Статьи

В Сбербанке России работа с данными считается одним из важнейших направлений для роста бизнеса — здесь строят организацию, «направляемую данными» (data-driven), и уже накопили в этом деле немалый опыт. В преддверии VI Российского форума Big Data'17, который издательство «Открытые системы» традиционно проводит в конце марта, Елена Ивашечкина, заместитель директора департамента корпоративных клиентов Сбербанка, — один из ключевых докладчиков форума — рассказала читателям «Директора информационной службы» (CIO.ru) о том, какое место занимают Большие Данные в деятельности департамента. Ивашечкина отвечает за развитие отношений с корпоративными клиентами, управление Большими Данными и предсказательными моделями, а также за создание уникального клиентского опыта.

— Какие основные задачи вы решаете и как используются для этого Большие Данные?

Наш департамент отвечает за стратегию работы с данными для всего корпоративного блока.

Вместе с ИТ-подразделениями мы работаем на всех участках цепочки создания ценности из данных — от сбора сырых данных до их агрегации, построения моделей и предоставления потребителям продуктов, улучшенных благодаря работе с данными.

Наше подразделение выполняет несколько основных задач в рамках корпоративного блока.

Мы агрегируем данные, задаем правильную инфраструктуру и модель данных для всех отделов. Это наша задача номер один, так как данные обеспечивают 70-80% бизнес-результата. Коллеги могут использовать их для своих целей — например, для создания продуктов или актуализации перечня документов.

Вторая наша задача — увеличение доходов от вторичных продаж, зависящих, помимо прочего, от удовлетворенности клиентов теми продуктами, которые мы им предлагаем. Здесь тоже множество задач, связанных с качественными данными и параметрами их обработки, и снова инфраструктура Big Data выходит на первое место. Число клиентов огромно, объем данных колоссален, и эффективно обрабатывать их на старых технологиях невозможно.

Третий блок задач, который мы выстраиваем в течение последнего года, связан с data science — разработкой моделей на основе собираемых данных и использованием методов машинного обучения. Это новое перспективное для нас направление, в том числе и с точки зрения получения дохода. Мы делаем модели как для себя, с целью увеличения вторичных продаж и конверсии (процента превращения потенциальных продаж в реальные), так и для других структурных подразделений, например департамента кредитных продуктов и кредитного мониторинга, оцениваем склонность клиента задержать выплаты по кредиту. В рамках внедряемого в банке Agile-подхода департамента корпоративных клиентов — сквозная структура, предоставляющая своих специалистов для построения моделей данных на время реализации проектов в разные команды и подразделения. У нас уже есть хорошие модели оттока, позволяющие принять меры для сохранения клиента, и мы внедряем их в промышленную эксплуатацию. Причем эти модели дают возможность прогнозировать не только полный уход клиента, но и сокращение использования наших услуг.

Четвертая область, которой мы занимаемся, — «клиентский опыт». Это управление всеми точками контакта с клиентом на протяжении всего взаимодействия с ним, сквозной анализ, позволяющий взглянуть на процессы глазами клиента и выстроить клиентоцентричную организацию. Сегодня такая деятельность тоже становится максимально технологичной. Собираются данные о том, как клиент нас нашел, легко ли это было, удобно ли было открыть счет, пришлось ли ждать, просил он об услуге или ему ее предложили, как он работает с интернет-банком и т. д. Собранной в разных точках информации очень много, поэтому задачи по ее обработке и выдаче клиентам своевременных и правильных ответов, по сбору клиентских откликов, анализу корневых причин проблем (для исключения повтора таких ситуаций) ложатся на технологические платформы. Мы активно изучаем когнитивные технологии и делаем на основе искусственного интеллекта проект по автоматизации первой линии поддержки корпоративных клиентов — контакт-центра. Мне знаком опыт бразильского банка, уже реализовавшего такой проект.

— Внедрение искусственного интеллекта для поддержки клиентов — это вопрос улучшения качества обслуживания или экономии?

И то, и другое. Конечно, мы преследуем цель повысить качество, но и экономия колоссальная. Мир уходит в онлайн, люди часто не хотят долго ждать ответа оператора, им требуется инструмент, чтобы можно было получить грамотный ответ, но не «висеть» при этом на линии.

— Сегодня многие обращаются к анализу поведения пользователей в социальных сетях, но на практике часто ценность этой информации близка к нулю — слишком маленькое число потенциальных клиентов попадает в эти выборки. Очевидно, что наиболее интересные фигуры или ограничивают свою деятельность в соцсетях, или закрывают доступ к своему профилю, или же не присутствуют в соцсетях вовсе. Как это учитывается в создаваемых моделях? Считаете ли вы социальные сети ценным источником информации?

Сами по себе социальные сети не дают хорошего качества моделей, они работают только как дополнительный фактор. Соцсети могут давать прирост на 5-7 пунктов индекса Джини (показатель для измерения качества модели). Это очень много. Соцсети нужно научиться «правильно готовить». Профиль человека в соцсети часто не так информативен, как его окружение. Анализируя окружение, можно понять, что это за клиент. К тому же соцсети сегментированы. Можно условно сказать, что в LinkedIn «сидят» высокодоходные клиенты, а в «Одноклассниках» много региональных SMB-компаний. Поэтому даже та информация, которая открыта, нам полезна. В проекте c одним из поставщиков данных соцсетей мы получили хорошие результаты по поиску высокодоходных клиентов малого и среднего бизнеса.

— По каким критериям оценивается эффективность применяемых алгоритмов анализа данных? И каковы результаты таких оценок на практике?

Эффективность матмоделей и алгоритмов оценивается стандартно: полнота, точность, коэффициент Джини. По уже проведенным инициативам мы смотрим на совпадение с тем, что мы прогнозировали, конверсию и в итоге — на доход, количество сохраненных клиентов, то есть оценка ведется в бизнес-показателях. Начав использовать инструменты data science, за год мы смогли в полтора раза улучшить качество моделей. И теперь, добавляя работу с вендорами данных соцсетей, понемногу повышаем эффективность дальше.

Процент ошибок сильно зависит от конкретной модели, но я считаю, что любая модель лучше, чем случайный отбор. Даже если она дает совсем небольшое улучшение по сравнению со случайным отбором, это все равно лучше, чем работать без модели. Эффективность также зависит от качества и полноты данных, от времени разработки моделей, инструментов и людей, которые этим занимаются. Вопрос в том, какой уровень эффективности следует считать достаточным.

— Но ведь с учетом ресурсов, затраченных на разработку моделей, эффективность «плохой» модели будет сопоставима или даже ниже случайной выборки?

Крайне редко модель не получается, но при ее разработке приходит новое понимание проблемы и происходит столько правильных итераций по работе с данными, что это время нельзя считать потерянным зря.

— Инвестиции в Большие Данные связаны прежде всего с ожиданиями высокой отдачи в будущем. А в сочетании с какими технологиями Большие Данные способны принести наиболее быстрый эффект?

Большие Данные сейчас работают с технологиями машинного обучения и, на мой взгляд, дают отдачу быстро. Всего за год плотной работы data science мы уже видим результат использования модели, которая увеличивает конверсию и доходность.

Глубокое обучение (Deep Learning) и когнитивные технологии дают отдачу дольше. Популярная сегодня тема — обучение на естественном языке (Natural Language Learning) с использованием голосовых запросов и генерацией голосовых ответов.

Но иногда простые модели, создаваемые быстро, работают лучше, чем сложные, разрабатываемые долго. Я вижу много таких примеров.

— То есть такие технологии имеет смысл применять лишь для очень серьезных задач?

Возможно. А может быть, необходимо еще больше данных. Тут нам многое предстоит сделать: интегрировать все источники, перевести их на инфраструктуру Больших Данных, ускорить все процессы. Наш клиент делает всего несколько транзакций в день, а тот же Facebook «видит» десятки тысяч транзакций по клиенту в день. Чем больше данных и чем правильнее они интегрированы в инфраструктуре, тем эффективнее глубокие методы работы с ними.

— При создании организации, направляемой данными, следует опираться прежде всего на высококвалифицированных специалистов в области data science или же на технологические платформы, которые позволяют работать с Большими Данными бизнес-пользователям?

Одно без другого не может существовать. Мы строим бизнес-платформу, но это не значит, что с ней смогут работать любые бизнес-пользователи. Эта огромная система, содержащая всю информацию о продуктах и все модели, является основой для создания в будущем экосистемы для клиентов. Специалисты по данным и бизнес-платформа дополняют друг друга: специалисты могут делать хорошие модели на тестовых выборках, платформа же решает проблемы их масштабирования на миллионы клиентов, большие объемы данных и несколько каналов, а также задачи обработки на высоких скоростях и выдачи ответов в реальном времени.

Для создания такой платформы многое сделано и еще многое предстоит. Параллельно мы развиваем компетенции data science, учимся новым методам и заодно это все интегрируем.

— О чем вы расскажете участникам форума Big Data'17?

О том, что интересно мне самой, когда я хожу на такие конференции. Немного о самих данных — полнота и скорость их получения всех очень волнует, так как это конкурентное преимущество. Об инфраструктуре, архитектуре данных, а затем о реальных кейсах на их основе, о том, какие результаты и отзывы от клиентов получаем. Расскажу, как применяются аналитические алгоритмы анализа данных о транзакциях и действиях в социальных сетях, как с помощью программных методов исследования и сопоставления паттернов поведения выявить неблагонадежных заемщиков или найти потенциальных корпоративных клиентов. Кроме того, обычно всех интересует команда и ее взаимодействие с ИТ.

В последние годы «цифровая» составляющая столицы стремительно растет. Через портал госуслуг и мобильные сервисы горожане могу платить за коммунальные услуги и парковку, записывать ребенка в школу и на прием к врачу. О том, как проходила цифровая трансформация города до сих пор, и о планах на будущее рассказывает Андрей Белозеров, советник руководителя Департамента информационных технологий Москвы по стратегическим проектам и инновациям, возглавлявший разработку и внедрение более чем сотни информационных систем в области муниципального управления, образования, ЖКХ, транспорта и в ряде других сфер.

– В последние годы стало заметно, что Москва стремительно «оцифровывается», появляется очень много сервисов, основанных на информационных технологиях. Когда начался этот процесс, что послужило толчком к его началу?

Цифровую трансформацию города начала управленческая команда, которая пришла в мэрию в 2010 году. В первую очередь было задумано создать качественные сервисы для граждан. Фактически начинали с нуля: не было ни одного электронного сервиса, никаких приложений, для получения простейшей госуслуги нужно было обойти несколько инстанций, родители, чтобы записать ребенка в первый класс, ночевали в машинах рядом со школой. Тогда появился московский портал госуслуг – в конце 2016 года там были зарегистрированы уже 5,8 млн человек, и он был самым посещаемым госсайтом в стране, собирал 30 млн визитов в месяц. Стартовала разработка Единой мобильной платформы города, на базе которой сейчас работают 10 мобильных приложений и 20 SMS- и USSD-сервисов. Был инициирован проект по созданию сети центров обслуживания «Мои документы», тогда они назывались «многофункциональные центры», фактически это служба одного окна. В течение 2011-2013 годов закладывался и совершенствовался фундамент, на который теперь опираются новые сервисы.

– Опыт каких стран и городов оказался наиболее полезным?

Мы изучали опыт Эстонии с их электронными идентификаторами и электронными услугами, изучали опыт Сингапура, США. Кое-что переняли, но, думаю, процентов 80 того, что уже реализовано, сделано с учетом наших ментальных, законодательных и инфраструктурных особенностей. И с учетом тех идей, которые мы получали от горожан.

– Неужели ментальность играет большую роль?

Да, причем скорее ментальность не жителей города, а чиновников. Даже такая, казалось бы, простая вещь, как внедрение электронного документооборота в правительстве Москвы, сначала воспринималась в штыки. Служащие не понимали, как это – бумажного документа больше не будет, а есть флешка и на ней электронная подпись…

– Но сейчас они почувствовали, что так удобнее работать?

Конечно. Я считаю, что московские чиновники сейчас одни из самых прогрессивных в России, да, пожалуй, и в мире. Сегодня в переписке между департаментами Правительства Москвы и городскими службами бумажные документы в принципе не появляются: документ зарождается в электронной форме, подписывается электронной подписью, уходит в орган власти в электронной форме и расписывается на исполнителя в электронной форме. Многие совещания проводятся уже в виртуальном формате, когда подключаются несколько разных точек в городе и общение идет по видео-конференц-связи. Если раньше к каждому заседанию Правительства Москвы печатались тонны бумаги, то сегодня есть система заседаний и совещаний, куда загружаются все необходимые материалы. И если обратить внимание на телерепортажи с заседаний Правительства Москвы, то можно видеть, что все сидят с планшетами: все материалы доступны в электронном виде.

