Статьи

«Цифровая трансформация происходит в головах», — подчеркивает Андрей Харин, ИТ -директор группы компаний Kerama Marazzi, крупнейшего производителя отделочных материалов на постсоветском пространстве. По его словам, цифровой трансформацией компания целенаправленно занимается уже 10 лет и для сотрудников это уже давно стало нормой, новой реальностью. Мы поговорили с Андреем Хариным о цифровом пути компании, о роли конкретных технологий и о том, как добиться поддержки своих проектов со стороны рядовых сотрудников.

Чем цифровая трансформация отличается от «обычной автоматизации»?

В моем понимании обычная автоматизация — это когда в машину вместо механической коробки передач поставили автоматическую или человеку вместо пера дали шариковую ручку. А цифровая трансформация — новый термин, описывающий старую, давно существующую идею: «Нельзя автоматизировать неоптимизированное». Это является девизом нашего ИТ-департамента. Сначала процесс надо оптимизировать, а для этого требуется разработать стандарты, описанные языком логики. И это уже цифровая трансформация. Как только процесс удается описать правилами и цифрами, можно использовать логику и математику. Дальше уже неважно, написаны правила на стене, указаны в инструкции или заложены в информационную систему — все это цифровой подход.

Если исходить из такого понимания, то получается, что впервые цифровая трансформация произошла в Египте, вместе с возникновением зачатков бухгалтерского учета. Как только люди поняли, что какой-либо показатель можно измерить, учесть и принять на его основе решение, можно говорить о наступлении этапа цифровой трансформации. А технологии — например, переход с мейнфреймов на персональные компьютеры, а затем на серверы и виртуальные машины — всего лишь инструмент.

Андрей Харин Возраст: 58 лет Образование: Тульское высшее артиллерийское инженерное училище (ТВАИУ) Послужной список: Настоящее время Группа компаний Kerama Marazzi, директор по ИТ 2006 «Керама Центр», начальник отдела ИТ 2001­–2005 «Скотт, Риггс и Флетчер, аудит и консалтинг», программист, специалист аналитического отдела ЗАО «Станкотехника», начальник бюро АСУ ЗАО «Аконта», системотехник 1999 Вышел в отставку, начал все сначала 1982–1999 ВС СССР, командир взвода — начальник отдела АСУ Управления ДВО

10 лет работы в области цифровой трансформации — это много. Каковы основные вехи на этом пути?

Основными вехами стали разработка принципов ведения нормативно-справочной документации, создание корпоративных стандартов обмена информацией, а также определение точек потребления информации — не отделов, которые строят отчеты, а центров принятия решения на основе этих отчетов. Еще одна веха — это формирование команды, которая и стала ядром службы ИТ.

Что касается конкретных проектов, то можно выделить получение консолидированной отчетности, создание единого информационного пространства для всех предприятий группы, партнеров и крупных клиентов, технологические задачи, управление складом, прогнозирование и планирование. По сути, ничего нового. Самое главное, у нас не было заблуждений типа «купим SAP (Oracle, “1С”, “Галактику”), и тогда решатся все наши проблемы».

Эти проекты появились до того, как термин «цифровая трансформация» получил повсеместное распространение.

Началом трансформации стала именно разработка подхода к ведению единых классификаторов группы компаний. В какой именно системе вести эти классификаторы — неважно. Если они «правильные» — верно структурированные, неизбыточные, то они будут работать даже на бумажных носителях. Если же нет четкой логики, контроля уникальности, определения точек ввода, стандартов обмена и т. п., то не помогут даже решения, разработанные лидерами ИТ-рынка. Иными словами, вполне возможна цифровая трансформация даже без привязки к конкретным техническим решениям, само же по себе внедрение технического средства не обеспечивает цифровую трансформацию.

Бизнес-эффект дают бизнес-решение, оптимизация бизнес-процесса, а не внедрение патентованных технических средств. Построением единого информационного поля я могу похвастаться лишь перед коллегами-айтишниками. А руководству компании и пользователям это неинтересно.

Вполне возможна цифровая трансформация и без привязки к конкретным техническим решениям, а вот само по себе внедрение технического средства не обеспечивает цифровую трансформацию

Трансформация общественного сознания подразумевает определенную революцию, сродни появлению стрекозы из невзрачной водяной личинки: предприятие приобретает новые качества и способности и начинает вести бизнес по-другому.

У нас полностью роботизированное предприятие — цифровое по определению. То, что сейчас называется модным словом «трансформация», для нас является нормой жизни. Это конкурентное преимущество нашей компании и то, на чем она вообще была построена. Да, сейчас мы улучшаем определенные аспекты, в том числе прогнозирование, планирование производственной программы, логистику, но это не революция. Мы изначально были «стрекозой». Сейчас «меняем чешуйки», стали летать красивее, но главным преимуществом нашей компании всегда было использование изначально новаторских решений. Именно поэтому мы и стали крупнейшим производителем отделочных материалов на постсоветском пространстве. Компании, отстающие от лидеров отрасли в использовании современных технологий, прогорают со страшной силой.

У нас полностью роботизированное предприятие — цифровое по определению.То, что сейчас называется модным словом «трансформация», для нас является нормой жизни

То есть вы считаете цифровую трансформацию не просто фактором успеха, но и условием выживания?

Уже сейчас ничего серьезного в управлении предприятием нельзя добиться без использования ИТ. Управленческие решения должны приниматься в режиме реального времени, с учетом огромного количества информации. Конечно, есть гениальные руководители (и в нашей компании тоже), которые могут на интуиции принять быстрое и правильное решение. Но они не в состоянии принимать всегда и все решения, часть полномочий им приходится делегировать. И вот тут встает вопрос: как «обычному» человеку принять правильное решение? Ведь для этого часто требуется анализ большого количества информации, необходимо увидеть тенденции, понять взаимосвязь… Подготовка и принятие решений становятся командными задачами, а здесь уже невозможно без организации управления потоками структурированной информации.

Как трансформация влияет на бизнес в вашей компании?

Бизнес-модель осталась прежней, она не может принципиально измениться в рамках нашей отрасли. Другое дело, что в каждом из блоков мы пытаемся максимально использовать технические и научные возможности.

Например, сейчас внедряем прогнозирование на базе решений Anaplan. Раньше при прогнозировании были возможны два подхода. Первый основывался на проводимом экспертами кропотливом анализе продаж, выявлении трендов и оценке сезонности, а второй — на бизнес-чутье руководства, способного предсказать популярность моделей в следующем году. Второй подход оцифровать нельзя, а вот первый — необходимо, и это вполне можно считать элементом трансформации. Далеко не факт, что прогнозы станут более точными и это даст в итоге конкурентное преимущество.

Построение системы управления качеством тоже элемент трансформации, влияющий на бизнес. Традиционно мы вели статистику брака по месяцам и анализировали в конце года. Нам удалось доказать руководству, что статистику нужно собирать в конце каждой смены и смотреть тенденции по видам брака, которые сами по себе некритичны, но могут подсказать специалистам необходимые действия. Мы сумели классифицировать виды брака и построить отчеты, из которых видно, как показатели меняются от смены к смене. Многие проблемы можно решить быстро еще до того, как они станут заметными и окажутся критичными для бизнеса. Люди принимают решения на лету, в реальном времени и видят результат — это революция. Как именно реализован процесс (с помощью технологий Интернета вещей или ручного ввода данных) — не столь важно.

Источник: Kerama Marazzi

Kerama Marazzi — ведущий российский производитель керамических декоративно-отделочных материалов с сетью фирменной торговли в России и за рубежом. В 2018 году компании исполняется 30 лет.

В группе компаний сейчас работает более 3,8 тыс. сотрудников, из них 2,5 тыс. — на производствах. Производственный сектор представлен двумя крупными фабриками: в городе Орёл и поселке Малино Московской области. Годовой объем производства двух заводов составляет 34,8 млн кв. м. На сегодняшний день каталог насчитывает более 3 тыс. артикулов.

За последние 10 лет компания выросла почти в 10 раз. Ее розничная сеть достигла 350 фирменных розничных магазинов, а количество филиалов увеличилось до 21.

В 2017 году Kerama Marazzi запустила производство фирменной сантехники КМ и начала сотрудничество с Surface Lab для создания персонализированного керамического гранита для использования на фасаде.

Как вы относитесь к тому, что во многих компаниях начинают появляться специальные должности CDO и эти люди занимаются тем, что все называют трансформацией?

Если руководитель компании считает, что этим нужно заниматься и это принесет бизнес-выгоду, к этому можно относиться только положительно. Если руководитель расценивает это как имиджевый шаг, он тоже прав, ведь это влияет на лицо компании. Но если у нас подобные обязанности выполняет сотрудник аналитического отдела или отдела бизнес-проектов, то зачем переименовывать его должность? Я против использования красивых терминов, ведь за ними часто теряется правильное понимание процессов.

Какие из технологий имеют для вас наибольшее значение?

Для нас наиболее важны промышленная автоматизация и большие данные. С промышленной автоматизацией понятно — там непаханое поле: и расчет стандартной себестоимости, и оптимизация загрузки линий, и корректировка производства с учетом потребности рынка. Большие данные важны, например, при прогнозировании. Когда мы говорим, что нужно учитывать также курс доллара, тенденции моды, внешнеполитическую обстановку и еще множество факторов, то оказывается, что это либо работа с невиданным ранее объемом совершенно разнородной информации, либо искусство, которому обучить нельзя. Если удается создать алгоритм, помогающий в принятии подобных решений, остается лишь придумать, как раздобыть нужные данные и начать работать с ними.

Тем не менее стоит отметить, что большие данные до сих пор лишь модный термин, под которым часто понимаются совершенно разные вещи.

Существует ли в компании единая программа трансформации или же реализуются отдельные, точечные проекты? Как обеспечить целостность проектов, их соответствие единой стратегии?

«Единая программа трансформации» — это тоже всего лишь модный термин. Не хотелось бы рассматривать его как в свое время воспринимали «перестройку и ускорение». Часть процессов в нашей компании изначально оптимальна и автоматизирована, часть — не оптимальна или недостаточно автоматизирована. Реализация точечных проектов — это нормальная практика для большинства компаний. Но необходимо понимать, что все проекты (не только ИТ) — это пазл и его части в итоге должны совпасть. Бывает, реализуется «чисто точечный и независимый» проект. Как добиться того, чтобы он соответствовал стратегии? Иметь (как минимум в голове) понимание конечного ландшафта, тогда будет понимание, куда поставить очередную часть пазла.

Источник: Kerama Marazzi

Целей трансформации — как краткосрочных, так и долгосрочных — можно перечислить много. Какая из них является ключевой для вас?

Наверное, оптимизация принятия бизнес-решений. Все остальное вытекает из этой цели.

Есть хорошее выражение: «В заботе о ближнем главное — не перестараться». Служба ИТ должна четко понимать, на кого она работает. Если на руководство компании — это одно, если на оптимизацию работы конечных пользователей — совсем другое. Когда я пришел в компанию, то задал не вопрос «Кому подчиняться?», а вопрос «На кого работать?».

Если руководство службы ИТ считает, что работает на конечного пользователя, то зачастую получается как в фильме «Морозко», где герой бегает по лесу с криком: какое мне доброе дело сделать? Но интересы часто конфликтуют: например, когда для принятия решения руководством компании нужна определенная информация, то нагрузка на конечного пользователя нередко увеличивается. Облегчение же работы конечного пользователя, происходящее иногда, — это лишь побочный эффект оптимизации информационных потоков.

Когда работаешь на группу компаний, надо понимать, что цель — дать информацию для принятия решений, и это действительно революция. Цифровая трансформация происходит именно в головах, когда сотрудники понимают, что все усилия службы ИТ направлены на скорейшее принятие оптимальных решений и всем от этого будет хорошо. Тогда поддерживать трансформацию начинают все, от младших менеджеров по продажам до директоров.

Цифровая трансформация происходит именно в головах, когда сотрудники понимают, что все усилия службы ИТ направлены на скорейшее принятие оптимальных решений и всем от этого будет хорошо

Поддержка трансформационных проектов на нижнем уровне — очень редкое явление. Как добиться такой сознательности от сотрудников?

Многое зависит от того, что мы понимаем под «нижним уровнем». Если технологов — специалистов с высшим образованием, которые не могут работать с «записями на манжетах», то это одно, если водителей погрузчиков, для которых ввели строгий учет выполненной работы, это совсем другое.

В прошлом году мы провели расширенный внешний аудит службы ИТ с привлечением одной из компаний «большой четверки». Аудит, помимо прочего, предусматривал оценку качества ИТ различными категориями пользователей. Скажу: высокая оценка со стороны топ-менеджмента не удивила, а вот одобрение со стороны большинства рядовых сотрудников стало приятным сюрпризом.

