показывать на главной

Розница – один из тех бизнесов, где вложения в большие данные и современную аналитику способны дать реальный и немалый экономический эффект. Однако, чтобы раскрыть их потенциал в полном объеме и вовремя, необходима планомерная, сложная работа. Антон Мироненков, директор по большим данным Х5 Retail Group, соискатель премии CDO Award, рассказывает о создании в компании дирекции по большим данным, ее первых достижениях и планах на ближайшее будущее.

- Как и почему в Х5 появилась структура для работы с большими данными?

Год назад в компании по теме больших данных не было ничего, дирекция по большим данным создавалась с нуля. Хотя, конечно, системы аналитики в компании использовались, без них мы не могли бы ежедневно пополнять товарами более 14 тыс. магазинов и платить зарплату 200 тыс. сотрудникам. Но не было централизованного хранилища данных по клиентам, которые можно быстро извлекать в нужных разрезах, обрабатывать и делать на их основе важные для бизнеса выводы. За год удалось создать такое хранилище, внедрить средства работы с ним, включая современные инструменты визуализации, и все это собрать в единую систему.

Антон Мироненков: «В сфере больших данных люди – самый ценный и самый дорогой ресурс»

Все началось с идеи. Мы проанализировали опыт западных ретейлеров по применению аналитики больших данных, в том числе побывали в нескольких компаниях и поняли, что обладание такими компетенциями может стать конкурентным преимуществом. Вместе с консультантами мы описали структуру нового подразделения, какие специалисты нам понадобятся, какая требуется инфраструктура, как выстроить data governance и т.д., и затем начали искать людей и параллельно формировать инфраструктуру.

При этом мы столкнулись с типичной проблемой, которая так или иначе возникает при создании подобных структур: данных в компании много, но прежде чем их можно будет использовать, все они требуют обработки. Их надо чистить и структурировать. Например, мы обнаружили, что данные по программе лояльности и чековые данные о покупках хранятся в разных форматах. Поэтому задача была не просто запустить инфраструктуру, куда можно складывать данные, но и обеспечить, чтобы данные собирались в правильном виде.

Параллельно с созданием инфраструктуры и сбором данных мы стали выяснять, какие потребности бизнеса можем реализовать. Было собрано около 200 кейсов и для тех из них, которые обладали потенциалом принести наибольшие выгоды для Х5, были сформированы продуктовые команды. К настоящему моменту ряд продуктов доведен до стадии MVP (minimum viable product), один запущен в продуктивную эксплуатацию.

- Что это за продукт?

Набор отчетности для переговорных кампаний с поставщиками. Если раньше для анализа поставщика приходилось долго и сложно сравнивать данные из десятков таблиц Excel, то сейчас буквально двумя кликами можно получить исчерпывающую информацию по любому вендору – история взаимоотношений, на каком они уровне находятся в данный момент и где потенциал для дальнейшего развития.

С решением постоянно работают более 100 сотрудников.

- Каким образом выделялись продуктовые направления, которые приносят деньги. Это были ваши гипотезы, результат серьезного анализа или запрос от бизнеса?

Они появились из нескольких источников. Во-первых, лучшие мировые практики. Во-вторых – обсуждение с бизнесом, показавшее, какие из этих практик работают не только на Западе, но и у нас. И в-третьих – идеи, появившиеся в результате мозгового штурма в команде. Затем выявленные направления были приоритезированы. Впрочем, любой, кто в ретейле работает не первый год, скажет вам, что основные деньги в нашем бизнесе приносят правильная работа с ассортиментом, ценообразование, промоактивности. Конечно, эти направления оказались в приоритете и в Х5.

Затем мы стали глубже анализировать каждое из направлений – какие данные используются, что должно получиться на выходе, степень возможной автоматизации. Будет ли это инструмент, который помогает принимать решение, как в случае отчетности для переговорных кампаний, или полная автоматизация определенных процессов так, чтобы человек в них вообще не участвовал. Ведь, как правило, пользователей можно условно разделить на «отличников», «хорошистов» и «троечников». Если в процесс вмешивается «отличник», у него получается лучше чем у системы, по крайней мере на начальном этапе, но если в систему вмешивается «троечник», получается хуже. На большом масштабе автоматизация позволяет в среднем результат подтянуть до более высокого уровня. Это не значит, что люди не нужны. Они теперь системно занимаются тем, чтобы процесс работал правильно, а не улучшением результата процесса на каждом из его этапов, то есть меняют алгоритм вместо того чтобы искать правильные решения в отдельных точках.