– Все наслышаны о центрах «Мои документы», о портале госуслуг. А есть крупные, но менее заметные проекты?

Есть проекты, которые более заметны разным категориям людей. Например, идет крупный проект «Московская электронная школа» по модернизации школьной инфраструктуры. В классах установят свыше 20 тыс. интерактивных панелей, специально сконструированных с учетом московской специфики. Почти 40 тыс. ноутбуков получат учителя-предметники для работы с электронным журналом и системой электронного образовательного контента.Запланирована модернизация локальных сетей, во всех учебных помещениях появится Wi-Fi – это 60 тыс. новых точек. Учителя пройдут обучение.

Огромный проект, один из самых масштабных в мире, ведется в столичном здравоохранении. Единая медицинская информационно-аналитическая система Москвы дает возможность горожанину записаться к врачу через терминалы в поликлиниках, мобильное приложение, контакт-центр, сайт и т. п. Но самое главное – она дает управленцам возможность отслеживать ресурсы поликлиник и их загруженность. Скажем, если на участке два терапевта, но один загружен на 200%, а другой – на 30%, то можно перераспределить нагрузку на участки и на врачей и тем самым снизить время ожидания врача для пациента.

Надо также отметить проект, предусматривающий создание системы городского видеонаблюдения, беспрецедентный по количеству видеокамер – их на улицах города установлено больше 147 тыс. Они используются как правоохранителями, так и коммунальными службами, контрольными органами и управленцами. Например, система помогает увидеть онлайн, как убирается снег, проверить, вывезен ли мусор, законно ли установлена рекламная конструкция.

Этот проект примечателен еще тем, что мы не вкладывались в строительство каналов видеосвязи и не закупали видеокамеры. Камеры и каналы связи городу не принадлежат – они принадлежат операторам связи, которые реализуют этот проект. Единственное, что принадлежит городу, – это единый центр хранения и обработки данных. Мы покупаем у операторов услугу по доставке картинки заданного качества в наш центр хранения с тех мест, которые мы определяем. Если картинка идет, мы платим, если нет – не платим и даже штрафуем.

Если бы мы реализовывали проект сами, то сначала потратили бы год-два на то, чтобы всю эту инфраструктуру построить за городские деньги, закупить камеры и т. д. У операторов инфраструктура есть, они ее используют и при оказании других услуг.

В Департаменте транспорта реализуют проект «Интеллектуальная транспортная система». Он включает в себя, в частности, системы организации дорожного движения (управление светофорами, наружными табло и т. д.), оплаты проезда на пассажирском транспорте. Система фото- и видеофиксации дорожных правонарушений способна не только измерять скорость, но и фиксировать, например, пересечение стоп-линий, сплошных линий. Автоматизирована служба парковки: «оцифрована» оплата парковки через мобильный телефон и фиксация факта ее отсутствия парковочной службой.

Несколько крупных проектов ведутся в области ЖКХ. Все машины, которые убирают снег и вывозят мусор, оснащены системой ГЛОНАСС, мы фиксируем телеметрический сигнал на карте и можем проверить, выполняет ли машина поставленную задачу – например, едет она с опущенной щеткой или с поднятой. Сейчас в четырех округах идет пилотный проект по созданию Единого диспетчерского центра. Жители этих округов используют для вызова сантехника или электрика единый городской телефон, по которому оператор колл-центра регистрирует электронную заявку.

После выполнения работ сотрудник контакт-центра звонит и спрашивает, доволен ли заявитель качеством работы, вовремя ли пришел мастер, каков был его внешний вид. Эти ответы тоже заводятся в систему, таким образом, мы имеем возможность рейтинговать и оценивать качество обслуживания москвичей. Сейчас есть пока только колл-центр, но до конца года мы запустим и электронные каналы. Житель сможет отслеживать статус своей заявки онлайн.

С целью совершенствования коммунальной инфраструктуры создается система учета потребления ресурсов. Например, в подвале ставятся контроллеры, которые фиксируют и передают в облако показания по объемам горячей воды, отопления, температурный график и прочее. Это дает нам возможность подсчитать, сколько потребляется ресурсов, не избыточна ли их подача, если на дворе тепло, не случилось ли аварийной ситуации.

Есть проекты по вовлечению граждан в управление городом: система электронных референдумов по городским проблемам «Активный гражданин», портал «Наш город», дающий возможность пожаловаться на недоработки коммунальных или иных служб, сайт crowd.mos.ru для совместной генерации идей для города. Есть десяток мобильных приложений и достаточно много мобильных сервисов. Они важны потому, что единственное, кроме паспорта и бумажника, что с собой носит человек, – это мобильный телефон. Мы должны быть всегда рядом с человеком, чтобы он в любой момент времени мог «дотянуться» до наших сервисов вне зависимости от своего местонахождения. А для этого мы развиваем городскую сеть Wi-Fi – в ней на конец прошлого года было 1100 точек в пределах Садового кольца.

Весной прошлого года заработал «Мосробот» – средство персонифицированной коммуникации с жителями. Подписавшись на него, можно получать информацию, интересную именно тебе, – когда отключат горячую воду, когда будет уборка снега на твоей улице и т. д. Уведомления и рекомендации от «Мосробота» получают почти три миллиона москвичей.

Это, пожалуй, самые крупные наши проекты по цифровому преобразованию города.

– Последняя известная инициатива – проект «умного квартала» в Люблино. В чем его суть?

Термин smart city, «умный город», сейчас очень популярен. Единого стандарта пока нет, но понятно, что имеется в виду удобный для жизни и экономически эффективный город, а достигнуто это должно быть посредством информационных технологий – Интернета вещей, Больших Данных и т. д.

В Барселоне, Хельсинки и ряде других городов существуют «умные кварталы», где испытываются новые технологии в области освещения, потребления коммунальных ресурсов и пр. Мы решили попробовать реализовать такой же проект, взяли в Люблино шесть разнотипных домов, чтобы понять, какого рода технологии могут применяться в такой плотной городской застройке и что даст внедрение этих технологий.

Сейчас объявляется конкурс на проектирование квартала, с оценкой экономических, технологических и социальных эффектов, которые мы получим вследствие внедрения.

– Кто осуществляет все эти проекты? Какова роль ДИТ?

Информационные технологии не существуют сами по себе. Есть ИТ в ЖКХ, ИТ в образовании, в медицине. Заказчиками являются соответствующие департаменты, хотя мы тоже можем подсказать им идею. Наш департамент выступает проектным менеджером, участвует в разработке проекта, обеспечивает правильное проведение всех процедур – закупочных, отчетных. Разработка, как правило, отдается стороннему исполнителю, победившему на открытом конкурсе, у нас своих программистов немного. Но ряд критичных для города проектов мы потом «забираем» и осуществляем их поддержку своими силами.

– Из каких источников сейчас собираются и агрегируются данные в городе?

Какую-то информацию поставляют граждане через офлайновые или онлайновые каналы. Много данных уже поступает с разных датчиков, счетчиков, контроллеров, которые мы сейчас подключаем к городскому облаку.

Мы учимся работать со спутниковой информацией и данными дистанционного зондирования Земли. Их можно применять для самых разных целей: оценивать просадку зданий из-за ведущихся рядом строительных работ или в инфракрасном диапазоне находить утечки тепла.

Начали работать с медицинской информацией – снимками компьютерной и магнитно-резонансной томографии. Делаем пилотный проект на базе 6 тыс. изображений, с помощью нейронных сетей и средств машинного обучения тренируемся распознавать новообразования в легких. Пока мы находимся на стадии обучения нейронной сети.

Разработки ведутся на базе стека решений Hadoop. Это надежное ПО с открытым кодом, его используют Google, Amazon, наши сотовые операторы для обработки Больших Данных. Можно сказать, что Hadoop – это баланс между инновационностью и стабильностью.

– Импортозамещение сильно влияет на ваши технологические предпочтения?

Сама по себе идея импортозамещения – очень правильная. Все страны, развивающие информационные технологии, принимают протекционистские меры и стимулируют собственных разработчиков.

Другое дело, что мы не можем одномоментно отказаться от наших решений на Oracle. Да, их можно перевести на PostgreSQL, но это потребует времени и денег на тестирование и внедрение. А там, где возможно, мы внедряем российское ПО: у нас есть большой проект «Облачная бухгалтерия» – все школы, поликлиники и органы власти ведут бухгалтерский учет не в своих локальных программах, а в облаке на базе российского «1С».

Там, где есть надежные конкурентные продукты, способные выдерживать наши нагрузки, наше количество пользователей (а это десятки тысяч чиновников, миллионы граждан), мы их используем. Там, где таких продуктов пока нет, мы вынуждены использовать либо западные проприетарные решения, либо свободное программное обеспечение. На СПО у нас очень много проектов – например, на всех компьютерах врачей в ЕМИАС установлен Linux отечественной сборки.

– Продолжая технологическую тему – какой объем данных вы уже контролируете? Сколько их приходит в день от граждан, от датчиков?

Количество данных варьируется в зависимости от того, будний или выходной день, зима или лето. Ведь работают разные сервисы. Например, одна только система видеонаблюдения – это 147 тыс. камер, некоторые даже дают картинку в HD-качестве, и мы еще должны пять дней хранить архив. Мы постоянно храним 20 петабайт видеоданных.

– Можно ли оценить экономический эффект от цифровой трансформации города?

Город должен в первую очередь обеспечивать комфортную жизнь горожан, а не зарабатывать на них. Даже парковочная система – это для Москвы прежде всего средство упорядочивания городского пространства. Но информатизация способна существенно сэкономить городские деньги. Например, раньше финансирование школ шло по валовой смете: на каждую школу выделялось некоторое количество денег. И вот было принято решение о финансировании по подушевому нормативу, когда на школьника различных ступеней обучения выделяется некая сумма в год. Как результат, появился электронный реестр контингента. И только потому, что мы наладили электронный учет, у нас отсеялись «мертвые души», то есть те дети, которые на самом деле не учатся в этих школах. Город в итоге сэкономил 4 млрд руб.

– Какие основные проекты запланированы на текущий год?

Это проекты в образовании и в медицине. В образовании мы не только планируем обновить инфраструктуру и оборудование, но и хотим изменить сам учебный процесс. Город будет очень много вкладывать в создание контента, потому что электронный учебник – это не отсканированная страница учебника. Это тесты, это мини-игры, интерактивный контент, виртуальные лаборатории. После реализации этого проекта мы надеемся получить совершенно другое качество образования.

Что касается медицины: ЕМИАС позволила автоматизировать работу поликлиник, и мы будем создавать аналогичную систему для больниц, ее внедрение начнется уже в 2018 году.

Если говорить не об отраслевых, а о технологических перспективах, то у нас есть подразделение Smart City Lab – Лаборатория умного города, которая отслеживает все современные тенденции в информатизации. Через два-четыре года блокчейн, искусственный интеллект, компьютерное зрение, Большие Данные начнут менять жизнь нашего города.

Нынешний кризис в банковской отрасли связан не столько с падением благосостояния людей, сколько с демографическим кризисом 90-х годов: наблюдаются сокращение экономически активного населения, общее его старение. Роста пока ждать неоткуда, и банкам приходится более активно работать с существующей клиентской базой, а кроме того, учиться эффективнее выявлять сущность и потребности новых клиентов.

Плохой клиент плох во всем

Как согласились участники форума «Розничное кредитование: только для своих или посторонним вход разрешен?», проведенного Объединенным кредитным бюро, к прежнему массовому кредитованию клиентов «с улицы» с его высокими и часто неоправданными рисками финансовый рынок уже не вернется. Будет расти значимость партнерства банков с ретейлом, телекомом и другими отраслями, тем более что в бизнес, связанный с предоставлением данных о клиентах, стремятся войти многие, не говоря уже о появившихся специализированных компаниях.

Алексей Кордичев, председатель правления банка «Восточный»: «Да, мы используем внешние данные, но это, скорее, дань моде. Новые данные лишь подтверждают то, что банк знает и без них»

По словам Алексея Кордичева, председателя правления банка «Восточный», эффективность дополнительных внешних источников данных сильно зависит от того, чем занимается банк. Если он на протяжении многих лет предоставляет стандартные продукты и имеет значительный сегмент повторных клиентов с хорошей кредитной историей, дополнительные данные мало что дают.