Хотелось бы добавить, что понимание и одобрение большинством сотрудников целей и задач — традиция нашей компании. Иными словами, работа с персоналом — это важный фактор, причем не только в ИТ-проектах. И разумеется, все должны понимать, что ИТ лишь инструмент для решения бизнес-задач.

Источник: Kerama Marazzi

Трансформацию нельзя просто так остановить. Каким вы видите будущее цифровой трансформации в вашей компании?

Я бы не стал привязываться к слову «трансформация». Модные термины меняются, а задачи и пути их решения остаются. Совершенно точно нельзя остановить оптимизацию бизнес-процессов и информационных потоков, развитие отчетности, в том числе оперативной, используемой для принятия решений в режиме реального времени, управление холдингом как единым целым, что не должно отменять возможность гибкого управления всеми предприятиями.

Если говорить о конкретных проектах, то нас ожидают внедрение новой складской системы, расширение использования электронного документооборота, внедрение новой системы прогнозирования и планирования, внедрение системы управления активами в полном объеме, переход на новую ERP-систему и дальнейшее развитие управления технологическим процессом.

Вы работаете в компании 12 лет. Каковы направления дальнейшего роста?

По сути я пришел в компанию ведущим программистом. В то время вся ИТ-служба состояла из двух администраторов и аутсорсингового программиста. Сейчас у нас полноценная служба ИТ с разветвленной структурой, свои ЦОДы, служба поддержки, работающая по стандартам. Нас минимум раз в год проверяет кто-то из «большой четверки», причем ни одной проверки мы не завалили. Мы регулярно проводим тесты на проникновение, у нас своя сильная команда разработчиков. Могу без ложной скромности сказать: я не «засиживался», я все это создал и расту вместе с компанией. И в росте компании есть доля моего участия.

Как вы видите свою роль в дальнейшем развитии компании?

Основные задачи руководителя любой службы — во -первых, обеспечить текущие потребности, во -вторых, иметь задел на развитие и понимать, куда двигаться. И самое главное, я считаю, что любой руководитель должен организовать работу так, чтобы работа не зависела от него. Не должна возникнуть ситуация, когда все рушится после ухода руководителя. Надо сразу строить так, чтобы потом не приходилось все время подпирать.

План на 10 лет составить нельзя, потому что в нашей сфере и в нашей стране так далеко прогнозировать проблематично. Но должны быть несколько вариантов развития и понимание, куда мы идем. Например, на вопрос «Если мы в следующем году откроем еще один завод, ты готов?» я отвечаю, что для меня нет разницы, сколько будет заводов, у меня есть система, которую не придется перенастраивать. Да, придется проложить линии и приобрести оборудование, но принципиально ничего не изменится. Должна быть выстроена система управления — устойчивая и масштабируемая, готовая к развитию. И способная работать без меня. Тем более что у меня есть толковые начальники отделов, грамотный заместитель и талантливое руководство.

Из всех возможных областей применения технологий машинного обучения на медицину смотрят с особым вниманием и надеждой. Искусственный интеллект, несмотря на все его несовершенство, уже помогает не только развивать бизнес, но и спасать жизни. Интегрированное в единую радиологическую сеть современное диагностическое оборудование, которым осащены медицинские организации столицы, положило начало накоплению больших данных, и эта информация становятся «пищей» для искусственного «ума».

Сегодня применение технологий машинного обучения для скрининга рака в столичном Научно-практическом центре медицинской радиологии Департамента здравоохранения Москвы (НПЦ МР ДЗМ, проект «Радиология Москвы») выходит на новый уровень. Теперь при скрининге рака легкого искусственный интеллект научат выявлять и другие патологии.

«Комплексное развитие когнитивных систем искусственного интеллекта нацелено на рывок в повышении качества медицинской помощи», Виктор Гомболевский, руководитель отдела развития качества радиологии НПЦ МР ДЗМ

Эксперты проекта «Радиология Москвы» активно участвуют в разработке систем поддержки принятия решений для врачей-рентгенологов. Это оборудование позволяет работать с группами исследований в Едином радиологическом информационном сервисе (ЕРИС), высвобождая время доктора для действительно сложных задач. Одни из самых интересных проектов нацелены на выявление рака легких на ранних стадиях посредством автоматического поиска очагов в легких на КТ-исследованиях грудной клетки, а также на проверку качества описаний и заключений этих КТ-исследований путем интеллектуального анализа текстов, написанных на естественном языке.

Рак легкого — самый смертоносный среди всех онкологических заболеваний. Эпидемиологическая ситуация с раком легких в Москве такова, что требуются комплексные решения со своевременной диагностикой и эффективной маршрутизацией пациентов. Цель скрининга рака легких — выявить рак, прежде чем он распространится за пределы органа. Из всех случаев рака легкого только 15% локализовано непосредственно в легких. Однако данное заболевание выявляют обычно уже после того, как оно распространилось за пределы легкого. Единственный эффективный способ диагностировать эту онкологию вовремя — проводить низкодозную компьютерную томографию (НДКТ) гражданам из группы риска, не имеющим признаков болезни.

В результате запуска массового скрининга рака легкого в Москве в марте прошлого года накопился большой объем данных. Чтобы использовать эту информацию на благо здравоохранения, было решено применить технологии машинного обучения. Как отметил руководитель проекта «Радиология Москвы» профессор Сергей Морозов, скрининговые программы служат мощным стимулом к повышению спроса на автоматизированные решения и алгоритмы компьютерного анализа изображений.

От простого к сложному

На сегодняшний день в лучевой диагностике искусственный интеллект больше всего используется при решении когнитивно простых задач, а именно для формирования подсказок врачу, готовящему вывод по результатам исследования. Однако текущий уровень развития цифровых технологий позволяет решать значительно больше медицинских задач. Так, разделяя все случаи на «норму» и «патологию», искусственный интеллект дает рентгенологу возможность сфокусироваться именно на патологии. Кроме того, такая система может автоматически искать различия между снимками в динамике, классифицировать патологии, предоставлять «второе мнение», формировать сложные алгоритмы обработки больших данных для оценки среды, окружающей пациента. С помощью этой технологии можно изучать новые биомаркеры для развития систем раннего предупреждения заболеваний и создавать «калькуляторы» персонализированного риска.

На основе ретроспективного анализа 10 тыс. КТ-исследований грудной клетки пациентов было отобрано 5 тыс. с патологическими находками для последующего маркирования и тегитирования. Тем самым была сформирована специальная база размеченных КТ-исследований, на которых системы искусственного интеллекта учат искать очаги в легких. Кроме того, в рамках проекта «Радиология Москвы» разработан специальный программный продукт, позволяющий одновременно проводить независимую разметку и ее верификацию по любому массиву данных, с привлечением неограниченного числа рентгенологов. Эти данные применяются в разработке системы для поиска очагов в легких, работы ведутся совместно с Департаментом информационных технологий Москвы.

На сегодняшний день в Москве проведено в общей сложности более 14 тыс. НДКТ. Расчеты проведенного пилотного проекта показали, что из 86 выполненных НДКТ у пациентов из группы риска будет выявлен как минимум один рак легкого. Оценить результаты снижения смертности от данного заболевания планируется в 2024 году.

Расширение «кругозора»

Теперь искусственный интеллект может быть применен для поиска дополнительных патологий при проведении НДКТ. В новом проекте НДКТ 2.0 ставится несколько целей, помимо обнаружения рака легкого, — выявление остеопороза, коронарного кальция, аневризмы аорты, расширения легочного ствола, жирового гепатоза и эмфиземы легкого. Сейчас уже идет подготовка баз данных для тестирования и обучения алгоритмов под эти задачи.

«Роль искусственного интеллекта в скрининге рака легкого значительно шире, чем автоматический поиск узелков в легких, — говорит Виктор Гомболевский, руководитель отдела развития качества радиологии НПЦ МР ДЗМ. — А комплексное развитие когнитивных систем искусственного интеллекта нацелено на рывок в повышении качества оказываемой медицинской помощи».

Гомболевский, кандидат медицинских наук, врач-рентгенолог, не только является разработчиком проекта «Московский скрининг рака легкого», но и возглавляет комитет по искусственному интеллекту Московского регионального отделения Российского общества рентгенологов и радиологов.

По мнению Гомболевского, в использовании потенциала искусственного интеллекта сделаны лишь первые шаги. Сегодня медицинские системы искусственного интеллекта — это разрозненный парк решений для экономии времени, сокращения дозы лучевой нагрузки, поиска и классификации находок, консультации пациентов и направляющих врачей, подготовки изображений, распознавания естественного языка и других локальных задач, результаты которых выразятся в экономии финансовых ресурсов и повышении качества медицинских услуг.

«Надеюсь, что через 10 лет мир лучевой диагностики будет совсем другим именно благодаря искусственному интеллекту, — пишет Гомболевский на своей странице в Facebook. — Точно будут такие задачи, в которых можно поставить вопрос о замене врача. В то же время уложить все обязанности врача-рентгенолога в цифровой алгоритм будет весьма затруднительно».

Подробнее об использовании искусственного интеллекта можно будет узнать из доклада Виктора Гомболевского на практической конференции «Технологии машинного обучения», которую издательство «Открытые системы» проведет 25 сентября.

Сегодня интеллектуальные цифровые ассистенты «прочесывают» большие данные и выясняют сведения, на основании которых автоматически перестраивается цепочка поставок, увеличивая продажи. Программные роботы автоматизируют повторяющиеся задачи ввода данных, а сотрудники в высвободившееся время имеют возможность заниматься исследовательской и творческой работой. Обнаружив неполадку на промышленном объекте, система прогнозной аналитики заранее инициирует ее устранение, избавляя от необходимости высылать техников на место аварии.

Во всех отраслях цифровые технологии активно меняют принципы выполнения должностных обязанностей. Технологии всегда повышали КПД и продуктивность, но самая новая волна обещает гораздо больше. Разработки в сфере искусственного интеллекта, машинного обучения, Интернета вещей, больших данных, прогнозной аналитики и др. используются компаниями, чтобы менять рабочую среду и создавать новые рабочие места, требующие современных навыков, — близится новая эпоха взаимодействия человека с машиной.

По мере «цифровизации» компаний обязанности сотрудников все более усложняются. И на сегодня задача работодателя — эффективнее обеспечить в новых условиях заинтересованность сотрудников, предоставив им инструменты, которые облегчают выполнение сложных задач.

В центре исследований информационных систем МТИ ввели понятие «рабочие условия» (employee experience) — концепцию, определяемую группой факторов, в том числе уровнем сложности должностных обязанностей и поведенческими нормами, касающимися взаимодействия, творчества и использования вспомогательных средств. Цифровые функции обычно положительно влияют на рабочие условия — повышается КПД процессов и уменьшаются ошибки. Но реальные отличия проявляются, когда цифровые технологии используются для коренного изменения принципов работы — замены людей, дополнения их возможностей или создания новых должностей и функций.

По мере этих изменений растут опасения, что автоматы лишат людей работы. В какой-то степени так и произойдет, но эксперты уверены, что вытеснение будет происходить только с должностей, требующих рутинных и повторяющихся действий, а также с работы, которую машины способны выполнять в большем объеме. Около 74% топ-менеджеров, опрошенных Accenture, сообщили, что планируют использовать искусственный интеллект для автоматизации в крупных и очень крупных масштабах в предстоящие три года, и 97% рассчитывают с помощью ИИ дополнять возможности сотрудников.

Чтобы обеспечить успех преобразований, в организациях должны определить оптимальный для себя баланс числа людей и разумных машин. Из числа участников опроса Accenture 54% считают, что сотрудничество человека и машины важно для достижения приоритетных стратегических целей, 46% уверены, что традиционные должностные обязанности устарели, а 29% уже сильно изменили штатные расписания. Как признаются аналитики, со столь масштабными изменениями они еще не сталкивались: речь идет о новых уровнях возможностей и результатов для клиентов благодаря взаимодействию людей и средств интеллектуальной автоматизации.

Важную роль в совершенствовании рабочей среды будут играть обучение и повышение квалификации сотрудников. В некоторых отношениях придется вернуться к основам, к тому, что ценилось до эпохи автоматизации. Речь идет о диалоге между людьми, способности к обобщению, вынесению суждений, ведению переговоров, контролю затрат и точек интеграции — повышенное внимание снова будет уделяться взаимодействию людей на разных ролях.

Компании, способные предложить сотрудникам лучшие цифровые средства, достигнут большего, чем те, где будет просто обновлен штат, — в первых получат существенную прибавку производительности. Среди компаний, участвовавших в исследовании МТИ, 25% признаны обеспечивающими первоклассные рабочие условия, благодаря чему им удается выпускать новые продукты и предлагать услуги вдвое быстрее конкурентов, а кроме того, такие предприятия сообщают об удвоенных показателях удовлетворенности клиентов и на 25% большей рентабельности.