- Речь идет о внедрении машинного обучения или пока только автоматизации заданных алгоритмов?

Мы используем различные подходы, в том числе машинное обучение. В некоторых случаях простая линейная регрессия дает хороший результат. Например, в продукте «Ассортимент» статистическими методами на основе чеков строится дерево принятия решения покупателем, а оптимизация ассортимента реализуется с помощью машинного обучения.

Еще один классический оптимизационный инструмент применяется в ценообразовании. На входе он получает большое количество параметров (исходные цены, цены конкурентов, маржинальность товаров, условия по логистике), чтобы на выходе ежедневно генерировать оптимальные цены на товары в магазинах.

При этом мы никогда не зацикливаемся на одном подходе для конкретной задачи, модель должна становиться все более точной со временем. Специалисты из команды data science находятся в постоянном поиске улучшений: если из этого метода мы выжали все, давайте попробуем вместо деревьев решений применить нейронную сеть, а затем добавим к ней дополнительные слои. Наш продукт – это не монолит, а живой организм, который постоянно дорабатывается. Поэтому продуктовые команды работают по принципам Agile – они отвечают за то, чтобы бизнес-результат был лучше и лучше с каждой итерацией.

- Сколько продуктов реализовано за год?

У нас восемь продуктовых команд. Но потребностей у бизнеса больше, и периодически приходится формировать временные девятую и десятую команду, чтобы срочно реализовать ту или иную задачу.

- Какова связь стратегии дирекции по большим данным с бизнес-стратегией компании?

До того, как возглавить подразделение по работе с большими данными, я отвечал за стратегию Х5, поэтому прекрасно представляю задачи бизнеса и могу говорить с ним на одном языке. Это очень помогло в формировании нашей продуктовой линейки. Наш план на текущий и будущий год увязан со стратегией компании в целом и со стратегией каждой торговой сети, входящей в Х5.

Несколько лет назад в X5 было принято решение о децентрализации. Каждая сеть получила достаточную свободу, чтобы развивать собственное клиентское предложение, в чем-то конкурировать, иметь ресурсы для самостоятельного ведения бизнеса. Как следствие, сети различаются и с точки зрения используемых ИТ-решений. Даже данные в анкетах программы лояльности в разных сетях не идентичны, хотя и пересекаются процентов на 80. Поэтому обычно мы не можем сделать одинаковый продукт для всех трех сетей.

Часто бывает так, что мы разрабатываем решение, например, для «Пятерочки», рассказываем о нем в «Перекрестке», и менеджеры сети высказывают желание получить аналогичный продукт. Тогда продуктовая команда делает кастомизацию решения под другую сеть. Происходит миграция знаний и продуктов между торговыми сетями.

- Как организована работа вашего подразделения?

Команды работают по принципам Agile и включают в себя все необходимые группы специалистов – data science, аналитики данных, бизнес-аналитики, менеджеры продуктов, DevOps. Есть и системные инженеры, которые отвечают за инфраструктуру определенного уровня. Базовую инфраструктуру для нас поддерживает ИТ. Но у нас остается возможность разворачивать инфраструктурные слои более высокого уровня, необходимые для наших решений. Это нетипичный подход, но по-другому скорости просто не достичь. Чем больше ресурсов в одном месте сконцентрировано, тем быстрее можно двигаться. А скорость – это наша первоочередная задача.

Процессы data governance реализуются в нашей дирекции и в ИТ. Мы занимаемся контролем качества данных во входных потоках, которые получаем на свой кластер. Но кроме этого необходимо обеспечивать качество данных на источниках, которые расположены в других местах корпоративной архитектуры. За это отвечает ИТ.

Сейчас процессы data governance включают в себя сбор, обеспечение качества, описание собранных данных и формирование требований к конечным витринам. Очень важной составляющей data governance являются также корпоративные политики работы с данными, но здесь мы еще в самом начале пути. Корпоративная политика задает стандарт ввода данных для бизнес-пользователей, тем самым закладывается основа для того, чтобы данные были качественными при всех дальнейших использованиях.

Нам необходимо наладить процесс регламентации ввода данных, и это займет немалое время, поскольку груз проблем в этой сфере за годы существования компании накопился очень большой.

- Какие данные используются для реализации ваших продуктов – внутренние данные компании или вы привлекаете также внешние данные с рынка?