«Да, мы используем внешние данные, но это, скорее, дань моде. На Дальнем Востоке каждая третья семья является нашим клиентом, поэтому новые данные лишь подтверждают то, что банк знает и без них», – говорит Кордичев.

Другое дело, если банк обращает внимание на новые рыночные сегменты, о которых не накопил значительных знаний и вынужден их собирать на рынке. Использование новых источников данных может дать эффект лишь при наличии стратегии роста и бесполезно для улучшения действующего бизнеса. На данный момент никакие внешние источники данных не могут полноценно заменить информацию, предоставляемую различными бюро кредитных историй (БКИ). «Вход в наш банк для новых клиентов есть, но с «рамкой» в виде БКИ на входе, которая «пищит» в случае неблагонадежных посетителей», – подчеркивает Кордичев.

Сергей Голицын, директор по рискам МФО «Домашние деньги»: «Мы тестируем огромное количество источников данных и даже получаем неплохие модели. Но как только в них включаются данные БКИ, все остальное становится неактуальным»

«Мы тестируем огромное количество источников данных и даже получаем неплохие модели. Но как только в них включаются данные БКИ, все остальное становится неактуальным», – согласен Сергей Голицын, директор по рискам МФО «Домашние деньги». Данные настолько коррелируют, что совершенно очевидно: отрицательный персонаж плох везде – и в телекоме, и в социальных сетях, и в отношениях с банками. Проблема в том, что владельцы данных, особенно телеком-операторы, продают свои данные гораздо дороже, чем они того заслуживают, – видимо, считая, что на этих данных можно построить фантастическую систему идентификации клиентов. На самом деле это не так, и пока что адекватной альтернативы БКИ нет.

Разочарован той пользой, которую внешние данные приносят для увеличения разрешающей способности кредитного конвейера, и Александр Соколов, директор департамента анализа рисков ВТБ24.

«Я – большой поклонник Больших Данных, романтик риск-менеджмента. Несколько лет назад я надеялся на то, что мы научимся обрабатывать данные социальных сетей и ценную информацию из них встроим в кредитный конвейер, существенно повысив качество модели. Казалось бы, возможности огромны: друзья, круг общения, интересы, членство в сообществах. Но, к сожалению, проводимые нами исследования дают околонулевую эффективность», – признает он. С точки зрения рекламы и демонстрации своей инновационности использование Больших Данных – отличный проект. Однако он не позволяет повышать прибыльность в низкорисковом сегменте, где работает ВТБ24.

Александр Соколов, директор департамента анализа рисков ВТБ24: «Я – большой поклонник Больших Данных, романтик риск-менеджмента... Но, к сожалению, проводимые нами исследования дают околонулевую эффективность»

Гораздо больший эффект ожидался от данных, приобретаемых у телеком-операторов. Разумеется, польза от них существенно выше, чем от работы с соцсетями, но радикально ситуация не меняется. Были большие надежды и на обработку фотографий, позволяющую фиксировать уникальный портрет клиента и составлять их базу, но эти надежды не оправдались. Возможно, если бы шла работа с потоком, в котором 20% составляют мошенники, результат был бы иным, но для низкорискового сегмента эффективность всей совокупности инструментов, созданных ВТБ24, крайне низка.

«Я до сих пор вынужден 10% всего потока заявок – а это сотни тысяч – пропускать через ручной андеррайтинг, – сетует Соколов. – Будущее наступает гораздо медленнее, чем хотелось бы. Несколько лет назад я надеялся, что к нынешнему году у нас не будет ручного андеррайтинга. Теперь понимаю, что этого не произойдет и в два ближайших года».

Сбербанк уходит «в цифру»

Наиболее фундаментальный подход к оценке альтернативных источников данных продемонстрировал Сбербанк. В течение 2016 года им был проведен масштабный пилотный проект, в ходе которого сравнивалась эффективность и сопоставлялись результаты моделей, построенных на данных из множества внешних источников.

Дмитрий Берестнев, начальник отдела моделей оценки рисков розничных клиентов Сбербанка: «Полученные результаты говорят о том, что с использованием внешних данных мы действительно можем глубоко уходить «в цифру»»

«Нам предлагали сотрудничество много разных компаний, обладавших определенными данными, которые могут быть использованы в процессе кредитования. Всегда интересно, насколько они соответствуют нашим транзакционным данным и как соотносятся между собой, какие из них дают наибольший эффект с точки зрения улучшения качества моделей», – говорит Дмитрий Берестнев, начальник отдела моделей оценки рисков розничных клиентов Сбербанка. В ходе проекта партнерам предлагалось либо прислать свою версию скоринговых баллов для предоставленной выборки из 150 тыс. клиентов банка, либо передать в Сбербанк свою тестовую выборку для построения модели. Полученные результаты планировалось сравнить. К проекту были привлечены и зарекомендовавшие себя поставщики данных: сотовые операторы, Mail.Ru, а также профессиональные поставщики Больших Данных – Double Data и MFM.

У каждой компании данные довольно специфичны: мобильные операторы обладают биллингом, Mail.Ru – информацией о поведении в Сети, ретейлеры – данными о покупках. А сами компании используют различные типы источников, чтобы обогатить свои данные, поэтому вопрос их пересечения не является праздным.

При работе с внешними данными важна вероятность того, что нужного клиента удастся там найти, – шанс попадания, так называемый хитрейт (hit rate).

«Если с помощью приобретенных данных удается построить действительно качественную модель, но при этом получается так, что использовать ее можно лишь для нескольких процентов клиентов, итоговый результат будет ничтожным. Это полностью убивает смысл работы с источником данных», – отмечает Берестнев. По оценкам Сбербанка, если компания может обеспечить хитрейт больше 40%, имеет смысл рассматривать ее в качестве поставщика данных и уже затем исследовать качество получаемых моделей. У Mail.Ru этот показатель получился около 40%, у операторов связи колебался от 20 до почти 100%, у Double Data составил 56%, а у MFM – превысил 90%.

Далее аналитики пытались понять, насколько различна получаемая из разных источников информация. Самое простое, что можно для этого сделать, – посчитать коэффициент корреляции между построенными рейтингами. Получилось, что каждая из компаний обладает действительно уникальной информацией. Небольшой всплеск взаимозависимости наблюдался лишь между данными Double Data и Mail.Ru. В целом информация была получена действительно разная и довольно интересная, и имело смысл ее рассматривать.

«Получив модели от поставщиков внешних данных или построив их самостоятельно, мы сделали вывод, что наш внутренний транзакционный скоринг очень эффективен», – отмечает Берестнев. Среди других источников выделился Mail.Ru, показавший высокую эффективность при выявлении социальных дефолтов, и особенно – при идентификации мошенников. Однако у него один из самых невысоких показателей хитрейта – тот самый случай, когда ценность источника данных радикально снижается.

Далее построенные модели добавлялись к уже существующим и работающим в Сбербанке и оценивался достигнутый прирост эффективности. Оказалось, что практически вся информация оправдывает себя при выявлении мошенничества и социальных дефолтов.

«Пока остается вопрос: а каких поставщиков данных мы хотим у себя видеть и в какой комбинации? Например, исходя из соотношения цена-качество, вместо одного хорошего и дорогого источника можно подключить два более простых, но дешевых», – считает Берестнев.

Другая важная и довольно сложная задача – предсказание не только рисков, связанных с клиентом, но и его реальных доходов, а значит, и потенциальной прибыльности. Все люди хотят, получая кредиты, предоставлять минимум информации, да и банки понимают, что излишняя назойливость отпугнет клиентов. Самостоятельный поиск информации о доходах делает кредитный продукт более «цифровым», удобным, привлекательным.

Выяснилось, что ни один из рассмотренных источников данных по отдельности не может точно определить доход клиента. Но объединение данных в рамках единой модели дало совсем другие результаты: удалось с точностью 95% угадывать, что доход клиента находится в пределах заданного интервала.

«С использованием внешних данных мы действительно можем глубоко уходить «в цифру». Возможно, наступит время, когда мы даже откажемся от справок 2-НДФЛ и будем уверены в том, что наши оценки доходов качественные», – заявляет Берестнев.

Персонализация – не только для продаж

Многие банковские сообщества слишком погружены в себя и не замечают того, что делают их соседи – страховщики, особенно те, кто выглядят достаточно медленными, неповоротливыми. Возможно, взгляд с этой стороны несет в себе много синергии, ведь страхование даже на заре своего становления в XVII веке было игрой цифр, а применявшиеся актуарные данные были «большими» для своего времени, недоступными для понимания обычным человеком.

Елена Ладыгина, советник генерального директора по управлению рисками «АльфаСтрахования»: «Не имеет смысла сегментировать клиентов по возрасту или маркам машин и при этом отправлять им стандартные SMS»

«Нам точно так же приходится строить портрет клиента, с абсолютно теми же целями. Мы должны снижать уровень риска, создавать персонализированные продукты, заниматься перекрестными и повторными продажами, предотвращать мошенничество», – говорит Елена Ладыгина, советник генерального директора по управлению рисками «АльфаСтрахования». Пользоваться приходится всеми возможными данными, причем на сегодняшний день в список источников входят телематические устройства, смартфоны, социальные сети, камеры. Никого не удивляет, когда страховщики сельхозурожая пользуются спутниковыми фотографиями, оценивая ход посевной кампании и наблюдавшуюся погоду.

Внешние источники данных часто дают больше информации, чем стандартные подходы. Они позволяют предложить не только более интересную цену, но и подстроить продукт под клиента, а также выбрать для взаимодействия с ним наиболее подходящий канал.

«Не имеет смысла сегментировать клиентов по возрасту или маркам машин и при этом отправлять им стандартные SMS. Вполне возможно, что клиент не отреагирует на почтовое или SMS-сообщение, но обратит внимание на твит с информационного ресурса, на который подписан», – подчеркивает Ладыгина.

В автостраховании на смену стандартным вопросам из анкеты приходит телематика. Согласно прогнозам, к 2020 году доля «умного» страхования в США достигнет лишь 25%. В России похвастаться также нечем – разные компании заявляют об 1-5%.

В настоящее время в автостраховании предлагается два вида «умных» контрактов – Pay as you drive и Pay how you drive, основанные соответственно на фактически проезжаемой дистанции и стиле вождения. Второй вариант дает массу возможностей для анализа и работы с клиентами, попутно выполняя важную социальную функцию – повышение безопасности на дорогах. «Умное» страхование открывает для компаний пласт молодых водителей, которые не являются любимчиками страховщиков. Телематика показывает, что многие из них могут быть хорошими водителями, как, впрочем, могут неожиданно для банков оказаться и хорошими заемщиками.

«Было бы интересно посмотреть на взаимосвязь между качеством вождения молодых клиентов и качеством обслуживания ими своего долга», – говорит Ладыгина.

Очень интересным оказалось использование Больших Данных в страховании жизни и здоровья – здесь действительно есть где развернуться. Ключевую роль играют транзакционные данные с кредитных карт о том, что, где и в каких количествах покупает клиент, как он относится к фастфуду, есть ли в его продуктовой корзине фрукты и овощи.

Кроме того, все большее применение находит информация, получаемая от «умных» часов и браслетов. У компаний вызывает интерес информация о физической активности и качестве сна. Согласно исследованию Accenture, треть американских страховщиков предлагают клиентам вместе со страховкой бесплатные браслеты. Предусматриваются серьезные скидки, если выполнены простые условия: 10 тыс. шагов и не менее 7-8 часов сна в сутки.

Социальные сети также помогают отслеживать физическую активность людей: много кто публикует в Instagram и на других ресурсах свои фотографии после тренировок и маршруты своих пробежек. Самое интересное, клиенты охотно делятся такой довольно личной информацией.

«Мы работаем на одном поле с банками и вполне можем использовать данные друг друга. Наша дорога привела нас к кредитным бюро: если человек хорошо платит, то он зачастую хорошо водит машину, правильно питается, укрепляет здоровье», – констатирует Ладыгина.

Что касается исследования данных из социальных сетей, то специалисты «АльфаСтрахования» были разочарованы: в отрыве от кредитного скоринга такие данные показали себя неинтересными. Единственным ценным зерном в них оказались связи мошенников с различными социальными группами. Например, членство в группе стритрейсеров увеличивает убыточность клиента в несколько раз, а наличие в друзьях автослесарей и продавцов запчастей повышает в десятки раз вероятность подозрительной аварии или угона.