Дело не в навыках и не в эффективности, отмечают в МТИ. В таких организациях уверены, что для достижения принципиально нового уровня производительности необходима интеллектуальная автоматизация.

Расскажем, как пять лауреатов премии CIO 100 2018 смогли «оседлать» цифровую волну и провести преобразования, направленные на радикальное улучшение рабочих условий.

Дистанционное техническое обслуживание

В компании Applied Materials, которая является одним из основателей электронной отрасли, тратят миллионы долларов на отправку специалистов в разные страны мира, чтобы помогать клиентам устанавливать и ремонтировать оборудование, необходимое для выпуска микросхем и дисплеев с плоским экраном.

Несмотря на строгий контроль бюджетов, в компании сумели пойти навстречу клиентам, все настойчивее требовавшим сокращения сроков выпуска продукции на рынок, и коренным образом изменили многие процессы клиентской поддержки. С помощью дополненной реальности и «умных» очков технические работы на местах были заменены на процедуры дистанционного обслуживания, обеспечивающие существенную экономию командировочных расходов.

В партнерстве с Upskill, разработчиком платформы дополненной реальности Skylight, и Osterhout Group, поставщиком умных очков ODG R7, была разработана защищенная платформа дистанционной поддержки, которая используется для устранения неполадок, контроля качества и обучения персонала. Отныне специалисты компании могут взаимодействовать удаленно в режиме реального времени и быстрее решать проблемы, а простои из-за длительных поездок теперь сведены к минимуму.

«Наша главная цель — ускорение; нам необходимо быстро выполнять все новые требования клиентов в сжатые сроки, — объясняет Джей Керли, вице-президент, ИТ-директор Applied Materials. — У нас клиенты по всему миру, и наша задача — построить единую экосистему из людей, процессов и технологий, чтобы направлять лучших специалистов туда, где они требуются».

Очки дополненной реальности дали возможность реализовать несколько новых рабочих сценариев. Они обеспечивают взаимодействие глобально распределенных групп в режиме видео-конференц-связи: эксперты удаленно наблюдают за работой «глазами» техников, находящихся на объекте, и дают советы. Кроме того, очки помогают проводить обучение и выполнять сложные работы на местах. Система дополненной реальности используется также в ходе аудита и контроля качества: вместо прежних процедур, предусматривавших ручную съемку и каталогизацию, теперь техники автоматически транслируют видео и звук в режиме реального времени. Сегодня работать стало намного удобнее, потому что сообщения, аннотации и вспомогательные файлы, в том числе инструкции и схемы оборудования, автоматически передаются техникам и появляются у них перед глазами.

«Смысл проведенных преобразований в том, чтобы «перенести» экспертов и их знания непосредственно туда, где выполняются работы и устраняются неполадки», — добавил Керли.

Замысел проекта возник в 2015 году благодаря внутрикорпоративному конкурсу Internet of Things Challenge, в рамах которого сотрудники должны были предлагать идеи по применению новых технологий для решения повседневных задач.

Проект помог Applied Materials быстрее устранять проблемы благодаря возможности мгновенно обращаться к экспертам, а не ожидать их прибытия. Кроме того, за один визит удается устранять больше неисправностей, поскольку теперь проблему дистанционно могут изучать сразу несколько экспертов.

Сегодня в компании намерены применять и другие средства визуализации, обработки больших данных и высокопроизводительных вычислений, чтобы и дальше наращивать эффективность рабочих процессов. «Прежние методы сегодня не действенны, — заключает Керли. — Нам, в частности, крайне необходимо ускорить наши циклы исследования и разработки».

Контроль здоровья креветок

В компании Cargill уверены, что залог хорошего урожая креветочной фермы — не траулеры и рыболовные сети, а Интернет вещей, мобильные приложения и аналитика больших данных.

Подразделение Cargill Digital Labs предлагает iQuatic — решение, включающее мобильное приложение и информационную панель, которые обещают новый уровень контроля и продуктивности креветочным фермам.

Решение призвано заменить бумажные блокноты и электронные таблицы, оно реализует функции аналитики и визуализации данных, которые предоставляют фермерам ценные сведения в оперативном режиме, помогая следить за здоровьем креветок и повышать урожаи.

До недавнего времени креветочным фермам приходилось полагаться на везение, говорят в Cargill. Сегодня в компании оцифровывают информацию, которая вручную заносилась в блокноты, и комбинируют данные, чтобы директора ферм могли получать сведения в реальном времени и принимать взвешенные решения.

Назначение цифровой платформы — изменить принципы кормления креветок. На протяжении десятилетий фермеры контролировали состояние водоема, пользуясь блокнотами и электронными таблицами. Такой метод был неудобным, малоэффективным и чреват ошибками, в связи с тем что приходилось отслеживать большой объем данных.

Платформа iQuatic на базе Интернета вещей меняет традиционные методы: автоматически регистрируются температура и минерализация воды, с помощью акустических датчиков отслеживается, в какое время и в каком объеме питаются креветки. Эти данные, комбинируемые с информацией из других источников, позволяют вносить оперативные корректировки в режим кормления. Возможности iQuatic позволяют выяснить естественные закономерности питания креветок, чтобы автоматизировать кормление и высвободить у сотрудников время для других важных задач.

«В прошлом специалисту приходилось постоянно брать пробы воды для контроля температуры и уровня минерализации, — объясняет Тиффани Снайдер, ИТ-директор Cargill. — Мы соединяем различные датчики и аналитические функции, позволяя фермерам получать недоступные прежде знания и автоматизировать процессы, которые раньше осуществлялись вручную».

Cargill помогает не только повышать продуктивность, но и совершенствовать аналитические средства путем увеличения количества доступных наборов данных и внедрения машинного обучения для принятия решений на основе прогнозов, что позволяет повысить число урожаев за сезон и, соответственно, доходы. Креветочные фермы, как и другие сельскохозяйственные предприятия, прежде работали менее эффективно из-за разрозненности систем и невозможности сопоставить информацию, чтобы делать прогнозы и принимать профилактические меры.

Как правило, фермеры лишь могли реагировать на текущие сведения, тогда как система Cargill позволяет перейти на прогнозный режим работы и добиться реального повышения продуктивности.

Автоматизация неэффективных процессов

В Fannie Mae, агентстве доступного ипотечного кредитования с государственным участием, прекрасно знакомы с бюрократическими процессами — ручными и зачастую неэффективными. Поэтому, реализуя проект цифровой трансформации, в Fannie Mae внедряют новейшие технологии, рассчитывая создать штат виртуальных сотрудников, которые будут работать «рука об руку» с людьми.

Стержнем инициативы являются средства роботизированной автоматизации процессов (Robotic Process Automation, RPA), программные роботы, которые воспроизводят действия человека при выполнении повторяющихся заданий. Поскольку основные кандидаты на такую автоматизацию — задачи, требующие входа в несколько систем, ввода большого количества данных, загрузки отсканированных документов и т. д., боты активно внедряются в отделах клиентского обслуживания, обработки медицинских страховых требований, выдачи кредитов, в бухгалтерии и др. Системы RPA — это нечто большее, чем традиционная ИТ-автоматизация, поскольку они способны адаптироваться, самообучаться и исправлять собственные ошибки.

В Fannie Mae проводят масштабное внедрение RPA, так как видят в новшестве платформу, которая обеспечивает слаженное взаимодействие между реальными сотрудниками и роботами. «Нашим специалистам по сопровождению приходилось разрываться между многочисленными задачами, и нам нужны были новые пути, чтобы высвободить им рабочее время, — объясняет Рамон Ричардс, старший вице-президент по технологиям безопасности и обслуживания Fannie Mae. — Поэтому мы активно осваиваем новые технологии, способные повысить эффективность внутренних процессов и предлагать более совершенные решения для клиентов». RPA позволяет Fannie Mae относительно быстро решать задачи автоматизации, обходясь без существенных изменений основных приложений и дорогостоящей интеграции.

Хотя в агентстве приняли меры по избавлению от «бумажных» процессов, из-за специфики его деятельности по-прежнему требовался большой объем ручного контроля. Сотрудники тратили немало времени на извлечение данных из систем, загрузку в электронные таблицы и другие корпоративные приложения, а также на операции согласования. Бизнес-процессы могли включать до 35 этапов и требовали принятия нескольких решений. Несмотря на наличие средств автоматизации, люди по-прежнему оставались главным связующим звеном.

Пилотный проект RPA был проведен весной 2017 года, и сотрудники ИТ-службы и операционного отдела, совместно работавшие над ним, сразу же ощутили преимущества технологии. Была сформирована группа по интеллектуальной автоматизации и роботизации процессов, которая занимается расширением применения RPA, машинного обучения и искусственного интеллекта в организации. Были определены три компонента, на которые группа опирается в своей работе: формализация процесса уточнения круга применений технологии, создание центра управления для контроля развертываний и использование новой модели взаимодействия отдела ИТ и специалистов по эксплуатации. За время, прошедшее после пилота, были автоматизированы 28 внутренних процессов в отделах операций, закупок и финансов.

Теперь сотрудники Fannie Mae могут переключиться на решение более ценных задач. По оценкам исполнителей, за первый год использования RPA высвободилось более 700 человеко-часов, повысились качество и продуктивность работы благодаря уменьшению ошибок оператора.

Сами специалисты по автоматизации могут уделять время новым проектам и заниматься проблемами клиентов. Сегодня, когда фундамент уже есть, идет разработка стратегии дальнейших действий, в том числе использования с RPA средств обработки естественного языка и интеграции с системами управления бизнес-процессами. После быстрого получения первых результатов был выстроен достаточно большой конвейер RPA, и бизнес-пользователи начали активно предлагать новые элементы рабочих процессов для автоматизации. Несмотря на энтузиазм, в проектной группе решили не очень форсировать инициативы, учитывая относительную новизну технологий. Текущая задача — доукомплектовать новый отдел, обучить специалистов и составить стратегический план дальнейшего развития.

Расширение возможностей сотрудников с помощью данных

Тезис о том, что данные — это валюта современного предприятия, весьма популярен, но не все поддерживают его делом. В компании Accenture его реализуют на практике, осуществляя общекорпоративный проект, направленный на «демократизацию» данных и предоставление сотрудникам возможности принимать решения с опорой на аналитику.

С конца 2015 года в глобальной консалтинговой компании строят современную платформу управления данными и аналитики, благодаря которой разрозненные информационные хранилища и статичные процессы отчетности должны уступить место новому образу действий, когда все элементы бизнеса опираются на аналитику и каждый пользователь руководствуется практическими сведениями, полученными в результате обработки данных.

Краеугольный камень инициативы — Enterprise Analytics Platform, платформа управления данными и защищенного руководства, обеспечивающая загрузку, обработку информации, моделирование и визуализацию для превращения в полезные знания. В компании сформирован центр компетенций Enterprise Insight Studio, задача которого — быстрая разработка и ввод в действие аналитических моделей. Участники проекта добиваются устранения барьеров, характерных для прежних нескоординированных методов управления данными, и предоставляют новые возможности пользователям на всех уровнях корпоративной иерархии и во всех структурных подразделениях компании, обеспечивая быстрый рост и диверсификацию бизнеса.

«Данные, уже имеющиеся у предприятия, способны принести пользу всем сотрудникам, — уверен Эндрю Уилсон, ИТ-директор Accenture. — Современным компаниям нужны совершенно новые, основанные на данных способы найма, обучения сотрудников, их информирования и обеспечения инструментами. До начала инициативы мы пребывали в классической ситуации, когда данных слишком много, но их форма, специфика и местонахождение не позволяют задействовать их для повышения эффективности работы».

Раньше в компании формировались статичные отчеты, они требовали большого объема работы аналитиков, к тому же не отражали текущую ситуацию и были доступны не всем. Используя Hadoop и Apache Kafka, а также средства моделирования и визуализации данных, в Accenture создали единую платформу управления, с полноценным набором функций руководства и безопасности. При этом был задействован упрощенный подход, позволивший в полном объеме удовлетворить требования к средствам отчетности и аналитики, он подразумевает разделение платформы на три компонента. Первый — общедоступные витрины данных для бизнес-аналитики — включает динамически обновляемые наборы данных, размещенные на быстрых системах хранения. Второй компонент гарантирует самостоятельный доступ опытных аналитиков к централизованным функциям управления данными, обеспечения безопасности и приватности. Третий — «студия инновации», в которой работают ученые по данным, они ищут и демонстрируют новые применения аналитических средств.

«Enterprise Insight Studio — это что-то вроде креативного рекламного агентства, только занимающегося данными, — поясняет Уилсон. — Нельзя добиться того, чтобы все 450 тыс. сотрудников компании были в курсе последних новшеств. Необходим отдельный центр компетенций, который сможет идти в ногу с развитием современных аналитических систем».

