людям проще работать с Экселем. Потом перенести всё в XML и загрузить данные в систему. Хотя это и двойная работа.

А думаете, кто-то серьёзно изучает статистику отказов при планировании ремонтов? Открою секрет: 90% дефектов в статистике попадают в раздел «Прочее».

А как ведётся работа по внедрению предиктивной аналитики?..

Всё это и привело к нынешнему скепсису в автоматизации. Кажется, что-то делали, должны были снизить издержки, а в итоге фонд оплаты труда только раздувался и компания становилась уязвимой к кадрам.

Поэтому для молодых стартапов ассоциирование с такими системами может нанести больше вреда, чем пользы.

Промышленники — люди довольно скептичные. К каждому главному инженеру уже десяток раз заходили с обещаниями золотых гор. В итоге слиты огромные бюджеты, а эффекта ноль. И если ты будешь говорить: «А вот мы с этими работаем», лично я бы подумал: «О, ещё одни», и вряд ли начал бы с ними сотрудничать.

Это, дорогие мои, я ещё не говорю о том, что при такой «классической» автоматизации вам предстоит этап сбора данных, который, как правило, будут делать ваши же люди. И вам придётся освобождать их от основной работы. Потом начнётся работа с нормативно-справочной информацией и справочниками… Никто не смог избежать и полностью решить эту проблему. НИКТО. А я общался с десятками коллег из разных отраслей.

BIM

BIM (Building Information Model или Modelling) — информационная модель (или моделирование) зданий и сооружений, под которыми в широком смысле понимают любые объекты инфраструктуры, например инженерные сети (водные, газовые, электрические, канализационные, коммуникационные), дороги, железные дороги, мосты, порты, тоннели и т. д. По своей сути это подвид PLM/PDM в сфере строительства и недвижимости. Это «мостик», который связывает цифрового двойника с эксплуатационными показателями и позволяет всё это визуализировать в 3D, хранить и анализировать данные.

Преимущества BIM

Согласно исследованию компании McGraw Hill Construction, 41% опрошенных указал на сокращение количества ошибок в проектах, 35% и 32% обратили внимание на улучшение коммуникации в командах и улучшение имиджа предприятия.

Остальные ответы распределились так:

— 31% — сокращение количества проектных изменений;

— 23% — сокращение стоимости строительства;

— 21% — рост контроля над расходами, точности прогнозов;

— 19% — сокращение времени на реализацию проекта;

— 19% — выход на новые рынки.

Если обобщить, то у BIM можно выделить следующие преимущества.

— В BIM объекты являются комплексными элементами: не просто трёхмерными модельками, а целыми справочниками, которые могут автоматизировать создание чертежей, ускорить анализ проектов, составление ведомостей и смет.

— Это отличный инструмент для совместной работы специалистов разных профилей на всех стадиях строительства: от проектирования до сноса объекта, что позволяет снизить количество ошибок и ускорить работу благодаря возможности параллельного проектирования.

— Точная и объёмная визуализация BIM позволяет снизить количество проектных решений не только относительно силовых конструкций, но и в части сложных инженерных систем.

— Определение всех основных характеристик на стадии проектирования позволяет раньше выявлять ошибки, а значит, стоимость их устранения становится ниже, а скорость и возможность всё исправить — выше.

— Это отличный инструмент для контроля за соблюдением графика выполнения работ и расходованием материалов, а также для учёта бюджета проекта.

— Более качественное планирование, подбор оборудования и накопление данных в процессе эксплуатации позволяют снизить затраты на обслуживание и повысить уровень надёжности работы оборудования в течение всего жизненного цикла объекта.

Но любая технология имеет недостатки.

— Существующие решения практически не приспособлены к автоматизированному выпуску проектной документации в России. Поэтому всё равно остаётся большая доля ручной работы.

— Высокая стоимость лицензий на программное обеспечение: до 6–12 тысяч долларов. Кроме того, продукты разных производителей практически несовместимы, что приводит к зависимости от одного поставщика/разработчика.

— Для эффективной работы необходимо использовать BIM на всех этапах. Частичное применение не раскрывает потенциал технологии. Кроме того, разные организации используют порой несовместимые решения, что также приводит к нарушению обмена данными.

— Высокий порог входа и необходимость долго и дорого обучать персонал. Причём чем дальше, тем сложнее становится программное обеспечение.

— Необходимость изменять ключевые процессы, к чему многие организации и сотрудники не готовы. Фундаментальные изменения в процессах требуют менять сознание людей: проектировщиков, строителей, эксплуатантов.

— BIM хорошо работает с геометрией и пространством, но ещё недостаточно развит для проектных расчётов.

MDM

Мы обсудили различные IT-системы. Но сердцем любой системы являются данные или НСИ — нормативно-справочная информация, мастер-данные. Это ключевой вопрос. Без них ничего не будет работать. Или будет, но… Например, при выборе объекта вы можете увидеть 3–4 одинаковых варианта, или названия будут отличаться незначительно. Либо одно и то же название попадается на разных уровнях иерархии: в одном случае ООО «Рога и копыта» — это компания, а в другом — подразделение. Знакомо?

Причина — «грязная» НСИ систем.

А теперь представьте, что у вас несколько IT-систем: ERP, MES, закупки, и т. д., которые должны между собой «общаться», а вам нужна сквозная аналитика. Или у вас вообще есть платформа и идёт «общение» с внешними системами. Что получится, если данные в НСИ, мягко говоря, некорректно оформлены?

Есть два подхода к управлению НСИ.

— Административный — убрать все дублирующие записи, прописать правила, создать систему кодов для идентификации записей в разных базах. При всей «интуитивности» такого подхода он трудозатратен и не защищает от бардака в будущем, так как люди любят обходить правила, а делать это постоянно в ручном режиме очень дорого.

И тут есть два выхода: или этим занимаются непрофильные работники, совмещая с основной работой и нигде не добиваясь результата, или создаётся целая отдельная группа людей. В первом случае вы теряете в производительности сотрудников, увеличиваете текучку и всё равно получаете посредственный результат, а во втором — ваши данные становятся дорогими.

2. Технологический подход — внедрить MDM-систему, которая обеспечит синхронизацию и единое представление данных.

MDM (Master Data Management) — система для постоянного определения и управления основными данными компании (в том числе отнесём сюда нормативно-справочную информацию): клиенты, продукты, услуги, персонал, технологии и так далее.

Можно встретить и другое название — управление справочными данными или RDM (Reference Data Management).

Системы MDM осуществляют управление:

— сбором данных, сопоставлением и очисткой от дублей;

— обеспечением согласованности между разными системами;

— контролем за использованием данных.

Как следствие, MDM позволяют поддерживать порядок в ваших данных — не будет повторяющихся, неполных, противоречивых данных в различных направлениях работы организации. И рано или поздно вы начнёте внедрять такую систему. Иначе будет очень больно и дорого.

Существует три больших типа систем.

— Централизованные

Из названия уже понятно, что всё подчинено «главной» системе, а другие системы будут обращаться к её базе справочников. Чтобы данные попали в рабочие системы, сначала их надо внести в главную.

Плюсы:

— просто внедрять, поддерживать актуальность и чистоту справочных данных во всех IT-системах, администрировать и разграничивать права;

— актуальные и чистые справочные данные во всех IT-системах позволяют строить чистую локальную отчётность.

Минусы:

— невозможно через другие системы создавать и редактировать записи, определённые в центральной системе;

— система неустойчива к обрывам связи, и её работоспособность критически зависит от текущей доступности центральной системы.

— Аналитические

Этот принцип обратен предыдущему. Все записи создаются в рабочих системах и отправляются в центральное хранилище. Но системы работают со своими справочниками.

Плюсы: позволяет быстро внедрять систему, внося минимальные изменения в клиентские системы.

Минусы: могут быть дубли, и отчётность может расплыться, поэтому построение оперативной отчётности затруднено (про локальную отчётность также говорят, что она «грязная» — локальные записи НСИ могут не соответствовать записям в системе НСИ).

— Гармонизированные

Тут есть центральное хранилище, и записи заводятся как в аналитической системе — из каждой рабочей системы. Далее система занимается анализом, поиском дублей, их консолидацией, очисткой, устранением конфликтов и синхронизацией рабочих систем с центральным хранилищем.

Плюсы:

— позволяет заводить данные в IT-системах и затем сопоставлять их с уже заведёнными;

— не меняются и не нарушаются бизнес-процессы, минимизируется ручная подготовка отчётности.

Минус: данные системы являются самыми дорогими, трудоёмкими и требуют серьёзной экспертизы для построения. Также может потребоваться модификация клиентских приложений.

Выводы

Управление НСИ:

— облегчает внедрение новых IT-систем в инфраструктуру компании;

— упрощает интеграцию имеющихся систем;

— облегчает обработку корпоративных данных;

— сокращает трудозатраты на актуализацию данных;

— минимизирует риски, связанные с некорректными данными и недостоверной отчётностью.

Внедрение MDM-системы не всегда обязательно или оправдано экономически. Но о проблемах, которые могут возникнуть из-за рассинхронизации НСИ, всегда стоит помнить при развитии в цифровом направлении. Также без этих решений вы никогда в конечном счете не выстроите работу по обеспечению качества данных в целом, а значит, не получите качественной предсказательной аналитики, дашбордов и решений на базе искусственного интеллекта.

WMS

WMS (Warehouse Management System), она же СУС — система для автоматизации и управления складом.

Вы наверняка слышали новости или читали статьи про «адресное хранение», про автоматизированные склады с роботами (например, Amazon). Так вот, в их основе лежит именно такая система.

Данные системы позволяют организовать оперативное и тактическое управление складом и получать точную информацию о местонахождении товара. Благодаря этому:

— снижается количество ошибок;

— увеличивается производительность;

— предотвращается «просрочка» скоропортящихся товаров;

— происходит ускорение оборачиваемости и, как следствие, оптимизация использования складских площадей.

По размеру WMS разделяют на три типа:

— начального уровня (небольшие склады и магазины до 1000 м² с небольшой номенклатурой товаров);

— коробочные системы (склады от 1000 до 10 000 м² с большой номенклатурой, но невысоким товарооборотом);

— адаптируемые и конфигурируемые (крупные логистические компании, распределительные центры, склады от 5000 м² с большой номенклатурой и высоким товарооборотом).

Это не самые популярные и распространённые системы. Их используют в первую очередь логистические компании. Целесообразность их внедрения нужно просчитывать.

SCM

SCM (Supply Chain Management) — система управления цепочками поставок. Автоматизирует весь цикл: поставщик — транспорт — производство — хранение — распространение — заказчики.

SCM акцентируется на:

— производстве и запасах;

— поставках — транспортировке и месторасположении.

Данные системы помогают решать следующие задачи:

— повышение уровня обслуживания и формирование лояльной базы клиентов;

— оптимизация производственного цикла и повышение производительности;

— уменьшение складских запасов;

— повышение качества контроля производственных процессов и качества управленческих решений.

Как следствие, всё это позволяет повысить производительность и лучше удовлетворить спрос на продукцию компании, значительно снизив затраты на логистику и закупки, а это, в свою очередь, повышает рентабельность.

В SCM выделяют два блока:

— планирование цепей, которое заключается в проектировании всей сети поставок, в том числе с формированием календарных графиков и моделированием различных ситуаций, разработкой альтернативных планов;

— исполнение цепей поставок — отслеживание и контроль текущих цепочек.

Наиболее популярными модулями в SCM-системах являются:

— прогнозы продаж (неделя и день);

— управление гарантийными и текущими запасами для каждой товарной категории;

— расчёт оптимального запаса для каждой позиции с учётом прогноза спроса и страхового запаса;

— планирование закупок с учётом внешних ограничений (кратность и сроки поставки, минимальный остаток) и расписания поставок;

— планирование внутренних поставок в сети компании с учётом планов продаж, поставок сырья, фактических остатков, транспортных ресурсов и прочих ограничений;

— экономический анализ кросс-ABC и ABC-XYZ по произвольным критериям;

— визуализация объёмов продаж и остатков, прибыли по отдельным товарам и их группам.

Лично я с такими системами не сталкивался. По-хорошему это очень дорогое удовольствие. И в России до них дойти могут очень немногие.

При этом данные системы используют 10 крупнейших IT-компаний, наиболее эффективная у Apple, ей немного уступает Dell, также в топ-10 присутствует Toyota.

BPM

BPM (business process management) — это система управления бизнес-процессами (БП) с возможностью визуализировать как сами БП, так и их взаимосвязи.

На мой взгляд, это один из самых важных классов систем. Без работы над БП вообще невозможна цифровизация. В лучшем случае будет примитивная автоматизация.

BPM отвечает на ключевые вопросы: где, когда, зачем, как и какая работа выполняется, кто отвечает за её выполнение?

Цели внедрения:

— увеличить скорость — сократить издержки за счёт описания, стандартизации и автоматизации шагов и временных ограничений для них;

— повысить качество — благодаря прозрачности БП для всех участников, регламентации и выявлению отклонений;

— гибкость — достичь гибкости, привлекая участников процессов к их моделированию и оптимизации.

Также происходит переход на основе данных. Благодаря внедрению измеримых показателей качества (затраты, время, загрузка ресурсов), облегчающих анализ и оптимизацию процессов, получаем усиление каждого из ключевых эффектов: скорости, качества, гибкости.

Познакомлю вас с несколькими лайфхаками и по внедрению систем BPM, и по работе с бизнес-процессами вообще.

— 1 экран = 1 схема процесса

Типовая ошибка — рисование огромных карт. Это неправильно. Никто не будет смотреть на простыни. Выбирайте «кусок» так, чтобы он помещался на 1 экран или лист А4. Это лично моё правило из жизни.

Ценность ваших описаний в том, чтобы с ними мог работать обычный сотрудник. И тут, во-первых, если распечатать 1 процесс на 100 страницах, люди попросту запутаются. Да, в наш век цифры многое всё ещё приходится печатать. Кто-то до сих пор плохо воспринимает мониторы, это надо учитывать. Во-вторых, далеко не у всех есть хорошие большие мониторы или их связки. А в цифровизации надо думать об удобстве тех, кто в итоге всё это использует.