«Это не значит, что если у потенциального клиента одноклассник является автоюристом, то мы его не будем страховать. Но если он придет с убытком, то, видя столь интересное окружение, мы будем уделять ему особое внимание», – подчеркивает Ладыгина. Это другая сторона персонализации взаимодействия с клиентом: она имеет значение не только при продажах, но и в остальных процессах.

***

Все больше финансовых организаций говорят о необходимости выхода в онлайн-пространство и работе с клиентом там, где ему удобно. Регулярно приходится слышать, что тот или иной крупный банк включил в свой арсенал работу в электронных каналах. Это направление для многих по-прежнему является Terra Incognita, потому что полностью нарушает привычный цикл работ. Но взаимодействие с клиентом начинается еще до его идентификации.

- Какие области бизнеса наиболее подвержены нашествию искусственного интеллекта? Где в ближайшее время стоит ожидать кардинальных перемен?

Тема искусственного интеллекта сейчас, безусловно, крайне популярна, но довольно часто соответствующие термины не совсем корректно используются. Например, нередко смешиваются ИИ и машинное обучение. Под ИИ, как правило, понимается способность компьютерных систем выполнять задачи, которые обычно требуют привлечения человеческого разума. Методы машинного обучения по большей части основаны на методах математической статистики и часто применяются для предварительной обработки данных более продвинутыми самообучающимися системами, например нейросетями. Машинное обучение, наряду с ИИ, является одной из составляющих когнитивной науки, поэтому, чтобы избежать двусмысленности, лучше взять обобщающий термин «когнитивные технологии».

Практически все области бизнеса могут выиграть от внедрения когнитивных технологий, и особенно это касается крупных компаний с большим количеством клиентов. Одними из наиболее активных потребителей являются банки, они используют методы идентификации мошенничества с банковскими картами, системы распознавания речи для автоматизации работы службы поддержки клиентов и для идентификации клиентов. Ретейлеры, в том числе занимающиеся электронной коммерцией, довольно агрессивно применяют эти технологии для маркетинга и проведения промоакций. В медицине, особенно в США, применяются системы распознавания речи, которые трансформируют надиктованные врачами на диктофон записи в электронные.

Весьма показателен пример такого полноценного ИИ, как система поддержки принятия решений в онкологии IBM Watson. Широкое распространение носимых устройств – «умных» часов, браслетов и фитнес-трекеров – и сопряжение генерируемых ими данных с системами типа Watson позволит вывести медицину на принципиально новый уровень благодаря персонализированному подходу.

Фарминдустрия использует когнитивные технологии для разработки новых лекарств. Нефтегазовая отрасль применяет технологии, позволяющие производить геологическую разведку. Наконец, наступает Индустрия 4.0 – с приходом Интернета вещей в промышленности могут произойти серьезные изменения, обусловленные внедрением методов предиктивной аналитики, которые будут просчитывать вероятность выхода из строя того или иного агрегата в технологическом процессе.

- Какие принципы должна соблюдать компания при реализации подобных проектов?

Самый очевидный принцип – это принцип разумности. Надо понимать, какую ценность несет та или иная технология для каждой конкретной компании. Сегодня многое из того, что связано с ИИ и когнитивными технологиями в целом, диктуется маркетингом. Компания, намеревающаяся использовать когнитивные технологии, должна четко понимать, какую бизнес-задачу она хочет решить. Иначе разочарование и финансовые потери от неудачной попытки внедрения могут быть значительными – специалистов в данной области очень мало, а стоимость их услуг довольно высокая.

Не нужно забывать и об экономической эффективности, просчитывая эффект от внедрения наряду со сроком окупаемости. Использование когнитивных технологий неразрывно связано с Большими Данными, которые есть не у всех компаний. Совершенно очевидно, что далеко не всем организациям нужны эти технологии. Но те, кто сумеют извлечь выгоду из их внедрения (например, сократить издержки, снизить себестоимость, оптимизировать свои технологические процессы), безусловно, получат неоспоримые преимущества на рынке по сравнению с конкурентами.

- Массовое использование бизнесом когнитивных технологий – вопрос какого времени?

С ответом на этот вопрос все не так однозначно. Прогнозов много, но они часто основываются не только на фактах, но и на материальной заинтересованности того или иного эксперта. Если посмотреть только на факты, то в принципе можно ожидать массового внедрения когнитивных технологий в ближайшие 5-10 лет. Речь идет о беспилотных автомобилях, замене операторов контакт-центров, бухгалтеров и юристов. Но надо сказать, что все могут испортить близорукие политические решения и человеческие страхи.

Больше времени потребуется на такие масштабные проекты, как массовое использование когнитивных технологий в медицине. Есть масса причин, способных замедлить проникновение этих технологий в здравоохранение. Это и вопросы этики, и безопасность данных, и проблемы психологии.

Отдельно хотелось бы отметить: сфера когнитивных технологий обязательно нуждается в жестком регламентировании того, что человечество готово позволить подобного рода системам, а что – нет. Уже сейчас всем специалистам, работающим в этом направлении, понятно, что наступило время очертить рамки для когнитивных систем ввиду их впечатляющего прогресса.

- Можно ли после нескольких удачных инициатив по автоматизации рутинных процессов ожидать вала подобных проектов со стороны остальных компаний, которые сейчас внимательно следят за рынком?

Проблема кадрового голода существует уже сегодня, и это серьезно сдерживает рынок. Сказать, что специалистов по Большим Данным и когнитивным технологиям мало, – это не сказать ничего. Можно утверждать, что это доли процента от общего числа ИТ-специалистов в мировом масштабе, отсюда и получается высокая их стоимость. Например, при поглощении стартапов, работающих с ИИ, крупные компании выделяют колоссальные суммы – 10-20 млн долл. в пересчете на каждого члена команды. За специалистов мирового уровня в когнитивных технологиях платят столько же, сколько за ведущих футболистов! Человечество наконец-то начинает находить правильные критерии оценки индивидуального вклада отдельно взятой личности во всеобщее благо.

- Насколько серьезна угроза для сотрудников (в том числе занятых интеллектуальным трудом), которые могут попасть в волну автоматизации?

Хотелось бы выделить две категории специалистов, наиболее подверженных риску быть вытесненными когнитивными технологиями. Во-первых, это специалисты низкой и средней квалификации. Здесь когнитивные технологии (в частности, роботы) способны полностью «забрать» некоторые профессии себе. В качестве примера можно назвать водителей или бухгалтеров.

Вторая категория – люди с высокой квалификацией, например инженеры и врачи. В ближайшем будущем заменить полностью людей этих профессий вряд ли удастся, но часть их работы возьмут на себя системы с высокоразвитым интеллектом. Людям же, чтобы оставаться «на плаву», придется значительно повышать свою квалификацию, а основы (причем довольно глубокие) кибернетики придется изучать специалистам самых разных направлений. Инженерное образование станет базовым для многих специальностей. Отдельной категорией пока остаются творческие специальности, но и здесь тоже есть серьезные подвижки: недавняя победа компьютера в покерном турнире и победа над чемпионом мира в игру Го, состоявшаяся чуть раньше.

- А как насчет автоматизации работы ИТ-специалистов?

Рутинную работу, безусловно, возьмут на себя машины. Уже сегодня мы имеем возможность создавать веб-сервисы, в которых большая часть программного кода генерируется автоматически, причем даже без привлечения ИИ. Чтобы оставаться востребованным, каждому человеку придется постоянно повышать свою квалификацию, иначе можно оказаться не у дел.

Приведу пример хорошо мне знакомого французского ИТ-рынка, на котором происходят, на первый взгляд, парадоксальные вещи. Так, биржа труда заявляет о 40 тыс. безработных в области ИТ и телекоммуникаций, причем большинство имеют более 6-10 лет профессионального стажа! С другой стороны, есть тысячи открытых вакансий, на которые компании месяцами ищут сотрудников. Парадокс перестает быть парадоксом, если просмотреть резюме нескольких соискателей: люди предлагают работодателю навыки, полученные в эпоху мэйнфреймовых систем IBM, вместо того чтобы переучиться. Помните «Собачье сердце» Булгакова? «Разруха в головах!» Так и с работой ИТ-специалистов: надо постоянно развиваться.

- Как вы считаете, в каком направлении будут развиваться системы машинного обучения в обозримом будущем?

Очевидный сегодня тренд – это нейросети. Однако для их обучения требуются огромные массивы данных, иначе вероятность ошибки на выходе будет довольно высокой. Крайне интересными являются методы, основанные на полуавтоматическом обучении нейросетей. Эти методы позволяют значительно сократить количество данных, необходимых для обучения.

Также, думаю, все больше будет происходить перемешивание живых и кибернетических систем. Особо интересным направлением является психоэмоциональная сфера. Обучение ИИ эмоциям – задача весьма нетривиальная. Повышенный интерес уже проявляется (и дальше будет только нарастать) к этическим аспектам применения когнитивных технологий в целом.

Традиционно круг топ-менеджеров был довольно тесным: генеральный директор, финансовый, ИТ-директор и директор по безопасности. Но в последнее время передовые предприятия вынуждены распрощаться с традициями. В эпоху всевозможных платформ в виде сервиса и других новшеств, которые приходится осваивать ИТ-директору, команде его прямых подчиненных необходимо измениться, иначе ему придется выполнять работу еще минимум за четверых. Перечислим тех, кто сегодня должен помогать ИТ-директору обеспечивать надежное будущее для предприятия.

Директор по данным

Директора по данным начали появляться в компаниях ряда отраслей, и, как прогнозируют в Gartner, к 2019 году эта должность будет уже в 90% крупных организаций. Но, с учетом новизны, круг задач руководителя на этой позиции еще четко не очерчен. По данным Gartner, число директоров по данным и аналитике с 2014 по 2015 год увеличилось с 400 до 1000. Стандартных указаний по вводу такой должности в компании нет, но аналитики Gartner подготовили примерный план на первые 100 дней работы директора по данным, призванный помочь новым начальникам завоевать авторитет и разъяснить подчиненным свои функции. Помимо задач, связанных с подготовкой, оценкой, планированием, измерениями и разъяснениями, одна из главных функций директора по данным – заставить руководство поверить в возможности данных с точки зрения бизнеса.

Стефан Пер, директор по данным журнала The Economist, разъясняет, насколько это важно: «Когда я получил эту работу, у меня не было ни списка задач, ни цели, ни даже описания самой должности. Я был специалистом по продажам из рекламного отдела, много лет продававшим площади под онлайн- и печатную рекламу, а теперь я «продаю» идею перевода бизнеса на цифровую основу. Сегодня для меня данные – это товар, приводной механизм, сервис. И в конечном счете – сам бизнес. К данным нужно относиться не как к новому источнику дохода, а как к средству укрепления вашей нынешней бизнес-модели».

Директор по Интернету вещей

Согласно опросу «Интернет вещей: риск или выгода», который специалисты Webroot и оператора коммерческих ЦОД IO провели среди 500 топ-менеджеров британских компаний, в 54% организаций собираются в ближайший год нанять директора по Интернету вещей. Но нужна ли такая должность на самом деле? И если да, чем именно будет заниматься такой руководитель, под чьим началом он будет работать и какая роль ему будет отводиться в существующей организационной структуре? На сегодня еще непонятно, как именно будет Интернет вещей применяться на практике, хотя масса пользователей профессиональных соцсетей, следуя последней моде, причисляют себя к «проповедникам IoT». Самое заманчивое в Интернете вещей то, что он может применяться в огромном количестве отраслей. Именно поэтому в столь большом числе организаций пытаются понять, как IoT будет работать на практике и какие задачи в связи с этим стоит возложить на директора по IoT. Скорее всего, прямым начальником руководителя на этой должности будет ИТ-директор, но сама деятельность, связанная с Интернетом вещей, должна в меньшей степени иметь отношение к ИТ и в большей – к преобразованию методов ведения бизнеса в компании.

Манфред Кубе, директор Gemalto по безопасности межмашинной связи, подчеркивает, что должность директора по Интернету вещей будет далеко не простой: «Ее введение в компании стоит рассмотреть, если есть желание в полной мере реализовать потенциал Интернета вещей. Важно, чтобы это происходило под руководством конкретного человека, который бы разъяснял всю полноту перспектив Интернета вещей для остальных – от рядовых сотрудников до генерального директора. У директора по Интернету вещей будет масса обязанностей – от координации обновления программного обеспечения для всевозможных устройств и создания надежной защитной инфраструктуры во взаимодействии с директорами по ИТ и безопасности до согласования бюджета с финансовым директором для обеспечения максимальной окупаемости техники».