За полтора года со времени запуска новой системы и процессов, в Accenture предоставили 20 тысячам пользователей, занимающих ответственные посты, интерактивные отчеты, обновляемые в режиме реального времени, а объем традиционных статичных отчетов был уменьшен почти вдвое. Отпала необходимость в выполнении 90% повторяющихся операций, традиционно связанных с работой аналитиков, что позволило исследователям данных ежемесячно отвечать на 30–50 вопросов бизнес-руководства и сформировать портфель из 120 с лишним аналитических решений для широкого круга пользователей, от кадровиков до специалистов по продажам и клиентскому обслуживанию.

В дальнейшем в Accenture планируют задействовать искусственный интеллект, чтобы расширить возможности извлечения знаний и по-новому организовать взаимодействие между людьми и машинами. Как подчеркивает Уилсон, цель инициативы — с помощью средств интеллектуальной обработки данных дополнить возможности сотрудников, а не заменить их: «Пользуясь результатами анализа, сотрудники работают успешнее. И у них высвобождается время на выполнение важных обязанностей, таких как взаимодействие с клиентами».

Цифровые ассистенты спешат на помощь

Сегодня попросить Alexa или Siri внести молоко в список покупок или уменьшить температуру на термостате — обычное дело. Цифровые ассистенты стали помогать сотрудникам Лаборатории реактивного движения (Jet Propulsion Library, JPL) НАСА находить ответы на непростые вопросы и выполнять рутинные офисные задачи — благодаря осуществляемой в космическом агентстве инициативе по оптимизации рабочих процессов.

Цифровые ассистенты стали очередным этапом проекта Advanced Digital Research Explorer, в ходе которого создается платформа контекстного анализа, помогающая сотрудникам быстро находить ответы в петабайтах документов, баз знаний, видеозаписей и т. п. Цифровые ассистенты, реагирующие на устные команды, позволяют всем работникам лаборатории, от ученых до администраторов, взаимодействовать с системой более естественным образом, говорит Джеймс Риналди, ИТ-директор организации. «Традиционные интерфейсы взаимодействия с компьютерами уходят в прошлое, — считает он. — Мы придерживаемся принципа «если вы можете пользоваться чем-то дома, то сможете и на работе» — человеку комфортнее взаимодействовать с привычными вещами».

Работа над прототипом была начата в 2017 году. Для быстрого поиска, фильтрации и обобщения информации требовалось создать цифровых ассистентов, которым можно отдавать команды устно, путем набора текста, а также с помощью касаний и жестов. За все годы существования НАСА в лаборатории накопились петабайты документов, видеозаписей, изображений и экспериментальных данных в исходных форматах, разбросанных по многочисленным хранилищам, из-за чего ученым приходилось тратить слишком много времени на поиск необходимого для работы. Цифровые ассистенты призваны помогать сотрудникам быстро получать нужные ответы и тем самым значительно ускорять исследования.

«Уже в прошлом году мы продемонстрировали возможность «найти иголку в стоге сена» с помощью традиционного и голосового пользовательского интерфейсов и автоматизировали массу процедур, — отмечает Риналди. — Сегодня мы хотим, чтобы цифровые ассистенты выполняли больше типовых задач». По его словам, система Acquisition Digital Assistant, общение с которой происходит устно через диалогового бота, выдает ответы по результатам обработки 100 тыс. документов в девять раз быстрее, чем при традиционном поиске с набором запроса.

Новые цифровые ассистенты, способные обращаться как к внешним, так и к внутренним источникам информации, используют облако AWS и интерфейс Alexa, чтобы облегчить сотрудникам выполнение широкого круга заданий. Например, Alexa можно попросить перечислить самые масштабные попытки хакерских вторжений в системы, а ассистент RoomBot найдет конференц-зал, который будет свободен в указанное время.

По признанию Ринальди, этот бот стал настоящим «хитом»: сотрудники лаборатории, а их насчитывается около 6 тыс., тратили более двух часов в неделю на поиск свободных конференц-залов, а потом еще несколько часов — на настройку оборудования перед совещанием. Голосовой ассистент не только помогает найти конференц-зал за считанные секунды, но и по команде сам настраивает системы аудио-, видео- и веб-конференций с помощью технологий Интернета вещей. По подсчетам, благодаря новшествам время простоев конференц-залов сократилось на 30%.

Помимо масштабируемых технологий, проектная группа применяет итеративную скоростную разработку платформы, опираясь на методы agile и на исходящие от самих пользователей идеи новых сценариев применения. Кроме того, в рамках сотрудничества с Amazon в НАСА добились доработки решения Alexa for Business, благодаря которой упростились масштабные развертывания колонок Echo и чатботов.

Проект внедрения цифровых ассистентов в JPL только начался. Риналди убежден, что они будут особенно полезными для новых сотрудников, которые с их помощью смогут получать доступ к нужной информации и сервисам: «Цифровые помощники облегчают работу в многозадачном режиме, да и общаться с ними сотрудникам нравится».

— Beth Stackpole. Redefining work in the digital age.CIO. August 22, 2018

«Гибкое» предприятие требует не только внедрения гибких методологий разработки (agile) внутри ИТ-службы. Опытные руководители знают, что наиболее успешная среда agile формируется там, где бизнес-подразделения предприятия следуют точно таким же принципам. А наилучший способ добиться этого — поручить ИТ-директору возглавить процесс.

Как и многие другие современные ИТ-директора, Эд Тонер, возглавляющий ИТ-службу штата Небраска, привносит в ИТ гибкость мышления, которая должна стать гарантией того, что внедрение и поддержка программного обеспечения будут отвечать потребностям организации наилучшим образом.

Тонер ожидает от сотрудников своей ИТ-службы соблюдения принципов agile, но при этом хочет, чтобы точно так же поступали и его коллеги из бизнес-подразделений. А потому в договорах,  заключаемых с различными департаментами штата, ИТ-служба прописывает принципы методологии agile (обусловливая необходимостью их соблюдения продолжение своего участия в разработке и развертывании программного обеспечения).

«В контракте говорится, что успех проекта зависит исключительно от вашего участия в нем, — подчеркнул Тонер. — Сейчас большинство глав департаментов понимают, что либо они становятся нашими партнерами в этом процессе, либо шансы на успешное завершение проекта заметно снижаются».

С представителями бизнеса на борту

Методологией agile Тонер увлекся три года назад, когда возглавил ИТ-службу штата. От привычной концепции водопада он пришел к совершенно иным принципам гибкого проектирования. Тонер начал с того, что пригласил специалистов с опытом использования ориентированных на гибкое проектирование языков программирования — .Net и Java. А эти люди уже в свою очередь обучили языкам и принципам гибкого проектирования 400 сотрудников ИТ-службы.

Необходимость соблюдения принципов agile другими департаментами для обеспечения общего успеха закрепляется в договорах. «Мы начинаем с обсуждения общей вовлеченности бизнес-подразделений в процесс, — пояснил Тонер. — С директором каждого департамента заключается контракт, в котором прописываются обязательства сторон в части разработки».

«Чтобы вовлечь бизнес-подразделения в процесс agile-разработки, я должен был привести убедительные доказательства целесообразности такого перехода, — указал он. — Все хотели реальных подтверждений. Примерно через год после начала подобных проектов поползли слухи о том, что мы предоставляем продукт за несколько недель, а не за несколько месяцев. И с этого момента начался органический рост проектирования по методологии agile».

Проблемы формирования культуры agile

У ИТ-директора есть веские причины внедрять agile-методологию в рамках всего предприятия, а не только ИТ-службы.

«Если бизнес-подразделения вовлечены в процессы agile-разработки, то ИТ-службе легче получить более полное представление о потребностях бизнеса, а значит, она может лучше согласовывать свои действия с целями бизнеса, — рассказал генеральный директор Scrum.org Дэйв Уэст. — И тогда отдача от инвестиций в ИТ возрастает в масштабе всей организации. Предприятие оказывается в более выгодной позиции при проведении необходимых преобразований благодаря использованию передовых технологий. Применяя методологию agile, вы быстро предлагаете рынку то, что его интересует».

Но вовлечение бизнес-подразделений в процесс agile-разработки сопряжено и с определенными трудностями.

Во-первых, по-разному понимается сам термин «agile». ИТ-директор и ИТ-специалисты подразумевают под ним методологию, тогда как бизнес в соответствии с традиционным определением словарей — ускорение внесения изменений и продвижения вперед.

ИТ-директор должен помочь другим руководителям понять, что подход agile к доставке приложений требует от бизнес-подразделений и ИТ-службы поддержания партнерских взаимоотношений иными способами. ИТ-директору необходимо убедить своих коллег в необходимости такого нового партнерства. И они должны иметь возможность ощутить открывающиеся перед ними преимущества, не заблудившись в дебрях Agile Manifesto и технического жаргона.

Между тем ИТ-директора и сотрудники ИТ-служб продолжают бороться за соблюдение принципов agile-методологии и полноценное претворение в жизнь методов agile и поддерживающих технологий внутри самой ИТ-службы. По оценкам Уэста, большинство (от 70 до 80%) корпоративных ИТ-служб при реализации программных проектов в той или иной степени используют принципы agile-методологии. В качестве сдерживающих факторов выступают унаследованные технологии и привычка считать ИТ-службу центром затрат, предоставляющим стандартные услуги.

Все это затрудняет ИТ-службе переход к agile- методологии, ее сотрудники встречают сопротивление со стороны бизнес-подразделений.

«Представьте себе, что вы работаете над двухнедельным спринтом, — рассказывает Уэст. — Вам нужно, чтобы в бизнес-подразделениях быстро принимались связанные с ним решения. А там отвечают, что у них есть дела и поважнее».

ИТ-директорам, продвигающим концепцию «гибкого» предприятия, приходится бороться с укоренившимся изолированным мышлением, когда каждое подразделение озабочено лишь тем, что лучше для него, а не общими приоритетами организации.

Продвижение концепции agile. Преимущества и ограничения

Дэнис Гуле, использующий полученный ранее при разработке коммерческого ПО опыт проектирования по agile-методологии на своей нынешней позиции руководителя ИТ-службы штата Нью-Гэмпшир, при выстраивании гибкого предприятия вынужден преодолевать самые разные трудности. (Под «гибким предприятием» он понимает организацию, придерживающуюся итерационного ввода систем в эксплуатацию и культуры взаимной подотчетности.)

По его словам, руководители бизнес-подразделений весьма неохотно берут на себя роль владельца продукта и с трудом выделяют время для взаимодействия с ИТ-службой в ходе реализации спринтов.

«Мы задаем все больше и больше вопросов, людей это раздражает и вызывает у них сомнения в том, что задачи решаются наилучшим способом, — указал Гуле. — Им кажется, что вы пытаетесь выведать у них как можно больше. Но это не так. Просто весь процесс меняется. И такой неизбежный переходный этап становится одним из самых трудных».

Продвигая в бизнес-среде концепцию agile, Гуле был вынужден преодолевать множество препятствий. Следуя agile-методологии, он придерживается поэтапных и устойчивых изменений. Совместные группы, сформированные из представителей ИТ-службы и бизнес-подразделений, решают возникающие вопросы общими усилиями. Уровень их полномочий, равно как и ответственность, растет. Люди понимают, что от них ждут максимально быстрой диагностики и устранения проблем. Поэтапная доставка становится нормой. А затем внимание акцентируется на внесенных изменениях и достигнутых успехах.

«Я не говорю, что все мы станем гибкими и будем счастливы, не использую терминологию agile, — признался Гуле. — Я просто говорю, что надо сделать конкретно то-то и то-то, и объясняю, какие выгоды это принесет».

С тем что ИТ-директорам следует придерживаться такого подхода, согласны и другие. Необходимо внедрять agile-методологии и добиваться успеха, после чего делиться историями его достижения с высшими руководителями, вызывая у них желание опробовать новые методы работы.

Для этого нужен ИТ-директор, выступающий скорее в роли продавца, предпринимателя, предлагающего новый способ мышления. О ценностях, результатах и вызовах надо говорить на языке бизнеса, уходя как можно дальше от методологий и технологий. Попытки объять сразу всё не дадут эффекта. Как правило, успешный ИТ-директор обучает пять-шесть человек, после чего берет пару небольших проектов и добивается их действительно хорошей реализации. Таким образом, вы создаете достаточный импульс, для того чтобы охватить всю организацию.

Конечная цель заключается в формировании организации, которая вбирает в себя принципы agile-проектирования (даже без использования соответствующей терминологии) и превращается в предприятие, где говорят не о старых системах или проектах, а о закладывании нового фундамента в соответствии с имеющимися приоритетами.

