показывать на главной

Сегодня практически любому крупному российскому предприятию впервые стал доступен целый букет новых технологий, совместными усилиями агрессивно продвигаемых крупнейшими западными ИТ-компаниями. Их интерес понятен: соединяя искусственный интеллект, роботизацию процессов, большие данные и другие технологии, которые заказчики никогда не применяли, с традиционными бизнес-системами, вендор получает возможность перепозиционировать свои старые продукты. И вот такое сочетание функций преподносится как прорыв, как новая товарная категория, вокруг которой обязательно вырастет свой сегмент рынка. Так родилась и концепция iERP.

При этом маркетологи не скупятся на обещания, рисуют яркие картины будущего рынка, утверждая, что все, кто не приобретет новые решения, останутся лузерами и аутсайдерами, безнадежно упустившими прекрасную возможность кардинально улучшить свой бизнес. Но именно так надувались многочисленные «мыльные пузыри», которые лопались, унося и деньги инвесторов, и надежды на чудо слишком доверчивых заказчиков.

Чтобы подобная история не повторилась в такой важной области, как управление предприятием, заказчикам нужно опереться на реальный опыт внедрений, понять, какие технологии действительно актуальны сегодня, при каких условиях они работают и какого эффекта от них ждать. Но прежде чем перейти к этим технологиям, надо четче определить понятие iERP.

Что такое iERP?

Отдельные новые технологии (например, управление бизнес-процессами и их непрерывное улучшение) достаточно часто интегрируются с классическими системами ERP, но это еще не iERP. Здесь есть расширение функциональности, но нет нового качества, перехода на новый уровень. Система iERP подразумевает одновременное соблюдение следующих условий.

Первое — это интеграция ERP-системы сразу со многими новыми перспективными технологиями (какими именно, обсудим ниже), а также с хорошо известными технологиями, обретающими дополнительную ценность в новом окружении (примером может служить система управления корпоративным контентом — Enterprise Content Management, ECM).

Второе условие состоит в том, чтобы обмен информацией происходил не только между подсистемами, стоящими за каждой такой технологией, и ядром или модулями ERP (по схеме звезды), но и напрямую между этими подсистемами (по схеме матрицы). Таких «прямых» взаимодействий должно быть много, так как, с одной стороны, это достаточно полно раскрывает возможности технологий, а с другой — обеспечивает максимальный синергетический эффект и целостность комплекса iERP.

Третье условие: оптимизация архитектуры самого решения и системы безопасности, унификация механизмов интеграции компонент, инфраструктуры работы с данными и метаданными, а также механизмы централизованного управления и информационной безопасности должны распространяться на весь комплекс, объединяющий и ERP-систему, и все технологические подсистемы. Кроме того, все компоненты решения iERP должны максимально использовать корпоративную технологическую платформу, объединяющую ИТ-продукты, отобранные организацией для многократного использования в своей системе. И конечно, нужна унификация ИТ-процессов обслуживания и элементов этой технологической платформы, и компонент iERP-решения.

При соблюдении всех этих требований iERP действительно качественно отличается от традиционных систем класса ERP. Причем отличие настолько существенно, что плавно трансформировать обычную ERP-систему в iERP вряд ли возможно. Просто добавляя технологии к классической ERP, нельзя получить решение, которое отвечало бы всем вышеперечисленным критериям. Зато наверняка можно получить много головной боли, быстро усиливающейся по мере удаления от классической ERP.

На какие технологии нужно обратить особое внимание?

Новые технологии, о которых мы будем говорить ниже, прошли через тройной фильтр. Во-первых, они действительно позволяют многим российским организациям справиться с широким кругом задач, практически не решаемых традиционными приемами. Во-вторых, применять эти технологии возможно уже сегодня. В-третьих, технологии выдержали проверку реальным опытом.

Среди них можно выделить роботизацию процессов (Robotics Process Automation, RPA), то есть полную замену людей программными роботами на отдельных бизнес-процессах.

Вторая опробованная технология — связка Business Process Management (BPM) с Process Mining. При этом к сфере BPM относятся алгоритмизация процессов и передача автомату ответственности за точное соблюдение регламентов, очередность и своевременное выполнение отдельных операций для каждого экземпляра процесса. В свою очередь, Process Mining дополняет BPM тем, что позволяет выявлять отклонения от регламентов, отличия фактического эффекта от ожидаемого, нежелательные побочные эффекты, появляющиеся бизнес-риски. И устранить эти проблемы, поставив оптимизацию процессов на поток.

Третья технология — «озеро данных» (Data Lake). Озеро объединяет все те данные, которые необходимы компании для принятия управленческих и операционных решений. Крайне важно, что это не только внутренние данные самой организации, но и информация о ее окружении (например, государственные инициативы, состояния фондовых рынков, действия конкурентов и партнеров, изменения городской среды, влияющие на транспортные потоки и поведение людей). Порой именно данные об окружении, даже крайне неочевидные, оказываются ключом к правильной интерпретации информации.

Следующая технология — ECM, то есть единая система управления корпоративным контентом, создание и потребление которого сопровождает все процессы и все аспекты работы предприятия.

Наконец, Agile и DevOps — это набор инструментов и практик, обеспечивающих беспрецедентную адаптивность конвейера по разработке и внедрению ПО, процессов и сложных компонентов системы, а также быструю передачу каждого улучшения в продуктивную среду. Этот подход дает возможность избежать ненужной или бесполезной работы и позволяет развивать решения в тех направлениях и теми темпами, которые отвечают потребностям бизнеса.

Роботизация процессов

Роботизация процессов — совсем новая тема, порождающая нереальные и даже фантастические ожидания. Поэтому приведем два реальных примера роботизированных процессов, которые уже более года работают в нашей компании.

Первый — это анализ тендерных площадок, один из ключевых процессов в нашей технологии продаж. До роботизации процесса отдел продаж на постоянной основе осуществлял циклический мониторинг множества тендерных площадок, чтобы не упустить интересные для компании запросы. Создавал их описание по специальному шаблону, формировал таблицу соответствия критериям отбора и рассылал результаты ответственным менеджерам по подразделениям. Это механическая работа, творчества тут нет. Мы полностью переложили ее на программного робота, и он прекрасно справляется: чаще и быстрее просматривает большее число площадок, не задерживает сводки и не ошибается при обработке данных. Сначала мы сделали робота на платформе UiPath, затем создали свою платформу и перенесли этого робота (а потом и других) на нее. Он и по сей день там «трудится». Таким образом мы свели к нулю участие человека в данном процессе.

Второй пример — автоматическое формирование актов сверки. Робот формирует акт в системе бухгалтерского учета, выгружает его, отправляет контрагенту. Получив ответ, сверяет его с показателями нашей ERP-системы. Если все сходится, внутри системы акт получает соответствующий статус. Если нет, различия направляются на рассмотрение бухгалтеру. Этот робот полностью освободил бухгалтерию от большого объема рутинной и достаточно нервной работы.

Роботизация процессов, если ее применять правильно, действительно дает немало преимуществ. Это огромное ускорение выполняемых операций и целых процессов. Иногда десятикратное, иногда стократное. Программа легко обгоняет любого человека в стандартных операциях. Например, заявку на тендер робот формирует в 6–7 раз быстрее квалифицированного специалиста. В примере с актом сверки взаиморасчетов прирост скорости составляет от двух до десяти раз (здесь многое зависит от количества выявленных расхождений).

Кроме того, робот, в отличие от человека, не накладывает ограничений на число источников данных, сложность алгоритма и объем обрабатываемого контента. Например, человеку практически невозможно просмотреть 50 информационных ресурсов для поиска информации, робот же легко справляется и с 70, и со 100 ресурсами. Если одного робота мало, очень просто «увеличить штат виртуальных специалистов» путем наращивания мощностей ИТ. В алгоритмах извлечения, обработки и использования данных роботом можно с успехом использовать «слабый искусственный интеллект» (например, для распознавания лиц или голоса).

К тому же робота не волнует карьера, он не берет больничных, не уводит конфиденциальную информацию, а просто круглосуточно работает.

Исчезает еще одна очень сложная проблема, связанная с тем, что каждый человек выполняет повторяющуюся работу немного по-разному. Робот работает в точном соответствии с алгоритмом, он ничего не забывает и не путает, даже если процесс выполняется всего один-два раза в год. Для человека это очень тяжелый режим работы, и проявление «человеческого фактора» практически неизбежно.

Преимущества роботизации процессов очень весомы, но далеко не всякий процесс можно роботизировать. Для этого должны быть выполнены сразу несколько условий.

Первое и главное: процесс должен состоять только из шаблонных действий, повторяющихся раз за разом. Стандартизация процессов значительно упрощает роботизацию.

Второе условие — доступность всех необходимых данных, возможность получать данные, относящиеся к одному временному срезу. Нарушение именно этого условия на практике является одним из главных ограничений.

Следующее требование настолько очевидно, что о нем нередко забывают. Алгоритм программного робота должен правильно передавать смысл работы. Речь идет не о соблюдении формальных требований при описании исполняемого кода алгоритма, а о корректности действий, закладываемых в робота, в смысле их сопоставимости с результатами гораздо менее формализованной работы человека.

Наконец, особо отметим требование, которому сегодня уделяют недостаточно внимания. Это готовность нести ответственность за действия робота. Это очень сложная задача, поскольку теперь работу будет выполнять не разумный человек, с которого можно спросить за результат, у которого есть здравый смысл, заинтересованность, сопереживание… Бездушный робот способен наломать дров, а, учитывая его огромную производительность, проконтролировать такой аспект роботизации будет очень трудно.

Управление бизнес-процессами и их непрерывная оптимизация

Думается, что в настоящее время использовать BPM без Process Mining нецелесообразно. Снова обратимся к примеру. Часто при формировании очередного плана продаж или закупок на вход подается искаженная или недостоверная информация. В лучшем случае это вскрывается при утверждении плана — на столе у топ-менеджера компании. В худшем — в момент исполнения. После обнаружения несоответствия начинают раскручивать назад всю цепочку принятых решений, пытаясь найти нестыковки и ошибки. Что, конечно, отнимает время и силы, мешает нормальной работе.

Чтобы избежать этого, используя приемы Process Mining, поступают следующим образом: выстраивают процессную модель, на каждом ее участке назначают ответственных, задают ограничения, сроки исполнения, нормативные показатели и источники данных. На каждом этапе происходит валидация на соответствие настроенным ранее параметрам, в случае подтверждения переходят к следующему шагу. По итогам всех этапов и процессов выполняется план-фактный анализ, оценивается вариативность и принимаются решения по оптимизации процессов. Также можно сразу определить операции и процессы, которые следует возложить на программных роботов.

Выгоды связки BPM и Process Mining очевидны. Это точное соблюдение алгоритмов процесса; объективное сравнение нормативных и фактических показателей; оценка вариативности; постоянное появление хорошо обоснованных предложений по снижению рисков и улучшению процессов компании; выявление операций и процессов, которые можно передать программным роботам.

Есть несколько условий применения этой технологии: достаточно большой объем точных и качественных данных о том, как работают процессы; обеспечение доступа к таким данным и к внешним данным, влияющим на процессы и решения. Ведь проблемы с процессами обычно или связаны с неудачной алгоритмизацией, или находятся вне проблемного процесса.

Управление на основе данных

В настоящее время уже невозможно игнорировать такую тенденцию, как постепенный переход к управлению на основе данных (Data-Driven Management, DDM). В этой парадигме управленческие решения должны опираться на данные и оставлять информацию, позволяющую проанализировать не только эффективность решений, но и сам процесс их принятия. Тогда эти процессы можно постепенно улучшать, всё более полно автоматизировать, а какие-то цепочки действий и роботизировать.

Безусловно, выдающиеся менеджеры способны принимать нетривиальные и правильные решения на основе знаний, интуиции и других своих личных качеств. DDM — это попытка подтянуть ближе к этому уровню остальную массу менеджеров. Располагая данными о том, что происходит внутри компании и за ее пределами, эти сотрудники с помощью современных инструментов анализа данных могут выявлять тенденции и превращать их в управленческие решения, а также учиться на своих и чужих ошибках. Достигнут ли они уровня выдающихся представителей профессии, пока неизвестно, но они точно могут значительно превзойти большинство представителей своей профессии, которые принимают решения субъективно или по стандартным шаблонам.

Внедрив DDM, компания получает возможность повысить качество всей совокупности управленческих решений. Она может быстрее замечать окна возможностей, в том числе по косвенным признакам. Накопленные полные цепочки событий и решений могут стать основой для самообучения компании и построения эффективных прогнозных моделей.

Безусловно, к DDM готовы не все компании. Этот подход работает при одновременном соблюдении трех условий.