Директор по интеграции

У ИТ-директора есть уникальная возможность контролировать интеграцию в масштабе всей организации, ведь ИТ используются во всех отделах компаний и госструктур. Один из важных навыков ИТ-директора – согласование требований ключевых заказчиков в разных структурных единицах с сохранением общей направленности преобразований. Фактически ИТ-директора сегодня становятся директорами по интеграции. Они опираются на свое умение превращать неорганизованные ИТ-службы в оружие стратегического назначения. Когда десятки лет тому назад отделы ИТ только появились, они были в определенной степени независимыми и изолированными от остальных. Сегодня ситуация полностью противоположная: ИТ нужны всем, включая заказчиков, партнеров, поставщиков, внутренние подразделения компании и выездных сотрудников. Если ИТ-директор доверяет руководить интеграцией кому-то еще, это нередко приводит к провалам, проявляющимся в неспособности согласовать деятельность отдела ИТ и бизнеса.

Цифровой директор

Цифровых директоров могут считать либо новыми звездами на небосклоне топ-менеджмента, либо очередной «модной» должностью, которая со временем исчезнет (иногда эту точку зрения разделяют и сами цифровые директора). Обязанности цифрового директора широко варьируются в зависимости от отрасли, места в иерархии и от того, достаточные ли полномочия данный руководитель получил для выполнения порученной задачи. Отчасти роль цифрового директора связана с разработкой стратегии и общего замысла, но есть и элементы руководства текущей деятельностью. Еще один круг задач связан с изменением организационной культуры, цель которого – приучить бизнес-руководителей мыслить категориями современных цифровых технологий. Сегодня ИТ-директорам все чаще приходится переквалифицироваться в цифровых директоров, если на предприятии еще нет отдельного руководителя, занимающего соответствующий пост и подчиняющегося самому ИТ-директору или генеральному.

Продолжение следует...

Мы перечислили далеко не все новые роли, которые приходится брать на себя ИТ-директору. Помимо стандартных обязанностей директора по технологиям и информационной безопасности, есть еще работа руководителя по качеству обслуживания, инфраструктуре, разведке и инновациям. Обязанности ИТ-директора становятся все сложнее, иерархия в технологических отделах – все глубже, а их руководителям приходится выполнять титаническую работу по обновлению компании. Если раньше перемены зависели лишь от оборудования или программного обеспечения, то сегодня факторов гораздо больше и ИТ-директору нужно уметь адаптироваться к изменениям, становиться знатоком в области цифрового бизнеса, инноваций, аналитики и многого другого.

– Salaina Haroon. The New CIO: Chief «Information.. urm What» Officer? IDG News Service . February 21, 2017

Во многих финансовых организациях роль директора по данным (chief data officer, CDO) меняется по мере того, как регулирующие органы начинают уделять данным все более серьезное внимание. На приведение ситуации в соответствие новым нормам уже затрачено очень много денег и сил, а вот ощутимая выгода для бизнеса растет не так быстро, чтобы оправдать дальнейшие инвестиции.

Раньше актуальность должности директора по данным зачастую вызывала сомнения. Теперь же в организациях все чаще начинают переосмысливать его роль и ориентиры. Педантичность и требовательность регулирующих органов стали одновременно благом и проклятием, заставив организации выделить соответствующие финансы, но породив при этом и успокоенность на достигнутом. Настроение это мешает директорам по данным вносить реальные и устойчивые изменения в культуру, используя данные в качестве источника роста и инноваций.

В ходе опроса директоров по данным, проведенного компанией KPMG, респондентов попросили указать степень влияния каждого из факторов – регулирования, роста и стоимости – на их нынешние усилия и перспективы предполагаемых изменений в течение ближайших двух лет. И если в части затрат перемены ожидаются незначительными (+3%), то фактор регулирования (–23%), по мнению опрошенных, будет вытесняться фактором роста (+20%), который к 2018 году начнет оказывать основное влияние на инициативы, связанные с данными.

В прошлом успехи или неудачи организаций, где была введена должность директора по данным, во многом зависели от умения абстрагироваться от текущих целей по выполнению требований регулятора. Предстояло найти ответ на вопрос, какую роль данные будут играть для расширения и роста бизнеса. Ведь если организации хотят использовать преимущества передовых технологий и открывающиеся возможности, чтобы увеличить оборот, им нужно определить новые реперные точки для ценностей бизнеса.

Общих универсальных ответов или идеальной модели, подходящей для любого поставщика финансовых услуг, в природе не существует. Поэтому подразделение Single Family Business Unit, на которое приходится около 80% сделок крупнейшего ипотечного агентства Freddie Mac, сформулировало свое видение роли директора по данным, состоящее из шести ключевых принципов.

1. Встраивание в бизнес. Чтобы процесс создания ценностей был устойчивым, нужна, наряду с соответствием требованиям регулятора и решением технологических вопросов, четкая связь со стратегией бизнеса. Вице-президент Single-Family Business по данным Джоди Мортон подчиняется непосредственно главе крупнейшего подразделения Freddie Mac, а не руководителям, отвечающим за управление рисками или ИТ. Это позволяет ей быстрее реагировать на изменяющиеся потребности бизнеса. В противном случае бизнес будет развиваться без учета необходимости принятия новых стандартов и внедрения новых функций управления данными, имеющих критически важное значение для всей организации. Мортон осуществляет управление путем взаимодействия и согласования, основное внимание в своей работе она уделяет «цепочкам поставок данных» и платформам, в отношении которых она выступает в качестве бизнес-спонсора.
2. Установление прочных партнерских связей. Взаимодействие с ИТ-службой, в том числе с направлением архитектуры и внедрения ИТ, является основой программы директора по данным с точки зрения как проектирования, так и реализации. Ведущая роль ИТ-службы особенно заметна при внесении корректив в формирование отчетов в интересах бизнеса, а также при совместном укомплектовании больших ЦОД всем необходимым для внедрения передовых аналитических технологий. Важное место здесь занимает и сотрудничество с независимыми организациями. Вице-президент по данным привыкла ускоряться и получать преимущество в самом начале пути, не тратя времени на «пробы и ошибки», которых ее подчиненным наверняка не удалось бы избежать при самостоятельном решении сложных вопросов.
3. Ориентация на стратегические ценности. Хотя контроль над данными и управление ими считаются одним из столпов отчетности, во Freddie Mac с самого начала ориентировались на создание функций, которые позволили бы бизнес-подразделениям получать оперативный доступ к разнообразным типам высококачественных данных. Это помогает заинтересованным сторонам внедрять инновации и в конечном итоге принимать решения, будучи более информированными. При таком подходе положительный эффект от инвестиций в данные виден гораздо лучше.
4. Изучение всей «цепочки поставок данных». Во Freddie Mac стремятся упростить и повторно использовать источники данных в интерфейсных системах, через которые данные попадают в модели, отчеты и к аналитикам. Однажды захваченные и подвергнутые проверке данные затем используются снова и снова. Это позволяет уменьшить затраты, сократить время разработки и способствует повышению уровня доверия со стороны бизнеса.
5. Постоянное и согласованное общение в процессе преобразований. При организации внутренних процессов во Freddie Mac придерживаются принципов предоставления нужных полномочий, упрощения, повторного использования данных и контроля. В ходе общения и обучения такой подход ставится во главу угла, заставляя сотрудников задумываться о данных и их роли с позиций как производителей, так и потребителей данных. Этот метод облегчает управление ожиданиями бизнес-подразделений, помогает находить точки соприкосновения между группой Мортон и ценностями бизнеса. Как свидетельствуют результаты недавнего опроса сотрудников, усилия вице-президента по данным начинают приносить свои плоды. Подавляющее большинство из 300 аналитиков и разработчиков моделей не только знают, что такое метаданные, но и понимают их стратегическую ценность для сокращения времени при поиске в сети Freddie Mac и выборке требуемых для отчетов данных. С учетом важности всего этого на планирование взаимодействия и реализацию у подчиненных Мортон уходит примерно 50% рабочего времени, а у нее самой – 30-40%.
6. Программа «Сто достижений за сто дней». С самого начала в агентстве Freddie Mac признавали, что эффективность работы будет оцениваться на основе достигнутых результатов. Выигрыш может проявляться очень по-разному – при принятии решений, внедрении новых функций и улучшении операционных показателей. Подобные программы помогают цементировать культуру, когда каждый сотрудник дает важный импульс всей команде. В процессе трансформации культуры данных есть ряд важных моментов. Празднования по поводу достижений, больших и малых, закрепляют прогресс и привязывают ценности к множеству вех, намеченных на долгом пути.

Ориентация «цепочек поставок данных» на нужды аналитиков и получение необходимых отчетов в отрасли финансовых услуг видны невооруженным глазом. И хотя сегодня усилия по большей части направлены на соблюдение требований регуляторов, отрасли нужно переходить к «новому порядку», при котором инвестиции в данные для улучшения их представления в интересах бизнеса, внедрения инноваций и последующего роста имеют не менее важное значение, чем соблюдение нормативных требований.

К инвестициям, выделяемым, чтобы обеспечить соблюдение требований регуляторов, нужно добавить небольшие средства, которые должны будут пойти на создание ценностей для бизнеса. Это можно считать первым шагом на пути к построению устойчивой культуры данных, ориентированной на ценность.

Весьма скромные инвестиции зачастую приносят неизмеримо более весомую отдачу, формируют осязаемые связи, помогающие бизнесу двигаться вперед к своим целям. Ключевым условием здесь должны стать расширение горизонтов планирования и вывод плановых показателей за рамки обеспечения требований регуляторов. Однако в условиях жестких сроков такое расширение не всегда бывает очевидным.

Важная роль отводится и финансированию. Требуется сдвиг в менталитете наверху, который должен послужить началом к разблокированию новых ценностей для бизнеса.

Стоит отметить, что, как и при любых других крупных преобразованиях, переход к ориентации на данные, приносящие дополнительные ценности, не происходит в одночасье, а потому начинать имеет смысл уже сегодня.

– Джоди Мортон – вице-президент направления Single Family Data Governance and Management в компании Freddie Mac; Роберт Парр – управляющий директор KPMG Financial Services Practice.

(Jodi Morton and Robert Parr. How to build a sustainable, value-focused data culture. CIO. January 19, 2017)

Дополненную реальность (Augmented Reality, AR) многие аналитики выделяют как технологию, способную повлиять на бизнес уже в ближайшем будущем. Например, в PwC ее ставят в один ряд с блокчейном, дронами, Интернетом вещей и 3D-печатью. Она становится полноценной технологией Индустрии 4.0 и претендует на важную роль в цифровой трансформации предприятий.

Суть AR заключается в добавлении визуальной и иной информации к физическому окружающему миру посредством наложения графики и аудиоряда. Это дает возможность более подробно ознакомить пользователя с задачей или продуктом.

Объекты, сопровожденные цифровой информацией – например, инструкциями по эксплуатации и ремонту, советами продавцам-консультантам и прочими рекомендациями, – могут заметно повысить эффективность работы многих категорий специалистов. Таким образом, основные области применения видятся не только в маркетинге, образовании и игровой индустрии, но и в абсолютно «серьезных» производственных процессах. Что же касается корпоративного применения, то дополненная реальность имеет гораздо большую ценность, чем виртуальная, заключающаяся в полной цифровой реконструкции окружения: по мнению многих аналитиков, «переносящая» природа виртуальной реальности делает ее менее применимой в бизнес-приложениях.

Виртуальная реальность (virtual reality, VR) – созданный техническими средствами мир, передаваемый человеку через его ощущения: зрение, слух, обоняние, осязание и другие. Виртуальная реальность может имитировать как воздействие на объекты, так и реакцию на него.

Всплеск внимания к технологии AR наблюдался после выхода разрекламированных умных очков Google Glass, оказавшихся в итоге просто неудачным экспериментом. С тех пор энтузиазм публики сильно поубавился, однако от действительно прорывной идеи умных очков отказываться никто не собирается, появляются все более удобные модели. Кроме того, дополненная реальность с успехом начала применяться в мобильных приложениях для планшетов и смартфонов. Например, IKEA уже несколько лет предлагает расставить модели продающейся у нее мебели в существующем интерьере, в магазинах появляются виртуальные примерочные, а прошлогодний успех Pokemon Go показал, что публика морально готова к проникновению дополненной реальности в свою жизнь.

Нишевые решения

«Да, несколько лет назад возник большой шум по поводу технологии дополненной реальности, совпавший по времени с выходом очков Google Glass. Сейчас шумиха заметно утихла. Это нормально: какое-то время идет всплеск внимания к новой технологии, потом интерес ослабевает, но это не значит, что тема не развивается», – говорит Андрей Биветски, генеральный директор SAP Labs в СНГ. Перспективных технологий много, они дополняют друг друга, но при этом конкурируют за внимание бизнес-сообщества.