Мы активно обсуждаем с телекомом, с банками, какие решения мы можем сделать вместе, обогащая данные. И пришли к выводу, что те данные, которые есть у нас, гораздо более полезны другим игрокам, нежели нам полезны внешние данные с рынка. Почему? Потому что у нас очень много данных внутри компании, и их, как правило, достаточно для реализации различных идей по улучшению бизнеса. Наша основная задача при работе с данными — наладить процесс получения и постоянной актуализации этих данных, а также сделать так, чтобы данные, которые единожды получены, неважно из какого источника, были доступны всем заинтересованным бизнес-пользователям.

Надо отметить, что в Х5 с большими данными работает не только дирекция больших данных. Наиболее сложные вещи, которые требуют написания кода и ведут к созданию продукта, мы делаем централизованно. Это специализированные задачи, которыми должны заниматься квалифицированные специалисты, а в сфере больших данных люди – самый ценный и самый дорогой ресурс.

При этом от бизнеса постоянно возникает большое количество сиюминутных запросов, поэтому мы обеспечиваем бизнес-пользователей данными, с которыми они могут самостоятельно делать любую аналитику. Причем очень важно, чтобы все было совершенно прозрачно – где взять нужные данные, как их обработать и что делать с результатом. Но если одна и та же задача возникает постоянно, мы берем ее на себя. Мы стараемся освободить аналитиков от рутины, чтобы они могли заниматься более продуктивными задачами.

- Что представляет собой технологическая инфраструктура больших данных в X5?

У нас полный стек необходимых инструментов. «Холодные» данные собираются в озере данных на базе Hadoop, дальше в зависимости от приложения данные перемещаются в более быстрые базы – Greenplum, Qlickhouse. Для загрузки данных используются классические ETL-инструменты, для визуализации – Qlicksense, Tableau.

- Что было самым сложным за этот год?

Самое сложное – наладить работу команды. Наш Agile пока часто «перпендикулярен» тому, как работает остальная компания. С одной стороны, бюджет, оргструктура, регламентированный процесс найма человека, с другой – скорость процессов Agile. Как увязать между собой еженедельные спринты с ежегодной оценкой эффективности сотрудника? Объясняем, договариваемся, где-то меняем процессы в самой компании.

- А что вы можете поставить в заслугу дирекции больших данных?

Главное достижение – скорость. Я очень рад, что удалось меньше чем за год собрать сильную команду. Когда к нам приходят на собеседование специалисты по data science, они спрашивают, с кем будут работать, и быстро соглашаются, когда слышат фамилии. Для меня это показатель качества команды. Второй показатель – то, что за короткий период мы довели несколько продуктов до стадии MVP и один до промышленной эксплуатации и уже получаем много положительных отзывов от пользователей.

Мы построили гибкую инфраструктуру, в которую можно быстро адаптировать дополнительные инструменты, если понадобится. Развернули хранилище из более 80 узлов в кластере, которое удалось быстро наполнить.

Скорость – это главное, к чему мы стремимся. Я постоянно говорю ребятам: «возможно, вы сделаете это гораздо лучше через год, но тогда это уже никому не будет нужно». Меняются потребности бизнеса, технологии уходят вперед, а задачи надо решать здесь и сейчас.

- Не в ущерб качеству?

Это же Agile. Конечно, продукты дорабатываются. Но для этого и нужен постоянный диалог с бизнесом.

- Какой эффект получит бизнес от продуктов на базе больших данных, когда они будут введены в промышленную эксплуатацию? Например, я – постоянный клиент «Перекрестка». Какие я почувствую улучшения?

Возьмем для примера такое решение, как ассортиментный план. Главный результат его применения состоит в том, что, если раньше вы приходили в супермаркет и клали в корзину 7 товаров, то сейчас будете класть 8. Вам не придется обходить несколько магазинов, вы здесь найдете все, что вам нужно. И в целом увеличивается число клиентов сети, когда люди понимают, что могут найти в магазине все необходимое и, возможно, по более выгодной цене, чем у конкурентов.

Другой пример – промоакции. Продукт позволяет правильным образом изучить аудиторию в конкретной локации, понять, какие магазины рядом, как правильно сделать скидку на определенный товар и каким людям из программы лояльности нужно ее предложить. Пилот по этому решению продемонстрировал рост трафика в магазинах на несколько процентов – это очень хороший результат. Лояльность покупателей тоже выросла.

- Ваши планы на будущее?