Баланс между ИТ-службой и бизнес-подразделениями

Но ИТ-директора предостерегают от перегибов, утверждая, что уделять чрезмерное внимание agile-подходам в организации все же не стоит.

Да, ИТ-директору нужно, чтобы в бизнес-подразделениях понимали ценность принципов agile, а их руководители становились владельцами продуктов.

ИТ-директор, приняв на себя ответственность владельца продукта, должен заручиться поддержкой своих коллег, которые помогли бы сформировать правильный менталитет и отношение в возглавляемых ими подразделениях. От руководителей бизнес-подразделений необходимо добиться поддержки agile-разработки.

Нужно сформулировать приоритеты и определить, что понимается под продуктом с минимальной ценностью. Это потребует тесного взаимодействия между теми, кто лучше понимает предлагаемые ценности (является владельцем продукта), и технологической командой. Многие призывы Agile обращены непосредственно к ИТ-менеджерам, разработчикам, специалистам по тестированию, скрам-мастерам. Таково классическое представление роли ИТ-службы.

И Тонер понимает, насколько важно достичь нужного баланса. Он не намерен пускаться в пространные объяснения идей agile, но пытается убедить своих коллег из бизнес-подразделений в том, что, работая по-другому, они извлекут немалую выгоду. Традиционному подходу, подразумевающему меньшую вовлеченность и долгое время ожидания, противопоставляется новый тип партнерства, при котором очередные функции внедряются за недели, а затраты оказываются ниже, но требуется более активное участие.

И такой новый подход способен привлечь даже скептически настроенных руководителей.

«Я стараюсь донести до всех, что более активное участие в процессе увеличивает шансы получить правильное решение уже с первой попытки», — подчеркнул Тонер.

— Mary K. Pratt. Moving agile beyond IT: The secret to successful software delivery. Contributing Writer, CIO. AUG 21, 2018

Сегодня уже недостаточно оставаться просто хорошим специалистом или руководителем. К постоянному развитию и поиску новых ниш в профессии мотивирует клиент — как внешний, так и внутренний. С одной стороны, он уже владеет знаниями по ИТ на высоком уровне и ему мало просто получить ту или иную услугу. Клиенту нужен качественный сервис. С другой — коллеги, которые не хотят рутинно «нажимать на кнопки» своих компьютеров, ждут оптимизации и хотят более продуктивно выполнять работу.

Недавно в одном журнале мне попалась заметка о профессиях будущего. Ее суть заключалась в том, что многое сводится к странному и вроде бы неэкономическому понятию «счастье». Счастье как удовлетворенность, как фактор безопасности, как комфорт… как товар и объект продаж. Поэтому специалист по счастью может стать в будущем одним из востребованных.

Разве бывают менеджеры по счастью? Бывают. Даже целые министерства счастья работают! (Такие министерства созданы в Бутане, ОАЭ и Индии, аналогичные органы существуют в Венесуэле и Эквадоре. — Прим. ред.)

Какие возможности заложены в ИТ

Развитие технологий приводит к постепенному «замещению» человека, поэтому некоторые профессии в ближайшем будущем перестанут быть востребованными. Коснется это и сферы ИТ. Как подготовиться к грядущим переменам и что предпринять?

Поделюсь своим опытом и постараюсь дать ответы на следующие вопросы:

• Как не остаться просто «айтишником» и вырасти в компании до авторитетного и востребованного ИТ-специалиста?
• Как использовать инструменты и методы сервисного подхода, чтобы оказывать реальную помощь бизнесу?

Мне повезло, я прошел путь от специалиста технической поддержки до руководителя ИТ-подразделения. Работал в разных компаниях, знаком с различными бизнес-процессами.

В последнее время занимаюсь оптимизацией операционных задач бизнеса. Реализую проекты по применению сервисного подхода вне процессов ИТ. Могу сказать, что за этим подходом будущее и он продолжит активно развиваться. Он обеспечивает быстрый результат и заслужил благодарные отзывы заказчиков. Это действительно счастье! В первую очередь для сотрудников, выполняющих свои задачи. И конечно, для меня, так как видеть радость от того, что твои решения помогают людям, ценно.

Еще несколько лет назад ИТ-подразделение в компаниях порой воспринималось как черный ящик. Для пользователей оно находилось как будто за большим забором. При этом ИТ-менеджмент был ориентирован на решение только основных задач: поддержку бизнес-критичных процессов, своевременное выполнение запросов VIP-пользователей, обеспечение работоспособности инфраструктуры. Все остальные процессы оставались на втором плане. А что касается рутинных вопросов, например операционных задач бизнеса, то они нередко выполнялись через электронную почту либо в каком-то самописном или бесплатном программном обеспечении.

Кое-где функционировали системы класса service desk, но самые активные пользователи пробивались в ИТ, как коты через различные лазейки в заборе. Про оптимизацию нечего было и говорить.

Со временем преграды между ИТ и бизнесом начали сходить на нет. Получил распространение сервисный подход, были сделаны шаги по изучению ITIL, стали активно внедряться инструменты класса service desk. Где-то это были крупные проекты с участием бизнеса, где-то их реализовывали внутри ИТ и в основном для ИТ.

И вот наступило время глобальных цифровых трансформаций, о которых так часто говорят с больших экранов первые лица. Цитирую: «В общих чертах цифровая трансформация — это интеграция цифровых технологий во все сферы бизнеса, которая приводит к фундаментальным изменениям в работе компании и отражается на ее взаимодействии с клиентами». От такого определения сразу становится скучно... Но давайте перейдем от теории к практике.

Фокус на рутину

Я всегда предлагаю бизнес-пользователям автоматизировать и оптимизировать их рутину, а еще — стремиться к «идеальной картине мира».

Прозрачный и понятный ИТ-департамент постоянно нацелен на помощь бизнесу. Базовые принципы сервисного подхода используются в соглашениях не только между ИТ и бизнесом, но и между другими подразделениями. Рутина превращается в оптимизированный процесс. Конечно, не всегда это возможно, а главное — не всегда необходимо и оправданно.

Сложность в том, что представители бизнеса иногда не знают о наличии нужных ИТ-инструментов для оптимизации операционной деятельности. Хотя, казалось бы, люди постоянно «варятся» в этом в повседневной жизни. Сервисы банков, сотовых операторов, порталы государственных органов — подаешь обращение, получаешь обратную связь, видишь ход работы над запросом.

Повторюсь, я не просто рассказывал, что можно сделать при помощи сервисного подхода. Ознакомившись с процессами, я предлагал реализовать их в реальной системе класса service desk — в той, которая использовалась в компании для подачи заявок в ИТ. Почти любой современный профессиональный инструмент позволяет оперативно добавлять новый функционал силами технолога или при необходимости привлекать разработчика.

Всегда интересна реакция заказчиков. Сначала — недоверие. Потом — осторожность, тестирование, сомнение, снова тестирование. Далее — восторг. И наконец — благодарности, положительные отзывы и счастье. Люди испытывают счастье, потому что им помогли оптимизировать рутину и они получили экономию времени, аналитику и возможности контроля процесса.

Более 90% проектов, выполненных за последнее время, — это реализация задач по оптимизации различных процессов в бизнесе. Тут отлично работают народная молва и «сарафанное» радио.

Пример из практики Звонок руководителя подразделения: — Дмитрий, говорят, ваш service desk может решить почти любые вопросы. Нам очень нужна ваша помощь. — Кто говорит? — Народ говорит. Приятно, но опыт подсказывает, что необходимо все выяснить. — Чем могу помочь? — Нужна автоматизация процесса управления заявками по установке и ремонту оборудования. Тема известна, процесс понятен. 10 минут на уточнение задачи и проверку текущей загрузки. — Через пять дней сможете тестировать. В трубке тишина. — Алло, вы тут? — Вы шутите? Так быстро разве бывает? — Бывает. Похожий процесс уже реализован. Через неделю задачу выполнили. Было много благодарностей, заказчик счастлив, в народ пошла новая информация о «чуде».

Как применить сервисный подход на практике

Найти ресурсы и возможности для внедрения сервисного подхода вне ИТ можно. Необходимо только желание.

Порядок действий следующий:

1. Определить роль «менеджера по счастью».

2. Провести аудит рутины и изучить «климат».

3. Выявить «болевые точки» владельцев процесса и пользователей.

4. Проанализировать возможность автоматизации.

5. Обосновать внесение изменений в процесс.

6. Реализовать изменения и утвердить регламенты.

7. Оценить результаты.

Определение роли «менеджера по счастью»

Совместно со службой персонала следует проработать вопрос о введении новой роли в компании — «менеджер по счастью». Именно роли, а не должности! Выполнять ее могут представители любых подразделений.

Возьмем для примера ИТ-департамент. У этого подразделения должен быть свой «менеджер по счастью». Директор по ИТ вряд ли подойдет, ему некогда заниматься этим вопросом. А вот руководитель службы технической поддержки или контакт-центра вполне мог бы попробовать. Далее совместно с кадровой службой прорабатывается вопрос мотивации. Критерии оценки могут быть разные: экономическая эффективность, повышение скорости выполнения операций, удобство взаимодействия подразделений, простота выполнения операций и др. Не забудьте про «плюшки», и необязательно денежные.

Аудит процессов

Речь не про бухгалтерский аудит. Здесь важнее изучение «климата» компании. Аудит должен быть ненавязчивым. Это скорее своеобразный разговор по душам с целью выявить действительно проблемные процессы, в которых придется искать конкретные «болевые точки».

Выявление «болевых точек»

Фактически это продолжение аудита, только более конкретное и детальное, с изучением всех тонкостей процесса и опросом реальных участников. Никто не любит признавать недостатки в своей работе, а вот на проблемы у соседа пожаловаться — всегда пожалуйста. Поэтому так важен анализ с двух сторон.

Например, сотрудники жалуются на неудобства при запросе актов сверки и на долгую их подготовку. Бухгалтерия ссылается на нехватку ресурсов. Всё — «болевая точка» найдена, и мы готовы предложить «лекарство». Вопрос в том, как договориться с бухгалтерией, чтобы ее сотрудники попробовали создавать акты сверки через инструмент service desk.

Анализ возможности автоматизации

Обязательно проработать вопрос о наличии подходящего инструмента для автоматизации. Давать пустые обещания не стоит. Должна быть ИТ-система, функции которой позволят оперативно настроить оптимизацию возможных процессов — быстро, качественно, без существенных затрат.

Обоснование внесения изменений в процесс

Не все «хотелки» можно и нужно автоматизировать. Конечно, кто платит, тот и заказывает музыку, но все же успех проекта должен быть общим для компании. Добивайтесь от заказчика четкой постановки цели и планируемых результатов. Просчитывайте риски.

Реализация изменений и утверждение регламентов

Реализация должна быть быстрой: не более одного-трех месяцев. Обязательно подготовить и закрепить регламентами изменения в процессе. Достаточно часто у сотрудников возникает недовольство от новшеств, поэтому без регламентов не обойтись. По опыту, в течение месяца недовольство обычно сменяется положительными отзывами.

Оценка результатов

На оценку результатов требуется время. Проблема в том, что оценить, как было раньше, практически невозможно. Просто потому, что никто не считал. Поэтому нужна статистика, как стало теперь, и — если заслужили — своевременная раздача подарков, так как про мотивацию забывать не следует.

Что в итоге

Идеальный сценарий проекта — распространять сервисный подход вне ИТ собственными силами. Но не стоит отвергать помощь внешних экспертов, особенно в части доработки ИТ-систем, поставленных конкретными поставщиками. У них и компетенций больше, и опыта.

Завершая статью, еще раз подчеркну: всё вокруг очень быстро меняется, в том числе и требования к нам как специалистам в области ИТ. И непростительно, имея практический опыт и средства автоматизации, не использовать шанс поднять свою значимость для бизнеса, помогая ему достичь целей и при этом минимизировать риски. А что дает перенос процессов в service desk? В первую очередь — именно оптимизацию и снижение рисков.

Поэтому обязательно осваивайте новое направление в ИТ. Становитесь «специалистами по счастью»!

Автор — Дмитрий Мельников, архитектор бизнес-процессов, dmel@inbox.ru

Портал госуслуг (gosuslugi.ru) — крупнейший государственный портал и один из крупнейших в Рунете вообще (12-е место по месячной аудитории). На нем зарегистрировано 77 млн пользователей — почти все совершеннолетние граждане страны, имеющие доступ к Интернету. Как всякая действующая система, портал должен непрерывно развиваться и совершенствоваться, при этом оставаясь постоянно доступным. О том, как порталу удается изменяться, работая при этом в режиме 24х7х365, рассказывает Дмитрий Матвеев, руководитель проектов развития Портала государственных услуг Российской Федерации и мобильного приложения «Госуслуги», а также один из докладчиков практической конференции «Agile, DevOps, ITSM 2018», которую издательство «Открытые системы» проведет 23 октября.