В прошлом году было много громких новостей, имеющих отношение к Индустрии 4.0, Интернету вещей, искусственному интеллекту, машинному обучению. Надо понимать, что все эти новшества взаимосвязаны. Интернет вещей – это «ящик с инструментами» для Индустрии 4.0. Машинное обучение и искусственный интеллект – продолжение темы Интернета вещей. А что делать с огромным количеством данных, собранных различными датчиками? Эти данные, например, можно визуализировать в режиме реального времени с помощью дополненной реальности и тем самым помочь в принятии решений.

Дополненная реальность (augmented reality, AR) – результат введения в поле восприятия любых сенсорных данных и искусственных объектов с целью дополнения сведений об окружении и улучшения восприятия информации.

«Дополненная реальность – очень перспективное направление, ну разве что после первой фазы ее обсуждения и использования появилось понимание того, что проникать в бизнес эта технология будет медленнее и сложнее, чем ожидалось», – отмечает Биветски.

В период популярности Google Glass в SAP было разработано два приложения для этих очков: AR Warehouse Picker, помогающее в управлении складами и складским учетом, и AR Service Technician, очень полезное в сфере ремонтов. Главное преимущество названных решений – свободные руки. На виртуальные очки информация подается пошагово, это дает очевидные бизнес-преимущества, в том числе и «защиту от дурака».

«Я видел работу Warehouse Picker на одном из складов в Германии, где очки связаны с умным транспортером, автоматически движущимся к нужному товару. При этом работа становится не только боле приятной, но и эффективной. Такие приложения хороши как дополнение к уже имеющимся системам управления складом», – считает Биветски.

Тем не менее созданные в SAP решения носят ярко выраженный нишевый характер. Продукты других компаний тоже не выходят за рамки нишевых решений. Это вторая причина, по которой стих шум вокруг дополненной реальности. Разработка всеобъемлющей платформы должна стать тем шагом, после которого технологию начнут воспринимать всерьез. О создании такой платформы пойдет речь, как только появится несколько сильных нишевых решений дополненной реальности для различных индустрий. Тут же подтянутся заказчики, поставщики устройств и консалтинговые компании с новыми сценариями бизнес-применения.

По прогнозам IDC, к 2020 году рынок приложений дополненной реальности будет составлять 160 млрд долл. Чтобы это произошло, необходим именно переход от нишевых решений к полноценным платформам.

Есть и еще один сдерживающий фактор. Когда дополненная реальность используется для игр, вполне достаточно быстрого компьютера с хорошими видеокартами. Однако большой объем графической информации подразумевает мощный трафик, для которого требуются толстые провода – беспроводными технологиями обойтись не удается. И если в случае нескольких игроков это проблемы не составляет, то в промышленных масштабах становится серьезным ограничением.

Понятно, что аппаратное обеспечение развивается очень быстро и многие технические ограничения уже скоро будут преодолены. Но мало иметь удобные очки, избавиться от шнуров и добиться того, чтобы использование дополненной реальности стало эргономичным. Более серьезная задача – построить «полнометражный» бизнес-сценарий с применением дополненной реальности.

Дополненная реальность полезна в работе и обучении складских сотрудников и сервисного персонала, обслуживающего производственные машины на промышленных предприятиях

Маркетинг пока доминирует

«Как сотрудник SAP с 18-летним стажем я вижу больше промышленных перспектив применения дополненной реальности и меньше – маркетинговых, хотя маркетинговые применения сейчас превалируют, – признает Биветски. – Возможно, у меня взгляд “замылен” и я пытаюсь любую технологию приложить к внутренней оптимизации бизнес-процессов. Такие цифровые гиганты, как Google, Facebook и Apple, вполне могут видеть перспективы по-другому». Можно лишь констатировать, что история с маркетингом более очевидна и для бизнеса, и для потребителя.

Возьмем нашумевшую историю Pokemon Go. Даже владельцы маленьких ресторанов, никогда не воспринимавшие ИТ всерьез, убедились на деле, что с помощью виртуальных существ можно заманить на свою территорию поток вполне физических посетителей и увеличить продажи. Очевидная модель монетизации и простота игры наравне с принятием технологии аудиторией стали ключевыми факторами успеха. И идея, и ее реализация оказались гораздо проще любого из корпоративных сценариев.

В Китае, в городах с очень дорогой арендой, магазины уже активно используют виртуальные примерочные и витрины, промостенды. Замысел прост: необязательно иметь в магазине все объекты физически, достаточно лишь пары образцов для любителей «пощупать», а всю информацию об этих товарах можно выносить в цифровой мир. Поставить зеркало, несколько видеокамер и иметь по одному экземпляру одежды. Остальное сделает технология дополненной реальности. Надев очки, человек может выбрать одежду с виртуальной витрины, а компьютер «оденет» клиента в нее. Подходящий размер доставляется клиенту на дом.

Одна из лабораторий SAP Labs Network реализовала проект HoloHouse для конференции «Банк будущего» в Дубае. Речь шла о том, чтобы сделать более удобным и эффективным процесс осмотра недвижимости для покупки специалистами банков. Это хороший пример промышленного применения дополненной реальности. Специалист жестом выбирает понравившийся дом и проецирует его на экран или очки. За короткое время можно, не вставая с кресла, выбрать интересные дома, а затем – даже «зайти» в них и «осмотреть изнутри». Тем самым экономится огромное количество времени, поскольку не надо посещать множество объектов.

Подобным образом происходит выбор дизайна комнат у продавцов мебели. Клиенту выводится на очки обстановка его будущей комнаты или квартиры – высококачественная графика из каталога предложений. Это один из лучших примеров использования не просто виртуальной, а именно дополненной реальности. Человек физически находится в том помещении, которое желает обставить. Одно дело – увидеть эскиз обстановки на экране компьютера, а другое – в доступной визуализированной форме.

Наверняка дополненной реальности уготовано большое и успешное будущее в различных промышленных сценариях, где есть риски для жизни и здоровья, – скажем, при испытании новых моделей машин и самолетов. В момент высокого психологического и интеллектуального напряжения человек будет действовать гораздо эффективнее, имея перед глазами несколько критичных показателей и получая контекстную информацию, необходимую для принятия решений. Уже реализованы пилотные проекты, предусматривающие проведение ремонтных работ в опасных условиях.

Нужна интеграция в производственный цикл

Какого-то волшебного решения, которое «затащит» массовую аудиторию в виртуальную реальность, пока не найдено. С этой точки зрения гораздо больший интерес представляет дополненная реальность.

«Мне кажется, что формат совмещения цифрового мира с реальным открывает намного больше возможностей для серьезных, неигровых приложений: от 3D-моделирования до электронных помощников, облегчающих выполнение каких-либо операций, например, на производстве», – полагает Дмитрий Сошников, старший эксперт по стратегическим технологиям Microsoft в России.

Усилия Microsoft в этом направлении воплотились в платформу Windows Holographic, обладающую довольно широкими возможностями применения. В магазине Windows Store уже доступны универсальные приложения для садоводов, архитекторов, дизайнеров одежды, а также для использования в полетах дронов.

Постепенно технологии дополненной реальности становятся доступны и массовой аудитории. Это происходит благодаря в первую очередь «умным» очкам, смартфонам, планшетам, шлемам. Конкуренция в области виртуальной и дополненной реальности очень велика, особенно на международном рынке, – устройств много, а спрос пока не очень большой, поэтому производителям приходится заниматься популяризацией всего направления.

«Ключевым фактором успеха дополненной реальности в корпоративной среде должна стать удобная и оправданная ее интеграция в операционный или производственный цикл», – подчеркивает Сошников. Появляется реальная возможность сократить издержки и оптимизировать бизнес-процессы. Например, Japan Airlines с применением Microsoft HoloLens разработала систему, использующую голографические модели, для обучения членов экипажа и механиков. Признанный инноватор в автопроме Volvo задействует голографическое моделирование с помощью HoloLens для создания инженерных прототипов своих автомобилей.

Распространению решений дополненной реальности послужат новые платформы и приложения, а также их совместимость с пользовательскими устройствами и более тесная интеграция с оборудованием на производствах, в медицине, в исследовательской и научной отраслях. Вариантов достаточно много, поскольку технология позволяет создавать универсальные решения для оптимизации внутренних бизнес-процессов и операционных циклов компаний, а также в областях, связанных с интеллектуальной деятельностью.

Мало иметь удобные очки и избавиться от технических ограничений. Более серьезная задача – построить «полнометражный» бизнес-сценарий с применением дополненной реальности

Одушевленный дизайн

«Дополненная реальность – инструмент демонстрации и визуализации, при правильном применении она может дать большой эффект. Это некий новый медиаформат, который способен бесшовно внедряться в нашу жизнь и позволяет взаимодействовать с контентом на интуитивно понятном уровне», – говорит Юрий Гольдберг, основатель интернет-сервиса ремонтов и дизайнов интерьеров ReRooms.ru.

ReRooms – онлайн-магазин готовых дизайн-проектов, использующий технологию дополненной реальности: 3D-демонстрацию интерьерных решений с возможностью перемещения по квартире. Можно просматривать различные варианты дизайн-проекта как по стоимости, так и по планировке и стилю исполнения. Это позволяет погрузить покупателей в реальную обстановку и оживить бездушные схематичные планы квартир. Что не менее важно, покупатель квартиры вместе с проектом получает точную смету ремонта, комплекты рабочей документации.

Застройщикам также оказалось интересно иметь готовые дизайн-проекты своих планировок новых квартир, чтобы привлекать клиентов или дарить эти проекты своим клиентам. Для девелоперов удалось разработать интересный продукт с виртуальным туром по квартире в офисе продаж и размещением дизайна и 3D-тура на сайте. Проект реализуется при помощи студии ARProduction, специализирующейся на дополненной реальности для музеев.

Дизайн-проекты для квартир в новостройках и виртуальные туры в интерьере дали рынку первичного жилья новый класс покупателей, ранее ориентировавшихся только на готовое жилье на вторичном рынке. Как выяснилось, визуализация и законченный дизайн-проект с понятной сметой ремонта и обустройства стали мощным аргументом для покупателей при приятии решений о покупке в новостройке.

«Пока что дополненная реальность сильно ограничена технически, но уже имеются большие предпосылки к прорыву технологии и ее становлению как реально полезного инструмента. Особенно большие надежды возлагаются на Microsoft HoloLens и им подобные очки, а также платформу Google Tango», – резюмирует Гольдберг.

«Умная» ферма с «вау-эффектом»

Еще одним ярким примером маркетингового применения дополненной реальности стал проект, реализованный поставщиком решений для молочного животноводства «ДеЛаваль». При продвижении инновационных и дорогостоящих решений зачастую требуются дополнительные усилия. Поэтому было решено создать презентационную систему для демонстрации высокотехнологичной продукции, чтобы вызвать у потенциальных заказчиков «вау-эффект». Решение включает голографический макет молочной фермы и мобильное приложение с дополненной реальностью.

Поставщик решений для молочного животноводства «ДеЛаваль» создал систему для демонстрации высокотехнологичной продукции, которая позволяет через специальные очки в подробностях с разных ракурсов увидеть ферму и оценить ее работу в динамике

Разработка позволяет наглядно демонстрировать возможности автоматизированных ферм и производственного оборудования компании на отраслевых выставках. Был создан макет «умной» молочной фермы на 2,4 тыс. голов скота для отображения с помощью стола виртуальной голографии. Каждый посетитель выставки через специальные очки может в подробностях с разных ракурсов осмотреть ферму и оценить ее работу в динамике. Например, увидеть, как с помощью оборудования «ДеЛаваль» проходит доение коров, их перемещение в стойлах, охлаждение и транспортировка молока, кормление, удаление навоза. Объемное изображение и анимированные модели животных и оборудования помогают детально изучить преимущества автоматизации этих процессов.

Кроме того, для демонстрации флагманских моделей оборудования разработано специальное приложение «ДеЛаваль: дополненная реальность». Оно позволяет рассматривать 3D-модели инновационных продуктов в реальном окружении с помощью камеры мобильного устройства. В качестве универсального носителя информации использована графическая метка, которую можно нанести на любой рекламный материал – будь то буклет, сувенир или каталог. При наведении камеры на метку на экране мобильного устройства появляются динамические модели в реальном окружении. Приложение работает на обычных смартфонах iOS и Android, имеющих доступ в Интернет.