Главная цель ближайших нескольких месяцев – вывести в продуктив те продукты, которые сейчас находятся на стадии MVР. Это не самая простая задача, поскольку необходимо быстро и без лишних затрат масштабировать успешный пилот с сотни на несколько тысяч магазинов.

В апреле должны быть завершены проекты по ассортименту и ценообразованию. Весной планируется улучшить качество прогнозирования продаж в сети магазинов «Перекресток». Это обеспечит повышение точности заказа товаров на склад, как результат, сократится количество продуктов, которых нет на полках, и это, в свою очередь, положительно отразится на продажах.

Я люблю смотреть разные спортивные игры. Можно сказать, я просто рожден для этого занятия. А вот играть в них — не мое призвание. И однажды мне стало интересно, чем мир спорта схож с миром программного обеспечения, а точнее — с моделью DevOps. В какой-то момент меня осенило, что если и есть что-то, совсем не похожее на спорт, то это модель DevSecOps. Попробуем разобраться на примерах.

С самого начала сохранение безопасности процессов DevOps было общей обязанностью, и в результате возникло такое понятие, как DevSecOps. DevSecOps — это полностью интегрированная система, а не просто безопасность «вокруг» приложений и данных. Если безопасность перенесена в конец конвейера разработки, то организации, внедряющие DevOps, могут оказаться в ситуации, когда придется вернуться к долгим циклам разработки, которых они пытались избежать. DevSecOps означает, что нужно думать о безопасности приложений и безопасной инфраструктуре с самого начала работы. Также подразумевается необходимость автоматизации некоторых доступов для того, чтобы поддерживать рабочий процесс, а не тормозить его. Однако DevSecOps — это больше, чем подобранные инструменты. Это система, построенная на культурных изменениях DevOps для внедрения в работу security-команд, и чем раньше такое произойдет, тем лучше.

1. Нельзя во всем винить вратаря

Я начну с сугубо личного, но, надеюсь, хорошо понятного примера: когда в детстве мы играли в футбол, меня, как наименее ценного игрока, обычно ставили на ворота. И всякий раз, когда мяч со всей дури влетал в ворота (или неторопливо закатывался в них мимо меня), все, конечно же, винили вратаря. Должен сказать, что такой подход не только ужасно влияет на командный дух, но и является полной противоположностью тому, как необходимо работать в команде.

С другой стороны, лично меня напрягают фразы типа: «Безопасность в DevSecOps — это ответственность каждого». Далеко не каждый является экспертом по безопасности, хотя все участники команды обязаны понимать, что такое правильно организованные процессы, и нести определенную ответственность за их выполнение. И если что-то идет не так, не следует возлагать всю вину только на одного человека. И не забывайте о том, что в DevSecOps у вас есть все возможности, создав соответствующие тесты, оперативно устранить проблему и избежать ее дальнейшего появления.

2. Вы не знаете, кто ваш противник

В спорте всегда известен соперник. Вы знаете, кто он, где он, и можете оценить его действия в различных игровых ситуациях. Вы не всегда можете его остановить, зато точно понимаете, какие цели он преследует. В обычных ИТ-проектах это далеко не так, а в модели DevSecOps всё вообще не так, поскольку есть вы — те, кто занимается разработкой, тестированием и эксплуатацией различных уровней стека приложений, и есть противники, сильно различающиеся в плане ресурсов и профессионализма. И ключевая фраза здесь — «есть вы». И если «вы» — действительно команда, то совокупные знания ваших специалистов можно применять для реализации более амбициозных решений, которые практически невозможно выполнить в рамках стандартной модели «проектирование —разработка — тестирование — развертывание».

3. В отличие от спорта, здесь нет правил

Да, такой вот жесткач. В спорте противник играет по тем же правилам, что и вы, иначе он получит предупреждение от арбитра, рефери или другого спортивного судьи. Было бы здорово, если бы тех, кто атакует ИТ-инфраструктуры и приложения, всегда ловили и наказывали, но, к сожалению, нет никаких предпосылок для ожидания такого счастья в ближайшем будущем. Поскольку у вас вряд ли будет возможность отслеживать в реальном времени действия противника и активно контратаковать, вам надо продумать, какие исправления можно задействовать, как их применять и насколько быстро их можно запустить. Важно отметить, что эту задачу не надо сваливать только на тех членов вашей команды, которые отвечают за безопасность. Хотя эксперты по безопасности могут неплохо спрогнозировать возможные атаки, именно основной инженерный и операционный персонал лучше всего сможет оценить, как скажутся последствия атак на работе системы, поэтому эти люди и должны разрабатывать соответствующие меры по смягчению последствий при возникновении проблем.