— Думайте о том, какая культура в вашей компании

Преимущество стартапов — в высокой гибкости и нацеленности на результат. При этом из-за тотального отказа от формализации возникают и большие проблемы с эффективностью. В больших компаниях, наоборот, стоит проблема излишней бюрократизации, которая убивает производительность.

— Иногда бизнес-процессы следует описывать не в строгом стандарте

Или можно описать как положено и сделать второй вариант — для работы. Пример моего рабочего инструмента показан ниже. Когда я его готовил, то чётко понимал, кто моя целевая аудитория. В итоге этот документ работал и решил проблему.

— Не бойтесь дробить ваш процесс на подпроцессы

Если у вас есть схема процесса, где каждый элемент является отдельным процессом — это нормально. Вы нажимаете на него и проваливаетесь в новую схему — с полноценным процессом. Главное — не переусложнить, иначе потом сами запутаетесь.

— Разработчики ПО, бизнес-аналитики, исполнители работают на разных уровнях, у них разные карты процессов и разные решаемые задачи

— Нет правильных подходов внедрения BPM

Ниже ещё один реальный пример — укрупнённое описание бизнес-процесса для компании с адаптацией под её особенности и текущий уровень проектной культуры. Естественно, он должен постепенно меняться.

Любой результат — это результат, вопрос только в том, чего вы хотите. Если вы хотите гибкости, то часть функций BPM можно выкинуть, а если скорости — то оставить. Если описываете для программистов, то нужны одни правила, а если для рабочих — другие.

— Разделите внедрение BPM на две части

Первая часть — внедрение «рисовалки». Это описание процессов, построение связей между ними, единое хранилище регламентов и инструкций.

Вторая часть — автоматизация и интеграция с ИТ-системами, чтобы автоматизировать взаимодействие между системами при определенных событиях, а также отслеживать как работают процессы и т. д.

BI

BI (Business Intelligence) — система генерации отчётов и бизнес-аналитики.

Чем больше есть исходных данных, чем больше бизнес-процессов оцифровано, чем больше данных собирается, тем более качественную аналитику можно получить.

Основные возможности:

— подключение к различным источникам — от Excel до баз данных;

— построение простых и сложных отчётов со сквозной аналитикой из разных систем;

— быстрое создание отчётов «на лету»;

— гибкая настройка прав доступа;

— автоматизация создания и рассылки необходимой отчётности в различных форматах (Excel, PDF и так далее).

Основные решаемые задачи:

— сбор, хранение, структурирование и визуализация данных из разных источников в едином интерфейсе;

— углублённая аналитика для формирования, а затем анализа гипотез;

— формирование отчётности на всех уровнях управления с автоматическим уведомлением об отклонении показателей от целевых значений.

Пожалуй, главный минус — сложность интерфейсов, необходимость специальных знаний и обучения для работы с данными системами.

Также, по моему мнению, это временный класс решений. На них мы учимся понимать, а какие мы решения принимаем и какие данные нужны. Следующий шаг в эволюции бизнеса — системы поддержки принятия решений.

Системы поддержки принятия решений

Система поддержки принятия решений (СППР, Decision Support System, DSS) — это система, целью которой является помощь людям, принимающим решение (ЛПР), в сложных условиях для полного и объективного анализа предметной деятельности. Это означает, что система выдаёт объективную информацию на основе входных данных, что помогает людям быстро и точно оценить ситуацию и принять решение. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.

СППР включает в себя:

— комплексный анализ ситуации и внешних ограничений;

— формирование списка объективных альтернатив, прогноз их эффективности и последствий;

— учёт предпочтений ЛПР;

— приоритезацию альтернатив, исходя из предпочтений ЛПР, внешних ограничений и последствий.

СППР могут основываться на таких технологиях/знаниях, как:

— нейросети и машинное обучение;

— большие данные и сквозная аналитика, озёра и хранилища данных;

— интернет вещей;

— облачные вычисления;

— цифровые двойники;

— теория игр, теория ограничения систем.

Требования и атрибуты СППР

— Качество

— Организация

— Ограничения

— Модель

Ниже представлена схема общей организации СППР.

Резюме

При построении СППР необходимо придерживаться следующих шагов.

1. Анализ, где и для чего будем использовать СППР.

2. Сбор и анализ данных.

3. Построение, выбор и интерпретация моделей.

4. Внедрение моделей и оценка СППР.

5. Доработка и внедрение ИСППР.

6. Сбор обратной связи (на любом этапе).

Минусы и ограничения те же, что у цифровых двойников. Нужно:

— уметь обрабатывать данные из разных источников и с разной структурой, искать в них взаимосвязи (data science);

— иметь качественные и размеченные данные;

— иметь сильные математические и управленческие навыки;

— обладать критическим мышлением;

— уметь визуализировать.

Всё это приводит к тому, что данные системы пока достаточно дорого стоят и внедрить их можно не везде.

СППР до сих пор ещё на стадии зарождения. Пока мы осваиваем BI-системы — системы бизнес-аналитики. Но за ними будущее. Например, ПАО «Камаз» уже разрабатывает свою СППР. Она будет брать за основу анализ больших данных и позволит работать с системой принятия заказов и управлением сроками разработки.

PIM-система

PIM (Product Information Management) — система управления продуктами, а точнее, информацией о продуктах. Она позволяет организовать процесс заполнения данных подразделениями компании и поставщиками с учётом вопросов и проблем клиентов, а также наладить контроль качества контента/продукции/услуг.

PIM-системы позволяют:

— предоставлять структурированную и полную информацию о товарах;

— управлять различными маркетинговыми мероприятиями и распродажами;

— сокращать время выхода на рынок, в том числе для запуска новых регионов с актуальной для них информацией о продукте;

— повышать продуктивность команды с помощью автоматизации задач и оптимизации рабочих процессов.

В результате PIM-системы помогают улучшить конверсии продаж и снизить трудозатраты на управление данными о продукте.

Для успешного внедрения PIM необходимо очень чётко определить критерии успешности. Для этого надо понимать, как будет использоваться система, какие данные для каких решений необходимы. То есть вновь встаёт вопрос качества проектного управления: стадий инициации и планирования, проработки качества данных.

Ниже перечислены данные, которые могут быть привязаны к продукту:

— основные данные — артикул, цена, описание, ключевые технические характеристики (цвет, вес, размеры, срок хранения);

— положение продукта в структуре продуктовой линейки, при этом возможно создание нескольких версий для разных магазинов/сайтов;

— документы, связанные с товаром — декларации, сертификаты, изображения, инструкции;

— создание специфичных наборов описаний для каждого канала коммуникации и рынка на актуальных языках.

По QR-коду и ссылке ниже есть два примера: неструктурированное и структурированное описание товаров.

Системы PIM создавались именно для того, чтобы упростить и автоматизировать управление данными для сотен или тысяч таких позиций, так как в ручном режиме это становится невозможным или очень дорогим.

Основные этапы внедрения идентичны этапам других IT-проектов.

— Определение границ проекта и ключевых критериев успешности.

— Определение команды, зон ответственности, ключевых процессов для автоматизации и упрощения.

— Определение модели данных, а точнее, структуры продуктового каталога.

— Определение источников данных и подходов к их сбору, проверке и подтверждению.

— Определение способов упрощения и автоматизации управления каталогом: какие ключевые метрики, их целевые показатели, типовые сценарии работы, как можно оптимизировать (автоматизация, роботизация).

— Внедрение и тестирование.

— Доработка и запуск системы.

IDM

IDM (Identity Management) — система управления доступом и учётными данными пользователей.

Их цель — повышение безопасности и производительности информационных систем при одновременном снижении затрат, оптимизации времени простоя и сокращении количества повторяющихся задач.

Первоначально данные системы ориентировались на управление учётками внутри информационных систем: создание, удаление, определение прав доступа. Но с ростом количества IT-систем это становилось всё более сложной задачей, так как в каждой системе свои алгоритмы, правила и логики работы. В итоге всё перешло в централизованное управление профилем сотрудника, агрегацией прав доступа в разных системах по привязке к единому идентификатору пользователя, его роли/должности. Но для этого нужно процессное управление с описанными бизнес-процессами, проработанными сценариями поведения и необходимыми ресурсами.

Ключевым преимуществом внедрения IDM/IGA можно считать снижение затрат на функцию администрирования. Это достигается благодаря:

— созданию единого инструмента для управления учётными записями;

— автоматизации типовых событий — наём, перевод, увольнение, что не только снижает трудозатраты, но и минимизирует риски информационной безопасности;

— сокращению времени ожидания сотрудниками;

— предоставлению им необходимых прав.

При планировании внедрения необходимо провести обследование/аудит, подготовить НСИ и проработать вопрос внедрения изменения. Всё как обычно.

Из ограничений и минусов я бы отметил низкую интуитивность и оптимизацию систем такого класса, проработанность бизнес-процессов. Даже я не всегда могу разобраться во всех хитросплетениях корпоративных систем.

Пример из практики: заканчивается срок действия пароля, а восстановить его можно только через своего руководителя или заполнив заявку, для чего надо зайти в систему через три разных уровня защиты, там заполнить атрибуты и только потом отправить заявку. В итоге процесс просто не работает: все отправляют заявки через электронную почту.

DLP

DLP (DataLossPrevention) — система для предотвращения утечек конфиденциальной информации за пределы корпоративной сети. Строится эта система на анализе потоков данных, выходящих за пределы корпоративной сети.

Последние годы системы класса DLP начинают охватывать всё больше процессов, собирать и анализировать всё больше данных и постепенно уходить от мониторинга в сторону предупреждения опасных событий и отправки уведомлений. Это позволяет превратить информационную безопасность в сервис для других подразделений компании — от HR до экономической безопасности.

Например, современные решения позволяют не только реагировать на события, но и предупреждать утечки, выявляя сотрудников с нетипичным поведением.

И если это читают «безопасники», то простите меня, пожалуйста, но большинство таких систем работает коряво. Они часто не защищают, а парализуют рабочие процессы. И, прежде чем думать об информационной безопасности, нужно чётко ответить на вопрос: что и зачем нужно защищать? Ведь большинство данных, генерируемых компанией, устаревает уже в момент их появления. Стоит ли их защищать? При излишней навязчивости информационной безопасности сотрудники компании начинают использовать обходные пути доступа к данным. Они делают это не по злому умыслу, а ради удобства работы. В итоге количество угроз информационной безопасности только растёт.

Подобные системы должны работать незаметно, а не блокировать всё что можно.

SRM

SRM (Supplier Relationship Management) — система управления взаимоотношениями с поставщиками. Этот класс решений применяется для оптимизации закупок и, по сути, это частный случай SCM-решений.

С помощью этих систем решается три задачи:

— управление базой поставщиков;

— воздействие на поставщиков;

— интеграция поставщиков.

Сама база содержит всю информацию о поставщиках: адреса, контракты, суммы и так далее. И данные системы автоматизируют весь цикл закупок, от планирования до закрытия договора: согласование планов закупок, отбор поставщиков с учетом выбранной стратегии, непрерывный контроль поставок и бюджетных трат. Цель внедрения этих систем — сократить расходы на закупки, при этом сохранить качество и непрерывность поставок. По сути, это некая вариация CRM и SCM.

HRM

HRM (Human Resource Management) — это решения, которые помогают автоматизировать и оптимизировать процессы управления человеческими ресурсами в компании: подбор, адаптация, развитие, сопровождение.

Плюсы HRM-решений:

— Автоматизация рутинных задач: заполнение документов, расчет зарплаты, отправка уведомлений и т. д., что освобождает время HR-сотрудников для более важных задач и позволяет не раздувать это подразделение.

— Улучшение коммуникации. Системы позволяют сотрудникам и руководству обмениваться информацией, задавать вопросы и получать ответы в режиме реального времени.

— Повышение эффективности. Автоматизация процессов и улучшение коммуникации могут привести к повышению производительности труда и снижению затрат.

— Анализ данных. HRM-решения позволяют собирать и анализировать данные о сотрудниках, что помогает принимать обоснованные решения о найме, обучении, мотивации и развитии персонала.

Минусы HRM-решений:

— Высокая стоимость. Внедрение и обслуживание HRM-систем могут потребовать значительных финансовых вложений.

— Сложность внедрения. Процесс внедрения HRM может быть сложным и длительным, требующим обучения сотрудников и настройки системы под нужды компании.

— Технические проблемы. Как и любые другие технологии, HRM-системы могут столкнуться с техническими проблемами, такими как сбои, ошибки и вирусы.

— Как правило, требуется внедрение двух или более ИТ-систем и их взаимная интеграция.

— Требовательность к защищенности. В данных системах содержатся персональные данные сотрудников, и их необходимо сертифицировать, проводить аудиты, уделяя особое внимание их защите.

ЭДО

Электронный документооборот, который является цифровым двойником процесса — обязательный проект любой стратегии цифровизации и цифровой трансформации.

Грамотное внедрение ЭДО помогает ускорить и упростить передачу различных документов между физическими и юридическими лицами. Передавать и получать электронные документы гораздо проще, чем бумажные. А главное — ускоряется процесс их согласования и подписания.

Но если ЭДО внедряется в рамках текущих процессов, и происходит просто перевод в цифру с минимизацией ручной работы, то это автоматизация. Возникает проблема с тем, что не отменяются некоторые требования и все равно остаются потери: необходимо ждать согласований неделями и месяцами, носить бумаги в архив и т. д. При этом даже такое внедрение ЭДО позволяет начать выстраивание процессного управления.

Ключевая задача — чтобы при внедрении ЭДО оптимизировались процессы, в том числе исключались лишние согласования. Тогда это уже не просто автоматизация, а цифровизация. Также желательно, чтобы ЭДО был облачным.

Важно помнить, что для злоумышленников ЭДО и SRM — наиболее желанные цели для атак, поскольку в них хранятся конфиденциальные данные и о компании, и о партнерах со всеми договорами. Эту информацию можно либо продать конкурентам, либо зашифровать / удалить, что парализует работу компании. Но подробнее об этом мы поговорим в третьей книге, посвященной кибербезопасности.

Одним из частных случаев ЭДО можно выделить BMS-решения. Это решения, которые позволяют записывать встречи и с помощью ИИ автоматизировать процесс подготовки протоколов и поручений, контроль их исполнений.

Возможные типы «архитектур»

Итак, мы рассмотрели все основные типы систем.