Когда видеосвязь недоступна

«В бизнесе все просто: либо использование технологии выгодно, либо нет. Если дополненную реальность использовать для конкретных бизнес-задач, она становится действительно полезным инструментом. В противном случае – превращается просто в игрушку», – говорит Алексей Антоненко, начальник управления сетевых ресурсов Orange Business Services в России и СНГ.

«Игрушечные», на первый взгляд, технологии уже сейчас помогают решать бизнес-задачи. Например, благодаря Интернету вещей и дополненной реальности компании могут следить за сложным оборудованием в реальном времени. Представим ситуацию, когда обслуживать нужную технику тяжело или опасно – скажем, глубоководные насосы. Тогда создается «цифровой двойник», который в реальном времени получает данные о текущем состоянии устройства. Параллельно двойник анализирует работу насоса и всех его предшественников, причины прошлых неполадок, прогноз погоды. На выходе получается модель, которая может предсказать неполадки устройства и которую в случае поломки можно исследовать вместо него. Обслуживание техники при этом будет осуществляться по факту, что избавит от ненужных вызовов специалистов, а также от простоев из-за поломок.

«Виртуальные методы тестирования и дополненная реальность становятся преимуществом для отраслей, где все ошибки должны учитываться еще в процессе разработки – там, где изделия подвергаются экстремальным нагрузкам или состоят из множества деталей», – уверен Антоненко.

Orange Business Services разрабатывает очки дополненной реальности Smart Glasses, которые входят в состав услуги по подключению морских судов к спутниковой связи Maritime Connect. Очки призваны помочь экипажу судна в случае возникновения неисправностей с установленным на корабле телеком-оборудованием, когда членам команды необходимо связаться со службой поддержки. С помощью очков со встроенным в них функционалом распознавания изображения можно понять, что за оборудование вышло из строя, а также увидеть его «изнутри» – посмотреть название, основной функционал, возможные неисправности и т. д.

Таким образом, при беседе со специалистом из службы поддержки член экипажа может грамотно описать суть возникшей неполадки, быстрее установить причину неисправности и получить точные рекомендации по ее устранению. Казалось бы, в описанном случае дополненную реальность можно заменить обычной видеоконференцией, но преимущество Smart Glasses в том, что устройство может быть задействовано именно тогда, когда широкополосный канал связи на судне не работает, а единственная возможность связаться со службой технической поддержки – это спутниковый телефон.

Для физического и умственного

Как считает Александр Леус, директор Центра виртуальной реальности компании «Крок», бизнес-применение технологий дополненной реальности можно разделить на два сценария. В первом они понимаются как средство отображения информации (виртуальный экран) – например, с помощью умных очков. Развитие технологии в этом направлении может привести нас в мир, в котором больше не будет привычных мониторов и экранов. Им на смену придут очки дополненной реальности, позволяющие разместить монитор практически любой диагонали на любой удобной поверхности и даже сделать его парящим в воздухе. Не понадобится закупать мониторы, проекторы и т. п.

Второй распространенный сценарий – приложения дополненной реальности с применением 2D- и 3D-графики, позиционируемой относительно специальных меток или объектов. Для этого используются специальные AR-платформы (например, Vuforia) и различное оборудование – от смартфонов до Microsoft HoloLens. Развитие алгоритмов распознавания объектов даст возможность размещать вспомогательные инструкции на самих устройствах и машинах. Их можно будет рассмотреть с помощью любого смартфона и специальных очков.

Открытым остается вопрос стандартизации самих решений на базе технологий дополненной реальности. Заказчикам важно помочь разобраться, что считать AR-услугой профессионального уровня, а что остается в разряде разработок для массового рынка.

Если говорить о специалистах, занятых физическим трудом, то дополненная реальность полезна в работе и обучении сервисного персонала, обслуживающего производственные машины на промышленных предприятиях. Интерактивные подсказки или инструкции размещаются в виде AR-метки на оборудовании. В ходе технического обслуживания сотрудник наводит на метку камеру мобильного устройства, например планшета. На его экране возникает инструкция по работе на станке или порядок действий при замене какого-либо компонента. Таким образом, контролируются технические риски, снижается количество ошибок персонала, а обучение сотрудников работе с новыми техническими средствами становится более наглядным.

Специалисты умственного труда, например сотрудники отделов продаж, уже начали использовать дополненную реальность в своей работе. Некоторые автопроизводители оснастили свои салоны продаж AR-решениями, создавая шоу-румы нового поколения. А, например, в сфере девелопмента и недвижимости технологии дополненной реальности позволяют увидеть пространство квартиры или загородного дома. Благодаря мощному «вау-эффекту», наблюдаемому сейчас, такой сценарий применения делает технологию очень перспективным каналом коммуникации с потребителями, выводя взаимодействие пользователя и контента на совершенно новый уровень.

В первую очередь для более широкого внедрения AR-технологий в корпоративном секторе необходима интеграция с общепризнанными операционными системами. Помимо этого, для достижения коммерческого эффекта на предприятии важно создать единую среду, связав AR с базами данных, регламентами по техническому обслуживанию и ремонту, системой управления технологическими процессами, системами мониторинга работы объектов, в частности опасных производств. Все это должно быть обеспечено с учетом определенных прав доступа к данным, требований по защите к хранящейся и передающейся информации. Отдельно стоит задача интеграции с системой электропитания – для заряда или замены аккумуляторов очков дополненной реальности.

***

Можно констатировать, что пока дополненная реальность остается ограниченно-нишевой технологией, ожидающей как созревания, так и накопления критической массы сценариев бизнес-применения. Основными условиями ее массового использования должны стать удобство создаваемых решений и снижение их стоимости.

Верное – неново, а новое – неверно

Научное содержание термина «Большие Данные» до сих пор не определено, и это типично для явления из области моды, а ИТ-сфера подвержена моде ничуть не меньше, нежели прочие области человеческой деятельности. В последние годы это понятие превратилось в донельзя растянутый маркетинговый ярлык, наклеивание которого на произвольный ИТ-продукт существенно увеличивает потребительский интерес. Примерно, как «нанотехнологии» в отечественных реалиях недавнего прошлого.

Как сказал Иммануил Кант, «в каждой науке столько истины, сколько в ней математики». Математика в технологиях Big Data, определенно, есть: это математическая статистика как часть теории вероятностей плюс дискретная математика, становление и развитие которой относится еще к XIX веку. Завершение же теоретических разработок предшествует изобретению современного компьютера.

Получается, как в анекдоте: «верное – неново, а новое – неверно». Новое в Big Data относится по большей части к маркетингу, а верное – к старой доброй математике столетней давности.

Важнейшей составляющей маркетинга Больших Данных стал тезис о том, что будущее потребительских сервисов – за персонализацией. Это представляется само собой разумеющимся. Между тем это утверждение неочевидно и даже убедительно ничем не аргументировано. Если отбросить многочисленные статьи в популярной прессе, утверждающие, сколь важна «персонализация», то... мы остаемся без фактов. Иными словами, нет ни одного примера ни в одной отрасли ни в одной стране мира, когда компания получила прочное конкурентное преимущество путем изысканных манипуляций с клиентскими данными. Это миф и иррациональное ожидание очередной бизнес-панацеи.

Получается у банков, не получается у остальных

Области полезного применения Больших Данных можно разделить на две неравные группы: решение четко сформулированных узкопрактических задач и попытки применить аналогичные методы к данным корпоративных учетных систем с целью неопределенно общего улучшения («найди то, не знаю что»). Применение Больших Данных в технических задачах локального характера – от инженерных до медицинских – не составляет сложностей, и углубляться далее в эту сферу нет смысла. Другая ситуация с бизнес-задачами широкого характера. Если банки и финтех применяют технологии Big Data более-менее успешно (например, скоринговая модель), то с реальным сектором все печально.

Поразительный факт: реальный сектор и в России, и в мире до сих пор не смог извлечь ничего полезного, применяя Big Data к огромным массивам накопленных данных.

Если вчитаться в немногочисленные правдоподобные истории успеха Больших Данных в реальном секторе, то они сводятся либо опять-таки к локальной технической задаче, либо к обработке «альтернативных данных». В обоих случаях речь идет о данных, собираемых, хранимых и обрабатываемых вне корпоративной учетной системы.

Жизнь – это не только финансы

Может ли быть, что проблема кроется в информационных системах? Похоже, корень проблемы именно в неудовлетворительном состоянии данных информационных систем компаний реального сектора. По неизвестной пока причине либо эти данные не могут быть обработаны технологиями Big Data, либо выдаваемые результаты обработки не несут практической ценности.

Но почему же данные банковских систем не страдают от этого? Чем банки принципиально отличаются от компаний реального сектора? Ответ кроется во внутренней сложности процессов: если деятельность банка заключается в жонглировании всего тремя сущностями – деньгами, сроками и вероятностями, то бытие реального сектора гораздо разнообразнее. По большому счету, деятельность менеджмента законопослушного коммерческого банка заменяется несложным алгоритмом, балансирующим параметры фондирования и размещения, включая автоматическую подстройку скоринговых кредитных моделей и автоформирование условий депозитного привлечения. Потребности такого «примитивного» бизнеса (да простят нас обидчивые банкиры) вполне удовлетворяются «примитивными» банковскими системами, а вырожденная модель данных позволяет «лобовую» обработку средствами Big Data.

Посмотрим теперь на представителя реального сектора. Например, типичный ретейлер работает не с тремя параметрами, а с десятками и сотнями тысяч позиций товаров. Зависимости их продаж запутанны и стремительно меняются: есть на складе смартфон А – смартфон Б не продается; наличие чехла к смартфону Б увеличивает вероятность его продаж и тем самым сокращает продажи чехла для смартфона А. Ну а теперь представим, что таких смартфонов десятки, а чехлов сотни. Вспомним также, что мода и спрос на смартфоны и аксессуары меняются по несколько раз в месяц вместе с ценами.

В ассортименте крупного ретейлера, как правило, сотни товарных групп. Они могут быть как совершенно не связаны друг с другом (смартфоны и газонокосилки), так и наоборот: планшет, к примеру, не является прямым конкурентом смартфону, но часть потенциального спроса взаимозаменяема. И перечисленное — лишь малая доля практической проблематики типового ретейлера.

Если банк можно представить как объект, существующий в привычном плоском пространстве трех измерений, то вселенная, в которой обитает реальный сектор, сложна: она бесконечно многомерна, изменчива и негостеприимна. Согласитесь, нелегко представить себе мир, в котором четыре миллиона только координатных осей.

Корень зла – в ERP?

Напрашивается вывод: проблемы применения Big Data в реальном секторе – следствие несоответствия информационных систем требованиям современного рынка. Выглядит правдоподобно. Но в чем же заключается проблема современных корпоративных систем? Как правило, они строятся на базе ERP-решений, чей функционал по необходимости наращивается интеграцией внешних модулей (CRM, WMS и т. д.) Такая схема удобна: нужен дополнительный функционал – покупаем соответствующий модуль и интегрируем его с общей ERP.

Однако модульная архитектура корпоративной системы имеет множество недостатков. Главный из них в контексте Big Data – это принципиальная несогласованность и противоречивость данных. Модульность архитектуры неизбежно приводит к тому, что каждый модуль системы располагает собственным хранилищем данных, независимым как от ERP, так и от других модулей. Теоретически данные регулярно «синхронизируются». Но, даже при условии идеального качества синхронизаций (недостижимого в реальности), в промежутках между синхронизациями данные системы недостоверны: например, в модуле продаж долг контрагента составляет 100 долл., а в финансовом модуле – 4 млн тенге. И невозможно мгновенно выяснить, какое из значений истинно, да и является ли истинным хоть какое-то.

Таким образом, недостоверные данные ERP не могут служить источником для средств Больших Данных. В качестве паллиатива обычно предлагается провести подготовительные процедуры, например «фильтрацию» и «нормализацию». Наукообразность названий здесь призвана скрыть научную несостоятельность. Фильтрация и нормализация принадлежат классу герметических искусств типа: «эти данные нравятся, а те – нет», «я художник, я так вижу». На практике обработка первичных данных дополнительно портит и без того мусорные данные, выгружаемые из ERP. Что на выходе? Ответ один: ничего полезного. В реальности так и есть.

Несоответствие нынешних ERP-систем современным условиям рынка (и нестыковка с методами Больших Данных в частности) – неустранимые следствия фундаментальных ограничений модульной архитектуры. Решение проблемы полезной применимости Big Data в реальном секторе станет побочным следствием, которым будет сопровождаться тектонический сдвиг парадигмы автоматизации бизнес-процессов от классических ERP к чему-то принципиально новому.