Во-первых, компания не на словах, а на деле должна быть готова к глубокой трансформации своей системы управления, к необходимости постепенно заменить менеджеров, которые будут противодействовать изменениям.

Во-вторых, в компании должно собраться достаточное число DDM-ориентированных менеджеров, получивших современное бизнес-образование. Это и новое поколение выпускников сильных бизнес-школ, и управленцы, переученные самой организацией. Такие менеджеры начинают перестраивать и бизнес-процессы, и ИТ-контур на DDM-ориентированное управление, поскольку их научили именно так выполнять свою работу.

Третье условие — это наличие достаточного объема и разнообразия данных, причем не только о самой организации, но и о ее внешнем мире. Как показывает практика, именно несоблюдение этого требования, излишний акцент на внутренних, более доступных данных приводит к тому, что DDM начинает работать против организации, которая заболевает управленческим аутизмом.

Озеро данных

Новому уровню использования данных на предприятии соответствует новый уровень их хранения — озеро данных (DataLake). Это универсальная инфраструктура, отвечающая за сбор, унификацию, консолидацию, проверку, обновление данных и их предоставление информационным системам (с учетом требований информационной безопасности).

Озера данных непросто создать, но они несут много преимуществ. Самое главное: они обеспечивают компанию качественными данными, дают понимание, где взять нужную информацию или выяснить, каких данных нет. Озера данных упорядочивают и систематизируют данные компании, тем самым существенно упрощая дальнейшую работу с ними.

Когда все данные собраны в одном месте, обеспечение доступа к ним становится намного проще и быстрее. Но для этого надо наладить централизованное и полностью автоматизированное управление доступом в зависимости от полномочий.

Все перечисленное приводит к тому, что повышаются качество аналитической обработки и ценность получаемых результатов. Например, возрастает точность прогнозных моделей, поскольку их работа напрямую зависит от двух факторов — алгоритмов самой модели и входных данных. Озеро данных упрощает решение и таких задач, как повышение качества данных и обеспечение ими потребителей. На практике проблемы на этих двух участках становятся существенным фактором, снижающим точность прогноза.

Наконец, опираясь на озера данных, гораздо проще создавать цифровых ассистентов (это некий микс функций Alexa, GoogleNow и даже Watson, но в пределах конкретной компании). Такие решения — не дань моде, а необходимость (при поиске данных, навигации по информационным ресурсам и сервисам систем, при вводе данных).

Чтобы успешно построить озеро данных, необходимо первым делом как можно полнее определить требования к данным, их качеству, срокам доставки и актуализации. Этот процесс никогда не останавливается. Затем нужно собрать эти данные и обеспечить унифицированный механизм доступа к ним. На этом этапе нужно наметить, как будут решаться вопросы информационной безопасности. Ведь когда все данные компании окажутся собранными в одном месте, обязательно найдутся злоумышленники, которые захотят заполучить их. Да и внутри компании необходимо разграничить доступ к данным в зависимости от полномочий.

Очень важный момент связан с тем, что в растущем, углубляющемся и усложняющемся озере данных надо как-то ориентироваться, управлять им, легко и быстро находить нужную информацию. Чтобы это было возможно, необходимо создать систему управления метаданными.

Управление корпоративным контентом

Озеро данных должно питать управленческие решения, это его основное назначение. Но ведь существует и категория корпоративных данных, которые сопровождают любую деятельность. Например, скан-образы сформированных в системе и распечатанных документов, файлы с ЭЦП, корпоративные стандарты и инструкции… Это всё тоже надо где-то хранить и управлять этим хранилищем. Справиться с задачей призваны системы класса ЕСМ.

Сейчас еще не принято считать ECM частью ландшафта ERP и iERP, но мы полагаем, что это неверно. Нельзя игнорировать требования по срокам хранения электронных документов, задачи по сверке бумажных документов и их цифровых двойников. Всё это — неотъемлемая часть учетных процессов, а их поддержку на должном уровне обеспечивает ЕСM.

Какие же ключевые преимущества она дает? Первое — упрощение доступа к корпоративной информации благодаря структурированию, систематизации и логической централизации хранения данных. Второе преимущество состоит в унификации процессов обслуживания данных. Не менее важна простота сверки аналоговых документов и их цифровых двойников, которой зачастую уделяют недостаточно внимания.

Чтобы ECM заработала, нужны сами корпоративные данные и доступ к ним. Кроме того, аналоговые данные и их цифровые двойники должны соответствовать друг другу.

Agile и DevOps

Говоря о DDM, мы отмечали, как важно оперативно заметить зарождающийся тренд и быстро отреагировать на него. То же самое относится и к разработке, внедрению и развитию ИТ-решений. Есть много причин для внесения изменений в ИТ-системы. Например, появление новых законодательных требований по выгрузке информации о сделках в ФАС, слияние или разделение бизнесов, возможность повысить эффективность какого-либо процесса за счет автоматизации. Гибкость становится обязательным условием, чтобы успевать реагировать на новые требования — внутренние и внешние. И в этом помогают Agile (как общий подход и набор конкретных методик), а также DevOps (как набор инженерных практик и инструментов).

В отличие от классической модели разработки, Agile позволяет итеративно получить продукт, отвечающий актуальным запросам бизнеса, а не ждать три года до окончания разработки системы в том виде, в котором она, скорее всего, уже будет никому не нужна.

Правильное применение Agile дает весомые преимущества. Во-первых, появление и развитие функций системы успевают за изменениями требований бизнеса. Во-вторых, внедрение изменений происходит в приемлемые для бизнеса сроки. В-третьих, отсутствуют затраты на разработку и внедрение устаревающих решений. В-четвертых (и это очень важно сегодня!), компания начинает гораздо быстрее осваивать новые технологии, поскольку имеет возможность постоянно экспериментировать, пробовать что-то новое, получать обратную связь и применять наработанный опыт при планировании дальнейшей разработки.

Связка Agile-DevOps работает при соблюдении двух условий. Компания должна быть действительно готова изменяться, чтобы стать более гибкой. Кроме того, она должна решиться делегировать своему представителю ответственность за выбор направления разработки, выдать ему кредит доверия и предоставить право на добросовестные ошибки. Речь о том, что в проектах Agile (и, в частности, в методике Scrum) есть владелец продукта, который представляет организацию-заказчика в ходе разработки и развития решения.

Подведем итоги

Многие идеи, собранные под «зонтиком» iERP, давно витают в воздухе. Опираясь на практический опыт, мы выделили те из них, которые действительно способны придать ERP-системе новое качество. Если соблюдены вышеперечисленные ограничения, эти идеи уже можно реализовать без больших рисков. В то же время эти ограничения задают лишь необходимые условия успеха. Вторая составляющая — это готовность самой организации к применению новых технологий на важных, а не второстепенных участках, к подлинному переходу на DDM и к изменению системы менеджмента. Именно эта составляющая может определить выбор конкретных участков, где будут применяться новые технологии и возможности iERP.

Один важный аспект стоит отметить особо. Любая современная организация должна быстро и постоянно меняться, чтобы успевать за изменениями в поведении потребителей, в экономике, политике, регулировании, состоянии рынка труда. Чтобы не провалиться в демографическую яму и заместить персонал представителями новых поколений. Информационная система может существенно упростить или усложнить эти процессы. Принципиально важна способность систем (включая ERP) создавать для сотрудников высокотехнологичную рабочую среду, снижать сопротивление изменениям и поддерживать постоянные изменения организации, обеспечивая гораздо более интенсивный их поток. Такие изменения, как правило, гораздо удобнее осуществлять средствами ИТ — в форме цифровых трансформаций. И весь набор технологий, которые мы рассмотрели выше, работает в этом направлении.

Наш опыт показывает, что полезные системы iERP можно создавать уже сегодня, опираясь на продукты «1С» для крупных предприятий, на разработки российских компаний (особенно в сфере управления метаданными) и продукты международного сообщества Open Source (СУБД, BPM и многие другие). Модульность и открытость являются чрезвычайно важным свойством такого подхода, позволяющим учесть специфические предпочтения конкретных организаций и их технологический ландшафт. Интегрированные моновендорные решения не обладают этим свойством ни в технологическом плане, ни в плане соответствия бизнес-модели крупных вендоров и способам продвижения ими своих решений.

Ситуацию с открытыми модульными импортонезависимыми решениями можно еще улучшить, если для каждого типа компонент решения iERP будут созданы открытые стандарты сопряжения, независимые от вендора интерфейсы прикладного программирования (API) и форматы данных, используемые для интеграции и долгосрочного хранения. Это упростит создание решений iERP, поддержание их жизненного цикла, а также формирование рынка модулей, отличающихся функциональностью, масштабируемостью и другими характеристиками.

Автор — Александр Казеннов, руководитель корпоративных практик компании ALP Group.

Когда речь заходит о цифровизации бизнеса телекоммуникационного оператора, на ум прежде всего приходят различные ухищрения маркетологов с целью персонализации клиентского сервиса на основе анализа больших данных и зачатков искусственного интеллекта. Однако не меньшую роль в рыночном успехе сотового оператора играет внедрение передовых решений для трансформации внутренних функций. Подтверждением тому служит опыт департамента логистики МТС, где активно занимаются тестированием не только технологий машинного обучения, сбора и аналитики больших данных, но и решений в области роботизации бизнес-процессов (Robotic Process Automation, RPA).

Как с использованием инновационных технологий меняются процессы логистики у ведущего сотового оператора, что это дает основному бизнесу и как благодаря цифровизации внутренняя функция компании может выйти на внешний рынок, рассказывает директор департамента логистики МТС Шамиль Хайретдинов, один из докладчиков конференции «Роботизация бизнес-процессов 2019», которую издательство «Открытые системы» проведет 23 апреля.

- Для чего нужна цифровая трансформация логистики?

В цифровую эру главное – не «цифра» как таковая, а ответ на вопрос, зачем это делается. Основной посыл любых изменений – создание ценности. Клиент МТС очень сильно меняется: он теперь покупает эмоцию, и компания вынуждена перестраивать функции подразделений, взаимодействующих с клиентом. А эти подразделения, в свою очередь, начинают предъявлять новые требования к внутренним функциям. Поэтому наша задача – не просто обеспечить свои операционные KPI, но дать внутреннему заказчику новое ценностное предложение.

Логистика и закупки – сложная, протяженная во времени функция, начинается она с планирования в бизнес-подразделении, где возникает потребность в том или ином товаре либо услуге, и заканчивается оплатой и получением того, что требовалось. Подчас обращение к нашей функции оборачивается для заказчика сложным изучением регламентов, и мы не всегда готовы оперативно откликаться на постоянно изменяющиеся требования наших заказчиков. Поэтому свою новую ценность мы видим в реализации Procurement as a Service («закупка как сервис»), чтобы заказчик мог, не вникая во «внутреннюю кухню» процесса, получить результат закупок так же, как он получает результат работы SaaS.

Такова наша перспективная цель, и на пути к ее достижению надо будет реализовать несколько принципиальных задач трансформации.

- Какие это задачи?

Прежде всего необходимо изучать внутреннего клиента и вытаскивать наружу его «головные боли». На их ликвидацию и должен быть направлен наш цифровой сервис закупок и логистики. Для этого надо прививать в нашей работе культуру Agile, в разработке процессов следовать идеологии customer development (термин, обозначающий тестирование идеи или прототипа будущего продукта на потенциальных потребителях — Н.Д . ), которая помогает правильно формулировать вопросы заказчику и получать на выходе сервис, удовлетворяющий его реальные потребности.

Что касается технологических направлений цифровизации, то их два. Первое: реинжиниринг процессов, то есть замена человека роботами в рутинных операциях и применение технологий process mining («извлечение процессов», или «процессная аналитика», собирательное название решений, которые анализируют «цифровые следы» процессов, автоматически моделируют их и дают возможность оптимизации – Н.Д.). Тестирование показало очень высокую эффективность роботизации, и в текущем году мы планируем масштабное внедрение RPA, охватывающее свыше 20 процессов. Тем самым снизится операционная сложность процессов закупок и логистики, а их выполнение сможет ускориться на 30-60%. Мы протестировали также инструменты process mining и запускаем тендер на внедрение для процесса сопровождения заказов, через который ежегодно проходят сотни тысяч заказов.

Система будет способна прогнозировать быстроту или задержку на конкретный срок выполнения нового заказа исходя из текущей ситуации. На ретроспективных данных построенная модель показала достоверность 86%, и сейчас мы тестируем ее в реальных условиях. Решение базируется на технологиях больших данных и системе SAP Predictive Analytics.Второе направление – там, где заканчивается рутина и открывается поле для интеллектуальной работы с данными. Например, задействуя машинное обучение, мы разработали модель оценки вероятности выполнения заказа в срок. Обучающая выборка строится на ретроспективных данных по прохождению заказов. Собираются не только все внутренние факторы, которые влияют на длительность прохождения, например, сроки согласования, но и множество внешних: динамика валютного курса, цен на сырье, ситуация на рынке акций, яркие новостные триггеры и т.п.