4. В игре участвуют все и всё время

Во всех командных видах спорта во время игры на поле находятся далеко не все участники команды. А вот в DevSecOps можно задействовать абсолютно всех. Тренер не обязан наблюдать за игрой со стороны и может привлекать вспомогательный персонал (а точнее говоря — экспертов по производительности и разного рода технических специалистов) в моменты, когда возникает такая потребность. По мере роста количества итераций каждый участник команды довольно быстро сможет внести свой вклад, поскольку изменения будут возникать как на уровне приложения, так и в среде развертывания на уровне безопасности. Кроме того, командам DevSecOps не стоит изолироваться от других сотрудников и подразделений организации: если вам нужно привлечь кого-то из них на денек-другой, не стесняйтесь это делать. Не бойтесь действовать быстро и признаваться в том, что вам нужна помощь.

5. В проигрыше нет ничего страшного

В спорте принято думать о том, как одержать победу, невзирая на условия и силу соперника. Но и поражение является необходимым инструментом. Лучшие спортсмены и команды знают, как его использовать, чтобы в следующий раз выступить, выполнив «работу над ошибками». В DevSecOps надо поощрять команду и не бояться проигрывать, поскольку только опыт поражений позволит сделать приложения и проекты лучше. Уже никто не верит, что можно создать абсолютно неуязвимые приложения и системы. Главный вопрос не в том, смогут ли вас взломать, а в том, когда это произойдет и где. Поэтому стройте свои процессы, отслеживая подозрительную активность, и будьте готовы минимизировать последствия атак. Первым делом стоит убедиться в том, что ваши процессы позволяют учиться на ошибках и помогают повысить эффективность, надежность и устойчивость вашего проекта и команды на следующей итерации.

Подводя итоги

Я не утверждаю, что между DevSecOps и спортом нет ничего общего. Сходство есть, и достаточно большое. Вот наиболее очевидные общие черты: серьезные изменения требуют серьезного распределения ответственности как сверху вниз, так и снизу вверх; в команде важны эффективные коммуникации друг с другом и слаженная реакция на угрозы в реальном времени. Я не настаиваю на том, что различия — это главное. Но иногда лучше сравнивать отличия, а не сходные черты. Это, как говорится, открывает глаза.

Автор — Майк Берселл, главный архитектор по безопасности Red Hat

Эксперты пока не пришли к единому мнению о том, сколько рабочих мест роботизация бизнес-процессов (Robotic Process Automation, RPA) уничтожит, а сколько создаст — в частности, в МТИ проанализировали ряд исследований, обнаружив, что прогнозы на этот счет сильно расходятся. Но так или иначе, автоматизация идет полным ходом: в компаниях внедряют соответствующие технологии для оптимизации процессов бизнеса, ИТ, разработки и обслуживания. С ростом этой тенденции в компаниях всех отраслей все более остро ощущается потребность в инженерах по автоматизации — они помогают обеспечивать автоматизацию предприятия и контролируют соответствующие процессы.

Роль инженера по автоматизации

Автоматизация всегда была одним из столпов производства, но в бизнесе, здравоохранении и финансовой индустрии применяется с относительно недавнего времени. Вне производства средствами ИТ обычно автоматизируют обслуживание и контроль качества процессов. Задача инженера по автоматизации — устранять дефекты и ошибки в процессах разработки продуктов или ПО, а также в процессах бизнеса и обслуживания клиентов.

Кроме того, предприятия все активнее внедряют чатботов, которые помогают разрешать проблемы клиентов или переадресовывать их на нужного специалиста — такими внедрениями тоже руководят инженеры по автоматизации. Автоматизированные средства помогают передавать сведения об инцидентах в службу поддержки, управлять услугами и более быстро выпускать качественные продукты и ПО, уменьшая процент брака. В конечном счете цель инженера по автоматизации — уменьшить нагрузку на работников и повысить эффективность и надежность за счет избавления от лишних и нестандартизованных ручных процессов.

Обязанности инженера по автоматизации

В отделе ИТ такой инженер обеспечивает внедрение решений по автоматизации процессов, связанных с программным обеспечением. Он работает в тесном взаимодействии с другими специалистами, обнаруживая и устраняя проблемы путем уточнения требований. Автоматизироваться могут процессы, касающиеся оборудования, ПО, а также обслуживания и бизнес-деятельности.