– Алексей Галущенко, директор Ultimate humanless enterprises, в 2008-2010 годах – сооснователь и евангелист компании «Юлмарт»

«Цифровой» – очередное «модное» понятие, не уступающее по популярности «облаку». Сегодня эти слова обычно призваны иметь то значение, которое им хочет придать говорящий, особенно если он намерен вам что-то продать. Неудивительно, что подобная неоднозначность создала благоприятную почву для мифов.

Тем не менее цифровой бизнес действительно может наделить серьезными возможностями компании, чьи руководители способны видеть сквозь густой маркетинговый туман. Таким руководителям с ясным взором вполне по силам будет предолеть трудности, которые новая парадигма создает для ИТ-директоров. Ну а тех, кто убежден, что новое – это лишь, как всегда, хорошо забытое старое, возникшие трудности вполне могут уничтожить.

Итак, перечислим пять расхожих мифов о цифровой трансформации, а также назовем далеко не мифические проблемы и возможности, которые открываются с их преодолением.

Миф №1: «digital» – это существительное

Во многих публикациях, посвященных цифровому бизнесу, со словом «digital» («цифровой») обращаются так, как будто это имя существительное. Когда «цифровой» превращают в объект, это уводит мысли не в том направлении. Посудите сами: есть цифровые стратегии, бизнес-модели, технологии, трансформация и т. п. Ведь это существительные, имеющие определенное значение.

Так что, если кто-то рассуждает о важности просто «цифрового», задайте очевидный вопрос: цифровое что именно?

Миф № 2: цифровой бизнес опирается на облака, Большие Данные с аналитикой, мобильность и социальные СМИ

Нередко перечисленные элементы называют «четырьмя столпами третьей платформы». Читая о «цифровом», вы непременно встретите подобный перечень технологий.

Похоже, аналитики IDC придумали «третью платформу» как термин, подчеркивающий значение совокупности определенных тенденций. Но он не совсем верен.

Прежде всего неверен сам номер платформы – подразумевается, что мэйнфреймы и клиент-серверные вычисления были первой и второй платформами, но при этом упускаются бухгалтерские книги и калькулятор, а также такая мелочь, как Всемирная паутина, которая, по мнению некоторых, все-таки что-то да значила.

Получается, третья платформа на самом деле – пятая, хотя кому какое дело.

Важнее то, что новые технологии появляются постоянно, и определять стратегию цифрового бизнеса их фиксированным списком – значит, всерьез не улавливать сути.

Цифровой бизнес строится на основе стратегии, реализуемой благодаря новым возможностям, которые открываются в результате появления новых технологий. Но, если начальство убеждено в том, что технологические планы компании должны определяться потребностями бизнеса, отдел ИТ может сбиться с пути и все пойдет не так.

Если ваша компания первой начнет осваивать новые технологии, они откроют для нее потрясающие возможности. А если вы уступите первенство конкурентам, новшества могут стать для вас серьезной угрозой.

Поэтому игнорируйте детали так называемой третьей платформы и сосредоточьтесь на том, что важно, – на возможностях, которых не было раньше.

Миф №3: суть цифровой трансформации – в использовании технологий для повышения эффективности бизнеса

Повышение эффективности – это старый, навязший в зубах стереотип. Если кто-то думает, что цель цифровой трансформации – повышение эффективности, это потому, что ему на курсе управления бизнесом до полного разжижения мозга вдалбливали: эффективность с продуктивностью – единственный путь к победе.

Но это не так. Во-первых, еще раз перечитайте миф № 2. Суть цифровой стратегии – в получении конкурентных преимуществ, а они, в свою очередь, гораздо больше влияют на валовую выручку, чем на рентабельность. Они нужны, чтобы повысить ваши прибыли благодаря увеличению оборота, а не сокращению расходов.

Не то чтобы снижать затраты было не нужно. Наоборот, это полезно, но только если из-за погони за эффективностью не падает ваша привлекательность в глазах покупателей.

Однако в большинстве компаний, когда удается повысить эффективность, прибавку просто плюсуют к финансовым результатам. То есть с заказчика берут прежние деньги, нередко при сервисе меньшего качества, чем раньше, а разницу прикарманивают.

А делать надо совсем другое – использовать повышенную эффективность, достигнутую благодаря технологиям, в целях снижения цен на предлагаемые продукты и услуги.

Напомним, если вы раньше не обращали на это внимания, снижение цен – отличный способ продавать больше. Это, конечно, не цифровая стратегия, но это не означает, что она плохая или несовместимая с цифровым образом мышления.

Миф № 4: «цифровой компании» нужен «цифровой директор»

Так уж повелось: если нечто считается для предприятия важным, то ему нужен очередной топ-менеджер, который за это будет отвечать. Поэтому когда появился WWW, то сразу возникла должность директора по технологиям. Где-то просто переименовали ИТ-директора, а где-то занялись разработкой стратегии электронной коммерции – отдельно от уже существовавшего отдела ИТ, ведь в нем не знали, как работать с Интернетом.

В остальных местах директору по технологиям просто платили за великие идеи и жалобы на неспособность отдела ИТ воплощать их в реальность.

То же самое и с цифровыми директорами: где-то просто переименовали ИТ-директоров, где-то им приходится руководить новомодной «цифровой» ипостасью компании, а в остальных местах они думают глубокие думы и жалуются.

Справедливости ради надо отметить, что на заре WWW уже сформировавшимся предприятиям нередко действительно имело смысл развивать онлайн-бизнес в период инкубации как отдельное направление. Правда, опасность перспективных проектов состояла в возможности их успеха. И если он приходил, дух новизны уступал место тяготам интеграции: ИТ-отделу приходилось осваивать веб-разработку, специалистам по маркетингу – управление веб-контентом, а топ-менеджерам – интегрировать электронную коммерцию в общую стратегию бизнеса и операционную модель предприятия.

Ситуация с цифровой трансформацией выглядит точно так же. Цифровые стартапы, подобно доткомам в свое время, не нуждаются в инкубационном периоде и не будут иметь проблем с интеграцией. Что касается уже существующих предприятий, то у эпохи цифрового мышления есть одно важное отличие от эры доткомов – наличие опыта, на который можно опираться.

А значит, цифровые директора нужны в основном тем предприятиям, которые ничему не научились на прошлых уроках.

Миф № 5: смысл цифровой трансформации – в возможности перехода на новые бизнес-модели

Это даже не миф, а какая-то несуразица. Понятие «бизнес-модель» само по себе – такое же неоднозначное, как «цифровой». Точнее, чем «механизм, управляя которым, компания может трансформировать свои действия в прибыль», бизнес-модель не определить.

Так или иначе, до сих пор в истории цифровых технологий по-настоящему новых бизнес-моделей было не так уж много.

Пожалуй, лучший пример того, как цифровые технологии могут полностью изменить устои бизнеса, – система Snapshot, созданная в компании Progressive Insurance.

Основа страхового бизнеса – актуарная математика. Кстати, «актуарный» – это еще одно прилагательное, которое превратили в существительное.

В рамках программы Snapshot в Progressive страхователям предоставляют устройство слежения, которое нужно подключить к диагностическому порту автомобиля. И вместо того, чтобы рассчитывать риск на основании ваших демографических характеристик, в Progressive определяют его непосредственно путем наблюдения за вашим стилем вождения в режиме реального времени.

Хотите еще пример? Пожалуйста! Большинство так называемых цифровых предприятий – это либо медиакомпании, либо посредники. То есть они либо извлекают доход из онлайн-рекламы, сопровождающей бесплатный сервис, либо соединяют покупателей и продавцов за посредническую плату. Две эти модели описывают принципы работы Google, Facebook, Airbnb, Uber и практически всех остальных цифровых образцов для подражания, которых сегодня превозносят экономисты.

А на самом деле...

Как и любое новшество, цифровая эпоха породила свои мифы. Но из этого не следует, что понятия цифровых технологий, стратегий и т. д. не имеют значения. Напротив, оцифровка бизнеса – это действительно важно. И причина тому далеко не мифическая. Она состоит в том, что компании, развивающие цифровые стратегии, имеют два важных отличия от своих предшественников из индустриальной эпохи.

Во-первых, они гораздо больше значения придают увеличению выручки, чем сокращению затрат, то есть активнее заботятся о росте, чем о рентабельности, и это делает их намного привлекательнее практически во всех отношениях.

Во-вторых, они фокусируются на взаимодействии с заказчиками и на том, чтобы сделать такое взаимодействие как можно более комфортным, – а это уже по-настоящему важно.

– Bob Lewis. Busted! 5 myths of digital transformation. InfoWorld. JAN 5, 2017

«Деловая среда» – одна из четырех «дочек» Сбербанка, существующая с 2011 года. Фактически она представляет собой исследовательскую организацию – научную группу, реализующую инновационные проекты, которые после запуска поглощаются банком.

«Раньше мы занимались в основном автоматизацией работы с банковскими продуктами, облачными технологиями. В дальнейшем все большая роль будет отводиться исследованиям. Сейчас вклад проектов Больших Данных и блокчейна в общую корзину составляет примерно 20%, а хотелось бы достичь 50%», – говорит Владимир Труфанов, ИТ-директор «Деловой среды», один из докладчиков предстоящей конференции «Технологии блокчейна», которую издательство «Открытые системы» проведет 28 февраля. 

«Деловая среда» работает напрямую с бизнес-подразделениями Сбербанка, реализуя инновационные проекты по заказу его департаментов.

«Мы делаем около 80% всей разработки, но какая-то часть – особенно касающаяся безопасности – делается самим Сбербанком», – объясняет Труфанов.

Кроме того, компании часто приходится выступать и в несколько ином качестве. Например, в достаточно скорой перспективе начнется разработка на базе блокчейна системы электронных аккредитивов. В этом проекте предстоит работать совместно с департаментами госзакупок и «Сбертехом», быть связующим звеном в этом процессе.

Базой для своих разработок в области блокчейна в «Деловой среде» выбрали платформу Ethereum, решив, что на сегодняшний день она наиболее функциональна, позволяет создавать децентрализованные приложения, подключаться к множеству гетерогенных внешних систем. Кроме того, эта платформа очень гибкая и имеет встроенный язык программирования умных контрактов.

Теория закончилась, начинается практика

Первый из прототипов, который «Деловой среде» удалось сделать на базе Ethereum, продемонстрирован в сентябре прошлого года на МИФ-2016 в Сочи. Была запущена экспортно-импортная сделка между российской компанией «Трейдмаркет» и китайским производителем металлообрабатывающих станков Cangzhou Tianyu Machinery Manufacture. Естественно, сделка сопровождалась и подписанием реальных документов: оформленный на бумаге договор был подкреплен «умным» контрактом. Содержание договора было занесено в систему, и сотрудники, используя свои ключи, подписали контракт.

«Мы взяли один весьма сложный бизнес-процесс экспорта-импорта, для которого характерны постоянные противоречия, и достаточно просто его реализовали. Долгое время я занимался крупными бизнес-системами, в том числе внедрял ERP в МТС. Могу сказать: даже такие сложные решения вполне возможно выполнить и на платформе Ethereum», – говорит Труфанов.

В «Деловой среде» не остановились на прототипе блокчейна и уже выпускают вторую версию системы, содержащую весьма интересный функционал – например, двухфакторную аутентификацию. Крайне важным достижением является удобство решения. Обычно пользователь Ethereum должен скачать себе виртуальный кошелек, импортировать 8 Гбайт блоков и начать работать, став частью сети. Физические лица вряд ли будут совершать столь сложные действия и, скорее всего, откажутся от таких услуг.

«Мы хотим избежать сложности, но при этом не потерять преимуществ, связанных с децентрализацией», – подчеркивает Труфанов. Предлагаемое решение элегантно: оно представляет собой тонкий клиент в браузере Chrome, для которого скачивается маленький плагин с криптоключом, позволяющим действовать в сети. После этого пользователь может заходить на сервер и производить на нем операции. Это несложное решение является, тем не менее, универсальной технологией для построения бизнес-систем.

Помимо явных лидеров, на рынке есть и множество альтернативных платформ (BlockNotary, EmerCoin, Dash, Waves), объединенных общим принципом, но различающихся своей логикой. Большинство заинтересованных компаний уже сделали свой выбор, и сейчас будет рождаться много конкретных решений на их основе. Уже очевидно, что 2017 год станет годом блокчейна. Теория закончилась в прошлом году, наступило время практики.