Модель показывает степень влияния каждого фактора на возможность выполнения заказа и дает общую оценку потенциальных рисков, но решать, как поступить, по-прежнему будет эксперт – возможно, задержка в выполнении устроит заказчика и никаких мер предпринимать не потребуется. Поэтому я не назвал бы такое решение искусственным интеллектом. Системы искусственного интеллекта реализуют когнитивные функции человека, то есть в нашем случае должны самостоятельно принимать бизнес-решения. Такие примеры для логистики уже есть, но мы к ним пока не подступались.

- Как организована работа с данными в департаменте? Какие источники используете, какую платформу больших данных?

У нас имеется своя команда по исследованию данных, активно взаимодействующая с внешним миром, например, со стартапами в области машинного обучения, которых мы активно привлекаем на этапе тестирования. Проекты реализуем либо собственными силами, либо силами подрядчика.

В команде big data МТС есть направление data governance – эти специалисты определяют в целом стратегию работы с данными, а также выстраивают инфраструктуру для наших задач. Для нужд логистики и закупок сейчас формируется озеро данных на базе технологии Teradata, для быстрой работы с данными используется Hadoop. В озеро собираются все данные, которые гипотетически могут нас интересовать, из всех наших процессов. Если есть процессы, которые ведутся на бумаге или через электронную переписку, наша задача — перевести их в «цифру». Например, общение исполнителя с поставщиком идет по телефону и по электронной почте, при этом генерируется сложная неструктурированная информация. То, что обсуждается по телефону, вообще уходит в никуда, по информации в почте тяжело реализовать поиск и парсинг. А нам эти данные очень интересны в двух аспектах. Во-первых, для текстового анализа. Во-вторых, количество контактов в ходе диалога исполнителя и поставщика может говорить об уровне сложности поставки и служить основой для принятия решений в процессе онлайн-мониторинга их взаимодействия.

Основными источниками данных являются ERP-система и модули, поддерживающие процессы закупок, проведения торгов, логистики. Эти решения реализованы на базе Oracle. Мы также обсуждаем с Oracle реализацию на чатботе идеи guided buying («ведомая закупка»). Дело в том, что сегодня типовой процесс закупки требует от заказчика определенных навыков: найти номенклатурный номер нужной ему позиции, оформить на нее заявку, выяснить наличие контракта, инициировать закупку и т.д. В системе ведомых закупок все значительно упрощается – достаточно на нативном языке написать запрос, и система сама подскажет, где искать нужную позицию, есть ли контракт, и отправит собранную корзину в работу. Реализовать такую систему – значит обеспечить ту самую ценность для заказчика. Ему не придется больше изучать процесс и следовать сложному регламенту, все произойдет легко и быстро, и в итоге восприятие нашего сервиса кардинально улучшится.

- Можно ли сейчас дать оценку, как изменятся закупки и логистика МТС в результате роботизации процессов и внедрения систем машинного обучения?

Трудоемкость процессов снизится на 25-30%, сократится необходимая численность персонала и в разы возрастет скорость принятия решений.

Но сокращения — это не самое главное, для нас важно донести до каждого значимость происходящего. В условиях значимых изменений появляется больше возможностей найти что-то ценное для выполнения людьми, а не просто взять и распрощаться с сотрудниками. Если в результате снижения трудоемкости высвобождаются ресурсы, мы прежде всего будем пытаться найти им сферы приложения, в том числе путем выхода на внешних клиентов.

Наша главная задача — обеспечить лучший сервис внутреннему заказчику. Но сегодняшние реалии таковы, что в большой компании любая сервисная функция может быть выведена и на внешний рынок. Мы стремимся на своих процессах отработать новые технологии, такие как RPA или подходы к формированию потоков данных, так чтобы конструировать коробочные ИТ-решения и вместе с сервисом предлагать вовне идеи, помогающие адаптировать под них чужой процесс.

- А кому предполагается продвигать внешние сервисы?

Прежде всего ориентируемся на другие бизнесы. Я общаюсь на отраслевых конференциях и вижу, например, что по идеологии выстраивания цифровых закупок нам ближе всего «Северсталь». У сталелитейных предприятий логика движения товарных и материальных потоков в большей степени схожа с нашей, чем у ретейла или FCMG, поэтому предприятия этой отрасли вполне могут стать клиентами нашего внешнего сервиса.

- В течение какого срока планируется выход на рынок?

От года до двух лет. Уже сейчас начали зондировать почву, провели первые переговоры, кого-то заинтересовали, кто-то нас немного испугался. На российском рынке фактор недоверия всегда играет большую роль. Поэтому научиться продавать идею, входить в доверие и оправдывать его – как раз то, что нам предстоит.

Хотя у нас уже есть пример успешной продажи решения внешним клиентам. За последние три года мы провели серьезный реинжиниринг процесса работы с невостребованными товарами (это телефоны, тяжелое оборудование, машины, мебель и пр.), к которому было много претензий со стороны внутреннего контроля. Проработали процесс методологически, автоматизировали в системе Oracle ERP. И открыли нишевой маркетплейс torg.mts.ru, на котором не только продаем свой «невостреб», но и предлагаем сервис таких продаж другим компаниям. В прошлом году выручка этой площадки составила 600 млн руб, и было привлечено немало внешних клиентов. Планы на текущий год еще более амбициозные, в составе департамента фактически сформирована самостоятельная миниорганизация, которая разрабатывает и продвигает этот продукт, работая по принципам Agile.

- Для вас имеет существенное значение уровень цифровизиции ваших поставщиков?

Безусловно. У нас поставщики разного уровня. Зарубежные партнеры, такие как Ericsson, Huawei, имеют высокий уровень цифровизации и готовы предложить нам сервисы для взаимодействия и его оценки. С другой стороны, наши подрядные организации – это небольшой частный бизнес, и их еще надо подтягивать. Хотя большинство из них уже перешли на электронный документооборот и ЭЦП во взаимодействии с нами.

Работа с поставщиками подразумевает цифровизацию нескольких задач. Разрабатывается полностью электронный отчет о выборе поставщика, который формируется в ходе закупочной процедуры, а также электронные формы заполнения контракта. Благодаря синхронизации этих процессов данные из отчета будут автоматически попадать в контракт, что позволит значительно экономить время. А в ходе ведения заказа метрики исполнения будут соотноситься с электронными блоками контракта, позволяя оценить, не возникают ли те или иные проблемы с поставщиком.

Департамент развития закупок реализует идеологию оценки поставщика (supplier evaluation): определенные метрики поставщиков сопоставляются с условиями контракта, тем самым происходит ранжирование поставщиков по степени зрелости и соответственно предпринимаются те или иные действия, например, дать стимул к обучению, чтобы подтянуть поставщика до нужного уровня. Раньше ранжирование сводилось к тому, что исполнителем и заказчиком выставлялись баллы, причем на основе субъективных данных о том, как был выполнен контракт. В течение года планируем увязать метрики поставщика с электронным контрактом и процессом закупок, что позволит давать поставщикам объективную оценку и находить эффективные рычаги воздействия на них.

Например, в определенных ситуациях при невыполнении условий контракта требуется подключение юриста. У нас работает «виртуальный юрист» – программный робот, который, руководствуясь определенными признаками, определяет, что необходима допретензионная работа с подрядчиком, пишет письма «счастья», принимает, анализирует и классифицирует ответы.

- Дает ли цифровая логистика конкурентное преимущество телекому?

Однозначно да.

Большим компаниям часто трудно выстроить такую систему KPI, чтобы функциональные направления не замыкались на выполнении своих ключевых показателей, никак не влияющих на ценности компании. Нам гораздо сложнее, чем, например, ретейлу, чья стоимость логистики очень высока, и одно ее снижение уже обеспечивает очевидную ценность для компании в целом. А стоимость логистики капитального строительства, как у большого МТС, ничтожно мала по сравнению с вложениями компании в свою сеть. Поэтому мы должны искать те драйверы, с помощью которых сможем повлиять на компанию в целом.

Сегодня такими нашими драйверами являются, во-первых, минимизация текущих активов, ставшая возможной благодаря эффективному управлению цепочками поставок, а во-вторых, поддержка планов строительства сети, потому что построенные вовремя объекты – это возможность продавать на этих объектах услуги.

А через год-два самым значимым KPI для логистики, обеспечивающим ценность основному бизнесу, станет способность быстро перестраиваться в ответ на изменения рыночных задач компании. В достижении этого роль роботизации процессов и интеллектуального анализа данных будет ключевой.

Нужно ли специалистам, связывающим свою карьеру с сетевыми технологиями, – архитекторам сетей, инженерам, администраторам – не только приобретать знания в области программировании, но и совершенствовать свои навыки DevOps, чтобы лучше обслуживать сотрудников компании?

Ответ на вопрос о необходимом объеме навыков объединенной разработки и эксплуатации ИТ-систем (DevOps — от development, «разработка» и operations, «эксплуатация» — Прим. ред.), зависит от того, у кого вы об этом спросите, но вряд ли приходится сомневаться, что для развития своей карьеры в будущем специалистам по сетям придется выходить за рамки привычных для них ролей.

«Есть мнение, что проще обучить имеющихся в организации специалистов по сетям и ИТ-безопасности еще и работе с данными и программированию, чем привлечь к разработке сетевых приложений других сотрудников в силу занятости тех выполнением прочих операций DevOps, – указал генеральный менеджер направления дата-центров компании Cisco Роланд Акра. – У нас имеется большой резерв талантливых людей в сетевой сфере, и часть из них с учетом перспектив завтрашнего дня нужно приобщать к работе с программным кодом и данными».

Область, в которой раньше было достаточно хорошо знать сетевые протоколы и уметь писать скрипты в интерфейсе командной строки, превращается в сферу, где без навыков программирования в полной мере использовать весь потенциал доступных сетевых данных для организации более эффективной работы и развития сетевой инфраструктуры уже не удастся.

О не изменениях с точки зрения программирования свидетельствует и публикация Gartner почти двухлетней давности, в которой говорилось, что к 2020 году только 30% сетевых операций будут выполняться в интерфейсе командной строки, тогда как в 2016 году их доля составляла 85%. Между тем, текстовая командная строка служила основным инструментом сетевым администраторам на протяжении последних 15-20 лет.

В Cisco, Juniper, Arista и других компаниях-лидерах сетевой индустрии уверены: пришло время активизировать подготовку будущих специалистов по NetDevOps. В сообществе Cisco DevNet имеется целый ряд программ и ресурсов для сетевых профессионалов.

«Сообщество DevNet, в котором сегодня насчитывается около 500 тыс. участников, примерно пополам делится на разработчиков приложений и специалистов по инфраструктуре, – отметила технический директор группы Cisco DevNet Сюзи Уи. – В последнее время наблюдается огромный всплеск числа специалистов по сетям, желающих приобрести навыки DevOps. Вся инфраструктура сегодня программируемая, и у разработчиков есть API для автоматизации, настройки и телеметрии, а также целый ряд приложений, которых не было раньше».

Вместе с тем переход специалистов по сетям в область программного обеспечения не всегда проходит гладко.

В Cisco добилась определенных успехов с DevNet, но вопросы остаются. «С помощью DevNet компания пытается привить навыки сетевого программирования двум разным группам специалистов: разработчикам, а также сетевым инженерам и операторам, – пояснил вице-президент IDC по исследованиям сетей центров обработки данных Брэд Кейсмор. – Давайте присмотримся с традиционной кузницей кадров Cisco. Насколько сетевые инженеры и сисадмины прониклись духом разработки программного обеспечения? Ведь многие специалисты по сетям выбрали свою стезю в том числе и потому, что не хотели заниматься разработкой. Что означает DevNet для традиционных центров подготовки специалистов Cisco CCIE? Действительно ли они неожиданно станут разработчиками и займутся написанием сетевых программ или же будут изучать возможности автоматизации для удовлетворения потребностей приложений, разработчиков и основных направлений бизнеса? Думаю, Cisco добьется больших успехов во второй области, нежели в первой. Что касается разработчиков, они явно питают склонность к базовой инфраструктуре. Удастся ли Cisco абстрагироваться и представить сеть так, чтобы разработчики использовали сетевые возможности и атрибуты, не погружаясь глубоко в тонкости сетевого управления?»