— Для пользователей портал госуслуг — представительство государства в Интернете, сотни услуг и обилие информации. А что там, «за фасадом»?

За фасадом большая работа по переделке портала, в результате которой он стал таким, какой есть. Эту работу ведет большая команда, почти 900 человек. Из них около 300 работают над развитием портала и 600 человек обеспечивают его эксплуатацию. Под эксплуатацией понимается не только работа с релизами ПО, поддержка баз данных, системного ПО и аппаратной части, но и ответы на телефонные звонки, консультации в чатах и т. д.

На первых порах портал изменялся четыре раза в год, а сейчас — почти каждый рабочий день. Но нам сегодня и этой скорости мало, мы думаем над тем, как выпускать до восьми релизов в день разными командами, независимо друг от друга. Это был бы следующий уровень скорости, который нам нужен.

— Что мешало сделать это раньше?

Есть формальные процедуры государственных информационных систем, где четко прописано, что, перед тем как ввести какое-то новшество в эксплуатацию, его нужно очень долго тестировать, подписывать акт о вводе в эксплуатацию, другие бумаги...

То есть интернет-ресурсу приходилось руководствоваться теми же регламентами, которые действуют в системах ERP-класса, где перемены очень редки, — скажем, в системе выдачи паспортов или межведомственного документооборота. Примерно с такой же скоростью и по таким же канонам развивался наш портал госуслуг до 2014 года. И что мы в корне начали переделывать — это то, как нужно воспринимать изменения на портале и в коде, чтобы в разы ускорить цикл выпуска релизов.

— Как удалось изменить ситуацию, что для этого потребовалось?

Потребовалось перестроить всё: и межличностные, и организационные, и контрактные взаимодействия. И нормативные документы перечитать, чтобы доказать, что разрабатывать все по-новому можно, не нарушая их. И в головах у людей изменить подход к тому, что такое продукт и почему можно не бояться так часто его изменять.

У заказчика и исполнителя заведомо разные роли, они хотят разного, порой прямо противоположного. И нам надо было искать точки соприкосновения с противоположной стороной, причем не теряя своей идентичности, своей роли, помня, за что мы отвечаем. Это очень важный момент в государственных контрактах и в государственных проектах, потому что почти везде в государственных проектах малый выбор исполнителей. Иногда исполнитель предопределен, как в нашем случае, либо его выбирают из малого количества конкурентов. И нужно уметь выстраивать продуктивные отношения.

В итоге мы смогли сформулировать в нашей работе несколько интересных правил, внесли их в государственные контракты, сделав легитимными, и в соответствии с ними начали ускорять нашу разработку. Мы назвали это ГосAgile. Такой подход может быть интересн, причем не только для госструктур, но и для крупных частных компаний, в которых тоже много строгих административных процедур для проектов и контрактов.

— Упомянутые восемь изменений в день — они действительно нужны? Изменений чего? Вряд ли за день появится столько новых услуг или изменений в интерфейсе. Не могут получиться изменения ради изменения?

Изменение в данном случае — это часть кода, который протестирован и может быть имплементирован в основную ветку. Чтобы последствия изменений были менее сокрушительными, сами изменения должны быть небольшими. Если делать один очень большой релиз, то все начинают бояться его внедрять, откладывают, тестируют снова и снова, в нем накапливается еще больше изменений, и в итоге он парализует всю работу. Пока его не выпустят, больше нельзя выпустить вообще ничего.

Чтобы такого не происходило, мы вносим улучшения маленькими порциями. Это помогает избежать конфликта команд, работающих над одними и теми же модулями. А когда конфликтов меньше, то снижается длина цикла получения стабильной ветки кода. Если у нас есть несколько команд, то каждая из них должна результат своего труда имплементировать в основную ветку независимо от других команд. Иначе на стадии интеграционного тестирования возникает бутылочное горлышко — приходится выбирать, чей код «важнее», кого протолкнуть первым. И наша задача — перейти к восьми релизам в день, чтобы дать командам дополнительную степень свободы – управляемость датой релизов для их задач, ликвидировать узкое горлышко.

— Вы смогли создать концепцию ГосAgile, продавить ее через госструктуры. Как это удалось, какие вопросы возникали?

Основная проблема — боязнь нарушить какой-либо норматив. Поэтому самым главным было найти как принципы Agile укладываются в схему госконтрактования. Конечно, в перспективе, очень хотелось бы изменить и сам процесс госконтрактования, чтобы и ИТ-проекты можно было запускать как Agile-проекты, но этому мешают борьба за прозрачность госзакупок, установка на «наименьшую фиксированную цену», состав работ должен быть описан заранее и т. д.

Поэтому мы работаем в текущих правилах. Есть годовая цель, годовой бюджет, просто внутри контракта мы закладываем принципы Agile — итеративность процесса разработки, ранние демонстрации, деление разработчиков на микрокоманды, прописываем, что у нас могут быть релизы, доступные ограниченному количеству пользователей, и т. д.

Таким образом мы разрываем порочный круг. Почему исполнители госконтрактов часто боятся внедрять Agile? Если «сырой» код попадает в рабочую систему и случается авария, возникает их ответственность по второму контракту — на поддержку. Чтобы убрать это противоречие, мы сказали, что ошибки в «сыром» коде не подлежат штрафам по эксплуатации. Код с новым функционалом находится в опытной эксплуатации в промышленном контуре и к нему предъявляются соответствующие, пониженные, требования по отказоустойчивости. Тем самым мы убрали противоречие между теми, кто развивает код, и теми, кто его должен поддерживать.

- В каком направлении портал будет развиваться дальше?

Наше развитие, скорее всего, будет связано с созданием национальной платформы, на которой другие государственные и коммерческие организации смогут получать сервисы от государства и предлагать свои собственные — государству, гражданам и друг другу. Чтобы это получилось нужно, чтобы это стало проще и дешевле, чем создавать собственные решения.

Первое, с чем надо разобраться при разработке модели «госуслуги как платформы», — это с нормативной базой. С кем, как и на каких основаниях мы можем вступать в партнерство. Надо выработать общие правила игры: как подключиться к платформе, что платформа может предоставлять, кому бесплатно, а кому платно.

Сейчас таких правил не существует. Этот подход нужно изменить, централизованно разработать интерфейсы и процессы подключения и проверки услуг. Организовать все приблизительно так, как устроено для разработчиков в магазинах мобильных приложений.

Потому что от портала госуслуг ждут значительно больше, чем просто «госуслуги».

Мы также разработали концепцию «Госвеб» и в рамках этой концепции начинаем прорабатывать вопросы, какие должны быть стандарты, как может выглядеть сайт органов власти, как должны выглядеть новости на сайте органов власти, сервисы органов власти и т. д. У нас открыто бета-тестирование на beta.gov.ru, где мы сейчас представляем решения, имеющиеся у нас в этой области. В нынешнем году мы наконец попробуем выйти за рамки классических госуслуг.

— О чем вы будете рассказывать на конференции и о чем вы сами хотите услышать на конференции?

Расскажу о том, как внедрить Agile в госструктурах, как примирить заказчика и исполнителя, разработчиков и эксплуатационщиков, заставить их работать вместе. О наших дальнейших планах, после достижения показателя по аудитории в 70% от всех пользователей госуслуг.

Хочется услышать, с какими сложностями сталкиваются люди, которые ведут Agile-разработку в крупных компаниях, когда возникают негативные эффекты, обусловленные масштабом команды. Когда микрокоманды не взаимодействуют друг с другом должным образом, когда над ними нужна дополнительная структура для обеспечения взаимодействия, оркестровка. Интересны конкретные кейсы: с чем сталкивались, какие инструменты использовали — и методологические, и технические. Потому что я думаю, что такая оркестровка — следующий этап нашего развития, и хочется, чтобы она требовала меньше расходов.

Розничная группа Inventive Retail Group‚ объединяющая сети специализированных магазинов цифровой электроники, детских и спортивных товаров, внедрила систему Wi-Fi-аналитики компании «НПО Аналитика», которая позволяет зафиксировать перемещение пользователей и успешность онлайн-рекламы.

Мария Голенкова: «Wi-Fi-аналитика действительно позволила в режиме реального времени проанализировать поведение посетителей магазинов и фактически измерить, насколько эффективна на самом деле реклама в Интернете»

Систему ретейлер в первый раз протестировал в 2017 году: в нескольких магазинах были установлены специальные сенсоры, отслеживающие перемещение пользователей со смартфонами с включенным Wi-Fi. В Inventive Retail Group хотели понять пути перемещения клиента между разными каналами продаж и оценить эффективность медийной онлайн-рекламы. Благодаря эксперименту компания сумела отследить пересечение трафика между магазинами одного бренда, между брендами самой компании, между разными торговыми центрами и автоматически собрать ряд важных показателей, таких как трафик галереи и процент захвата трафика магазином. На базе собранных данных она настроила рекламные онлайн-кампании и отследила посещение пользователями офлайн-магазинов (online-to-offline conversion). Затем опробовала использование отделом аренды данных с сенсоров как для общения с арендодателями, так и для планирования открытия новых магазинов – на основе информации о посещениях других торговых центров теми, кто был в магазинах.

Сенсоры передавали данные в облако, а ретейлер получал доступ к информации о состоянии потоков посетителей в магазинах в режиме реального времени с помощью интуитивно понятных дэшбордов. Информация была агрегированной и анонимизированной, персональные данные, как утверждают в компании, не собирались. Аналитическая платформа вырабатывала автоматические рекомендации по улучшению бизнес-процесса.

«Wi-Fi-аналитика действительно помогла в режиме реального времени проанализировать поведение посетителей магазинов и фактически измерить, насколько эффективна на самом деле реклама в Интернете», – отмечает директор по маркетингу Inventive Retail Group Мария Голенкова. Примененные технологии вкупе с платформами для таргетирования онлайн-рекламы позволили нацелить такую рекламу на любые категории посетителей отдельных магазинов. Так, во время некоторых рекламных кампаний посещаемость магазинов (конверсия витрины) теми, кто видел рекламу, повысилась в разы по сравнению со средним показателем, что теперь позволяет прямо во время проведения рекламной кампании оставить только те группы, в которых клиенты из онлайн приходят в офлайн.

Однако в работе возникли и определенные сложности. Например, как признает Голенкова, на установку сенсоров в магазинах требуется определенное время и иногда нужна дополнительная координация между отделами компании. Не все онлайн-партнеры хотят делиться данными для оценки посещения офлайн-магазинов – компания работает с теми, кто готов к этому. Главная же проблема – это отсутствие легальных методов получения информации о связке хэшированных МАС-адресов смартфонов посетителей магазинов, которые фиксируются сенсорами, и мобильных телефонов клиентов в CRM-компании.

«Надеемся, что со временем найдется решение и мы сможем полноценно видеть весь путь клиента до и после покупки в разных каналах, так называемый customer journey. Запуск мобильного приложения в будущем помог бы частично решить эту задачу», – говорит Голенкова.

На данный же момент группа способна обогатить CRM-систему, накапливая новую информацию о тех, кто уже зарегистрирован в программе лояльности. Существует несколько возможных применений этого механизма – например, гиперлокальная коммуникация или глубокий анализ того, как себя ведут лояльные покупатели, каково пересечение аудиторий различных брендов. Система показывает не только то, как и когда покупают в магазинах, но и когда этого не делают даже находясь какое-то время в магазине.

Компания на регулярной основе работает с двумя новыми метриками. Первая – это захват трафика. Аналитики смотрят, как он меняется в брендах и магазинах в зависимости от маркетинговых инициатив, переоформления витрин и пр. Вторая метрика – посещаемость офлайн-магазинов теми, кто видел онлайн-рекламу. «Раньше не было возможности говорить об этом показателе из-за отсутствия инструментов замера, поэтому считалось, что медийная реклама работает в первую очередь на бренд и генерацию спроса. Оказалось, что посещаемость традиционных магазинов зависит от посещаемости сайтов», – признает Голенкова. По ряду сегментов в онлайн-кампаниях O2O-конверсия (online-to-offline) составила 3,8%. Захват трафика (capture rate) теми, кто видел рекламу, из общего потока, прошедшего мимо магазинов в галерее торгового центра в период рекламной кампании, в сравнении с просто общим потоком был по ряду сегментов выше в два-три раза.

В мае 2018 года компания от тестирования перешла к повсеместному внедрению технологии. Теперь сенсоры установлены не в отдельных магазинах, а во всех охваченных проектами магазинах Москвы и Санкт-Петербурга. Есть сенсоры и в Сочи. Всего Inventive Retail Group оборудовала 94 магазина. Это проекты re:Store, Lego, Nike, Street Beat, Street Beat Sport, UNOde50. В случае успешной реализации этого эксперимента компания планирует подключить к нему и другие проекты и надеется, что благодаря этому оценка эффективности онлайн-кампании станет еще более объективной, поскольку увеличение числа оборудованных объектов дает комплексную картинку продаж.