Все IT-системы могут быть монолитными или микросервисными, если говорить упрощённо. Я не буду грузить вас техническими деталями, но попробую описать основу общими словами. Чтобы вы понимали, что будет говорить ваш IT-директор. И однажды вы услышите слово «микросервисы».

Монолитные системы — это системы, описанные одним большим кодом. Порой на десятки миллионов строк.

Микросервисные системы — это облачный подход, при котором единое приложение строится из множества практически независимых компонентов меньшего размера (так называемых сервисов). Для каждого сценария работает свой сервис.

Для примера возьмём приложение банка. Создать единое приложение с оплатой билетов, переводов, штрафов и ещё кучей всего нереально. Или сервис UBER. В каждой стране свой набор услуг. Создать единым куском тоже невозможно. В итоге в приложение включается разный набор микросервисов.

Нам более известны монолиты.

Их главный плюс — если один раз создать и отладить, то всё будет работать стабильно. Но такое бывает редко. Точнее, практически не бывает. Потому что, когда надо вносить изменения, начинаются путешествия по лабиринту. Одно изменение, один символ может сломать всё…

Но давайте подробнее рассмотрим их плюсы и минусы.

Плюсы монолитов

1. Довольно быстрая разработка и запуск продукта на ранних стадиях. Если вам надо быстро запустить довольно простое решение — дешевле и быстрее монолит.

2. Меньше проблем с интеграциями (ведь в монолите всё связано и не нужно тратить время на интеграцию).

3. Часто лучшая производительность, чем у приложения, работающего на микросервисах.

Минусы монолитов

— Низкая отказоустойчивость

Если упадёт система, то все ваши продукты перестанут работать. Согласитесь, это очень плохо. В микросервисной архитектуре такого нет (представители IT, если читаете это, успокойтесь, для ваших возмущений есть профильные ресурсы). Если один сервис упал, то остальные продолжают работать. Сейчас, когда ваш клиент может в течение минуты решить переключиться на другой продукт, отказоустойчивость крайне важна.

Например, если я не могу воспользоваться продуктом со второй-третьей попытки, как правило, я ухожу от него.

— Высокая стоимость и трудоёмкость доработки

При росте количества данных ваша кодовая база (т. е. количество строчек кода) будет расти), а это приведёт к тому, что всегда нужно будет больше времени на тестирование, пересборку и прочую IT-магию. Со временем ваше приложение может стать настолько большим, что время на его тестирование будет кратно превышать время на изменение кода. Например, вы делаете новую функцию неделю, а потом ещё 4 недели тестируете само приложение и старую функциональность. Это называется техническим пределом: что бы вы ни делали, скорость вашего движения будет уменьшаться. Можно даже описать технический предел работы с монолитом: если время на тестирование и вывод изменения превышает время на разработку в 2 раза или больше, то вы достигли технического предела.

И технический предел есть в каждом IT-ландшафте, просто вы его не замечаете.

— Высокая стоимость и нагрузка на инфраструктуру

За счёт того, что у вас всё хранится в одном приложении или одной базе данных, нагрузка на неё будет возрастать и само хранение данных будет становиться сложнее и дороже.

Собственно, тут и приходит на помощь та самая модульность — микросервисы. Большое монолитное приложение разделяется на множество маленьких. Соответственно, указанные выше проблемы уходят, потому что у каждого приложения своя база, свой код и так далее. А чаще несколько модулей являются общими для разных приложений.

Это похоже на конструкторы Lego. Вы строите приложения и системы из «кубиков», при этом каждый конкретный кубик вы берёте из одного и того же набора, но фигуры получаются каждый раз разные, и вместо десяти отдельных систем у вас есть системы, которые содержат на 50–60% одинаковый программный код. Для бюджета эта большая экономия. Например, Вячеслав Благирев, являясь на тот момент руководителем группы разработки, смог снизить затраты в 3 раза только за счёт перехода на общие компоненты и API.

Рано или поздно к вам придёт IT-шник и скажет, что у вас уже целый «зоопарк» систем и надо что-то делать.

Да и сами современные решения становятся супергибридами как раз благодаря этим микросервисам, чтобы охватить все направления.

Ради объективности следует сказать, что подружить ваш «зоопарк» может и шина данных.

Основной принцип сервисной шины — сведение всего общения между машинами, IT-системами в одну точку, с историей всего взаимодействия и централизованным контролем.

Некоторые задачи, которые дорого и не обязательно выполнять синхронно, можно выносить через очереди/шины на отложенную обработку. Микросервисы же работают, как правило, синхронно и децентрализованно.

В общем, идеала нет. Необходимый инструмент следует подбирать конкретно для ваших задач. Но знать об альтернативах надо — это основа науки об управлении.

Итоги

Сейчас IT-отрасль развивается и охватывает всё больше направлений деятельности. Разрабатываемые продукты становятся более гибридными и похожими на модульные платформы, в сердце которых — база данных, а всё остальное докручивается (пример — 1С).

Но практически все они обладают одним главным недостатком — сложным и негибким интерфейсом. При их проектировании почти никто не применяет принципы бережливого производства. Это порождает много лишних движений и потерь, высокие трудозатраты на их сопровождение.

Также большая проблема — сопротивление сотрудников, которые не понимают, что это, зачем, как?

Если обозначить 5 главных проблем пользователей, то я бы выделил:

— забывание паролей;

— создание дублирующих учётных записей и путаница в них;

— непонимание, как работать в системе, что и куда нажимать;

— непонимание логики работы системы и взаимосвязей между модулями;

— высокие трудозатраты на работу (лишние движения, нажатия, ожидания) и дублирование работы в системе и на бумаге.

Я рекомендую работать в двух следующих направлениях.

1. Обучение персонала

Сейчас есть много бесплатных курсов по цифровой грамотности. Я очень полюбил платформу Stepik. Можно учиться и с ПК, и с телефона.

2. Изначально попробовать бесплатные сервисы

— Trello/Jira и аналоги для организации текущей работы

— CRM от Сбера для работы с клиентами

— Wix, WordPress и Tilda для создания сайтов (можно использовать и для организации производства с экспортом файлов)

— Miro и Mindmeister для описания и работы над бизнес-процессами

— Облака от Яндекса, Mail или Google c их возможностями совместной работы над документами (подробнее о них расскажу позже)

Этот подход позволит наработать собственные компетенции в цифре, опробовать преимущества, чтобы затем более осознанно подходить к покупке дорогих систем. При этом надо помнить, что IT-системы не исправят кривые процессы с плохим менеджментом и слабой системой мотивации.

И всё это должно быть ради людей, удобным для них, иначе это только пустая трата денег.

Также важно понимать, что необходимо строить комплексную информационную среду предприятия, внедрять либо легко интегрируемые продукты, либо модульные платформы с микросервисами. В противном случае нужно принять и осознавать необходимость перестройки в будущем.

При правильном внедрении: через обучение, работу с сопротивлением, использование принципов бережливого производства — можно увеличить производительность труда и рентабельность более чем на 200% и потерять не 50% команды, а всего лишь 10%.

Главное — это всегда ориентироваться на пользователей системы: кто они и какие операции выполняют, какова специфика их работы? Поэтому руководители этих направлений должны стать кураторами проектов по внедрению цифровых решений.

Глава 4. Истории из жизни

Новая бизнес-модель для производителя минеральных удобрений

Общаясь с одной аудиторской фирмой из списка BIG-4 (аудит и консультирование), я столкнулся с интересным кейсом. Звучал он примерно так: «Лидирующий российский производитель удобрений рассматривает возможность запуска новых бизнесов (с принципиально другой бизнес-моделью) в рамках той же цепочки создания стоимости».

То есть надо придумать новый бизнес без глобальных перестроек. Интересно, не так ли?

Но там было ещё несколько факторов:

— необходимо выделить ключевые отраслевые и надотраслевые тренды, с учётом которых предложить алгоритм для рассмотрения возможных идей и проектов;

— предложить перспективные идеи по развитию существующих или созданию новых конкурентных преимуществ для базового бизнеса (производство удобрений) и повышения маржинальности бизнеса.

Как возможно решить эту задачку с учётом моего «ключевого» набора инструментов: бережливого производства, цифровизации и цифровой трансформации, теории ограничения систем?

Если вы не любите размышления и скучные аналитические выкладки, то рекомендую пропустить «нудятину» дальше. Я верю, что вы умнее меня и сможете щёлкать такие примеры, как семечки.

Ограничивающим фактором является невозможность изменить существующую цепочку создания стоимости. То есть никаких новых поставщиков, ресурсов и затрат на капитальные вложения.

Для начала надо понять, какие существуют тренды как в отрасли, так и за её пределами, но оказывающие влияние на бизнес.

Полный разбор отрасли можете прочитать по QR-коду и ссылке ниже, а я выделю ключевые моменты.

— Стабильный рост объёма мирового и внутреннего рынков

Сегмент производства минеральных удобрений рос в предыдущие года и будет расти в будущем. И это касается всего мира.

При этом российский рынок характеризуется противоположными факторами. С одной стороны, есть высокая потребность в удобрениях, с другой — клиенты не отличаются высокой платёжеспособностью, а логистическая инфраструктура перегружена, и активной модернизации в ближайшие годы не предвидится, так как это слишком затратно.

2. Высокая доля и дальнейший рост экспортного потенциала

Как я уже отмечал ранее, ключевое ограничение внутреннего российского рынка связано с низким уровнем доходов сельхозтоваропроизводителей. А это, в свою очередь, формирует и экспортную ориентацию производителей удобрений.

Уже сейчас на внешние рынки отгружается более 67% продукции, выпускаемой в стране, из которых почти 94% приходится на дальнее зарубежье. Также надо помнить о том, что Россия занимает второе место в мире по производству удобрений. Соответственно, и производители будут ориентироваться на внешних потребителей, особенно с учётом валютной политики со слабым рублём.

3. Переход на новое сырьё для производства удобрений

В настоящее время основным сырьём для производства аммиака служит природный газ, поэтому все крупные предприятия, специализирующиеся на азотных удобрениях, расположены рядом с магистральными газопроводами.

А теперь рассмотрим ключевые мировые тренды вне отрасли.

— Ужесточение законодательства в сфере экологии

Наблюдая тенденции в законодательстве всех государств мира, и в первую очередь «богатых», которые как раз являются потенциальными клиентами, следует отметить движение к повестке ESG, о которой мы ещё поговорим, что приводит к ужесточению норм по выбросам и отходам, воздействию на окружающую среду. Это создаёт риски возможного ограничения доступа к ключевым рынкам и дешёвым кредитам, а также формирует необходимость искать антикризисные меры, в том числе вложения в научные исследования и поиски новых клиентов в сжатые сроки.

— Переход от модели владения к получению сервисных услуг

Данный подход позволяет сократить вложения потребителя в краткосрочной и среднесрочной перспективе и направить ресурсы в собственное развитие. Также данная модель позволяет концентрироваться на основной деятельности, снимая с потребителя необходимость искать дорогие кадры на непрофильную деятельность и заботу о правильной организации и стоимости жизненного цикла актива (в нашем случае покупки, хранения, использования удобрения).

— Переход на цифровую экономику с управлением на основе данных и гибким высокоэффективным производством

Ещё одним мировым трендом является переход на цифровую экономику, где управление основано на цифровых данных, и внедрение принципов бережливого производства, ориентированного на снижение внутренних потерь и создание гибкости.

Сейчас данной комбинацией занимаются все ведущие мировые компании.

В качестве российского примера следует отметить ПАО «Камаз», которое сначала провело реорганизацию по принципам бережливого производства, а затем начало цифровую трансформацию.

Благодаря такому подходу появился синергетический эффект, производительность труда в компании (1 млн рублей на 1 человека) за 10 лет выросла более чем в 4 раза, а также была выработана новая стратегия увеличения доли на отечественном и зарубежном рынках — внедрение модели «Автомобиль как сервис». Именно о ней мы вспоминали в самом начале.

Так, в нескольких городах России уже запущены сервисы краткосрочной аренды грузовых автомобилей, а информация, собираемая посредством технологий интернета вещей и обработки больших данных, помогает планировать обслуживание и повышать качество новой продукции.

Подводя итоги, можно сказать, что производство минеральных удобрений является «зрелой» отраслью, в которой вряд ли свершится революция и придут кардинально новые технологии, но при этом отрасль имеет большой потенциал роста. Соответственно, здесь необходим инновационный подход со снижением внутренних потерь.

Теперь вернёмся к первоначальному запросу. В нём было два ключевых пункта:

— создание новых бизнес-моделей;

— получение конкурентных преимуществ для текущего бизнеса.

И моё предложение — проведение комплексной цифровой трансформации с созданием бизнес-модели, которую можно назвать «химический лизинг».

В новой модели производитель продаёт не само вещество, а его полезные свойства. Например, с оплатой не за тонны, а за площадь обрабатываемой поверхности и прирост урожая.

Данный проект позволит:

— стать более клиентоориентированными и привлекательными для потребителя на внутреннем рынке, выстроить долгосрочные отношения с отечественными потребителями;

— создать базу для развития новых услуг и диверсификации дохода, например инженерное и техническое сопровождение в период обработки (а с учётом высокого экспортного потенциала можно добиться высокого уровня утилизации рабочего времени квалифицированных кадров и техники);

— стимулировать оптимизацию технологического процесса, то есть создать внутреннюю систему и мотивацию к поиску новых, более экологичных и эффективных технологий, что позволит избежать рисков ограничения доступа на рынки и потерю ключевых клиентов;

— снизить затраты на логистику (более эффективные, возможно, концентрированные удобрения с меньшим объёмом и весом);

— как синергия, получить новые линейки удобрений в основной модели и возможность выхода с более «премиальными» продуктами.

Кроме того, правильная трансформация подразумевает внедрение инструментов и принципов бережливого производства. И это позволит радикально снизить внутренние издержки и получить конкурентное преимущество для основного бизнеса.

Внедрение системы управления активами

Если вы работаете в направлении организации технического обслуживания, то наверняка слышали о такой системе, как IBM Maximo.