«Лишь очень немногие сетевые администраторы – даже из числа тех, кто научился программировать – хорошо осведомлены об экосистеме и инструментарии DevOps, – указал главный облачный архитектор Juniper Networks Джеймс Келли. – И мало кто рассматривает возможность применения этих инструментов к сетям. Успешная стратегия DevOps действительно требует командных усилий, одному специалисту охватить все невозможно, но стандартный набор навыков, необходимый каждому профессионалу, должен включать в себя знание инструментов, платформ и программирования, а также понимание автоматизации процессов, включая управление исходным кодом, его представление и непрерывную интеграцию и доставку. Изучение даже таких современных инструментов, как Python и Ansible, позволяет лишь поверхностно ознакомиться с темой. Компания Juniper поддерживает парадигму NetDevOps и принципы DevOps в отношении сетей, но мы убеждены, что должность инженера, по сетевой надежности (Network Reliability Engineer, NRE), приятнее звучит для аудитории, глубоко понимающей вопросы надежности и ассоциирующей себя с профессией сетевого инженера. Аббревиатура NRE, появившаяся по аналогии с SRE (Site Reliability Engineer), гораздо лучше описывает операционный характер этой деятельности по сравнению с довольно расплывчатыми формулировками, описывающими предметную область DevOps. В среде NRE и SRE надежность ставится выше скорости. И то, и другое достигается в помощью автоматизации, но в концепции DevOps упор делается на ускорение доставки программного обеспечения, что не слишком хорошо подходит для сетевой аудитории, у которой слово 'быстрее' ассоциируется с рецептом тушения пожара и взрывом еще большего масштаба».

Почти 30 лет назад, после появления понятия реинжиниринга бизнес-процессов и метода «шести сигм», в мире бизнеса произошел мощный сдвиг. К концу 1990-х годов концепция организации производства, ставшая ключевым и наиболее известным из революционных нововведений Джека Уэлча в бизнес-стратегии General Electric, был принят на вооружение большинством корпораций, входящих в список Fortune 500.

И это было не преходящим увлечением, а истинным движением вперед. Революцией, которая заставила каждого сотрудника посмотреть на бизнес через призму процессов, ориентированных на клиента. Появились первые пионеры концепции «шести сигм» – породившей в конечном итоге набор стандартных методик, инструментальных средств, тренингов и сертифицированных «черных поясов» – которые заполонили собой все офисное пространство, начиная от зала заседаний совета директоров и заканчивая комнатой отдыха.

Сегодня мы стоим на пороге очередных изменений, очередных подвижек, очередной революции – революции грамотности при работе с данными (data literacy). В 90-е годы работникам пришлось переучиваться. То же самое происходит и сейчас. Организационные изменения больше не определяются исключительно триадой людей, процессов и технологий. Появился новый ключевой элемент – данные – который меняет все.

Валери Логан – директор по исследованиям Gartner, специализирующаяся на стратегиях управления информацией, передовых методах анализа и связанных с этим темах управления изменениями; также входит в исследовательскую группу Gartner Office of the CDO

Умение «говорить на языке данных» – новый фундамент цифрового рабочего места независимо от того, являетесь ли вы создателем или потребителем решений, опирающихся на данные. С превращением данных, средств анализа, искусственного интеллекта и машинного обучения в ключевые элементы цифрового бизнеса и цифрового общества способности «говорить на языке данных» стала отводиться чрезвычайно важная роль.

Грамотность в работе с данными и умение говорить на их языке нужно рассматривать сегодня в качестве основы для проведения цифровой трансформации.

Спрос растет все быстрее

Грамотность в работе с данными Gartner определяет как способность считывать, записывать и обмениваться данными в соответствующем контексте. Сюда относится понимание источников и конструкций данных, применяемых аналитических методов и технологий, а также описание их использования и получаемого в результате выигрыша.

Грамотность в работе с данными сложна и многогранна. Чтобы сдвинуть процесс с мертвой точки, нужны лидеры, умеющие раскрывать возможности данных и формировать новый общий язык. Необходимы общие методы, технологии, обучение и в конечном итоге даже сертификация. Изменения в бизнесе будут весьма глубоки.

В Gartner ожидают, что к 2020 году 80% организаций начнут целенаправленно развивать компетенции в области грамотности при работе с данными, признавая их крайний дефицит. А 50% организаций к 2020 году не будут обладать достаточными для достижения поставленных перед бизнесом целей навыками в сфере искусственного интеллекта и информационной грамотности.

Необходимо не только обучать специалистов решениям, продуктам и сервисам, связанным с обработкой данных. Сотрудники должны еще и научиться говорить на языке данных. Нужно формировать сообщества, где этот язык будет процветать.

Культивирование грамотности в работе с данными

Каждая организация должна повышать грамотность в работе с данными, что будет способствовать росту ее конкурентоспособности в мире, где цифровая трансформация играет все более важную роль. Темпы изменений ускоряются с каждым годом, требуя формирования отдельной бизнес-стратегии в отношении цифровых рабочих мест.

Организации, которым удалось преуспеть в создании цифровых рабочих мест и добиться цифровой гибкости персонала, получают значительные конкурентные преимущества по мере ускорения цифровой трансформации.

Правильно реализованная стратегия цифровых рабочих мест будет способствовать росту мобильности и инноваций, расширению аналитических возможностей сотрудников и укреплению их взаимодействия за счет использования соответствующих инструментов, обучающих программ и методов стимулирования.

Организации должны быть готовы удовлетворять потребности клиентов, оставаясь впереди своих конкурентов. Первым шагом должно стать понимание важности повышения грамотности в работе с данными и улучшения результатов бизнеса.

Недавний опрос директоров по данным, проведенный Gartner, показал, что низкая грамотность в работе с данными является вторым по значимости внутренним препятствием на пути к профессиональному успеху (первый — недостаток общей культуры). В первую тройку входит также недостаточная одаренность и дефицит необходимых навыков. Программы, направленные на повышение грамотности при работе с данными, позволяют наверстать упущенное.

Информация в качестве второго языка

Научиться «говорить на языке данных» – то же самое, что выучить любой другой язык. Все начинается с понимания основных терминов и описания ключевых понятий. Что касается данных, в их словаре можно выделить три ключевые области: ценностную (ценности для бизнеса, результаты, решения, показатели эффективности), информационную (источники данных, элементы, качество, атрибуты) и аналитическую (аналитические методы, применимые к данным).

В языке данных имеется множество диалектов. Каждому из них присущи свои собственные термины, словарь и показатели. Диалекты специфичны по отношению к параметрам, предметной области или отрасли. В больницах, правительственных организациях и страховой индустрии, к примеру, существует свой собственный язык данных, описывающий результаты для пациентов, граждан и страховых требований.

Все сотрудники компаний, клиенты и поставщики должны изучать наиболее актуальные для себя диалекты. Это позволит каждому принимать участие в обсуждении и использовать данные при взаимодействии для достижения целей бизнеса. Подобно любому другому языку, уровень владения им может отличаться – все зависит от требований к конкретной индивидуальной роли.

Обучение и подготовка персонала

После того, как вы поймете важность повышения грамотности в работе с данными и необходимость использования общего языка и общих диалектов внутри организации, можно приступать к реализации всего этого на практике. Первым шагом должно стать осознание того, что грамотность при работе с данными является составной частью общего управления изменениями и организационной стратегии.

Важное значение имеет повышение осведомленности всех заинтересованных сторон. Социализация при работе с данными – важный этап всеобщей подготовки к изменениям, убеждения в том, что грамотность в работе с данными безусловно заслуживает внимания, так же, как заслуживала внимания концепция шести сигм. И это требует самоидентификации специалистов по данным.

Чтобы полнее воспользоваться преимуществами цифровых инноваций, в том числе искусственного интеллекта, прежде всего необходимо отказаться от процессов, выполняемых вручную. Уже только поэтому автоматизация должна стать ближайшим приоритетом для большинства ИТ-директоров.

Автоматизация – не только экономия времени или денег. При правильной реализации средства автоматизации уменьшают число ошибок, повышают степень удовлетворенности сотрудников, освобождают их от необходимости выполнения утомительных операций, улучшают восприятие клиентов (customer experience, CX) и позволяют масштабировать бизнес.

Стремление к автоматизации заставляет задуматься о скрытых проблемах, с которыми в обычных ситуации сталкиваются сотрудники. Именно рутинная обработка исключений значительно снижает производительность труда. Автоматизированные системы позволяют шире внедрять процессы самообслуживания; автоматизировав наиболее частые и общие действия, можно освободить время для творческой деятельности, требующей сложных умозаключений.

Зачастую первые шаги по автоматизации носят тактический характер: отдельные работники или небольшие группы проявляют заинтересованность в автоматизации определенных непосредственно используемых и контролируемых ими сервисов и процедур. Возводя же автоматизацию в ранг стратегического приоритета, вы предоставляете работникам автоматизированные сервисы, находящиеся вне зоны их контроля. В результате выгоды от автоматизации выходят за рамки одного подразделения. Например, для ИТ-службы автоматизированные сервисы самообслуживания, выполняющие рутинные операции наподобие сброса паролей или предоставления данных об утилизации выделенных подразделению ИТ-ресурсов, имеют все шансы получить в компании широкое распространение и принести ей немалую выгоду.

Вице-президент Constellation Research Дион Хинчклифф призывает ИТ-директоров к 2025 году довести уровень автоматизации до 90% там, где это представляется естественным: в службе технической поддержки, при выполнении запросов на обслуживание, поиске кандидатов на замещение вакантных должностей и приеме их на работу, закупках ИТ, в операционной деятельности, обеспечении кибербезопасности, администрировании проектов и формировании отчетности. «Поначалу эти области с трудом поддаются автоматизации, но все равно они должны быть максимально автоматизированы», – говорит Хинчклифф.

Главный аналитик Forrester Дж.П. Гаундер предупреждает об опасности стремления к реализации проектов «космического масштаба», которую часто недооценивают. Вместо этого следует придерживаться поэтапного подхода, который позволяет решать поставленные задачи поочередно, а уже затем связывать их друг с другом. Нужно искать возможности получения быстрого выигрыша в каких-то конкретных направлениях автоматизации специфичных задач и процессов, не пытаясь охватить всю цепочку обслуживания клиентов и используя средства автоматизации в качестве дополнения к деятельности сотрудников, а не замены им.

«Есть немало достаточно простых, но и одновременно общих задач, – поясняет Гаундер. – В совместно используемых сервисах есть масса рутинных, повторяющихся операций, которые можно автоматизировать. Автоматизацию нужно проводить совместными усилиями основных подразделений и ИТ-службы. ИТ-директор по возможности должен заботиться о том, чтобы приучать бизнес-руководителей к встраиванию новых технологий в существующую инфраструктуру, а также стремиться получать от бизнес-подразделений необходимую обратную связь. Важно иметь в своем распоряжении бизнес-аналитиков, которые следили бы за ранними этапами внедрения, проводили обучение и подыскивали новые участки для автоматизации. Все нужно начинать с экспериментальных проектов и сбора данных, после чего выявлять другие схожие функции, подлежащие автоматизации».

А теперь давайте рассмотрим семь областей возможной автоматизации и поговорим о стратегических автоматизируемых процессах в каждой из них.

1. Обслуживание клиентов

Для многих руководителей ИТ-служб улучшение обслуживания клиентов является главным приоритетом. В ходе недавнего опроса Harvey Nash/KPMG CIO Survey, проводившегося в Великобритании, 62% ИТ-директоров назвали это своей первоочередной целью.

Результаты исследования DigitalGenius показывают, что у 80% служб техподдержки (service desk) 20% поступающих заявок повторяются и обслуживаются достаточно легко. Соответствующие задачи хорошо поддаются автоматизации, что повышает степень удовлетворенности клиентов и снижает текучку кадров в службе поддержки клиентов.

Чатботы и виртуальные агенты идеально подходят для простых, повторяющихся запросов и для клиентов, отдающих предпочтение самообслуживанию. Для поддержки корпоративных клиентов Microsoft использует в своих контакт-центрах решение AI Solution for Customer Service. За последние полгода число клиентов, сумевших решить свои проблемы, удвоилось. Сегодня их ежедневно обслуживают более 100 тыс. виртуальных агентов. Использующая аналогичную систему компания HP удовлетворяет с ее помощью 70% всех поступающих заявок на техническое обслуживание.

Если вы не общаетесь с клиентами непосредственно, можно рассмотреть возможность применения подобных технологий в кадровой службе – например, для управления льготами.

Интеграция искусственного интеллекта в диалоги поможет автоматизировать решение более сложных задач, в частности, управление рисками. Микрокредитная организация Grameen Foundation совместно с Accenture Labs работает над созданием приложения анализа эмоций, помогающего ее сотрудникам распознавать ситуации, когда, к примеру, женщина, обращающаяся за займом, испытывает внешнее давление. В этом случае получение кредита станет для нее скорее дополнительным обременением, нежели помощью.