Меняются технические характеристики автомобилей, способы использования и обслуживания транспортных средств, а программные системы на основе искусственного интеллекта позволяют изменить и сам процесс купли-продажи железных коней. Компания CarPrice предлагает сервис оперативной продажи автомобиля по текущей реальной рыночной цене, складывающейся в ходе аукциона с участием десятков тысяч дилерских центров со всей страны. Юрий Буйлов, руководитель отдела разработки компании, рассказал о применении машинного обучения в информационной системе поддержки автомобильного аукциона и сопутствующих сервисах.

На практической конференции «Технологии машинного обучения 2018», которую издательство «Открытые системы» проведет 25 сентября, он раскроет свои секреты использования нейронных сетей и расскажет о том, какие преимущества в работе дают дилерским центрам и продавцам автомобилей сервисы на базе глубинного обучения.

- В каком направлении идет развитие CarPrice и какую роль будут играть инновационные технологии в достижении поставленных целей?

Юрий Буйлов, руководитель отдела разработки компании CarPrice

CarPrice находится на стыке онлайн- и офлайн-сервисов: автовладельцы приезжают в наши пункты обслуживания, там при помощи мобильного приложения осуществляется осмотр их автомобилей, после чего виртуальный образ машины выставляется на площадке онлайн-аукциона, где в реальном времени проходят торги за лот дилеров со всей страны (до 2 тыс. человек ежедневно). Ясно, что для развития бизнеса и повышения качества клиентского сервиса компания находится в состоянии непрерывной цифровой трансформации.

Ежедневно через сервисы онлайн-аукциона проходит огромный массив данных: порядка 500 характеристик состояния каждого автомобиля, сведения о его владельце (возраст, уровень доходов, местоположение и пр.). Регулярная аналитика данных и машинное обучение – неотъемлемая часть всех бизнес-процессов компании, позволяющие провести максимально подробный осмотр и определить точную рыночную стоимость каждого автомобиля.

- Как меняется вторичный автомобильный рынок под влиянием инноваций?

Рынок становится более цивилизованным и прозрачным. Практически вся информация по автомобилям оперативно оцифровывается: история владения и обслуживания, пробег, участие в ДТП, ремонты и т. п. Налаживается обмен этой информацией между сервисами, дилерами и вендорами, что открывает новые возможности как для продавцов, так и для покупателей.

- Чего ожидают клиенты? Какие технологии помогают выявить и удовлетворить их потребности?

Исторически основным фактором при продаже авто была цена, но сегодня потребности клиентов меняются, все больше внимания обращается на комфорт, безопасность. Существенную роль играет и оперативность продажи, особенно в мегаполисах. Для построения моделей машинного обучения мы научились использовать накопленные данные по уже проведенным аукционам, аналитику рынка и запросы дилеров и поэтому можем максимально быстро предложить рыночную цену автомобиля независимо от времени суток, дня недели или текущей активности дилеров.

- Какие новые технологии применяются в сервисах покупки и продажи автомобилей?

Системы машинного обучения позволяют во время осмотра выдать список типичных повреждений, характерных для автомобиля конкретной модели и возраста. Благодаря этому минимизируются риски, связанные с качеством предпродажной экспертизы.

- Для чего используются нейронные сети?

В первую очередь мы нацелены на решение внутренних задач компании – например, предсказание динамики ликвидности автомобилей по маркам и моделям исходя из индексов цен. Система работает и по внешним задачам: мы стремимся предложить нашим клиентам-продавцам максимальную стоимость автомобиля, а покупателям-дилерам – автомобили, профильные для их бизнеса.

- Каковы особенности использования нейронных сетей в современных программно-аппаратных конфигурациях?

Сейчас в современных системах широко распространены микросервисные архитектуры, что дает свободу применения различных технологий, языков программирования и баз данных, упрощает масштабирование и развертывание ПО. Однако неоднородность данных, вариативность форматов и скорость изменения усложняют сбор и подготовку данных для машинного обучения. Кроме того, возникают сложности при перестройке уже обученной модели, если она начинает выдавать плохие результаты.

- Какие преимущества получают продавцы, дилерские центры и клиенты от работы с сервисами на базе глубинного обучения?

Автовладелец-продавец – скорость, комфорт и выгодную цену. Покупатель-дилер – юридическую защищенность, гарантию качества и прогноз развития собственного бизнеса. Сегодня, кстати, мы готовим к запуску новый проект, предоставляющий расширенную аналитику для понимания рыночной ситуации, динамики ликвидности автомобиля конкретной модели с прогнозом на два года. Это может быть полезно не только дилерам, лизинговым и страховым компаниям, но и частным клиентам.

- О чем вы собираетесь рассказать участникам конференции «Технологии машинного обучения – 2018» и о чем сами хотели бы услышать?

Считается, что внедрение технологий машинного обучения – достаточно дорогое удовольствие ввиду требований к инфраструктуре и квалификации кадров, а потому доступно только крупным ИТ-компаниям. Но это не всегда так. Возможности собственных разработок, а также опыт других компаний позволяют сегодня сформулировать задачи для машинного обучения и решить их с минимальными затратами. Поэтому возможность обменяться опытом практического применения технологий машинного обучения – одна из основных причин участвовать в данной конференции.

Какие прикладные задачи крупные торговые сети научились решать с помощью машинного обучения? Валерий Бабушкин, начальник управления развития данных X5 Retail Group, руководитель группы аналитики компании «Яндекс» и приглашенный преподаватель НИУ «Высшая школа экономики», рассказал об этом журналу «Директор информационной службы» (CIO.ru). Больше по этой теме можно будет узнать из его доклада на практической конференции «Технологии машинного обучения 2018» (организатор «Открытые системы», Москва, 25 сентября 2018 год).

- Что заставляет ретейлеров браться за технологии машинного обучения?

Когда есть огромный бизнес с оборотом 1,6 трлн руб. (оценка на 2018 год), свыше 250 тыс. сотрудников, более 13 тыс. магазинов (на 30 июня 2018 года. – Прим. ред.), очень остро встает вопрос оптимизации. Даже 0,5% от такого оборота превращается в дополнительные 8 млрд руб. в год. В следующем году вырастаем еще на 20%, и тогда добавка составит 10 млрд руб. А если можно оптимизировать 1%? А 2%?

Машинное обучение непосредственно решает задачи оптимизации. Например, мы ищем минимум функции потерь. Возможно, это звучит немного пугающе, но фактически речь идет о простой аппроксимации какой-то функции.

Математический аппарат машинного обучения не нов, линейной регрессии более ста лет, а первая статья о нейронных сетях и персептроне написана Фрэнком Розенблаттом еще в 1960-х годах.

- Но обучать нейросети на бизнес-данных начали не так уж давно...

Валерий Бабушкин: «Нет никакого искусственного интеллекта, если не считать таковым выполнение какой-то задачи в автоматическом режиме. Есть математические алгоритмы решения строго определенных прикладных задач»

Нейросети – одна из областей машинного обучения. С их помощью решают прикладные задачи, связанные с видео, аудио и текстами. Нейросети работают лучше, чем классические методы, а что касается качества задач видео и аудио – на порядок лучше, чем все, что было до них.

Это уже не первая «весна» нейронных сетей, а третья. Предыдущий расцвет был в 1980-х годах, а первый – в 1960-х, когда многослойный персептрон должен был находить на фотографиях грузовики и танки. С чем связан их ренессанс? Наконец появились достаточные мощности, чтобы их использовать, и достаточное количество размеченных данных. Но энтузиасты занимались нейросетями и раньше. Сегодня же это стало более распространено благодаря тому, что в глобальном мире новую информацию можно получать практически мгновенно.

- Но в первую и вторую волну это были всего лишь интересные эксперименты, а теперь нейросети обещает стать базовой технологией для любого бизнеса.

Да, это стало доступно, потому что сейчас мощный компьютер – это смешные деньги для крупной компании.

- Какие задачи торговые сети уже решают с помощью искусственного интеллекта и почему именно эти задачи?

«Искусственный интеллект» – термин модный, но некорректный. Нет никакого искусственного интеллекта, если, конечно, не считать таковым выполнение какой-то задачи в автоматическом режиме. Есть некие математические алгоритмы решения строго определенных прикладных задач – если задать условия и предоставить данные, на которых они смогут «учиться». Да, применяя заранее заданные правила, они сами обнаруживают закономерности и, условно, их «выучивают». Но нет искусственного интеллекта, который самообучается, это очень большое преувеличение.

- Так какие именно задачи решаете вы?

Мы должны предсказывать на месяц вперед, какой будет спрос на каждый из 8 тыс. товаров в каждом из 13 тыс. магазинов – 104 млн прогнозов. Нам нужно понять, как правильно проводить промоакции, как товары влияют друг на друга, когда продажи одного товара растут в ущерб продажам другого, похожего, и т. д.

Еще одна задача – оптимизация ремонтов. В каждом магазине стоят холодильники с датчиками. Холодильники обычно не ломаются внезапно, процесс деградации можно отследить и построить модель, которая на основании поступающих с датчиков данных будет подсказывать, какой холодильник вскоре выйдет из строя. Это позволит отремонтировать его заранее и заодно выбрать оптимальный маршрут для ремонтной бригады.

Следующая задача связана с размещением товаров на полке. В магазин привозят не только те 50 пачек сока, которые помещаются на полку, а больше. Когда товар на полке заканчивается, клиент проходит мимо, хотя на складе товар есть. Но можно поставить камеру, которая будет определять количество товара на полке и, когда его остается мало, сигнализировать о необходимости пополнить полку. Это задача компьютерного зрения, и в решении используются уже упомянутые нейросети.

Кроме того, планируем решать классическую задачу HR-аналитики, которая стоит перед всеми компаниями, где много людей и большая текучка. Когда человек увольняется – это всегда расходы, и чем больше компания, тем больше затрат. Поэтому все стремятся снизить текучку. Если человек увольняется, значит, его что-то не устраивает. Если он увольняется спустя два месяца после своего прихода в компанию, значит, при приеме где-то была совершена ошибка. Процесс подбора под конкретные задачи людей, которым долго будет комфортно работать в компании, тоже можно оптимизировать. Эта задача стоит и в других странах, и в других отраслях, и ее можно довольно успешно решать с помощью машинного обучения, помогая миллионам людей найти то место, где им будет комфортно и приятно работать длительное время.

- Под каждую из задач разрабатывается отдельное ИТ-решение или они строятся на одной платформе?

Обычно по методологии Scrum создается кросс-функциональная команда, куда входят разработчики, аналитики, исследователи данных, инженеры по данным, инженеры машинного обучения под руководством «владельца продукта», отвечающего за конечный продукт. Они работают совместно, используя различные языки программирования.

Как создаваемый ими продукт реализуется технологически, зависит от конкретной бизнес-задачи. И задача, где надо получить результат через 8 миллисекунд, очень сильно отличается от задачи, где результат можно получить через две недели. Скажем, предсказывая, каким будет розничный оборот магазина через год, чтобы понимать, стоит ли открывать магазин в конкретной точке или нет, мы можем выдать результат через неделю, но результат нужен максимально точный. А если разрабатывается рекомендательная система для магазина «Перекресток Онлайн», то результат нужен очень быстро, потому что когда человек положил товар в корзину, ему тотчас же надо рекомендовать. Это абсолютно разные платформы и разные реализации.

Поэтому нет единой платформы, но есть единый стек ИТ-инструментов, и на разных частях этого стека строятся конкретные продукты. С точки зрения оргструктуры функция разработки ИТ-продуктов для работы с данными в X5 отдана отдельной дирекции, которая принимает «заказы» от других подразделений.

- Достаточно ли уже накопленного опыта в области машинного обучения для результативного решения перечисленных задач? Или это пока все же экспериментальная площадка?

Всё перечисленное активно работает. Проект с компьютерным зрением – это, скорее, «пилот». Сделать что-то в одном магазине несложно, сложно масштабировать это на 13 тыс. магазинов, это уже инженерная задача. Пока компьютерное зрение охватывает 20-30 магазинов, но, думаю, вскоре станет реальностью для всей сети.

Ну а такие задачи, как предсказание спроса, уже решаются в производственном режиме.

- И можно уже говорить о результатах?

Результат – то, что X5 растет на 20% в год. Влияние отдельных шагов очень сложно вычленить, всё вносит свой вклад. Но мы проводили пилотный проект по моделям лояльности и зафиксировали увеличение трафика на 4%. Это фантастически много!

- Что мешает развивать технологии машинного обучения в ретейле?

Мы занимаемся все-таки не развитием технологий, мы не исследователи. Мы решаем прикладные задачи, характерные для нашей отрасли.