Это великолепная по своей идее и функционалу концепция. В свой контур она забирает все основные бизнес-процессы по организации технического обслуживания и ремонтов:

— управление активами — все функции и инструменты, необходимые для определения и следования оптимальной стратегии управления корпоративными активами на протяжении всего жизненного цикла;

— управление работами по плановому и внеплановому обслуживанию — от генерации заявок и нарядов на проведение работ до регистрации фактически работ, в том числе фиксация всех дефектов для последующего ретроспективного анализа;

— полная поддержка договорной работы — контрагенты, бюджеты, привязки к работам, персоналу и так далее;

— управление материальными запасами — доступ к полной информации о связанных с активами материальных запасах и их использовании;

— управление закупками — поддержка всех операций снабжения на предприятии, включая прямые закупки и пополнение товарно-материальных запасов.

Какие плюсы даёт эта система?

Источники возврата инвестиций в первый год после проекта

Источники возврата инвестиций после накопления статистики (2–3 года эксплуатации)

По данным международного консалтингового агентства A. T. Kearney, специализирующегося на исследованиях в области управления производством, внедрение и использование ЕАМ-систем на промышленных предприятиях позволяет добиться таких результатов:

— 25–30% — сокращение затрат на обслуживание оборудования;

— 31% — сокращение стоимости аварийных работ;

— 29% — повышение производительности ремонта;

— 21% — сокращение уровня сверхнормативных запасов;

— 17% — повышение коэффициента готовности оборудования;

— 29% — уменьшение количества случаев нехватки запасов;

— 22% — уменьшение доли сверхурочных работ;

— 29% — уменьшение времени ожидания материалов, необходимых для проведения работ;

— 29% — сокращение количества срочных закупок;

— 18% — экономия за счёт получения более выгодных цен, так как появляется возможность выбора поставщика.

То есть внедрение этой системы преследует такие цели:

— выстроить и соблюдать политику техобслуживания и ремонтов (где нужно проводить плановые, а где ремонты по состоянию);

— оцифровать и сделать прозрачным весь процесс ТОиР — планирование и проведение работ (создать типовые шаблоны, уйти от человеческого фактора), привлечение сотрудников, необходимые компетенции, закупка комплектующих;

— считать экономику объекта или актива, принимать решения и определять стратегии — где максимальная надёжность, а где максимальная прибыль.

Но у каждой системы есть как плюсы, так и минусы.

Если кратко, то основных минусов у данной системы два:

— первый минус рождается из её плюса — её масштаб;

— второй минус — сложность интерфейса и скорость работы.

Давайте рассмотрим эти минусы подробнее.

— Масштаб

Для эффективного внедрения данной системы вам потребуется включить в работу большое количество подразделений: ТОиР, эксплуатация, промышленная безопасность, материально-техническое обеспечение, кадры и расчёт заработной платы.

Не все они профильные, не все подчиняются одному топ-менеджеру.

А как думаете, горят ли сотрудники желанием брать на себя работу в ещё одной IT-системе? Правильно, нет. Вы, конечно, можете подключать административный ресурс, но в данной системе огромный объём ручной работы. И последствия могут быть очень печальными.

Второе следствие из этого минуса — вам будет необходимо работать с людьми абсолютно разного уровня зрелости в области цифры. Соответственно, будут разные причины и уровень сопротивления. А значит, потребуется и разный подход.

Внедрение такой системы, если мы посмотрим на модель Киневин, считается сложной задачей. А значит, оно крайне требовательно к использованию проектного подхода.

Кроме того, для подобной глобальной автоматизации нужны внутренние центры компетенций на каждом объекте. Вам нужны люди, которые знают всю систему, могут обучать и консультировать всех сотрудников. Единая централизованная служба поддержки не будет работать. Люди не будут звонить, писать. Они устанут от формальных скриптовых ответов. А таких запросов будет много.

К тому же, внедрение такой системы приведёт к перестройке огромного количества процессов. Иначе она будет лишь создавать дополнительную работу, когда людям придётся заполнять привычные бумажные документы, а потом работать внутри системы. Результат такого подхода — саботаж.

И ещё один минус таких систем, с которым сталкиваются все, — сложность работы с нормативно-справочной информацией. Проще говоря, со справочниками. Помните, ранее мы говорили про хранилища данных, MDM-системы? Ни в одной отрасли ни одна компания не смогла полностью решить эту проблему.

В один момент вы решите внедрить пункт «прочее». Например, в список дефектов. Угадайте, куда будет уходить 90% дефектов? Сможете ли вы их потом анализировать, принимать качественные решения?

А если у вас несколько объектов с одинаковым оборудованием, но разными людьми? Один и тот же насос попадёт в абсолютно разные наименования и справочники разного уровня. Вам будет критически нужна нормализация данных. А если у вас сотни тысяч записей?

В моём случае подобную систему внедряли одновременно на нескольких электростанциях, входящих в одно общество. И вот представьте, только в одном цеху было более 2000 технологических позиций и 6000 активов, более 40 технологических схем А ведь это лишь малая часть одной электростанции, которых в нашем проекте было 11!

Можете вообразить, сколько будет стоить контракт с подрядчиком, который согласится всё это обработать в ручном режиме? А сколько времени уйдёт на согласование, чтобы прийти к общему решению?

Что получаем в итоге?

— Необходимость в «дорогих» людях, которые умеют общаться и с производством, и с IT, и досконально понимают всю систему. Снижает ли это ваши затраты от такой автоматизации? Сомнительно.

— Текучка персонала. Если проект будет внедряться с ошибками, с негативом и использованием административного ресурса, дублированием работы на бумаге и в системе — люди начнут уходить. Вы будете вынуждены искать новых, учить их, и так по кругу.

— Невозможность использовать сквозную и качественную аналитику для принятия решений.

— Необходимость в высоких компетенциях в области проектного управления.

— Интерфейс

При работе над этой книгой я изучал актуальные примеры внедрения данной системы. И с 2014 по 2022 год система не изменилась. Она не стала приятнее (UI-дизайн тоже влияет на принятие персоналом). Она не стала удобнее (UX — вообще ключевой параметр, но об этом позже). Она замерла во времени.

Давайте посмотрим на типовой интерфейс рабочего экрана, с которым будет взаимодействовать ваш персонал. Ниже пример плана работ.

Как думаете, легко ли будет персоналу его принять? Похоже это на интерфейс айфона или VK?

Сколько времени потребуется на обучение возрастных сотрудников, чтобы они быстро ориентировались в этой системе? Во всех этих лупах, двойных стрелочках, проводках статусов?

Но при этом система гибкая. Я сам писал технические задания на рабочие модули и экраны. Чем более интуитивными вы их сделаете, тем легче будет работать вашим сотрудникам. А значит, наполнение системы данными будет более качественным.

Минимизируйте количество данных, вводимых руками. Во-первых, работники будут тратить меньше времени на работу. Во-вторых, будет меньше ошибок, а данные станут более структурированными, качественными и пригодными для анализа. В идеале необходима система, которая будет собирать большие данные, а затем автоматически формировать записи о дефектах со всеми атрибутами, отвечая на вопросы «что, где, когда».

К сожалению, уровень цифровой грамотности у сотрудников на объектах оставляет желать лучшего. Я, например, вообще учил сотрудников печатать с нуля. Представьте, что такие пользователи устроят в системе.

— Скорость работы

К сожалению, если вы внедрите хранение данных в едином центре, который будет достаточно удалённым, или интернет-канал окажется перегруженным, то вы столкнётесь с одной большой проблемой — скорость работы системы.

Проблема начинается с того, что система долго обрабатывает запросы пользователей. Какова будет реакция мастера или начальника ТОиР на то, что система думает 1–2 минуты после нажатия, даже если это один запрос из десяти?

Но думаю, вам интересно, какие же проблемы были у нас. Успешен ли тот проект в конечном счёте?

Начну со второго вопроса и плавно перейду к первому. Я считаю, что нет. Почему? Здесь могу привести только личное мнение, возможно, неверное. За три года в проекте я не увидел изменений в подходе к планированию ТОиР. Не произошли они и ещё спустя три года после моего ухода. Многие изменения, как часто бывает, остались только на бумаге. И причина этому — недостаток компетенций в проектном управлении: работа над критериями успешности, планированием, работа с коммуникациями, рисками, синхронизация с планами регулятора и дальнейшими цифровыми инициативами.

Что я имею в виду под этим?

— На стадии инициации изначально не определены цели проекта и критерии успешности. Итог: пересмотр KPI во время реализации проекта и их бесконтрольный рост. Во время еженедельных совещаний мы обсуждали более 20 показателей, а длилось каждое из них по 3–4 часа. Как думаете, был ли кто-то способен думать всё это время и вынести оттуда что-то полезное?

— Не оценены риски проекта. Например, необходимость вести журнал распоряжений только на бумаге. В итоге оперативный персонал печатал всё вручную на ПК, а затем писал в журнале. Боремся за автоматизацию и снижение затрат, а получаем двойную работу.

— На стадии планирования не было чётко определено, какие этапы проходим, как будем обучать пользователей, когда, где. Как пилотируем, как масштабируем. Итог — планы менялись постоянно, и никто не понимал, каков следующий шаг, зачем всё это, сколько и на какой срок необходимо выделять людей.

— Централизованное внедрение и директивный стиль управления. Много об этом я рассказывать не буду. Типичная реакция — люди уходят в оборону и начинают исполнять задачи формально. В итоге на бумаге всё классно, на деле — как всегда.

— Не было уделено внимание работе с качеством данных, единой моделью.

Приведу три конкретных примера.

— Ещё на стадии сбора данных и оцифровки стало известно, что Минэнерго России собирается вводить новый подход к оценке технического состояния — через разделение оборудования на функциональные узлы. И, к сожалению, данный факт был проигнорирован. В итоге описание оборудования внутри компании никак не соответствовало расчётам по методике регулятора. При этом, напомню, именно регулятор здесь устанавливает правила, как и какое оборудование ты должен ремонтировать.

— Посреди реализации проекта было принято решение о запуске ещё одного проекта — программно-инструментального комплекса «Мобин». Он должен был стать источником данных для предиктивной аналитики в «Максимо». Но принятая изначально модель данных в «Максимо» не позволяла создавать технологические маршруты в «Мобин».

— Не было никакого MDM-решения и/или политики работы с данными. В итоге одно и то же оборудование называлось разными комбинациями, записи в журналах дефектов никак не помогали проведению анализа.

— Людей, лидеров в обществах, не обучали ни проектному менеджменту, ни психологии управления, ни преодолению сопротивления.

— Была выбрана неверная организационная структура. Несмотря на то, что это был крупный проект, требующий сложной проработки с большим количеством участников, была выбрана слабая матричная структура.

— Одновременное внедрение на всех объектах усугубляло ситуацию. Несмотря на то, что были выбраны пилотные площадки для внедрения, это никак не помогло избежать ошибок и накопить лучшие практики. А это одно из ключевых требований. В таких проектах надо помнить про пропасть Мура. Об этом инструменте поговорим в главе про внедрение изменений.

Лично я по итогам проекта не увидел никаких связанных эффектов, которые принесли бы хоть какую-то пользу. Но говорят, в том проекте люди до сих пор сами себя убеждают, что система им помогает.

Рекомендации

— Потратьте 30–40% времени проекта на стадии инициации и планирования для чёткого определения целей проекта, критериев успешности, границ, рисков и стратегии работы с ними, определения этапов, необходимых ресурсов. На начальных стадиях устранять ошибки дешевле всего.

— Обучите ответственных по каждому объекту основам проектного управления и работы с сопротивлением.

— Обучите людей работе с данными, чтобы они понимали их важность, и основам бережливого производства, чтобы провели перестройку процессов.

— Проведите инвентаризацию основных бизнес-процессов, опишите их. Найдите, где идёт дублирование информации, как это можно убрать, а сами процессы упростить.

— Определите, какие данные вам нужны и для каких решений. Определите модель данных.

Пример. Даже ориентируясь только на деньги и не владея другими системами, которые бы собирали данные с оборудования, можно принимать эффективные решения. Только опираться нужно не на выполнение затрат ремонтного фонда, а на сравнение стоимости владения двумя идентичными активами, но с разными политиками обслуживания. Один обслуживаем как надо, а другой эксплуатируем до отказа без всякого техобслуживания, после чего ремонтируем. Затем сравниваем результаты и задаёмся вопросом, что нам выгоднее.

А если сюда добавить данные от «Мобин», о котором поговорим ниже, и докрутить предиктивную аналитику, то получится действительно новый подход к планированию ТОиР, а не имитация.

Сейчас же, если посчитать, сколько денег съедают бесконечные совещания, сколько потрачено на обучение, командировки, лицензии… можно построить новый объект или оплатить ремонтный фонд на несколько лет.

— Изучите текущие нормативно-правовые акты регуляторов, их планы. Синхронизируйте с ними свои планы и модель данных.

— Начните внедрение малыми этапами и на отдельных объектах. Отработайте типовые подходы с выявлением всех проблем, а затем уже внедряйте, используя отработанные решения.

— Создайте команду методологов, которая станет центром знаний и сможет решать все проблемы нового этапа, фиксировать их, обучать масштабированию пилота группу поддержки на объектах.

Но помимо всех рекомендаций выше есть и более радикальный подход — внедрение нескольких более целевых систем с общей базой данных, системной шиной для взаимодействия и системой BI с настроенными дашбордами и отчётностью.

Чем меньше проект, тем выше шанс на успех. Это подтверждается в том числе статистикой проектного управления от Standish Group.

Вам нужна будет и более простая организационная структура для реализации, и меньшее сопротивление от персонала, и меньше кросс-функционального взаимодействия. Всё это приводит к меньшей зависимости от проектных компетенций и повышению качества планирования. Кроме того, дальнейшее развитие, модернизация или замена отдельных систем будет проще и дешевле, а цена ошибки ниже. Гораздо легче и быстрее будет отменить или изменить проект. Ключевая задача в этом подходе — проработать целевую модель данных и сбор больших данных с оборудования, используя минимальное количество ручного ввода и работы. Чем меньше надо подключать людей, тем лучше.

Что нужно для реализации такого подхода? Необходимо сначала определить:

— ключевую задачу (что хотим?);

— список ответственных лиц на основе орг. структуры;

— какие решения им необходимо принимать;

— какие данные им нужны.