2. Управление персоналом и наем сотрудников

«Еще одна перспективная область — автоматизация административных задач, разгружающая сотрудников кадровых служб, – отмечает Курт Хайккинен, директор компании Montage, разрабатывающей ПО для проведения видеоинтервью. – Следует рассмотреть возможность автоматизации рутинных, административных операций, выполняемых при подборе персонала, в том числе с использованием телефонов и планированием времени интервью. Более половины опрошенных Montage организаций уже используют средства автоматизации для составления расписаний собеседований. Это помогает проводить отсев на ранних этапах при большом количестве кандидатов. Средства автоматизации позволят рекрутерам сосредоточиться на решении стратегических задач, удовлетворении нужд и потребностей кандидатов и выстраивании взаимовыгодных отношений, помогающих им удерживать в своих рядах талантливых специалистов».

Следующим этапом использования искусственного интеллекта становится оценка кандидатов, позволяющая обеспечивать согласованность процесса подбора персонала.

Повторяющиеся рутинные операции кадровой службы – расчет выходных пособий или компенсаций за неиспользованный отпуск при увольнении – также могут быть автоматизированы. Влияние автоматизации оказывается еще более сильным при интеграции различных систем. Например, при проверке используемых карт доступа с учетом сотрудников, находящихся в отпусках. Освободившееся у сотрудников время можно направить на решение вопросов, требующих более пристального внимания, в том числе для расчета отпусков по уходу за ребенком.

3. Платежи

Неэффективные системы учета командировок и прочих затрат отнимают много дополнительного времени. В платформы облачного хранения наподобие Box и OneDrive интегрированы средства распознавания, позволяющие считывать информацию из квитанций. Сервис MileIQ отслеживает заявки на поездки, а его разработчики создали новое приложение Spend, подключаемое к банкам и учетным записям банковских карт для автоматической классификации расходов. Аналогичное приложение SAP Concur собирает информацию о платежах за гостиничные услуги и аренду автомобилей. Оно учитывает даже обменные курсы при совершении зарубежных поездок и автоматически переводит деньги на банковские счета сотрудников и кредитные карты компаний.

Растет интерес к таким областям, как автоматизация оплаты по счетам. По оценкам McKinsey, 27% всей финансовой деятельности можно автоматизировать, а треть этого объема поддается автоматизации с помощью программных роботов (Robotic Process Automation, RPA).

4. ИТ-операции

Чтобы успешно конкурировать с массовыми облачными сервисами и «теневыми» технологиями, реагируя на проявления тенденции консьюмеризации, ИТ-службам необходимо адекватно реагировать на изменение ситуации. И здесь ключевым моментом становится автоматизация.

Недавний опрос Vanson Bourne показал, что более половины своего времени сотрудники европейских ИТ-служб тратят на текущие операции, техническую поддержку и устранение проблем. О высоком уровне автоматизации своей инфраструктуры сообщили только 11% опрошенных, а значит, в большинстве организаций рутинные вопросы поддержки и администрирования отнимают еще больше времени.

«Даже сами ИТ-специалисты говорят о том, что почти пятую часть нынешних повседневных задач можно было бы автоматизировать с помощью средств искусственного интеллекта, – указывает Джеймс Денинг, вице-президент компании Automation Anywhere, предлагающую RPA-платформу. – Сюда относятся установка оборудования и программного обеспечения, управление файлами и папками, мониторинг серверов, управление Active Directory, подключение и отключение пользователей и выполнение пакетных обработок».

В исследовании McKinsey говорится, что с помощью RPA можно автоматизировать выполнение от 40% до 80% заявок на обслуживание, в том числе и операций смены паролей и управления идентификационной информацией, доля которых в запросах в службу поддержки всегда довольно велика.

5. Подготовка устройств

Подключение инфраструктуры, находящейся на территории предприятия, к облачным сервисам с помощью Microsoft System Center и Intune позволяет ИТ-службе автоматизировать процедуры развертывания и настройки конфигурации устройств. С помощью функции Windows 10 Autopilot, например, новый ПК при первом включении подключается к Azure Active Directory.

«Благодаря функции Windows Autopilot можно прямо в облаке автоматически организовать полноценное управление новыми устройствами, – уверен генеральный менеджер группы Microsoft Windows Commercial Бернардо Кальдас. – Сегодня эта процедура по большей части выполняется вручную: нужно сначала создать соответствующие образы, организовать их развертывание и управление ими. С помощью Autopilot все эти операции проделывают облачные сервисы, что существенно упрощает ИТ-службе жизнь».

Новый сервис Desktop Analytics расширяет возможности автоматизации функциями тестирования на совместимость приложений. Сегодня это требует значительных ресурсов и замедляет переход на новые версии Windows. «Мы используем средства машинного обучения и облачную информацию о приложениях, которые уже работают в среде Windows и Office, что позволяет клиентам оценить совместимость с новыми версиями Windows и Office, сэкономив тем самым свое время», – поясняет Кальдас.

6. Автоматизация обеспечения безопасности

Аналогичное сочетание локального управления и управления в облаке способствует повышению безопасности и соблюдению нормативных требований с автоматическим мониторингом подозрительного поведения и политиками условного доступа для устройств. Установка такой системы позволяет заблокировать устройства с необычным поведением на ключевых системах предприятия в сети. Блокировка выполняется на период, который требуется для очистки зараженных машин.

«Автоматизация условного доступа помогает ИТ-директору определить права доступа устройств к ресурсам компании на основе различных критериев, профилей риска устройств, их учетной информации и данных, к которым они пытаются обращаться, – говорит Кальдас. – Автоматизация подключения устройств и управления ими расширяет возможности организации и является признаком стратегической автоматизации. Что же касается вопросов безопасности и соблюдения нормативных требований, зачастую ими ведают совершенно разные подразделения ИТ-службы».

7. Тестирование приложений

«Автоматизация – ключевая составляющая DevOps, особенно при создании сборок для непрерывного развертывания, – полагает вице-президент Sauce Labs Любош Паробек. – Устранение влияния человека помогает ускорить получение результатов, выполнение процедур и разработку приложений. Кроме того, обеспечивается повторяемость: при наличии средств автоматизации вам уже не нужно изобретать велосипед. Устраняется и источник ошибок: людям свойственно ошибаться, а машинам нет».

Автоматизация тестирования начинается с автоматического формирования тестовой среды. Контейнеризация позволяет легко создавать одноразовые изолированные среды, которые способствуют ускорению процесса разработки и тестирования.

Автоматизировать саму процедуру тестирования сложнее, но это имеет очень важное значение для ускорения разработки и повышения надежности. Основные существующие проблемы связаны не с технологией, а с культурными изменениями. Использование средств автоматизации позволяет сократить продолжительность тестирования с недель и месяцев до нескольких минут. Приступать к внедрению имеет смысл на новых проектах, где тестируемое приложение создается с нуля, и мобильных приложениях, потому что они меньше. В уже существующие приложения при создании условий для их тестирования зачастую приходится вносить достаточно серьезные изменения.

В процессе автоматизации тестирования большого существующего приложения следует сосредоточиться на проверке основных недостатков, которые влияют на степень удовлетворенности клиентов и ценность программного обеспечения. «Как правило, наибольшее влияние на доходы предприятий оказывают приложения с внешним интерфейсом», – подчеркивает Паробек.

Если у вас еще есть сомнения в том, что цифровая трансформация постоянно занимает умы руководителей ИТ-служб, просто посмотрите, на что они тратят деньги. Ожидается, что затраты на корпоративное программное обеспечение, в особенности облачные сервисы и приложения, в этом году будут расти быстрее, чем на другие категории ИТ, а это в свою очередь приведет к общему росту глобальных затрат на технологии. Такие выводы содержатся в отчете, опубликованном консультационной компанией Gartner, и согласно ее прогнозу, мировые затраты на ИТ вырастут на 3,2% и достигнут 3,77 трлн долл.

Затраты на корпоративное программное обеспечение в этом году вырастут на 8,5% по сравнению с 2018-м и составят 431 млрд долл. К категории корпоративного программного обеспечения относятся системы планирования ресурсов предприятия (ERP), цепочками поставок (SCM), отношениями с клиентами (CRM), включая ПО с открытым кодом — как средства, развернутые на внутрикорпоративной инфраструктуре (on-premise), так и облачные сервисы.

Большая часть затрат приходится на облачную инфраструктуру и приложения. В этом году расходы на эти цели вырастут на 17,5% и составят 214 млрд долл.

«Важнейшей тенденцией становится уход от традиционного бизнеса в сторону цифрового, – отмечает аналитик Gartner Джон Лавлок. – Она становится основным драйвером роста затрат. Конечно, оптимизация расходов тоже имеет важное значение, но это не главная причина перехода к облачным сервисам и приложениям. Облако обеспечивает более высокую гибкость и помогает предприятиям получать новый функционал именно в тот момент, когда он нужен. Цифровой бизнес динамичнее традиционного, а наличие ЦОДов гипермасштабов – единственная возможность поддерживать нужные темпы и кооперацию. При развертывании систем на собственной территории сделать это очень сложно».

Рост затрат на облачные сервисы распределяется неравномерно. «Нужно отметить, что основной базой для стремительного развития этого направления стали Соединенные Штаты, – говорит Лавлок. – На них сегодня приходится 60% от общих мировых затрат. Дефицит ЦОДов гипермасштаба на развивающихся рынках является сдерживающим фактором, который замедляет дальнейшее распространение облачных технологий в этих регионах».

Инвестиции в ИТ-услуги и в инфраструктуру центров обработки данных вносят существенный вклад в общее увеличение затрат. По оценкам Gartner, расходы на ЦОДы, в том числе на серверы, системы хранения и сетевое оборудование увеличатся в этом году на 4,2%, до 210 млрд долл., а расходы на ИТ-услуги – на 4,7%, до 1,03 трлн долл.

Расходы на устройства и услуги связи также будут расти, хотя и не столь высокими темпами. Ожидается, что затраты на стационарные и мобильные телекоммуникационные услуги, а также на технологии объединенных коммуникаций увеличатся на 1,3% и достигнут 1,4 трлн долл. Что касается затрат на устройства, включая ПК, планшеты, мобильные телефоны и принтеры, они вырастут на 1,6%, до 679 млрд долл.

«Новые функции, предлагаемые в телефонах, которые появляются на рынке, для многих пользователей не являются достаточным стимулом к обновлению, особенно во времена экономической неопределенности, – подчеркивает Лавлок. – Сегодня мы видим признаки экономической нестабильности. Экономический горизонт затянут облаками неизбежного выхода Великобритании из ЕС, торговой напряженности между США и Китаем, а также вероятности роста тарифов по всему миру, вносящего неопределенность в бизнес-планы. Лондонскому банку трудно закладывать в свои планы большие расходы на технологии, если он не знает, какой будет его бизнес-модель после завершения Brexit».

Макроэкономическая ситуация вызывает глубокую озабоченность у руководства предприятий. Недавний опрос финансовых директоров, проведенный Университетом Дьюка, показал, что 46% респондентов ожидают в 2019 году рецессии. Тем не менее, Gartner прогнозирует в 2019 году увеличение затрат на ИТ на 3,2%. Это довольно много, хотя и уступает росту на 3,9%, зафиксированному в 2018 году.

«Причины покупки ИТ и планы их использования заложены на фундаментальном уровне, – поясняет Лавлок. – И здесь ситуация может меняться очень серьезно, поскольку способы зарабатывания денег тоже меняются».

Как бы то ни было, несмотря на геополитические потрясения, которые занимают умы бизнес-лидеров, основной драйвер инвестиций в технологии – цифровая трансформация – продолжает сохранять свою ведущую роль.

О том, что цифровая трансформация во многом зависит от создания в организации соответствующей корпоративной культуры, говорилось много, однако мало кто уделяет достаточно внимания этому аспекту. В «СИБУРе» реализуется полномасштабная программа управления данными, и работа над культурой стала одним из основных ее направлений.

Какие задачи приходится решать организации на пути к data-driven и какая роль при этом отводится работе с людьми, рассказывает Александр Айваз, руководитель функции «Управление корпоративными данными» компании «СИБУР», и претендент на премию CDO Award.

- Как давно компания решила стать data-driven и почему?

Александр Айваз: «Как только сотрудники приходят к значимым результатам, крайне важно об этом рассказывать: успехи коллег мотивируют остальных и подстегивают компанию к дальнейшим инвестициям в данные»

К такому пониманию пришли довольно давно, но не сразу догадались, как к этой задаче подойти, какие нужны инструменты и, главное, как повлиять на сотрудников, чтобы они ежедневно использовали данные вместо экспертных мнений и интуиции. Чуть больше года назад в компании была сформирована функция «Управление корпоративными данными», задачей этого нового подразделения стало внедрение программы управления данными.