Когда есть много данных из разных источников, возникает проблема интеграции и качества данных. Это самая большая проблема. Особенно если компания проходила через слияния или приобретала другие компании, у которых были свои системы хранения и свои стандарты.

- И как вы ее решаете?

Есть специальные службы. Например, отдел ЕTL (extraction transformation loading) занимается извлечением, трансформацией и загрузкой данных, управление мастер-данных чистит данные, приводит их в божеский вид и тоже загружает. Исходные данные могут быть повреждены, загрязнены, они могут оцифровываться или вноситься вручную с ошибками.

Только в нашей дирекции без малого сорок специалистов пишут скрипты для очистки данных. Это постоянный и трудоемкий процесс, тяжелая работа, она, безусловно, удлиняет сроки реализации любых проектов. Но если у вас нет хороших чистых данных, на этом можно завершать работу: как говорится, «мусор на входе – мусор на выходе».

Какую компанию ни возьми, 80% времени исследователь данных тратит на работу с данными, а не с алгоритмами. И на вопрос «Как улучшить алгоритм?» стандартный ответ такой: «Нужно больше данных».

- О чем вы собираетесь рассказать участникам конференции?

Я с удовольствием расскажу про uplift-модели (модели прогнозирования воздействия), это очень интересная тематика. Представьте, что у нас есть m клиентов и n воздействий, которые мы можем оказать на каждого из них. Например, послать SMS со скидкой на 100, 200 или 300 руб. – уже три воздействия. Мы хотим максимизировать покупки клиента, поэтому прислали ему SMS со скидкой на сыр, и он его купил. Казалось бы, это хорошо. Но если он купил бы его и без SMS, то получается, что мы зря потратили деньги на скидку. Если же он не купил, результат тоже не очень хороший, ведь рассылка SMS десяткам миллионов покупателей – это расходы. Третий вариант: без сообщения он бы не купил, а благодаря сообщению купил – это успех. И четвертый вариант, когда мы послали SMS, а клиент говорит: «Как же вы мне надоели, все время отвлекаете, никогда больше в ваш магазин не приду». Это самый плохой результат.

Проблема в том, что у нас нет параллельных вселенных, в которых мы могли бы одному и тому же человеку прислать SMS и не прислать SMS, чтобы посмотреть, как лучше. Но есть ряд математических методов, которые позволяют такую проблему решать. Как это сделать, я и буду рассказывать.

Растет число предприятий, для которых переход в облако – это не просто развертывание одного-двух приложений в Amazon Web Services, Microsoft Azure и других общедоступных сервисах, а мультиоблачная стратегия, ключевая часть проекта цифровой трансформации, направленного на модернизацию бизнес-процессов.

Мультиоблачная стратегия способна принести существенные преимущества.

Использование облачных сервисов, таких как инфраструктура, платформа и ПО в виде сервиса (IaaS, PaaS, SaaS), в единой гетерогенной архитектуре позволяет уменьшить зависимость от поставщика, объясняют эксперты.

Кроме того, так можно улучшить возможности аварийного восстановления и сопротивляемость потерям данных, облегчить использование систем скидок, помочь компаниям соблюдать законы о личных данных и учитывать геополитические барьеры, а также дать организациям возможность задействовать лучшие инфраструктурные, платформенные и программные сервисы.

Одно из основных преимуществ – оптимизация расходов. Но смысл не в том, что при переходе на мультиоблачную систему вы меньше тратите, а в том, что гораздо лучше управляете рисками.

Мультиоблачность дает больше гибкости и адаптивности, позволяя выбирать лучшие в своем классе технологии и обеспечивая гораздо более надежные механизмы аварийного восстановления. Благодаря отсутствию привязки к поставщику некоторые приложения можно выполнять в частной среде, а другие – в публичной, поддерживая при этом соединение между ними. Провайдеры облачных сервисов располагают необходимыми для этого средствами, поэтому у вас нет необходимости нанимать на работу соответствующих специалистов.

Как и другие масштабные ИТ-проекты, реализация эффективной мультиоблачной стратегии требует наличия специалистов и инструментов определенного профиля, а также согласования с целями бизнеса. Перечислим некоторые рекомендации, относящиеся к этой растущей тенденции, которые дают ИТ-руководители и отраслевые эксперты.

Проведите комплексную оценку

Мультиоблачное развертывание чревато дополнительными сложностями, поэтому от организации требуется глубокое понимание приобретаемых сервисов и предварительная комплексная оценка.

Такая оценка должна включать в себя планирование. Воспользуйтесь какой-либо стандартной схемой освоения облака, содержащей рекомендации по процессам идентификации приложений, выбору облачных провайдеров и типовым задачам, связанным с эксплуатацией сервисов публичного облака. Используя такую схему, обучите персонал, познакомьте его с особенностями архитектуры, сервисами выбранного провайдера, а также с инструментами, которые помогут с внедрением.

При переходе в мультиоблачную среду могут возникнуть риски, нехарактерные для ваших имеющихся приложений и систем. Проверьте наличие таких рисков и выясните, какие механизмы можно задействовать для их снижения. Применяйте инструменты провайдера для контроля безопасности используемых сервисов.

К корпоративной инфраструктуре следует относиться так же, как к исходному коду – в частности, внедрить процедуры обязательного контроля изменений и учета различий между реализациями, применяемыми разными провайдерами.

Вывод сервисов из эксплуатации тоже должен проходить по заранее спланированным обязательным процедурам. Самая важная для организации часть любого приложения или системы – это хранимые и обрабатываемые ими данные. Поэтому необходимо четко понимать, как извлечь данные, хранимые одним провайдером, и перенести в облако другого.

Переформируйте ИТ-службу

В McAfee рекомендуют сформировать для задач облачной инженерии отдельную структуру, которая будет заниматься исключительно доработкой и защитой рабочих нагрузок для облака.

По мере освоения публичных облаков потребуются новые навыки, которых может не быть в традиционном ИТ-отделе – например, будут нужны облачные архитекторы, инженеры по автоматизации и менеджеры по продуктам. Предстоит нанимать, обучать и сертифицировать соответствующих специалистов, а также обеспечивать координацию деятельности «облачного» отдела с задачами бизнеса. Возможно, придется создать «бимодальный» департамент, в котором вся активность, связанная с облаком, будет отделена от обслуживания традиционных ключевых ИТ-сервисов.

Как и во многих средних и крупных компаниях, в McAfee используется гибридная облачная среда, в том числе два публичных облака и собственное частное. Все виды облаков применяются как для взаимодействия с клиентами, так и для внутренних нужд. Компания использует сервисы IaaS и PaaS, предоставляемые облачными провайдерами.

В рамках глобальной стратегии консолидации центров обработки данных в McAfee разделили весь портфель приложений на категории в зависимости от назначения. Выбор приложений для переноса в публичное и частное облако осуществляется по ряду критериев – это перспектива преобразования, возможность перевода на архитектуру микросервисов и возможность миграции без изменений. Учитываются также затраты и особенности приложений.

Проведите полную инвентаризацию корпоративных приложений

Перед тем как приступить к осуществлению мультиоблачной стратегии, хорошо бы провести оценку имеющихся приложений, советуют в GE. При этом нужно проанализировать технологический стек, используемый каждым из них, уровень интеграции с общей экосистемой приложений и, что наиболее важно, пользу, которую приложение приносит бизнесу.

Эти сведения критически важны для планирования общекорпоративных преобразований. На первом этапе следует определиться, от каких приложений стоит отказаться. На следующем – уточнить, у каких приложений есть на рынке аналоги, предоставляемые по принципу SaaS, и выбрать наиболее подходящие для вас.

Остальные приложения станут главными кандидатами на перенос в облако. Сама процедура переноса будет зависеть от пользы, приносимой приложением предприятию. Приложения, которым до конца срока службы осталось год-полтора, желательно перенести в облако без изменений. Те, которые будут служить дольше или считаются обеспечивающими конкурентное преимущество, следует подвергнуть рефакторизации или переписать, чтобы использовать все возможности современных облачных технологий.

Отдайте приоритет интеграции

Если бизнес-приложения клиентов и внутренних пользователей базируются на множестве облачных сервисов, необходимо обеспечить между ними тесную интеграцию.

Для этого потребуются интерфейсы программирования, с помощью которых системы будут взаимодействовать, обеспечивая оптимальное обслуживание пользователей – без прерываний и замедлений. Именно API дают приложениям независимость и возможность одновременно использовать сервисы из различных облаков, как публичных, так и частных.

В компании Benjamin Moore, выпускающей лакокрасочные изделия, развертывают инициативу, которая позволит клиентам заказывать продукцию более удобным образом. В рамках программы используются раздельные облачные сервисы для внутренней обработки данных, а также хостинга клиентского приложения, сайта и прочих систем.

Внутренняя инфраструктура и облачные приложения тесно интегрированы, они формируют решение для B2B-сделок, все компоненты которого слаженно взаимодействуют. В компании считают, что при использовании единственного облака управлять таким решением гораздо труднее, мультиоблачная же стратегия позволяет выбирать оптимальные инфраструктуры для различных приложений в зависимости от их характеристик.

Управляйте доступом и защищайте данные

При использовании множества облачных сервисов, работающих в разных публичных и частных облаках, требуется решить целый ряд проблем безопасности. Одним из факторов надежности защиты являются идентификация и аутентификация пользователей. Для снижения риска компрометации верительных данных при работе с многими облачными провайдерами нужно использовать мультифакторную аутентификацию.

Также необходимо разграничить пользовательские права. В частности, создать набор ролей, охватывающий и задачи, выполняемые совместно, и индивидуальные. При этом придется разобраться, как реализовать единую систему аутентификации с учетом различий при реализации ролевого контроля доступа у разных провайдеров.

Еще одна важная мера – разработка политик доступа к ресурсам и контроль их соблюдения. Облачные провайдеры предлагают различные типы сервисов хранения данных, например виртуальные диски и службы доставки контента, и у каждого из них могут быть свои политики доступа, которые обязательно нужно задействовать для защиты хранимых данных.

Защита данных от несанкционированного доступа – это необходимость. Обеспечить ее можно с помощью шифрования неактивных данных, размещенных у всех ваших провайдеров. Это поможет предотвратить их раскрытие при несанкционированном доступе.

Важно также убедиться в том, что процедуры резервного копирования и восстановления, реализуемые всеми провайдерами, соответствуют требованиям вашей организации. Возможно, эти процедуры придется дополнить собственными механизмами резервирования и восстановления.

Защита данных – важнейший элемент управления мультиоблачной средой. Обеспечение достаточного уровня безопасности данных и других ресурсов является настоятельной необходимостью.

Контролируйте расходы

Один из главных коммерческих аргументов в пользу облака – возможность снизить затраты путем более рационального использования вычислительных ресурсов. Плата за сервисы зависит от реального потребления, а тратиться на покупку и сопровождение многочисленных серверов не нужно.

Тем не менее с мультиоблачной средой легко запутаться в ходе учета расходов. Поэтому необходимо тщательно контролировать затраты на управление мультиоблачными средами, включая кадровые расходы, связанные с административным контролем, интеграцией, расчетами характеристик, а также задачами локализации и устранения проблем и дефектов, могущими оказаться весьма непростыми.

Для снижения таких затрат и улучшения управляемости можно внедрить средства администрирования облака, аналитики и DevOps, предоставляющие интегрированный интерфейс для административного контроля, развертывания, масштабирования, конфигурирования, запуска ресурсов и управления ими.

Используйте микросервисы, нативные сервисы и контейнеры

Провайдеры облаков предлагают ряд сервисных опций, облегчающих перенос данных и рабочих нагрузок в облако, и клиентам следует их использовать по мере возможности.

Например, микросервисы, работающие на оригинальных платформах наподобие Lambda, облегчают масштабирование приложений, повышают их экономическую эффективность, ускоряют разработку и сокращают сроки выпуска на рынок. Использование нативных сервисов, предоставляемых провайдером, обеспечивает более быстрые обновление и масштабирование, чем локальные развертывания.

Однако использование оригинальных функций, предлагаемых провайдером, создает риск привязки, поэтому нужно учитывать, насколько они для вас важны. Невозможно выбрать единую облачную платформу или стратегию, которые будут соответствовать требованиям сразу всех ваших приложений и нагрузок.

В целом мультиоблачная стратегия обеспечивает гибкость и расширение возможностей. Вы не привязаны к единому провайдеру, вам проще внедрять новшества и вести переговоры о расценках. Чтобы в полной мере реализовать преимущества мультиоблачной среды, в том числе переносимость рабочих нагрузок, необходимо принять определенные архитектурные меры – например, развернуть приложения в контейнерах.

– Bob Violino. 7 secrets to a successful multi-cloud strategy. CIO. AUG 7, 2018