В числе обязанностей инженера по автоматизации — выяснение возможностей автоматизации процессов, касающихся ПО; разработка и выполнение автоматических тестов контроля качества на основе скриптов; тестирование баз данных, систем, сетей, приложений, оборудования и ПО; выявление ошибок и проблем качества в рамках процессов разработки, обслуживания и ведения хозяйственной деятельности; установка приложений и баз данных для автоматизации; взаимодействие с другими бизнес-единицами с целью выяснения возможностей улучшения рабочих процессов с помощью автоматизации; сбор сведений о требованиях внутренних и внешних клиентов и конечных пользователей с целью разработки оптимальных решений автоматизации.

Навыки инженера по ИТ-автоматизации

Инженеру по автоматизации необходим широкий круг технических и личностных навыков. Необходимы знания о системах, сетях, оборудовании и ПО, с которыми предстоит работать, а кроме того, нужны способности общаться и взаимодействовать с другими бизнес-подразделениями, с клиентами и покупателями. Чаще всего нужны навыки программирования на C#, SQL и Java, но для различных отраслей может понадобиться знание других языков программирования и инструментов. Также требуются практические знания мобильных и настольных операционных систем, веб-технологий, опыт в сфере аналитики, робототехники, искусственного интеллекта и машинного обучения. Важны лидерские качества, поскольку вам предстоит руководить проектами оптимизации бизнес-процессов с участием многих отделов.

Чаще всего инженеру по автоматизации нужны навыки и знания в следующих областях: автоматизация и робототехника, искусственный интеллект и машинное обучение, программирование и написание скриптов, управление проектами; Agile, DevOps и облачные вычисления; навыки анализа и решения проблем; лидерские и коммуникативные навыки; опыт в сфере компьютерных наук и инженерного проектирования.

Как стать инженером по автоматизации

Требуется получить как минимум степень бакалавра в области компьютерной науки, проектирования компьютерных систем или близких областях. Необходимо пройти программу обучения, включающую курсы робототехники, баз данных, математической статистики, искусственного интеллекта, систем управления и нейронных сетей. Некоторые работодатели требуют наличия магистерской степени и опыта ручного и автоматизированного тестирования.

Специалист по автоматизации работает на стыке инженерного проектирования, научных исследований и ИТ, но конкретный набор навыков варьируется в зависимости от отрасли. Чтобы уточнить ситуацию с необходимыми навыками, инструментами и уровнем образования, можно ознакомиться с объявлениями о соответствующих вакансиях на предприятиях различных отраслей. Чаще всего, подобная вакансия называется «инженер по проектированию решений автоматизации», «инженер по системам автоматизации», «специалист по автоматизации», «инженер по автоматизации контроля качества», «инженер по автоматизации полного цикла», «инженер по автоматизации тестирования» и др.

Инструменты автоматизации

Чаще всего такому специалисту придется иметь дело со средствами автоматизации тестирования. Такие инструменты помогают автоматизировать рассылку уведомлений, а также внедрять процессы контроля качества и автоматизированного тестирования в организации. Кроме того, они также помогают в устранении проблем и распространении отчетов.

По данным Capterra, к числу программных средств автоматизации тестирования, получающих самые высокие оценки, относятся следующие продукты: UiPath Robotic Process Automation, Cypress, LambdaTest, Rainforest, Testim, Usetrace, pCloudy и PractiTest.

- Sarah K. White What is an automation engineer? A growing role to address IT automation. CIO. November 23, 2018

Ретейлеры открывают для себя все новые возможности использования технологий Интернета вещей в бизнесе, но в 2019 году мы скорее станем свидетелями реализации экспериментальных программ и тестирования в небольших масштабах, нежели увидим глобальные повсеместные сдвиги в этой сфере.

Ликвидация разрыва между электронными покупками и приобретением товаров в физических магазинах, усиление автоматизации и новые способы привлечения клиентов (по большей части за счет показа им рекламы) – все это обладает для розничной торговли большим потенциалом, но соответствующие технологии еще только начинают получать массовое распространение.

Стоит отметить, что некоторые применения Интернета вещей в ретейле не являются специфичными для розничной торговли. Компании используют средства управления ресурсами, интегрированные системы отопления, кондиционирования и вентиляции и другие технологии «умных» зданий точно так же, как и во многих других отраслях, но в последнее время ретейлерам приходится нелегко, и инвестиции в новые технологии очень быстро могут выпасть из списка их приоритетов.