В компании всегда уделяли внимание повышению операционной эффективности, минимизации рисков и максимальному использованию возможностей оборудования. Было огромное желание сделать все процессы прозрачными, научиться их анализировать и ликвидировать узкие места. Для этого требовалось правильно видеть и уметь читать свои данные, принимать на их основе решения.

- Что представляет собой реализуемая в компании программа управления данными и внедрения подхода data-driven?

Под программой управления данными мы понимаем движение по нескольким направлениям. Во-первых, это понятное, прозрачное описание информации, которой компания располагает. Это ее сбор, каталогизация, составление методик расчета агрегированных показателей, единообразное понимание методологии расчетов, определение систем — источников информации.

Во-вторых, крайне важно создать эффективную, легкомасштабируемую инфраструктуру для сбора данных. Третье — обеспечение качества информации: автоматизация различных проверок корректности данных в нашей инфраструктуре. Четвертое — централизация основных данных (НСИ).

Пятое направление — система визуализации, отвечающая за эффективность и повсеместное использование инструментов анализа и работы с данными. Это не только централизованные дэшборды, но и инструменты самообслуживания, благодаря которым каждый сотрудник может самостоятельно изучать свои данные, проверять гипотезы, строить предположения и принимать решения.

Наконец, шестое направление — работа с данными. Она включает внедрение культуры управления данными, того, что мы называем созидательным подходом. Мы даем понять, что корпоративные данные — такой же актив, как и оборудование и основные средства. Данные мы должны накапливать, беречь, обеспечивать их сохранность, потому что в дальнейшем они будут использоваться для монетизации.

- Как появилась эта программа?

Существуют выработанные международные подходы к управлению данными, и на их основе мы разработали программу полностью своими силами. Это наше видение того, как можно прийти к желаемому будущему, когда сотруднику абсолютно не придется затрачивать время на то, чтобы получить ответы на свои вопросы. Большую часть времени сотрудник будет тратить именно на интеллектуальные решения, а не на рутину, вручную собирая данные и сводя их воедино.

Мы сформировали достаточно сильную команду из разных цифровых компаний. К нам пришли коллеги из банка «Тинькофф», «Ростелекома», Avito, интернет-компаний.

- Какова стратегия компании в области управления данными и работы с ними?

Самое главное, мы меняем отношение к данным, формируем их восприятие как актива. В использовании данных нам нужно уйти от привычной ролевой модели «заказчик-исполнитель», когда любое функциональное подразделение может заказать что-то у ИТ. Заказчик должен прийти к самостоятельности: теперь он сможет сам строить любую аналитику. Время создания решений (тот самый показатель time to market, за которым все гонятся) радикально сокращается, а сами решения максимально соответствуют потребностям заказчика.

Это перекликается с мощным движением к цифровизации, происходящей в «СИБУРе». В компании есть функция цифровой трансформации, и практически все продукты, создаваемые коллегами, так или иначе используют данные. Если мы не предоставим хорошие данные на входе, то сложно будет создать что-то ценное на выходе.

- Часто считается, что наработанные методы работы с данными — это ноу-хау, которым не стоит делиться…

Что касается знаний и опыта, то наша компания максимально открыта, мы всегда рады дополнительному опыту и очень внимательны к мнениям наших партнеров по отрасли. Например, активно общаемся с коллегами из «Газпром нефти», которые, как и мы, хотят трансформироваться в цифрового игрока рынка. Мы обмениваемся подходами, обнаруженными «граблями», найденными решениями проблем, делимся идеями. На самых первых стадиях проектов мы очень любим обсудить их с коллегами. Так нам удастся допустить меньше ошибок и быстрее прийти к результату.

Очень важно сформировать в стране культуру подобного подхода к цифровизации, к работе с данными. Рынок еще недостаточно развит, на нем крайне мало цифровых специалистов. Популяризируя новые инструменты и подходы, создавая к ним интерес и делясь информацией, мы обеспечиваем себя новыми руками и мозгами. Мы активно участвуем в митапах, хакатонах, отраслевых конференциях.

- Как выглядит инфраструктура для работы с данными?

Мы рассмотрели множество вариантов построения инфраструктуры. От полностью коробочных решений известных вендоров и построения системы под ключ до полного стека open source, когда своими руками с нуля создается инфраструктура. Выбрали золотую середину, умеренный вариант. Мы сформулировали для себя перечень функциональных областей, возложили их на определенные модули. По каждому направлению определили, какие коммерческие продукты в нем представлены, их зрелость и дорожную карту, какие существуют открытые решения. Таким образом выбирали подход, наиболее ценный для нас. Не забывали и о том, как в будущем «подружить» эти продукты.

В результате у нас получилась гибкая, легкомасштабируемая гибридная платформа. Она состоит как из коммерческих, так и из открытых продуктов.

- Обычно исходят из стоимости и требований к скорости работы.

Этот подход был вполне логичен и очевиден некоторое время назад. Сейчас  гораздо сложнее выбрать, что использовать: быстрые аналитические платформы либо более медленный, но дешевый Hadoop. Развитие Hadoop достигло такого уровня, когда появилось большое количество сервисов, умеющих на нем достаточно быстро работать. Каждый раз мы должны ответить для себя, что в данном случае эффективнее и удобнее. У нас довольно большое «меню», из которого мы выбираем наиболее подходящий инструмент под разные задачи и с учетом разного характера данных.

- Процесс каталогизации данных — что он собой представляет, почему запущен и на что окажет влияние?

Данных в любой компании очень много. Вариативность их трактования, понимания той или иной информации может сильно различаться. Задача централизованного каталога данных — предоставить понятный, удобный и доступный интерфейс любому сотруднику компании. Если требуется найти отчет, то можно воспользоваться удобным контекстным поиском по ключевым словам, который вернет ссылку на этот отчет и его описание, имя ответственного за его создание, дату последнего обновления. Если сотрудника интересует, как в компании принято рассчитывать тот или иной показатель, на этом портале тоже можно найти ответ. Если возникла необходимость провести исследование, этот портал подскажет, где найти нужные данные.

Тем самым очень экономится время при поиске корпоративной информации. И, что не менее важно, минимизируется вероятность ошибок при трактовке параметров, предотвращаются действия сотрудников в заведомо неверных направлениях.

- Какие проекты являются наиболее показательными примерами «работы по-новому»?

Самое главное, что многие проекты стали принципиально возможными.

Из глобальных проектов стоит назвать запущенную цифровизацию функции логистики. Было важно обеспечить максимальную эффективность использования своего парка, правильное формирование составов, своевременность ремонтов, оптимальность определения маршрутов. Для этого нужны алгоритмы, умные системы, которые бы подбирали оптимальные решения в зависимости от условий. Чтобы такие решения заработали, необходима информация, причем качественная, достоверная и в цифровом виде. Только когда решена эта задача, становится возможным внедрение цифровых инструментов оптимизации.

Еще можно сказать о небольших проектах. Дело в том, что на наших предприятиях есть огромное число установок. На их работу влияют внешние условия, качество сырья, текущее состояние. В зависимости от этого оператор должен подбирать оптимальные входные параметры для максимизации КПД процесса. Независимо от опыта сотрудников, они действуют не всегда эффективно, есть определенная задержка в принятии решений. Между тем существуют корреляции разных сигналов, которые могут означать будущую поломку, и человеку отследить их не под силу. Мы разрабатываем виртуальных помощников — превентивную модель, которая подсказывает оператору, что может произойти и какие необходимы действия. Итоговое решение принимает сам оператор, но система своевременно сигнализирует о возможных ситуациях.

- Многие аналитики утверждают, что цифровая трансформация невозможна без создания особой, цифровой культуры. Какое место в этом занимает культура управления данными?

Такая культура действительно существует, хотя ее и сложно описать. Мы пытаемся максимально популяризировать свои достижения и ноу-хау. Проводим специальные тренинги, обучаем работе с инструментами, чтению данных, проверке гипотез. В дальнейшем сотрудники сами привыкают к самостоятельной работе с данными. И как только они приходят к значимым результатам, крайне важно об этом рассказывать: успехи коллег мотивируют остальных и подстегивают компанию к дальнейшим инвестициям в данные.

- Какие новые роли возникают в ходе трансформации компании?

Да, вместе с реализуемой нами программой в компании появляются и новые роли. Во-первых, для движения к data-driven-организации у каждого подразделения должен быть свой data-партнер — тот человек, который будет сопровождать на этом пути, вовремя обеспечивать необходимые ресурсы, инструменты, тренинги, а также поддерживать общее информационное поле между разными функциями. Он помогает верно расставлять приоритеты в каждой функции.

Кроме того, можно к этому перечню добавить архитекторов данных, инженеров данных, специалистов по качеству данных, а также BI-разработчиков, которые обеспечивают навыки работы сотрудников с BI-средствами. У нас они не только создают отчеты и дэшборды, но и учат это делать самостоятельно.

Новые роли появляются и в бизнес-подразделениях, в первую очередь это ответственные за качество данных. Крайне важно создавать равную степень вовлеченности партнеров. Когда бизнес начинает беспокоиться о том, что происходит с его данными, он может видеть динамику изменений, рост объема данных, ошибки, возникающие при ручном вводе, подумать, как бороться с ошибками. Это тоже часть формирования культуры данных.

Но самая главная роль — аналитик данных. На первых этапах он получает необходимые навыки для работы с данными, осваивает инструменты, понимает корпоративную модель данных. Дальше он сам проактивно начинает предлагать гипотезы, самостоятельно их проверять и приносит компании очень большую ценность — оптимизацию процессов, эффективные решения рутинных задач. Эти люди также рождаются внутри бизнес-подразделений.

- Откуда взять столько аналитиков?

Потенциал к работе с данными есть практически у каждого. Компания и до нашего прихода тоже работала с данными, а сотрудники решали свои ежедневные задачи, пусть и не так эффективно. Мы учим их решать задачи проще и быстрее, работать с современными инструментами и, главное, рассказывать о своих успехах.

- Что может мешать работе с данными? Какие вы видите барьеры?

Самый главный наш противник — время. Созданная нами определенная информационная среда, популяризирующая наши инструменты и подход,  формирует огромный спрос на наши знания и услуги, создает конкуренцию. При этом важно не потерять контроль над приоритетами и имеющимися ресурсами, правильно выстроить траекторию движения к data-driven-организации.

Объемы информации, необходимой для принятия решений, непрерывно растут. Но при этом нельзя допустить, чтобы на поиск необходимой пользователю информации уходило много времени. Информационные технологии, используемые в Научно-техническом центре «Газпром нефти» (НТЦ), позволяют создавать новые инструменты анализа и быстро находить нужные данные.

В НТЦ разрабатывают эффективные технологии добычи нефти на основе самых современных научных исследований. Еще одно важное направление деятельности компании, которым занимаются сотрудники Центра управления бурением «ГеоНавигатор» в Санкт-Петербурге — сопровождение высокотехнологичных скважин, расположенных не только в России, но и за рубежом.

В прошлом году здесь реализовали проект «Система когнитивного поиска», который способен поднять на качественно новый уровень работу сотрудников всей компании. О том, что дает компании «умный поиск», рассказал руководитель проекта в Научно-техническом центре «Газпром нефти» Евгений Кирьянов, номинант на премию CDO Award 2019.

- В чем суть задачи, которую решает этот проект?

Для нас, как и для любой наукоемкой компании, крайне важны исследования, связанные с решением повседневных бизнес-задач и преодолением технологических вызовов. Наши сотрудники постоянно нацелены на поиск новых решений, подходов и знаний. Чтобы осилить такие задачи, надо обращаться как к внешнему отраслевому опыту, так и к внутреннему опыту, накопленному сотрудниками компании.

Проанализировав имеющиеся базы данных и источники информации, мы увидели следующее. Во-первых, неизвестно, в какой из множества систем находятся искомые знания и ответы на вопросы. Во-вторых, сотруднику тяжело быстро найти информацию, требующуюся ему немедленно. Когда архивы измеряются сотнями терабайт и включают сотни тысяч документов, пользоваться стандартными локальными инструментами поиска в приложениях затруднительно.

Сначала мы попробовали построить поисковую систему на основе технологии Microsoft Share Point, но очень быстро выяснилось, что даже с ручным управлением, составлением словарей синонимов и настройкой фильтров стандартный поиск не справляется.

Поэтому мы решили создать собственную поисково-аналитическую систему, которая помогла бы сотрудникам максимально быстро находить ответы на свои вопросы и повысила бы эффективность экспертного сопровождения. Первая задача, которую мы перед собой поставили, — создание единой платформы для преодоления разрозненности источников данных, вторая — когнитивность поиска.

- Почему понадобилась именно когнитивная система?