Уже на основе этого проработать модель данных, конфигурацию модулей комплексной системы, механизмы обеспечения качества данных (как автоматизировать описание дефектов и привязку к оборудованию, снятие эксплуатационных показателей). Эта система может состоять из разных решений, а итоговую аналитику готовить сможет любой BI-продукт, даже условно-бесплатный.

Внедрение программно-инструментального комплекса для обходчиков

Вместе с внедрением системы управления активами «Максимо» мне довелось поучаствовать, точнее, полидировать в проекте по внедрению системы мобильных инспекций ПИК «Мобин».

Его суть очень проста, её можно представить в виде нескольких шагов.

— Есть планшет, есть SmatBox, RFID (радиочастотные) метки и платформа.

— К каждой метке в системе привязывается определённое оборудование.

— К каждой единице оборудования прописываются те показатели, которые надо контролировать.

— Затем создаётся маршрутная карта — название маршрута, какое оборудование в него включено, какие показатели снимаются.

— Обходчик берёт планшет и SmartBox, синхронизируется с базой данных и идёт по маршруту. Сканирует метку и вносит показатели или выявленные дефекты. Есть возможность прикрепить фото и геопозицию, если нужно. Второе актуально, например, для электросетей или трубопроводов. А по возвращении на щит управления происходит выгрузка данных, и всё уходит в хранилище данных (теперь мы понимаем, почему не в озеро).

— Ответственный ИТР проверяет обход и либо принимает его, либо отклоняет. А все выявленные при обходе дефекты и отклонения переносятся в систему управления эксплуатацией. Ну, если она, конечно, есть. Дальше всё будет зависеть от того, что же вы хотите делать с данными, как анализируете их, какие решения принимаете.

Какой эффект даёт такой подход?

— Оптимизация и приведение к «реальности» написанных регламентов

В промышленности нередко встречаются ситуации, когда на бумаге расписано красиво, а в жизни это исполнить невозможно. И здесь можно увидеть, а исполнимо ли в принципе всё то, что написано. Сможет ли обходчик выполнить обход за 1 час? Или при исполнении всех предписаний это занимает 4 часа?

При этом правильная организация процессов эксплуатации — один из первых пунктов для обеспечения надёжной работы оборудования.

— Повышение уровня исполнительской дисциплины

Если условный Вася не видит отклонений, а Иван, Дима и Петя видят, то у вас возникнут вопросы. Это Вася — раздолбай или его просто не обучили, или обучили плохо? Конечно, тут всё равно есть человеческий фактор. Но это первый шаг к изменению культуры — к тому, чтобы перейти на работу с причинами, а не следствиями, и принимать решения на основании данных. А именно культура работы с данными — одна из основных причин неуспешности большинства цифровых проектов.

— Создание массива данных для внедрения предиктивной (предсказательной) аналитики и решений на базе искусственного инетллекта.

Чем больше обходов будет проводиться, тем больше в системе появится структурированных эксплуатационных данных. Кроме того, подход с чек-листами и замерами данных, ответами «Да/Нет» на вопросы или с фиксацией отклонений с привязками к конкретному оборудованию позволяет частично решить вопрос качества данных, то есть на этом можно уже обучать искусственный интеллект.

И если вы зададите «уставки», границы эксплуатационных показателей, то сможете заранее выявлять отклонения и тренды. То есть это создаст условия для перехода на ремонт не по «графику», классическому ППР, а по состоянию. А это повысит эффективность используемого бюджета: мы обеспечиваем большую надёжность работы за те же деньги. То есть мы, к примеру, не уходим в аварийный ремонт, а заранее можем подать заявку, чтобы не тратить 1–2 недели и 1 миллион рублей на ремонт всего насоса и штрафные санкции, если подшипник разлетелся, а провести обычное техническое обслуживание за 50 тысяч рублей.

Пример. Всего за полгода на трёх электростанциях было снято 84 018 контрольных показателей и выявлено 205 отклонений. И это уже неплохая «пища» для будущей нейросети.

В этом проекте я участвовал с самого начала. Оценивал возможную архитектуру, делал калькуляцию решения, курировал создание маршрутных карт, тестировал обновление ПО и собирал ошибки. В общем, было интересно.

И я хочу сказать, что это классное решение. Его создатель заложил очень верный принцип в ПО. Оно интуитивно понятное. Даже для рабочего персонала. Это очень важно. Сложные системы — одна из причин провала проектов по цифровизации, потому что в итоге с решениями работают не менеджеры, а специалисты. И им должно быть удобно.

Конечно, у каждого решения есть и минусы. Здесь вам потребуется провести достаточно много ручной работы, чтобы оцифровать маршрутные карты, определить, какие эксплуатационные показатели необходимо снимать, как часто, в каких границах они должны быть.

Резюме: если нельзя или очень дорого создавать сеть для интернета вещей с умными датчиками или если бюджет ограничен, но надо начинать путь в цифровизацию и собирать «размеченные» данные, это очень полезное решение.

И лучше начать с него, нежели с внедрения дорогих IT-систем. Тем самым вы начнёте постепенно прививать культуру работы с данными и цифровую грамотность как рабочему персоналу, так и менеджменту.

Одним из основных организационных вопросов, требующих решения, чтобы внедрение проекта прошло успешно, является оптимизация методологии проведения обходов, количества и периодичности контролируемых показателей в соответствии с их критичностью и критичностью оборудования станций, а также последующие изменения в графиках обходов.

Как показывает практика внедрения на других станциях, а также опыт тестовых обходов, полный перенос количества и периодичности всех контролей приводит к значительному увеличению продолжительности обходов (сверх регламентированного времени). Какими бы умными ни были ваши люди, они не избегут ошибок.

На этапе внедрения основным проблемным вопросом, влияющим на эффективность функционирования программно-инструментального комплекса в целом, является организация связи между планшетными компьютерами и серверной частью.

В качестве временного решения можно использовать роутеры в связке с модемами, работающими на основе мобильных сетей 3G и LTE. В силу различных факторов покрытие на станциях нестабильное, что вызывает сбои во время загрузки и выгрузки данных.

Это приводит к ошибкам при выгрузке и загрузке данных из облачного сервера, чтении меток RFID, закреплённых на оборудовании.

Внедрение данного комплекса позволило сделать контроль обходов максимально прозрачным и оперативным. Как говорилось ранее, обход становится более объективным и подтверждённым инструментально, у технического руководителя есть возможность из любого места и в любое время провести анализ того, кто именно и как качественно выполняет свою работу (есть возможность сравнить выявление дефектов по одному и тому же оборудованию разными оперативными вахтами).

Что касается нашего проекта, то проблемы были всё те же: проектное управление и модель данных. А точнее, синхронизация между «Мобином» и «Максимо» … а ещё точнее, её полное отсутствие.

Создание системы предиктивного анализа работы генерирующего оборудования

Одна из задач в управлении надёжностью — создать предсказательную аналитику для предотвращения аварийных остановов. То есть не устраивать разбор полётов, когда что-то сломалось, а предотвращать. И не просто выявлять аномалии, но и анализировать тренды, собирать истории «поведения». Суть этой системы как раз в том, что она анализирует работу основного оборудования, например, турбины, и заранее указывает, что в системе происходят отклонения, сообщая, сколько примерно времени осталось до момента аварийного отключения.

Вообще в этом есть два направления — краткосрочные предсказания на основе работы с аномалиями и долгосрочные. Чуть ранее мы уже рассматривали различия между долгосрочной предиктивной аналитикой и машинным выявлением аномалий.

Согласно изначальному плану, данная система должна работать в двух направлениях:

— выявление предотказного состояния узлов и агрегатов, выявление отклонений рабочих параметров оборудования (выявление аномалий, рассогласований), прогнозирование фактического технического состояния (время до аварийного отказа);

— классификация причин отказов, оценка риска и формирование сценариев технического воздействия, оценка качества выполнения работ по техническому обслуживанию и ремонту оборудования.

Внедрение системы несёт два глобальных экономических эффекта — увеличение доходов от выработки и снижение издержек на эксплуатацию, техническое обслуживание и ремонты.

Рассмотрим их подробнее.

— Увеличение дохода от реализуемой продукции.

Генерирующие объекты реализуют два вида продукции — электроэнергию и мощность.

Поставщику мощности необходимо поддерживать оборудование в состоянии высокой готовности, чтобы обеспечить объём мощности, заявленный в договоре на поставку. В противном случае поставщик упускает свою экономическую выгоду и вынужден оплачивать штраф за недопоставку. Состояние высокой готовности оборудования и поставка заявленного объёма мощности достигается за счёт качественного и своевременного технического обслуживания, исключения технологических нарушений в работе оборудования, своевременной замены и ремонта элементов оборудования.

— Снижение производственных затрат.

— Система позволяет выявить риски отказа оборудования на ранней стадии. Таким образом, потенциальный эффект заключается в том, чтобы минимизировать затраты на ремонт оборудования, выявляя дефекты на ранней стадии, снижая стоимость восстановительного ремонта, запасных частей и агрегатов обменного фонда, а также уменьшая общие ремонтные затраты за счёт исключения технологических нарушений, связанных с деградацией оборудования.

— Повышение производительности труда высококвалифицированного технического персонала.

— Сокращение складских запасов дорогостоящих запасных частей иностранного производства, то есть высвобождение оборотных средств (эффект возможен при развитии системы и увеличении горизонта прогнозирования).

В рамках реализации проекта использовались следующие цифровые технологии:

— большие данные (BigData) — сбор и распределённая обработка потоков больших данных;

— промышленный интернет вещей — построение цифровых платформ для сбора, передачи, обработки данных;

— искусственный интеллект и машинное обучение, в частности деревья решений, случайный лес, рекуррентные нейронные сети, сети долгой и краткосрочной памяти;

— цифровые модели — при расчёте стандарта производительности для определения значений активной мощности и выявления отклонений в работе оборудования.

Кроме того, была построена онтологическая модель риск-ориентированного управления техническим состоянием генерирующего оборудования, которая может использоваться для расширения информационной модели электроэнергетики в отношении генерирующего оборудования.

В рамках проведённых научно-изыскательных работ было выполнено тестирование моделей и методов выявления предотказных состояний газогенератора и гидравлической системы. Точность на тестовой выборке данных составила 86,8% для метода на основе эмпирических продукционных правил и 96% для метода на основе деревьев решений. Точность прогнозирования трендов по изменению динамических характеристик газогенератора в рабочем цикле на тестовых выборках составляла до 98% в зависимости от модели и горизонта прогнозирования.

Понимаю, эти детали и формулировки сложны, но в будущем они вам могут пригодиться.

Сейчас это передовой край научных исследований.

Основными сложностями в данном проекте были следующие моменты.

— Нормативно-техническая документация

Электроэнергетика в определённой мере «зарегулированная» отрасль. И в данный момент нормативно-техническая документация не регламентирует вопросы по использованию предиктивного анализа при формировании системы технического обслуживания и ремонтов газотурбинного оборудования.

— Квалификация персонала и требования к уровню компетенций

На данный момент отсутствуют квалификационные требования к сотрудникам, задействованным в разработке и поддержке эксплуатации и использовании систем предиктивного анализа в электроэнергетике.

Кроме того, общей проблемой всех цифровых инициатив является культура работы с данными, а именно культура принятия решений на основе данных.

Также выявлена острая потребность в специалистах, умеющих применять методы анализа данных и машинного обучения. Именно в решении практических задач.

Внедрение канбан-доски

Это совсем маленький «проект». Придя в одно ну очень федеральное ведомство, я столкнулся с тем, что каждый работал сам по себе. В отделе непонятно было, кто над чем работает, у кого можно спросить и так далее. А если кто-то уходил в отпуск, передача дел была нереально муторной (были задачи, которые надо контролировать и вовремя закрывать).

В итоге мы внедрили канбан-доску, прописали правила работы, зоны ответственности и спокойно работали. Больше не надо было друг друга дёргать. Вся информация теперь была в карточках, если кто-то уходил в отпуск, то просто переназначали ответственных.

В среднем производительность увеличилась на 30%, но главный эффект — при введении локдауна в 2020 году отдел ушёл на удалёнку за один день. Просто собрались и уехали. А затем практику перенял весь департамент.

Однако повлияло ли это всё на результативность проектов, сроки их реализации? Нет.

К сожалению, особенности управления в организации приводят к текучке в 30–40% в год. В итоге люди постоянно меняются, а быстрой программы ввода в должность нет. И хотя канбан-доски очень помогают, они всё же не изменяют подходы к реализации проектов и расстановке приоритетов.

В период нашего сотрудничества мы реализовали некоторые этапы масштабных проектов: разработку новой модели расследования аварий, правила раскрытия отраслевой статистики, и там этот инструмент очень помогал. Но в итоге после завершения нашего сотрудничества за 2 года проекты больше не сдвинулись ни на этап. И казалось бы, есть цифровой инструмент, есть люди с мозгами, но нет менеджмента. В итоге результат равен нулю.

Использование Google-таблиц вместо 1С

Ещё один интересный проект. Изначально он никак не был связан с IT. Моей задачей было модернизировать оборудование производственного цеха. Обеспечить его развитие в техническом плане.

Но жизнь гораздо интереснее. Оказалось, что этот проект в глубоком кризисе. Рассказывать весь кейс не имеет смысла, но коснуться IT-составляющей будет полезно.

Одной из критичных проблем оказалась 1С. И причина — проведённая реорганизация.

Для запуска нового проекта в компании была проведена реорганизация с выделением отдельного юридического лица. В результате многие процессы в 1С изменились, и никто не задумывался о возникающих потерях. А между тем, из-за всех этих сложностей мастер и начальник производства вместо того, чтобы осуществлять оперативное управление, занимались бесконечными проводками. То есть производство стало неуправляемым на самом важном уровне — техническом. И в завершение всего, в системе начали накапливаться ошибки, что похоронило любые идеи о планировании и контроле. По итогу при инвентаризации обнаружились расхождения на сумму около 2 млн рублей.

Эти несколько месяцев для меня были очень трудными. Беременная жена и жёсткий кризис на производстве, а штрафные санкции по взятым контрактам достигали 20 млн рублей. Так как я не умею относиться к делу спустя рукава, всё это сказывалось на мне — я стал принимать многое слишком лично и нести в семью. Это была моя главная ошибка.

Но нашлось простое и красивое решение — Google-таблицы. Да, я предвижу возражения про информационную безопасность и так далее, но в критической ситуации нужны быстрые действия.