Впрочем, как бы то ни было, Интернет вещей постепенно начинает доминировать в сфере розничной торговли. Неудивительно, что лидирующее положение здесь занимает один из крупнейших игроков в этой области.

Пустой реестр

Гигант розничной торговли Amazon давно использует технологии Интернета вещей – сложные цепочки поставок и логистические функции здесь хорошо документированы и уже успели доказать свою эффективность. Упаковкой товаров на огромных складах занимаются армии роботов, а программное обеспечение осуществляет централизованное планирование, определяя наиболее эффективные способы доставки несметного количества заказов по всему миру.

Вместе с тем, по словам вице-президента Forrester Research Сучариты Кодали, некоторые из самых современных технологий Интернета вещей не вполне подходят для таких операций.

«Интернет вещей очень дорог и используется для мониторинга особо ценных поставок (например, медицинских), для которых зачастую необходимо соблюдение определенного температурного режима, – подчеркнула она. – Для игрушек и малоценных подарков, доставляемых с целью экономии самым дешевым способом, он не годится».

Впрочем, в отношении розничных магазинов Amazon вынашивает еще более амбициозные, чем для электронных продаж. Помимо новой волны традиционных магазинов компания открывает полностью автоматизированные магазины Amazon Go.

Работает это так: при входе в магазин покупатели регистрируются, сканируя свой штрих-код. Затем они берут с полок все, что им понравилось, и уходят, а приложение автоматически выставляет счет за выбранные товары в аккаунте Amazon.

Естественно, в таких магазинах очень многое остается за кадром. По словам вице-президента Gartner Марка Ханга, центральное место в предлагаемой концепции занимает технология интеллектуального зрения – использование камер для отслеживания отдельных покупателей и их физического местоположения в магазине. Но помимо этого есть много чего еще, а компания предпочитает не раскрывать подробности функционирования своей системы.

Конечно, у наблюдателей есть определенные предположения – существенную роль здесь, по мнению Ханга, играют датчики на самих полках.

«В Amazon никогда не раскрывали, как работают магазины Amazon Go, но, поискав немного в Интернете, вы обнаружите, что компания зарегистрировала ряд патентов на технологию 'умных' полок».

Именно так действует стартап Zippin, применяющий похожие автоматизированные средства в розничных магазинах. Датчики веса на полках дополняют технологию интеллектуального зрения, обеспечивая более точное отслеживание происходящего. Основатель Zippin Кришна Мотукури сообщил, что для полного покрытия магазина площадью 90 квадратных метров достаточно всего 15 камер. При этом в одном из магазинов Amazon Go (хотя и большей площади) их установлены сотни.

В настоящее время Zippin управляет флагманским магазином в Сан-Франциско в основном для демонстрации своих технологий. У Amazon Go имеются уже шесть площадок – три в Сиэтле, две в Чикаго и одна в Сан-Франциско, а к 2021 году компания планирует открыть 3 тыс. магазинов.

Помимо новой волны традиционных магазинов компания Amazon открывает полностью автоматизированные магазины Amazon Go.

«Хотите купить [$item]?»

Ритейлеры любят узнавать о своих покупателях побольше, и вряд ли кого-то должно удивлять, что что они используют технологии Интернета вещей для их изучения и трансляции полученных знаний в увеличение потенциальных продаж.

Интернет-магазины уже давно обладают преимуществом в этой области, отслеживая на сайтах продавцов файлы cookie, собирая демографические сведения, информацию о наших предпочтениях и географическом местоположении, а также многое другое. Однако и розничные магазины все чаще используют Интернет вещей для этих же целей.

По словам вице-президента IDC Лесли Хенд, курирующей сектор розничной торговли, его представители важнейшими инновациями считают средства контекстного взаимодействия с клиентами в реальном времени.

«Они обращаются к мобильным телефонам клиентов с учетом их текущего местоположения и предпочтений, пытаясь наладить индивидуальное, контекстное и персонализированное взаимодействие», – указала она.

На практике здесь используется технология маяков. Ретейлеры заинтересованы в долгосрочном применении маяков в качестве средства персонализированного привлечения клиентов, находящихся поблизости (посредством рекламы).

Более 30% представителей сектора розничной торговли сообщили, что вмонтированные в полки датчики веса и умные камеры (подобные тем, о которых говорилось выше, когда речь шла об автоматических магазинах) помогают получить четкую картину наполнения клиентами своих тележек. Идея заключается в том, чтобы адаптировать продажи к особенностям покупателей или, по крайней мере, предлагать им какие-то конкретные товары.