Если документов немного, мы можем использовать поиск на базе совпадения слов, но когда число документов близится к миллиону, система выдает слишком много результатов. При этом в поисковой выдаче нет ранжирования по тому параметру, который важен сотруднику именно сейчас.

Система когнитивного поиска работает по-другому. Она сравнивает не буквы в словах, а смысловые значения слов, предложений и целых текстов, учитывает морфологию слов в запросе, понимает сокращения и специализированные термины. И например, по запросу «легкие фракции нефти» она выдаст результаты со словами «бензин» и «керосин». Даже если мы по-разному пишем одни и те же термины, система очень быстро сама обучается и понимает, что написанное по-русски и по-английски — это одно и то же. Система также работает с функциональными онтологиями, понимает вложенность терминов. В результате обучения нейронных сетей нашими экспертами система понимает из контекста документа, что это вложенные термины с разными написаниями.

Когнитивный поиск позволяет задавать вопросы с уточнениями и получать сфокусированные ответы, а фильтрация — оставлять в поисковой выдаче документы, удовлетворяющие нужным пользователю параметрам. Например, можно выбрать несколько конкретных источников данных или оставить только документы заданного типа.

- Подстраивается ли система под запросы конкретного пользователя? Вы создаете свой внутренний Google?

Сравнивать ее с Google и «Яндексом» я бы не стал, у нашей поисковой системы иные задачи. Мы только развиваем персонализацию и планируем в этом году сделать ее качественной. Дело в том, что наши сотрудники занимаются абсолютно разными вещами. Даже геологи, сидящие в одном отделе, могут решать совершенно разные задачи. Например, одни по стандартной модели рассчитывают запасы, а другие — развивают искусственный интеллект и нейронные сети в геологии. Соответственно, одним система должна выдавать более фундаментальную геологическую информацию, а другим — скорее «айтишную» или на стыке геологии и ИТ. То есть без персонализации работа системы не будет достаточно эффективной.

- Как вы выбирали подход к решению задачи?

Мы познакомились с имеющимися российскими и международными разработками, причем активно изучали опыт не только нефтяных и энергетических компаний, но и интернет-ретейлеров, поскольку в этом бизнесе поиск ощутимо влияет на результат. Затем провели несколько экспериментов, осуществили пилотное внедрение в офисе НТЦ в Санкт-Петербурге и принялись за разработку собственного решения совместно с компанией Nаumen. На реализацию проекта ушло 10 месяцев.

- Какие данные использует система и какова стратегия их сбора?

Объем внутреннего файлового хранилища «Газпром нефти» превышает сотни терабайт. Кроме него в первом прототипе системы мы использовали наборы данных из внешних онлайн-ресурсов, в совокупности около 70 тыс. документов.

В дальнейшем начнем расширять перечень внешних источников — примерно до ста, добавим также ресурсы, которые наши эксперты используют в своей работе.

- Какими технологическими средствами вы решали поставленную задачу?

В основе лежит система ElasticSearch, многое было разработано на языке Scala. Использованы и другие свободно распространяемые программные продукты, а также решения Naumen.

Поиск — это внутреннее клиент-серверное приложение, доступное сотрудникам в виде веб-сайта на корпоративных ПК или удаленно с личных ноутбуков. Сейчас единая поисковая платформа объединяет несколько сайтов, и мы работаем над ее расширением.

- Какие были основные сложности в ходе проекта, как их преодолевали?

Взаимодействие с любыми поисковыми системами выстраивается постепенно, вначале люди не доверяют возможностям технологии. Мы помним это по опыту взаимодействия с «Яндексом» и Google: несколько лет назад мы вбивали в строку запроса лишь одно-два слова, поскольку знали, что если введем предложение, то ничего в ответ не получим. Теперь мы спрашиваем все, что придет в голову, — и именно такое качество мы намерены развивать в своей системе.

Пользователи уже начинают больше доверять корпоративной системе: раньше поисковые запросы были в одно-два слова, сейчас длина запросов растет.

Технические сложности были из-за качества, а также разнородности входных данных (новости, НМД, книги, проекты и т. д.) и их источников (система распространения знаний, внешние ресурсы, сетевые папки). Качество отсканированных документов было очень разным, многие документы были «зашумлены», требовалась очистка, удаление нечитаемых фрагментов и нераспознанного текста.

- В какой срок вы рассчитываете накопить объем запросов, достаточный для интеллектуального роста системы?

У нас нет этой проблемы, потому что нам не требуется такого количества запросов, как у Google. Мы избегаем «холодного» старта, характерного для систем машинного обучения, базирующихся на сборе информации без «учителя». Например, новому геологу, введенному в нашу систему, мы дадим модель, уже обученную для другого сотрудника с наиболее близким функционалом. Мы проводили экспертное обучение, то есть подаваемые в систему материалы уже размечены, проанализированы экспертами и «готовы к употреблению». Поэтому острой нужды в накоплении большого количества данных нет. Тем не менее мы рассчитываем на то, что через год система будет работать гораздо лучше, чем сейчас, потому что она еще и самообучается.

- Каких результатов вам удалось достичь?

По экспертной оценке, сотрудники занимаются поиском информации и каких-либо документов по 30–50 минут в день. Мы сократили это время практически вдвое и надеемся еще улучшить результат. Время сотрудников высвобождается, и это дает компании существенный экономический эффект. Кроме того, благодаря точности и полноте результатов поисковой выдачи повысилась эффективность принятия решений.

И еще один важный итог. Мы провели эксперимент: две группы сотрудников получили задачу по определенному направлению и доступ к системе умного поиска для ее решения. При этом ни в одной из групп не было специалиста по данному направлению. И участники обеих групп решили задачу на таком уровне, который позволил применить их решение в компании. Оказалось, что система может выступать в роли эксперта в тех ситуациях, когда пользователь не знает точно, что ему делать. С помощью «умной системы» он может найти ответы на свои вопросы и решить задачи, с которыми не сталкивался прежде. Найти в Интернете видеоинструкцию и сразу сделать хорошо то, что делаешь впервые, сегодня уже не проблема.

Когнитивная система служит для управления знаниями и их трансфера между подразделениями.

- Как планируется дальше развивать этот проект, помимо персонализации поиска?

Мы уже начали распространять решение на весь холдинг, скоро откроем его всем сотрудникам. Будем расширять возможности подключения к платформе по API других приложений и источников знаний. Намерены развивать инструмент, позволяющий делать аналитику на основе семантики запроса. Хотим сильно продвинуться в создании знаний, которых не существовало до запроса. То есть, анализируя несколько источников, система должна уметь собрать из множества документов один и предоставить его в ответ на запрос пользователя.

Дни, когда в компании проводятся тренинги, не любит никто. И если вам кажется, что сотрудников необходимо собрать в зале, где им целый день будут что-то рассказывать, подумайте о специалистах кадровой службы, на которых ляжет организация всего этого процесса. Ведь одно дело разослать несколько приглашений и совсем другое собрать всех работников в указанном месте в указанное время, особенно если в компании насчитывается несколько тысяч сотрудников, многие из которых работают удаленно (а то и находятся в других странах).

Развитие онлайн-обучения поначалу способствовало модернизации программ повышения квалификации, но затем технологии застряли на месте. За последние 15 лет компьютерные курсы не сильно продвинулись вперед и по-прежнему представляют собой по большей части долгие и скучные сеансы с выбором одного из нескольких вариантов ответа на вопросы. Чаще всего до конца таких тестов с трудом доходят не более 20%. А отсутствие такой составляющей, как социализация, делает подобные начинания еще менее привлекательными по сравнению с традиционными скучными тренингами.

Сама природа нынешней отрасли онлайн-обучения предполагает, что все здесь меняется очень медленно. Обучающие программы обычно разрабатываются специализированными компаниями, которые продают подписку на контент. Чтобы охватить максимально возможный рынок, они всеми силами стараются избегать интерактивных возможностей, отдавая предпочтение наиболее распространенным форматам файлов, которые совместимы с ранее внедренными организациями системами управления обучением. Как правило, используется устаревший формат файлов SCORM, появившийся еще на рубеже тысячелетий.

Со специализированными компаниями, выпускающими «контент для всех», возникает и масса других проблем. Прежде всего следует понимать, что разработчики, которые готовят универсальные курсы, охватывают ими лишь самые общие вопросы: чаще всего они не персонализированы и не адаптированы к особенностям сотрудников конкретной организации. Обновляются эти программы редко: учебные курсы по большей части охватывают вопросы, которые были актуальными много лет назад. Авторы курсов не имеют практически никакой обратной связи и не понимают, насколько успешной оказалась их работа. Встречи, посвященные обсуждению изложенного материала, иногда проводятся, но авторы редко вносят в свои курсы какие-либо изменения на основе анализа меняющихся требований (или последних событий).

Именно поэтому становится все более популярным так называемое микрообучение (microlearning), и в отрасли хорошо знают об этом. Не случайно ведущий игрок в сфере онлайн-обучения, компания Grovo, купила за 24 млн долл. поставщика обучающих курсов Cornerstone Content. Другие участники рынка микрообучения предлагают компаниям создавать собственные уроки, добавляя имеющийся у них материал к интерактивным шаблонам, которые пересылаются непосредственно на смартфоны работников.

Тем не менее, несмотря на растущую популярность, микрообучение, предусматривающее обучение небольшому объему материала за короткий промежуток времени, скорее дополняет системы электронного обучения, чем вытесняет их: высшее руководство компаний и службы управления персоналом не хотят отказываться от масштабных инвестиций в онлайн-обучение. Как бы то ни было, независимо от того, является ли конечной целью распространение новых знаний или закрепление уже существующих, микрообучение в любом случае превращается в лекарство от скуки, сопровождающей традиционные тренинги, и помогает сделать обучение в компаниях более эффективным.

Пять причин, помогающих микрообучению вытеснять традиционные учебные курсы

1. Простота восприятия. Исследования показывают, что в кратковременной памяти средний обучающийся можно удерживать лишь около четырех элементов новой информации. После этого информация перезаписывается или блокируется еще до того, как ее можно будет перенести в долговременную память. Следовательно, подача новых тем небольшими порциями способствует более легкому усвоению новых знаний. Вот почему запомнить первые десять цифр числа Пи (3,141592653) становится проще, если разделить их на три блока: 3,141 592 653. Разбиение сложных нем на небольшие микроуроки дает аналогичный эффект.

2. Простота создания и обновления. На создание курса традиционного обучения может уйти несколько недель. Микроурок состоит всего из нескольких ключевых сообщений (которые могут быть встроены в шаблоны). Приступив к созданию курса с утра, уже после обеда можно разослать его всем заинтересованным сторонам. Более того, при появлении более новой информации она легко вставляется в уже имеющийся курс, сохраняя тем самым его свежесть, актуальность и привлекательность.

3. Эффективность. Курсы микрообучения можно проводить на смартфонах сотрудников, оснащенных удобным сенсорным экраном, обладающих достаточной вычислительной мощностью и позволяющих проводить обучение в устраивающем их владельца темпе. Технология легко позволяет сделать уроки интерактивными и даже геймифицировать их, благодаря чему обучение воспринимается скорее как игра. Добавьте сюда накопление баллов за правильные ответы и быстрое завершение уроков плюс возможность получить реальные призы за лучшие показатели. В итоге выясняется, что ради лучших баллов обучаемые готовы повторно выполнять все предлагаемые им задания, а общая доля полностью прошедших курс обучения превышает 90%. Независимо от того, хотите ли вы научить работников решать простую задачу или знакомите их с новой корпоративной политикой, геймификация и интерактивность становятся эффективными способами вложения в обучаемых нужных знаний. По сути, это представляет собой полную противоположность скучным тренингам.

4. Простота распространения. Распространять объемные курсы весьма затруднительно независимо от того, насколько хороша используемая инфраструктура широкополосной связи. И наоборот, курсы микрообучения легко загружаются из облака в любую точку (обычно это делается через крупные магазины приложений). Открывается возможность для организации обучения по запросу (just-in-time). В этом случае обучаемые легко могут загрузить интересующие их микроуроки за несколько минут до того, как они им понадобятся.

5. Создать урок может любой желающий. В микрообучении используются интерактивные шаблоны: для создания урока достаточно просто загрузить нужную информацию и сформулировать вопросы. Отличная возможность для проведения «взаимного обучения» (peer learning). Эксперты рекомендуют, чтобы треть электронного обучения исходила от коллег. Нетрудно понять почему: ни один внешний преподаватель не знает специфику организации так, как ее знают работающие там люди. Если, например, в традиционных курсах электронного обучения продавцов просто призывают соблюдать дресс-код и быть вежливыми, то один из старших товарищей (даже не обладающий навыками преподавательской деятельности) может рассказать коллегам, что один из важных клиентов приходит на десять минут раньше, любит выпить кофе и не расположен говорить на определенные темы. Такие знания будут для работников гораздо полезнее. Персонализированное обучение не только отличается более высокой эффективностью – работники становятся лояльнее, когда видят, что их ценят и предоставляют возможности для дальнейшего роста (хорошие сотрудники скорее всего просто покинут компанию, если эти условия не выполняются).