Мы разработали формат таблицы, определили зоны ответственности, сроки внесения данных и модель вносимой информации и начали работать. Дружно и вместе в одной таблице. Доступ к ней был у четырёх человек, и этого хватило.

Понимая, что от 1С нам не отказаться, мы наняли ещё одну девушку, которая занималась всеми текущими проводками и описывала процессы, чтобы потом их упростить и автоматизировать.

Какими же были итоги?

— Вместо 4–5 часов в день подготовка актуальной информации о заказах стала занимать 5–10 минут.

Но думаю, для многих будет интересно поговорить про деньги.

Приведу один пример. Подготовкой информации о заказах занимался человек, чей ФОТ на месяц, без социальных налогов, составлял 100 тысяч рублей. Соответственно, 1 час его рабочего времени стоил примерно 625 рублей. То есть на нецелевую работу тратилось более 2,8 тысяч в день, а в месяц это около 62 тысяч рублей. Добавим сюда социальные налоги (30%) и пересчитаем за год — получается 965 тысяч рублей! То есть хаос в учётной системе обходился бизнесу практически в 1 млн рублей ежегодно.

— Мастер производства стал заниматься своей ключевой функцией — управлением в цехе.

— Совещание между плановиками и производством по итогам дня стало занимать 20–30 минут, а не 1,5 часа.

Давайте тут тоже посчитаем экономику.

В каждом таком совещании, как правило, принимали участие 3 человека. Средняя зарплата участников 60–70 тысяч в месяц. Со всеми налогами около 100 тысяч. Среднее количество рабочих часов в месяц — 164,3. Простая арифметика говорит, что 1 час рабочего времени такого сотрудника обходится бизнесу в 608,7 рубля.

Итого: 608,7 * 1,5 * 3 = 2739 рублей за одно совещание.

В году в среднем 247 рабочих дней, в результате расходы составляют 676 506 рублей в год.

После внедрения изменений в совещании стали участвовать 2 человека в течение 30 минут. Теперь бизнесу всё это стоит:

608,7 * 0,5 * 2 * 247 = 150 334 рубля.

То есть прямой эффект оценивается более чем в 526 тысяч рублей в год! И это без внедрений дорогих решений.

— Вся просрочка по «критичным» заказам была ликвидирована, а также сработаны в дело все «неликвиды» и «потеряшки» со склада сырья. Изначально, повторюсь, таких остатков на складе лежало на 2 миллиона рублей.

— Благодаря тому, что все поняли, что надо делать, ушли крики на производстве и в общении между подразделениями. Это стало одной из причин снижения текучки персонала. С 90% в предыдущем году она снизилась до 5%.

— Клиенты стали получать достоверную информацию о сроках готовности своих заказов.

— Возможность «понятно» планировать и загружать производство позволила повысить продуктивность одного из участков в 3 раза на поточных заказах. Производство стало обслуживать все «большие» заказы, которые позволили вывести подразделение в точку самоокупаемости.

Главный эффект — информация стала «прозрачной», структурированной и доступной для всех заинтересованных людей. Мы снизили издержки на её получение и обработку, а значит, люди стали заниматься той работой, которая приносит результат.

Конечно, помимо этого была проведена и другая большая работа:

— проведён аудит и установлена «предельная» производительность подразделения;

— внедрён входной контроль и контроль качества сырья, а также выходной контроль качества продукции;

— описаны и утверждены политики по техническому обслуживанию;

— организована складская и цеховая логистика;

— пересмотрено штатное расписание и режимы работы цеха;

— организованы процессы по работе с браком и по минимизации его утилизации;

— внедрены инструменты бережливого производства, в том числе организовано зонирование складов и цеха.

Но одно из самых главных изменений — работа с персоналом:

— организованы утренние и вечерние планёрки, за 5 минут до начала смены и за 20 минут до окончания;

— задачи стали ставиться по SMART-принципу;

— начато планирование загрузки смены с вечера, чтобы утром люди чётко понимали, что и как им делать;

— организовали людям раздевалку и место для обеда внутри цеха, это была только их раздевалка, им больше не надо было никого ждать;

— проведено тестирование персонала и определены сильные и слабые стороны каждого, их ключевые мотивирующие факторы — теперь каждому давались задания, соответствующие его амбициям, возможностям и интересам;

— внедрены принципы Kaizen — люди сами вносили предложения по улучшению рабочего процесса, промышленной безопасности и охране здоровья, и толковые действительно внедрялись;

— все нововведения объяснялись — что это, зачем, для чего, люди могли высказать своё мнение, при убедительной аргументации вносились корректировки;

— изменён подход к штрафам (если это результат производственной деятельности, то искались системные причины), также внедрён входной контроль качества, что позволило людям стать более открытыми и чувствовать справедливость и защищённость; при проступках личного характера человеку устно объясняли его нарушение и предлагали самому придумать себе наказание, которое в итоге часто даже смягчали;

— негатива в коммуникации стало не более 20%, акцент ставился на хорошие моменты, а отрицательные обсуждались и разбирались без репрессий и криков.

Результат нового подхода к работе с командой:

— опоздания практически исключены;

— больше не нужен надзорный контроль, при работе в выходные достаточно провести утреннюю планёрку, обозначить план и за 1–2 часа до конца собрать обратную связь, что всё готово;

— текучка практически исключена — на уровне 5%, люди отказывались переходить в другие подразделения даже под страхом увольнения;

— увеличена производительность, об этом уже говорили ранее;

— сотрудники генерировали простые и действенные улучшения в рабочий процесс, которые давали эффект без затрат;

— обо всех проблемах становилось известно на ранней стадии, когда решить их можно быстро дёшево или даже бесплатно;

— сотрудники брали на себя дополнительную ответственность и осваивали смежные направления, команда стала взаимозаменяемой;

— сотрудники делились своим мнением и знанием «рынка» — какие подрядчики лучше, с какими лучше не работать. Это существенно упростило процесс поиска контрагентов, например, для обслуживания оборудования.

Но всё это стало возможным благодаря тому, что появилось время. Вместо сбора информации можно было заниматься отладкой управления.

И казалось бы, всё отлично, идём дальше. Но я довольно часто привожу тезис, что кризис — следствие системы управления. Как только мы «потушили» пожары, руководители тут же стали пытаться работать по-старому. К тому же наведённый порядок выявил одну проблему: в некоторых подразделениях уровень брака был далёк от заявляемых 2%. Просто теперь он шёл не в счёт нашему подразделению, а ловился на входе, и дальше началась политика. А я её не очень люблю, поэтому принял решение закончить эту историю и идти дальше.

Спустя 3 месяца всё было как раньше: начальники производства и мастера начали меняться ежемесячно, а просрочка пошла на пару месяцев вперёд. Поэтому помните: то бы вы ни внедрили, если люди продолжат использовать старые подходы, никакая цифра вас не спасёт.

Внедрение HSE

HSE — это класс систем, направленных на решение проблем в области промышленной безопасности, охраны труда и окружающей среды. У меня было два таких проекта.

— Оценка знаний персонала

В промышленности много таких систем: «Олимпокс», StartExam и т. д. Я глубоко работал со StartExam. Суть проста — вы прошли обучение, а затем вас тестируют. Ничего кардинально нового. Такие системы существуют давно. Сейчас у них новый тренд — прокторинг, то есть наблюдение и контроль за дистанционным испытанием.

На первый взгляд, это современная система. Однако, как обычно, никто из разработчиков не пытался сам сопровождать её и администрировать. Причём дорабатывают её стабильно. Становится красивее. Но никто не думает о поиске и снижении потерь при работе с ней. А трудозатраты при этом можно сократить на 90%, если внедрить несколько простых механик, которые становятся очевидными через один день работы с системой…

— Система фиксации опасных действий персонала или условий на рабочем месте

Этот проект гораздо интереснее, так как в нём связываются между собой мобильное приложение, сайт и 1С.

И здесь тоже были стандартные проблемы: проектное управление и работа с данными, а точнее, НСИ. Остановлюсь чуть подробнее на основных моментах.

— Недостаток коммуникаций на уровне пользователей ответственных лиц в обществах. Мало кто понимал, что дальше, какой сейчас статус. Вообще управление коммуникацией — один из секретных ингредиентов любого проекта.

— Недостаточность компетенций в управлении данными. Точнее, в сборе. Всем отдали шаблоны в Excel, инструкции и… в общем, идентичные объекты у каждого были на разных уровнях, даже внутри одного общества. Затем начался хаос и двойное, тройное или четверное упоминание одного объекта.

В наиболее трудных случаях помогал простой подход — подготовка визуализации типовой структуры с указанием, что где находится, и рассылка на места.

— Недостаточная проработка вопроса «Зачем нам эти данные и как можно автоматизировать?». В итоге много ручного труда при обработке отчётной информации.

— Ну, и уровень цифровых компетенций. Это классика.

В целом это достаточно успешный проект. Доработка пусть и медленно, но идёт. Опасности фиксируются, идёт реагирование. Естественно, чтобы по-настоящему оценить проект, надо ехать «в поля» и общаться с людьми, собирать информацию, систематизировать её, а уже затем делать выводы, изменился ли характер работы, стало ли безопаснее.

Но и тут можно создать условия, чтобы в регионах не было желания накручивать статистику и заставлять людей регистрироваться в системе. Например, в качестве метрики использовать показать MAU — количество пользователей, которые заходят в систему хотя бы 1 раз в месяц. Тут уже принуждать становится гораздо энергозатратнее, нежели просто изменить культуру. А если человек заходит хотя бы раз в месяц — то он будет и опасности фиксировать, и новости читать. А если добавим еще раз в месяц рассылку с краткой информаций сколько опасных условий или действий было выявлено, какие самые опасные и которые сохранили жизни, то люди начнут принимать новую культуру довольно быстро. При этом использование MAU избавит от необходимости заниматься базой пользователей и проводить чистки фейковых аккаунтов. А это и снижение трудозатрат на сопровождение системы, и нагрузки на техническую поддержку — будет меньше запросов из разряда «я регистрировался, а вы деактивировали/удалили», что тоже полезно для репутации системы.

Цифровизация в сети ритейла

Этот кейс про то, почему нельзя бездумно увлекаться цифровизацией и оптимизацией.

— Часть 1. Заказ

Начиналось всё почти нормально. Выбрал на сайте большой красной сети товар, у него был маркер «Рассрочка 0-0-18». Ну, думаю, отлично. Однако в итоге никакой рассрочки не было даже после выполнения всех скрытых условий.

Оформление тоже было интересным. Но давайте не будем считать мелкие глюки в виде «товар доступен в 1 магазине», который после обновления страницы превращается в «доступен в 50 магазинах».

— Часть 2. Ожидание

При оформлении я выбрал магазин, и мне написали, что забирать можно сегодня после 17 часов. В личном кабинете всё было в порядке, статусы менялись, но вот на стадии отгрузки товара со склада всё зависло. Я подумал: «Ладно, бывает всякое, сбои никто не отменял».

— Часть 3. Кульминация

Итак, получатель приезжает к назначенному времени в магазин и аккуратно спрашивает, что да как. Оказывается, это был витринный образец, вскрытый и использованный, а мне как заказчику должны были позвонить и согласовать. Но мне никто не звонил, а заказ не отправили. Причём позже выяснилось, что витринных образцов этого товара вообще не бывает. В общем, «кручу-верчу, запутать хочу».

В магазине посоветовали отменить заказ через личный кабинет. Захожу в личный кабинет — нигде нет такой опции.

Ладно, идём в мобильное приложение. Там пишут, что отмена невозможна, так как заказ передали в доставку, и предлагают связаться с поддержкой.

Захожу со спокойной душой в чат, пытаюсь пообщаться с ботом. Он тупит. Прошу перевести на человека — он тупит. Звоню на горячую линию — там отправляют обратно в чат, чтобы ждал ответа.

Пытается звонить получатель — тоже недоступна поддержка.

В итоге кое-как, ответив на 20 вопросов бота в чате, получаю человека, которого ждём в очереди час… Но он тоже тупит!

В конце концов проблема решилась через получателя, который попросил продавцов в магазине отменить заказ, и они пошли навстречу, сделав это через свой аккаунт.

— Часть 4. Заключение

Эта история напомнила мне о двух моих рекомендациях клиентам.

Внедряя цифру:

— нужно думать о клиенте и осознавать, что не все сценарии вы можете предугадать, оставляйте выход на человека — люди редко хотят общаться с роботами, ещё и плохо обученными;

— учитесь собирать обратную связь от техподдержки и клиентов, анализируйте её и улучшайте процессы.

Цифровизация банка

Это продолжение предыдущего кейса. На этот раз о разнице подходов ВТБ и Сбербанка. И тут, на моё удивление, победил Сбер. История моя личная и свежая — начало 2022 года.

Я давно хотел сделать подарок жене. А так как покупка дорогая, решил воспользоваться кредитной картой. Заказал подарок в интернет-магазине, оформил доставку и стал ждать. И вот приезжает курьер, и надо оплатить покупку. По умолчанию я решил воспользоваться кредиткой от ВТБ, ведь там самые выгодные условия. Что могло пойти не так?

1. При попытке оплатить карту заблокировали. Ну хорошо, сейчас из-за вопросов информационной безопасности этим грешат многие.

2. Получил СМС с просьбой позвонить на горячую линию. Интересная получается логика: «Мы думаем, что у вас крадут деньги, карту мы, конечно, блокируем, но если мы ошиблись, то это ваши проблемы».

3. Звоню. Сначала было общение с роботом, затем с оператором. Ответы на вопросы. Итог — 5 минут разговора и рекомендация повторить операцию через 2 ЧАСА (!!!). Как понимаете, этого времени у меня нет.

4. Две минуты ожидания и ещё одна попытка оплаты. Итог — снова блокировка карты.

5. Ещё 5 минут разговора и бесконечные вопросы, рекомендации, предупреждения и так далее. Я не выдержал, разозлился и сбросил звонок.

Уже более 15 минут этих танцев, но проблема так и не решена. Ну, некогда мне ждать несколько часов!

Дальше по очереди был Сбер. Как пошли дела здесь?

1. При попытке оплаты карту тоже заблокировали.

2. Пришла СМС о блокировке и уведомление, что будет звонок от банка.

3. Звонок от робота поступил в течение 1 минуты.

4. Общение ещё 1 минуту и подтверждение, что я сам выполняю операцию и подтверждаю её.

5. Повторная оплата — всё отлично.

Какие выводы из всего этого?

Разница в том, что Сбер оказался, ВНИМАНИЕ, более клиентоориентированным и проактивным, а выполнение всех операций заняло гораздо меньше времени. Я никак не мог такого ожидать. Но время идёт и люди меняются, а Сбер активно скупает кадры.

Кроме того, в предыдущей проблемной ситуации с интернет-магазином, когда мне нужна была помощь, ВТБ тоже отказался решать вопрос. Позиция была «мы не вмешиваемся, решайте сами».

В итоге я получаю неудобства, причём к повышению безопасности всё это никак не приводит.

Также поделюсь ещё одной интересной особенностью клиентского опыта от ВТБ. Я, например, не могу закрыть карту через приложение. Мне обязательно нужно ехать в офис и показывать паспорт. Там формируют заявку, которую — ВНИМАНИЕ — я подписываю через приложение.

Вот такая разная бывает цифровизация. И критическое значение имеют ценности банка и создаваемые им процессы. Думаю, нетрудно догадаться, что в итоге я окончательно перешёл к Сберу.

Магазин по продаже спортивного питания

Ладно, что это я всё «бу-бу-бу». Давайте поделюсь и положительным опытом.

Как известно, клиент платит:

— за бренд;

— качество продукта;

— сервис.

Эта триада стара, как мир, но о ней часто забывают. И чтобы всё это работало, нужны 4 компонента:

— продукт;

— процессы;

— команда;

— инфраструктура.

Итак, к делу. В начале 2022 года мне довелось воспользоваться интернет-магазином от Бориса Цацулина. И тут хорошо сработали все 3 фактора.

— Личность основателя

Я глубоко убеждён, что ценности и подходы первого лица транслируются на всю компанию.

Если это стартап, то фаундер напрямую влияет на принятие решений. Если большая компания, то первое лицо формирует управленческую команду, которая уже формирует культуру и ценности.

А то, что транслирует Борис, мне нравится.

2. Качество продукта

Тут всё хорошо. Да, есть определённые пожелания по вкусовым добавкам, но это не критично и единично.

3. Сервис

Построен хороший и простой алгоритм.

— Я сформировал заказ.

— Тут же пришло письмо о его обработке и дальнейших действиях.

— Передали в доставку — снова краткое письмо с кодом отслеживания и ссылкой. И не надо отдельно вводить код на сайте логистической компании.

— От доставки тоже приходит уведомление о приёме.

— Передали курьеру — предупредили. Курьер позвонил за час.

И вся процедура от заказа до получения заняла 2 дня. То есть с инфраструктурой тоже проблем нет.

Я не знаю, насколько они цифровизированные, технологичные, какие у них процессы. Главное — я как клиент не переживал и получил качественный продукт быстро и без лишних движений.

Но думаю, что набор там достаточно скромный. Простая 1С, интеграция со службой доставки и робот, который рассылает письма. Что не помешало создать отличную услугу. Без супер-ИИ, квантовых компьютеров и миллиардных бюджетов.

Собственно, рейтинг магазина это подтверждает.

Стартап для пчеловодов

Мой знакомый Павел Ступко — очень талантливый человек, спец по 1С — поделился интересным стартапом BumbTech.

Так как работа с цифровыми продуктами — одно из моих направлений, я сразу попытался разобрать стартап. Видимо, проф. деформация…

И первое, что я увидел, — типовую ловушку технарей. Это общение с целевой аудиторией на техническом языке, акцент на технологиях, а не на решении проблем и получении эффектов.

Нет, конечно, там есть и про эффекты, но попробуйте прочитать «Сокращение издержек, связанных с ручным мониторингом активности улья»…

Давайте подумаем, кто такие пчеловоды? Насколько они продвинутые?

Я думаю, что это достаточно консервативные люди, или прагматики, однако вряд ли новаторы. Поэтому язык на сайте они не поймут.

А суть решения проста и направлена на то, чтобы один пчеловод мог работать с бо́льшим количеством ульев. Это рекомендательная система, которая должна подсказывать, в каком именно улье есть проблема, куда направить внимание. Чтобы человек не мониторил всех постоянно, а реагировал только на отклонения.

Это первично. Снижение операционных издержек и возможность расти без увеличения затрат.

А затем, после накопления больших данных, чтобы можно было вести аналитику, в каком улье чаще проблемы, каковы причины этого, что с этим делать, какие ульи лучшие и как повысить выработку мёда.

То есть, по сути, это рекомендательная система для повышения производительности.

Но что мы видим на сайте? Есть ли описание эффектов? Насколько пчеловоды готовы разбираться в этих формулировках?

В целом история типовая — общение глухого с немым.

К самой системе есть главный вопрос — а что продаётся: доступ к системе или готовый сервис со своей экспертизой? То есть просто наборы данных, в которых ещё надо суметь разобраться, или есть готовые наборы и целевые показатели «что хорошо, а что плохо»?

И если это доступ к платформе, а не сервис, то очень немногие клиенты обладают необходимыми навыками, чтобы извлекать из неё пользу.

В дополнение ко всему никаких цифр: «низкая стоимость» — это сколько? «Снижение издержек» — на сколько?

Стартап по доставке «последней мили»

В этой истории хочу поделиться своим опытом работы с цифровым стартапом. «Последняя миля» — это доставка от склада или магазина до вашей двери. То есть это многочисленные курьеры, например, Яндекс. Доставки.

Идея классная — нейросеть сама распределяет заказы и оптимизирует их так, чтобы курьер всегда вез 2, 3 или 4 заказа, каждый из которых по пути.

Под эту идею привлекли инвестиции в размере 300 млн рублей, команда начала «покорять» Москву и нанимать курьеров. За пару месяцев наняли около 600 человек. И «фишкой» должны были стать именно курьеры: вежливые, аккуратные и грамотно говорящие на русском языке. Элитные, так сказать. И даже был ключевой партнёр — сеть продуктовых магазинов.

Казалось бы, что может пойти не так? А многое! И это яркий пример того, что цифровые технологии не избавляют вас от необходимости думать.

Я попробую изложить все проблемы структурированно, но на самом деле это будет целая система, и многие элементы взаимосвязаны.

— Стратегия работы с ключевым партнёром

Одна из ключевых ошибок стартапа — пренебрежение информацией с полей, доверие «партнёрам». Полагаясь на договорённости и на то, что в них инвестировала одна из компаний ключевого партнёра, они считали, будто автоматом получат приоритет в распределении заказов. При этом курьеру вечером присылали «точку», куда он должен приехать и где, по их мнению, будет поток заказов. Но, забегая вперёд, скажу, что это не работало.

Я же как сторонник подходов бережливого производства и получения информации «с земли», пошёл по пути работы в полях и сбора информации от курьеров и работников партнёра. Вообще в бизнес-разведке есть одно правило: 60% необходимой информации есть внутри компании.

Что же дала работа в полях? Информацию о том, что стратегия ключевого партнёра — развитие собственной сети курьеров. На сторону отдавали только те заказы, которые не забирали «свои». Причём было не совсем понятно, как шло распределение — то ли системой, то ли человеком. Но стартап получал свои заказы в последнюю очередь.

Что в итоге? Целая армия курьеров спала в машинах за 3 тысячи в день.

Я предложил ребятам скорректировать стратегию: выйти за МКАД и начать работать с этими магазинами в подмосковных городах. Для этого хватило бы 2–3 человека на город. Почему такое предложение родилось? Потому что у этой сети там нет своих курьеров, а «Яндекс. Доставка» не справляется. Одно из её главных ограничений — 1 заказ 1 человеку. Да и в приоритете своя «Яндекс. Лавка».

Также отмечу и тот факт, что большинство курьеров как раз были из таких городов, и компании приходилось возмещать затраты на топливо в том числе на дорогу от дома и обратно.

То есть переход на такую схему сэкономил бы для компании средства на оплату ГСМ, курьеры были бы загружены, а ключевой партнёр видел бы качество сервиса и решение своей проблемы. Всё это в итоге позволило бы раскрутить систему и начать получать заказы в Москве, а не ждать очереди после «Яндекса».

Но компания эту информацию выслушала и… ничего не сделала. Что ж, это их право. Консультант может дать рекомендацию, но не может изменить образ мышления ТОП-ов.

— Обучение курьеров

Изначально любой стартап работает хаотично и не систематизировано. И это нормально, пока людей немного. Но что наступает потом?

Давайте приземлимся в этот конкретный пример. Сначала всё обучение курьеров сводилось к часовой лекции в офисе и подписи об ознакомлении в ведомости. Но затем курьеры писали в свой чат и спрашивали, что и как, то есть создали сами свою техподдержку. И это логично.

Я ребятам сказал изначально: структурируйте обучение, сделайте памятки. Посмотрите, что делает Яндекс.

Тогда они создали обучение. Но в формате живого вебинара. Да, каждый новый раз живой человек всё рассказывал и отвечал на вопросы. Угадайте, что произошло? Правильно, постоянно были проблемы то со звуком, то с картинкой.

Я ещё раз предложил: создайте нормальные студийные видео, сделайте памятки и после обучения проводите тестирование.

Как только это было сделано, рядовые вопросы в чате сократились процентов на 70. Ещё оставались, конечно, но спрашивающим просто отправляли памятки.

— Сетевой эффект и цены

Чтобы данная платформа и математические алгоритмы заработали, нужно добиться сетевого эффекта. Мы уже поднимали эту тему. Чтобы всё это работало эффективно, нужно много участников. И курьеров уже набрали. Но как набрать клиентов? Ключевой «фишкой» компании стали фиксированные тарифы на доставку по всей Москве. У «Яндекса» тариф считается от времени и расстояния.

Угадайте, что стало на «свободных» заказах?

Правильно, «быстрые» доставки утекали «Яндексу», а те, где нужно 2–3 часа добираться через весь город, оставались нашему стартапу. Добавим сюда «глюки» нейросети (она порой очень интересно их распределяла, так что одни были «в мыле», а другие спали), отсутствие эффекта масштаба — и получим, что курьер с ЗП более 300 рублей в час мог везти заказ более двух часов за 300 или 350 рублей.

При этом на рекомендации пока приостановить набор новых курьеров опять же никто не реагировал.

Что в итоге получилось? Людей, набранных для работы с ключевым заказчиком, было нечем загрузить. При этом им надо было платить за смену (около 3000 в день) и оплачивать топливо до точки. А учитывая подход логистов, зачастую дорога до «места для сна» и обратно была 100–150 км (да, они любили людей с востока отправить на запад, а с севера — на юго-восток). Оплата же была 5 р./км. То есть добавляем ещё 500–700 рублей на человека в день.

По моим оценкам, около 80% людей за день либо вообще не делали доставки, либо делали одну-две, то есть «зарабатывали» для компании 300–400 рублей. Остальные же делали не более десяти. То есть в лучшем случае самоокупались.

При этом люди на свободных сменах накатывали по 300 км в день. И затраты компании составляли уже около 4500–5000 рублей в день на человека (3600 за смену +1000–1500 на ГСМ). Выполняли же они за это время 5–8 заказов, то есть приносили компании 1500–2500 рублей выручки.

При этом с дисциплиной тоже всё было интересно. Изначально компания позиционировала свою политику как «никаких штрафов и наказаний», но потом…

Последствия были предсказуемыми. Спустя пару месяцев такой работы, когда деньги начали «проедаться» слишком быстро, а курьеры стали просто забивать и не выходить на смены, последовали жёсткие действия. Так обычно и бывает. Сначала мы игнорируем сигналы, а потом включаем режим репрессий. В результате начали ограничивать количество смен, затем ввели «единый день получения смен». В итоге примерно 100–200 активных курьеров боролись за 15–20 доступных смен в день. Что стало с мотивацией персонала, думаю, понятно. Затем пошли массовые увольнения за любой проступок. То есть такие хорошие и без штрафов начали банально делать чистку рядов.

Вся эта история была в конце 2020 — начале 2021 года. Сейчас, на начало 2022 года, стартап всё ещё пытается выжить. Представительство в Краснодаре закрыли (это их первый город), а что же Москва? Покорили? Нет. Всё примерно на том же уровне. Клиентов больше не стало, ключевой партнёр так и кормит подачками, а курьеры стали растекаться и работать на конкурентов.

Резюме тут простое. Использование цифровых технологий, таких как нейросети или чат-боты, ещё не гарантирует успех. Нужно уметь управлять, работать с информацией и думать о последствиях.

Цифровые технологии в жилой недвижимости

Это не совсем кейс. Это моё маленькое исследование 2022 года, в котором я хочу провести небольшой практический обзор применения цифровых технологий в жилой недвижимости. Скажу сразу, охватить все болевые вопросы будет невозможно — это материал для отдельной книги. Но мы постараемся рассмотреть наиболее ключевые аспекты с позиций основных участников этого рынка.

Проблемы

Взгляд со стороны девелопмента

По данным банка «ДОМ.РФ», на 2 января 2022 года в России на стадии строительства находится 96 млн м² квартир. Казалось бы, отличный показатель. Но если изучить этот вопрос несколько глубже, мы поймём, с какими проблемами сталкиваются застройщики и почему в ближайшее время следует ожидать ужесточения конкурентной борьбы во всех ценовых сегментах.

Так, до пандемии COVID-19 каждый квадратный метр в новостройке стоил примерно в полтора раза дешевле, чем в середине 2021 года. По традиции, наибольший ценовой подъём наблюдался в городах-миллионниках. Какие же факторы на это повлияли?

— Льготная ипотека

— Дорогие стройматериалы

— Нехватка рабочей силы

— Обязательность эскроу

Сочетание всех этих факторов приводит к тому, что застройщики активно ищут источники добавленной стоимости и конкурентного преимущества в отрасли, где совершить революцию практически невозможно. То есть застройщикам нужно ответить на ключевой вопрос: «За что в итоге покупатели готовы платить рублём?»

Умные домофоны, лифты, шлагбаумы, включение света через голосовых помощников — всё это довольно приятные бонусы. Но как только речь заходит о деньгах, люди сейчас не готовы платить за это. А закладывать эти затраты в стоимость квадратного метра означает снижать свою конкурентоспособность или жертвовать маржинальностью, которая и так не на высоком уровне.