В целом микрообучение расширяет возможности менеджеров по персоналу и ИТ-директоров: сочетание навыков обучения, присущих специалистам по персоналу, новых технологий и стремления постоянно совершенствовать стратегию обучения и развития (не занимаясь периодически реализацией крупных и дорогостоящих проектов) позволяет им теснее взаимодействовать друг с другом и упрощает создание адаптированных курсов. Сотрудники же только рады избавлению от скучных тренингов, в результате чего корпоративное обучение становится гораздо более эффективным.

Даррен Винтерфорд – генеральный директор компании Ed Microlearning.

Руководству сети Burger King удалось создать во многом уникальную модель управления большой сетью ресторанов, основанную на объективных показателях. Менеджеры ресторанов имеют доступ к объективной, наглядной и оперативной информации о своей работе, что обеспечивает их вовлеченность в повышение эффективности деятельности компании.

Максим Шарапов, директор департамента ИТ «Интернэшнл Ресторант Брэндс» и претендент на CDO Award, рассказывает о пользе меритократии, выработке у руководства ресторанов психологии бизнесменов и полном аутсорсинге процессов BI.

- С какого момента Burger King начал трансформироваться?

Трансформация имела подготовительный этап. Сеть Burger King начала бурно развиваться с 2012 года, тогда у нас было несколько десятков ресторанов и появился стратегический партнер. Получив финансирование, сеть начала экспансию. В этот момент я пришел в компанию и занимался стратегией развития ее информационных систем.

Базисом всей дальнейшей работы была подготовка единого источника данных, необходимого для последующего внедрения цифровых сервисов. Мы приняли решение внедрять ERP-систему, объединив в единой базе разрозненные данные различных подразделений. Более того, ERP стала системой мастер-данных. Таким образом был создан фундамент для дальнейшей цифровой трансформации.

- Какова история активной работы с данными? Когда произошел скачок, каковы его причины и результаты?

Когда внедрение ERP — а это большая и важная работа — было осуществлено, мы смогли направить силы на более конкретные бизнес-задачи. Были созданы все предпосылки для бизнес-аналитики: у нас появились данные, в отношении которых мы могли гарантировать целостность и корректность. Компания предпочитает в бизнесе прагматичный подход, руководство очень любит, когда в работе ориентируются на понятие quick wins — максимально быстрое достижение осязаемых результатов. Если в случае с ERP мы понимали, что быстро ее внедрить не получится, и были готовы терпеть целый год, то работу с BI-отчетностью мы вполне могли организовать по принципам Agile. Работа строится на поступающих от бизнес-подразделений вполне конкретных задачах по созданию приложений.

- Какие использованы платформы и продукты?

В качестве платформы мы выбрали Qlik и весьма оперативно подключили команду разработчиков. Эта платформа дает возможность действовать быстро и обойтись без создания хранилища данных. При помощи Qlik мы начали делать достаточно быстрые проекты. Задача состояла в предоставлении бизнесу подсказок и предложений относительно того, как скорректировать свою работу, чтобы максимизировать прибыль.

- Почему решили обойтись без хранилища? Сейчас этот подход используется повсеместно.

Мы считаем, что нам хранилище данных не нужно. Оно незаменимо там, где много источников разнородных данных. У нас не так много источников данных, а основных всего два: ERP и кассовая система. Они довольно однородны и предоставляют данные высокого качества, нам не требуется промежуточный этап сведения данных к единому целому. С внешними системами — например, системой аудитов и отзывов посетителей — обмен идет с помощью файлов Excel, уже агрегированных и готовых отчетов.

Да и сам принцип работы Qlik часто подразумевает отсутствие хранилища. Платформа всеядна, а ETL-процессы могут быть описаны в самой системе.

- Существует ли в компании стратегия работы с данными? Если есть, то в чем она заключается?

Четкой стратегии у нас нет, но есть основной принцип: компания регулярно и оперативно принимает решения на основе данных. Исходя из этого, мы формируем требования к данным. Например, от события в любом из более 600 ресторанов до его отражения в отчетности должно проходить не более 15 минут. Это означает, что все виды контроля по целостности и качеству данных должны быть зашиты в сами системы.

Самое главное, что большое число людей на регулярной основе вовлечено в работу с данными. Ежедневно в каждом ресторане проходят конференц-звонки, в ходе которых обсуждается, что ресторан будет делать в соответствии с показателями, полученными из системы.

- Действительно ли скорость настолько важна? Каким образом достигается актуальность данных, близкая к реальному времени?

Первым крупным результатом в рамках работы с данными стал проект «Рутина», благодаря которому рестораны начали получать ежедневные отчеты, весьма объемные и детальные. Следующий шаг был направлен именно на оперативность. Мы переосмыслили работу с источниками данных и стали работать с локальными кассовыми базами, а не с центральной базой, где консолидировались данные при закрытии кассового дня. Это было нужно для того, чтобы сотрудники ресторанов могли в режиме, близком к реальному времени, видеть, на какие показатели они выходят по итогам дня. Если что-то идет не так, у них есть возможность изменить ситуацию.

- Переход к управлению на основе данных — это серьезная культурная трансформация. Люди не любят меняться. Как обеспечить принципиальную возможность таких изменений?

Это и просто, и сложно. Надо быть максимально честными с людьми. Компания в своей работе придерживается философии меритократии — воздавать каждому по его заслугам. Человек, принесший компании измеримый в деньгах результат, может претендовать на часть этого результата. Любой сотрудник ресторана может предложить идею, которая повысит эффективность компании. Такие идеи могут быть озвучены непосредственному начальству, затем совместно — вышестоящему руководству, и очень важно, чтобы эта цепочка была быстрой, а ценные идеи максимально оперативно воплощались в жизнь. Не нужно теоретических рассуждений — надо брать и пробовать, а пилотный проект покажет ценность на практике.

Важно выработать у директоров ресторанов психологию бизнесменов. Они имеют право пробовать новшества, их никто за это не будет наказывать, даже если ожидаемый эффект не будет получен. Компания дает сотрудникам достаточно большое пространство для самореализации. Эта культура очень хорошо укладывается в data-driven-подход.

Таким образом, работу с данными можно считать некоторой базой для управленческого развития компании, которое во многом построено на стандартизации функций и их делегировании. Все управленческие решения на каждом из уровней управления основаны на объективных данных. На объективных показателях основана и мотивация сотрудников, что дает их высокую вовлеченность в улучшение работы ресторанов.

- Любопытным подходом является полный аутсорсинг всей работы с данными: в штате Burger King нет ни одного BI-специалиста, а функциональные менеджеры самостоятельно вносят задачи по работе с данными в очередь для реализации. Как такое стало возможным?

Да, работа с данными отдана на аутсорсинг в компанию Qlever Solutions, и у нас действительно нет ни одного BI-специалиста. Но зато есть мощное подразделение бизнес-аналитики, сотрудники которого не являются техническими специалистами, но имеют сильную экспертизу и глубокое понимание показателей экономической деятельности компании. Еще есть должность менеджера по развитию информационных систем, он управляет изменениями и принимает участие в расстановке приоритетов. Таким образом, все изменения проходят определенный контроль на достаточно высоком уровне.

Во многом такой подход стал следствием того, что компания довольно жестко ограничивает в подразделениях численность штатных сотрудников. В итоге образовалась гибкая структура, которая позволяет точно масштабировать ресурсы в соответствии с объемами работ и приобретать услуги по модели time&material.

Надо сказать, что к идеальному варианту пришли не сразу. У нас был негативный опыт работы с одной из очень известных компаний, занимающихся платформой Qlik, ставший примером того, какими отношения быть не должны. Действия по закрытию кода решения и неприкрытый шантаж вынудили нас разорвать с ней отношения и в дальнейшем более внимательно относиться к таким вопросам.

С нынешними партнерами выстраиваются именно доверительные отношения. Мы даем им значительный объем работ и ждем от них честности и заинтересованности в долгосрочном сотрудничестве. От них имеем лояльное отношение и привлекательные цены.

- В руки партнеров попадают ваши данные. Как страхуетесь от утечек?

Я могу лишь повторить слово «доверие». Конечно, договоры о конфиденциальности подписаны, но понятно, что они не дают стопроцентную гарантию от утечек. Таков выбор компании: мы идем на немалый риск ради более эффективных процессов.

- Быстрое внедрение изменений достигается благодаря подходам Agile. В какой момент стало понятно, что они нужны компании?

Нельзя сказать, что мы жестко придерживаемся каких-либо методик. У нас есть потребность в быстрой разработке, оперативно осуществляемых пилотных проектах. При наличии хорошей экспертизы, особенно в случае, когда консультант и разработчик — это одно лицо, от обсуждения до выхода продукта в свет проходит очень немного времени. Кроме того, все бизнес-подразделения компании вовлечены в процессы реализации решений, что минимизирует эффект «испорченного телефона».

Еще очень важна работа с трехслойной моделью данных, когда уже созданные показатели могут передаваться из модели в модель. Это важное архитектурное ноу-хау нашего партнера Qlever Solutions, существенно ускоряющее процесс разработки.

- Сейчас массово применяется предиктивная аналитика — использование математических моделей для прогнозирования выручки, спроса и других бизнес-показателей. Насколько это актуально для вас?

Актуально, но мы относимся к этому без фанатизма. Часто маркетинговая составляющая в ИТ идет во вред: использование модных технологий оправданно не всегда.

У нас есть пример использования машинного обучения в прогнозировании выручки. Долгое время мы задействовали простой алгоритм, дававший приемлемые результаты. Но компании было важно повысить точность таких расчетов, поскольку они влияли на закупки продукции, планирование выхода сотрудников на работу. Чем точнее прогнозирование, тем лучше компания подстраивается под внешнюю ситуацию.

Мы пригласили сильных специалистов по машинному обучению, чтобы повысить качество алгоритма. После достаточно продолжительной работы им удалось повысить качество, но всего на 1%. Это говорит о том, что главное — хорошо понимать тот бизнес, которым занимаешься, и ключевые факторы, влияющие на него. В этом случае самые простые модели часто имеют качество, не сильно уступающее самым современным решениям.

- Работа с данными направлена в первую очередь на внутренние нужды или на предоставление сервисов вовне?

Сейчас начато развитие внешнего блока — мобильного приложения, CRM-системы и сервисов на ее основе. Взялись работать с доставкой, появилась функция пикапа. Конечной целью всех этих усилий должны стать персональные предложения для каждого гостя.

Да, необходимо развивать персонализированную работу с гостями. Вероятно, придется анализировать путь клиента (customer journey), удобство приложений, наполнять CRM, подключать к ней внешние источники данных, в том числе из социальных сетей. Это серьезный вызов для компании, потому что объемы данных растут экспоненциально. Предстоит решать инфраструктурные вопросы, пересматривать принципы работы с данными.

Думается, что именно «внешние» цифровые сервисы принесут компании в будущем дополнительную прибыль.

- Как с профессиональной точки зрения отразилась на вас проведенная за последние годы работа ?

Можно сказать, что я пошел на повышение. Наши акционеры завершили покупку большой части ресторанов известного бренда. Я приглашен во вновь образованную компанию на позицию ИТ-директора. Мне предстоит реализовывать ранее опробованные идеи.

Потребуется масса подготовительной работы, которая ранее уже была проделана в Burger King. Без нее не обойтись, однако с учетом имеющегося опыта, думаю, удастся сделать всё гораздо быстрее. Сейчас запускаем ERP, причем на проект отведено менее полугода. Начинаем работу с источниками данных, проводим инвентаризацию существующей отчетности и, имея определенный багаж за плечами, развиваем ее.

Часть менеджмента новой компании осталась, часть пришла извне. Интересно, что получится из такого столкновения культур и подходов.

- Появления каких новых цифровых сервисов можно ожидать в ресторанном бизнесе в ближайшем будущем?

Распознавание клиентов — перспективная технология, и есть достаточно сильные алгоритмы, позволяющие это делать. С видеоаналитикой уже в текущем году на рынке будет достаточно много проектов.

Кроме того, последние достижения в области deep learning дают возможность выйти на новый уровень работы с продуктами и роботизации многих процессов. Инновации — это хорошо, но все считают свои деньги. И пока человеческий труд остается дешевым, будут выбирать именно его. Тем не менее в ближайшие пять лет, думаю, мы сможем увидеть полностью роботизированные рестораны.