При этом, по данным ЦИАН, разница в стоимости строительства и в цене готового жилья в среднем составляет 8%. То есть на каждом м² строительная компания зарабатывает 4,3 тысячи рублей. А по некоторым регионам это значение и вовсе не превышает 5%.

Взгляд со стороны эксплуатирующих организаций

Эксплуатирующие организации тоже сталкиваются с рядом критичных проблем.

— Высокий уровень задолженности от текущих клиентов

Так, по данным Известий, за I квартал 2021 года долги за ЖКУ в России выросли до 1,33 трлн рублей. И на протяжении трёх лет задолженность только растёт, а во время пандемии собираемость платы за ЖКУ с населения снизилась, в некоторых регионах до 60%. Рост долгов, что неудивительно, связан с сокращением доходов жителей и арендаторов.

— Сложно находить новых клиентов

Чтобы найти новые объекты, есть 3 основных пути:

— выиграть конкурс;

— договориться с застройщиком;

— убедить общее собрание жильцов сменить УК.

В первом случае компания может не выдержать конкуренции, во втором может не хватить связей. А третий требует невероятных усилий: нужно собрать жильцов и уговорить их пройти через сложную процедуру. Если у основателя нет сильных связей или возможности влиять на решение жильцов, найти объекты для управления практически нереально.

— Нехватка рабочей силы

Рабочая сила становится всё дефицитнее, а значит, дороже. Необходимо по максимуму сокращать использование низкоэффективного и дорогого ручного труда. Иначе даже эффект масштаба не позволит зарабатывать.

— Непрозрачные и неэффективные операционные процессы

Отрасль жилой недвижимости характеризуется большим количеством объектов, низким уровнем автоматизации и цифровизации. Всё это приводит к тому, что неясно, где и что происходит, как организуется, проводились ли на самом деле работы или нет — список может быть бесконечен.

— Высокие потери, в том числе на общедомовые нужды

Если в коммерческой недвижимости собственники стараются снизить все нецелевые потери, то жилая недвижимость на данный момент генерирует колоссальные убытки. Кроме того, для жилой недвижимости актуальна проблема хищения энергоносителей — незаконные врезки, подключения. Ставить дорогие «постоянные» решения не всегда целесообразно. Необходима мобильность и скорость монтажа для учёта и выявления «зайцев». Иначе недобросовестные пользователи быстро перестроятся.

— Высокий уровень износа инженерных систем и устаревшее планирование ТОиР

По различным данным, в среднем по России уровень износа коммунальной инфраструктуры достигает 60%. По данным Росстата, в России подлежат замене более 44% водопроводных сетей, 30% сетей горячего водоснабжения, 45% коммуникаций водоотведения.

«Состояние здоровья» более сложного оборудования оценить ещё труднее — нет единой методики, много некачественного ремонта. При этом обслуживание данных систем в лучшем случае ведётся по календарному графику. С учётом высокой изношенности оборудования и несоблюдения норм при проведении планового обслуживания доля аварийных ремонтов легко может превышать 40% от плановых.

При этом аварийный ремонт нередко обходится в 2–3 раза дороже планового. Почему?

— Аварийный ремонт требует либо значительного аварийного резерва запасных частей, что приводит к замораживанию оборотных средств, либо их покупку по высоким ценам.

При этом в случае больших запасов необходимо обеспечивать условия для хранения запасных частей, что вновь увеличивает издержки, а также риск выхода деталей из строя из-за некачественного хранения.

— В результате аварии возникает не просто отказ одного узла, но, возможно, и его разрушение. А это зачастую приводит к выходу из строя всего агрегата. В результате необходимо будет проводить его полную замену.

— Аварийный ремонт вынуждает проводить работы в сжатые сроки и либо привлекать в срочном порядке квалифицированных специалистов по повышенным тарифам, либо нанимать неквалифицированный персонал и снижать качество проведённых работ, тем самым повышая риски повторного отказа.

— Ограниченность тарифов.

Как показывает практика, управляющие организации не могут устанавливать тарифы, которые бы покрывали все потребности для обеспечения надёжной эксплуатации зданий.

Взгляд со стороны покупателей

По данным РБК, основные жалобы жителей связаны с некорректным начислением платы за жилищно-коммунальные услуги. С этим было связано 17,5% всех жалоб. Среди конкретных причин также и начисление платы за общедомовые коммунальные ресурсы. В компании обращают внимание, что тема начисления платы за коммуналку вышла на первое место впервые за полтора года — до этого граждан в первую очередь волновали вопросы содержания и ремонта многоквартирных домов.

Последствия проблем

Для застройщиков

Все перечисленные выше проблемы для застройщиков означают усиление конкурентной борьбы во всех сегментах. И с учётом того, что покупательская способность снижается, застройщикам необходимо строить не просто умные здания, а давать главную ценность для потребителя — низкую цену, безопасность, надежность и минимальные затраты в будущем.

А если застройщик продемонстрирует понимание основных проблем своих клиентов, начнет общаться с ними на одном языке, то он сможет еще на стадии строительства обеспечивать не только выгодную покупку «здесь и сейчас», но и экономию для жителей в дальнейшем. И качественные объекты, которые не страдают от проектных ошибок, эффективно эксплуатируются (да-да, потребители оценивают застройщика по комплексному впечатлению эксплуатируемых объектов), являются лучшей рекламой.

Для эксплуатантов

Предприниматели из сферы ЖКХ говорят, что рентабельность редко превышает 5%. Заработать получится, только если взять много объектов под управление. Нет смысла брать в управление меньше 5 домов, так бизнес точно не выйдет на окупаемость.

И в условиях дефицита бюджета и высокого уровня износа оборудования компании имеют две «глобальные» альтернативы:

— необходимо повышать свою эффективность и снижать внутренние издержки;

— проводить масштабные капитальные ремонты или реконструкции существующих инженерных сетей и оборудования.

Второй подход невозможен без повышения тарифов. А это приводит снижению удовлетворенности жителей и высокому уровню рисков судебных обращений, увеличению издержек на работу юристов и снижению уровня маржинальности и конкурентоспособности.

Кроме того, повышение тарифов неизбежно приведет к дальнейшему снижению платёжной дисциплины и увеличению дебиторской задолженности.

В итоге высокий уровень репутационных потерь может привести к утрате существующих клиентов и невозможности привлечь новых, а ужесточение требований регуляторов — к невозможности работать в условиях существующих тарифов и, как следствие, к закрытию бизнеса.

Для жителей

Основные последствия для жителей:

— ухудшение качества услуг ЖКХ и рост тарифов;

— возникновение монополий, не заинтересованных в борьбе за клиентов.

Новые технологии для решения проблем

В текущей ситуации, по моему мнению, наиболее безопасное решение — радикальное повышение собственной эффективности и внедрение только тех инноваций, которые создают практическую ценность и решают конкретные проблемы.

Ключевыми технологиями в данном направлении я вижу следующие.

— Цифровые двойники и BIM-системы

Если кратко, то это 3D-модели зданий с информацией о материалах, инженерными системами и данными от датчиков.

— Интернет вещей

Интернет вещей не обязательно должен базироваться на мобильных сетях и быть затратным. Можно использовать промышленные варианты, которые будут условно бесплатными или иметь крайне низкую стоимость передачи данных.

— Дополненная, смешанная и виртуальная реальность, панорамы 360 градусов

Эти решения позволят снизить влияние человеческого фактора в процессе эксплуатации, повысить качество подготовки проектов, а также снизить изначальные требования к персоналу и качественнее проводить его обучение.

— Нейронные сети: предиктивная аналитика и машинное выявление аномалий

— Большие данные

Какие преимущества

Для застройщиков

Для застройщиков выгода от платформы — создание добавленной стоимости для покупателей с минимальными вложениями и оптимизация собственных затрат.

Применение цифрового двойника делает возможным сосредоточить основную долю изменений и затрат на стадии проектирования, что позволяет сократить издержки и на строительстве, и на эксплуатации. При этом объект получается качественнее. То есть происходит удовлетворение как раз базовых запросов потребителей.

Главное ограничение здесь в том, что надо организовывать получение эксплуатационных данных проектными организациями. Чтобы все ошибки прорабатывались. И внедрение «умных» инженерных систем на стадии проектирования и строительства позволяет сделать все необходимые привязки к изначальным объектам, а также наладить импорт данных с самого начала и копить всю информацию с самого важного этапа — пусконаладки оборудования.

В конечном счёте всё это формирует клиентоориентированный образ застройщика, которому люди доверяют и готовы покупать его продукт.

Преимущества для управляющих компаний

Управляющие компании получают два ключевых преимущества — прозрачные бизнес-процессы и возможность перехода на риск-ориентированное техническое обслуживание, а также на ремонты по фактическому состоянию.

Прозрачные процессы подразумевают доверие текущих жителей и их лояльность, снижение зависимости от рабочей силы, снижение издержек на неэффективные действия.

Возможность перейти на риск-ориентированный ТОиР означает радикальное снижение внутренних издержек при одновременном повышении качества предоставляемых услуг. Цифровые технологии позволят своевременно узнавать о неполадках, аномалиях и прогнозировать поломки, уровень износа, иметь инструментальное подтверждение о проведённых работах по изменению эксплуатационных показателей.

Всё это повышает внутреннюю эффективность, а значит, увеличивает конкурентоспособность управляющей компании. То есть позволяет сохранить текущих клиентов, даёт возможность получать в управление новые объекты, а следовательно, зарабатывать на эффекте масштаба.

Преимущества для жителей

Ну, а для жителей все просто — высокое качество услуг и их надёжность по минимальным тарифам.

Рынок решений

Гиганты

Рынок крупных решений представлен несколькими «поставщиками»:

— Schneider Electric c EcoStruxure Building;

— Johnson Controls Metasys c Building Automation System;

— Honeywell c Forge Buildings;

— ABB;

— Siemens c решениями Desigo CC, Synco и GAMMA.

Плюсы этих решений в их универсальности — они могут почти всё. Но есть у них и минусы: сложность, стоимость, сроки.

Разобраться, что есть и что тебе подойдёт, сложно. Нужно обращаться в компании и заходить в их воронку продаж. А это значит, что вас всеми способами начнут «окучивать». Лично меня это раздражает. Также они заточены под экосистемную бизнес-модель: вы привязываетесь к ним и начинаете зависеть всё сильнее — интегрировать их с другими решениями сложно.

Дальше идёт стоимость. Да, они комплексные, но это, как правило, дорогая автоматизация: дорогое программное обеспечение и дорогое «железо».

Ну, и сроки. Из-за всех сложностей и бюрократии решения от больших поставщиков редко реализуются быстро.

Стартапы (европейские)

Здесь все фокусируются на наиболее очевидном направлении — снижении энергопотребления. При этом практически никто не занимается оптимизацией процессов технического обслуживания оборудования.

Российские решения

Российские решения меня удивили больше всего. Они самые продуманные и «цельные», а рынок самый разнонаправленный. Вот основные решения, которые я бы выделил.

— UJIN — платформа для создания цифрового двойника и комплексной автоматизации зданий с подключением сторонних «модулей» и компонентов (например, ТИМ-Фактор, SODIS, Alphaopen).

— ТИМ-Фактор — цифровой сервис, позволяющий снизить издержки на эксплуатацию и обеспечить надёжное предоставление услуг. Снижение издержек обеспечивается как сокращением энергопотребления, так и оптимизацией процессов технического обслуживания и ремонтов — переходом на риск-ориентированный ремонт по техническому состоянию.

— SODIS — комплексное решение для работы как с несущими конструкциями, так и с инженерными системами. Но инженерные системы здесь не являются ключевым решением.

— Alphaopen — программная платформа для интеграции различных систем автоматизации в «единый контур».

— smart-MAIC — платформа для учёта и анализа потребления электроэнергии, воды, газа, тепла. Также имеются датчики состояния воздуха и внешних погодных условий. Минус этой системы — отсутствие специализации, продажа железа и доступа к платформе, а не создание сервисов. Нет ничего про надёжность и выявление предаварийных, «опасных» событий. По крайней мере, подобное не заявляется. Судя по описаниям, их целевой сегмент — B2C или малые организации.

Делать аналогичную таблицу здесь я не буду, потому что это решения абсолютно разной направленности.

Резюме

Как я всегда говорю, в проектах по IT и цифровизации важны не столько технологии, сколько навыки проектного управления, общие цифровые компетенции, критическое мышление и клиентоориентированность.

Если раньше в IT ключевым было Т — технологии, то теперь критично I — информация. Как вы её собираете, обрабатываете, используете для принятия решений и т. д.

Если любую, даже самую перспективную технологию внедрять не туда или неправильными методами, то получится слив бюджета в пустоту. Сколько бы мы ни говорили о цифровом мире, ограничением всё равно остаются люди, их общение между собой, умение договориться.

Как показывает мой опыт, наиболее успешные IT-решения и проекты создаются не IT-шниками в чистом виде, а «производственниками», финансистами и так далее, но с хорошими цифровыми компетенциями. То есть людьми, которые сталкиваются с проблемами и обладают достаточными IT-компетенциями, чтобы понять, как можно это решить с помощью цифровых инструментов.

И чтобы немного развеять туман скептицизма, надо ли вообще этим заниматься, я приведу немного цифр из одного своего исследования. Оно проводилось для администрации Томской области.

Суть исследования была в сравнении компаний, которые участвуют в проекте повышения эффективности, с ведущими «цифровыми» компаниями, лидерами отрасли.

Основные экономические показатели компаний, которые участвуют в проекте повышения производительности

Теперь сравним основные показатели компаний, которые участвуют в проекте, с аналогичными по масштабу компаниями в той же отрасли, которые активно внедряют цифровые технологии.

Пищевая промышленность

Приборостроение и машиностроение

* Операционная.

По итогам сравнения следует отметить, что большинство компаний, активно внедряющих цифровые технологии в бизнес-процессы, имеет кратно более высокие показатели рентабельности и производительности труда.

Данный факт не позволяет однозначно утверждать, что причиной успеха анализируемых компаний является только внедрение цифровых технологий, но подводит к выводу, что указанные инновации являются одним из факторов успеха.