Компания Wal-Mart уже подала заявку на патенты биометрических устройств, закрепленных на тележках и корзинах для покупателей. «Предположительно это делается для того, чтобы клиент мог получить информацию о состоянии своего здоровья, – заметила Хенд. – Но в Wal-Mart хотят знать и местоположение покупателя внутри физического магазина».

Все эти технологии, по словам Ханга, еще подлежат осмыслению, и не факт, что покупатели смогут встретить их в каждом магазине уже в период нынешних рождественских распродаж. Технология маяков, например, получила более широкое распространение на спортивных аренах и в аэропортах. Но, как уже отмечалось ранее, владельцы физических магазинов по-прежнему сталкиваются с серьезными экономическими трудностями, поэтому для рядовых магазинов расходы на внедрение новейших технологий не являются сегодня главным приоритетом.

Jon Gold. Retail IoT is still coming into its own in 2019. Network World. November 19, 2018

Активность компаний в области слияний и поглощений требует не только серьезной оптимизации ИТ-систем. Зачастую выход на новый масштаб предопределяет новые амбиции и изменение планов развития. Негосударственный пенсионный фонд «ЛУКОЙЛ -ГАРАНТ» после объединения с НПФ электроэнергетики и НПФ РГС стал вторым по объему активов в управлении фондом страны.

Из-за чего возникла потребность в объединении трех достаточно крупных НПФ?

Эти фонды находились под контролем одного акционера — банка «Открытие». Решение об объединении было принято с точки зрения увеличения масштабов и повышения конкурентоспособности пенсионного бизнеса и в то же время с целью экономии издержек на управление фондами.

В августе 2018 года юридические процедуры по объединению были завершены, на рынке НПФ появился крупнейший и надежный фонд — второй по размеру активов в управлении. На текущий момент в негосударственных пенсионных фондах формируют свою накопительную пенсию почти 37 млн россиян, из них 7,4 млн являются нашими клиентами. Это примерно 20% рынка. Завершающим этапом объединения станет переименование фонда в НПФ «Открытие», по плану это должно произойти уже в декабре.

Одна из стратегических целей развития объединенного НПФ, которая была поставлена перед нами акционером, — переход на единую технологическую платформу и оптимизация инфраструктуры пенсионного бизнеса в целом. Разрозненные ИТ-системы, поддерживающие одинаковые бизнес-процессы, хранилища данных, личные кабинеты по обслуживанию клиентов, системы управления операционными рисками, системы отчетности — все это необходимо было унифицировать и тем самым минимизировать затраты на поддержку дублирующих процессов. Менее чем за год мы провели все необходимые мероприятия для перехода трех фондов на единую ИТ-платформу. Клиентские базы трех НПФ были готовы к физическому объединению уже ко времени завершения необходимых юридических процедур. На сегодняшний день клиенты присоединенных фондов пользуются единым личным кабинетом и онлайн-сервисами благодаря интеграции учетных систем.

Максим Аверин Возраст: 32 года Образование: Московский государственный институт электроники и математики, специальность «автоматизация и интеллектуализация процессов управления (кибернетика)» Московский институт экономики, менеджмента и права, специальность «финансы и кредит» Послужной список последних лет 2014 – настоящее время НПФ «ЛУКОЙЛ-ГАРАНТ», технический директор — директор департамента ИТ 2013 – 2014 НПФ «ЛУКОЙЛ-ГАРАНТ», заместитель директора департамента ИТ, начальник управления системного и технического обеспечения 2009 – 2013 НПФ «ЛУКОЙЛ-ГАРАНТ», главный администратор баз данных Oracle 2005 – 2009 DBI (BostonSD, DataIntensity), начальник смены администраторов, администратор баз данных Oracle

Какова роль ИТ в пенсионном бизнесе? Можно предположить, что она ниже, чем в банках или страховых компаниях.

В банки или страховые компании клиенты обращаются регулярно, а в пенсионном бизнесе все несколько иначе. Говоря упрощенно, клиенты пенсионного фонда обычно приходят в него два раза в жизни: заключить договор и подать заявление на назначение пенсии. Мы поставили себе амбициозную цель — поддерживать контакт с клиентом на протяжении всего периода действия договора и сделать обращение в фонд максимально удобным. Главным средством этого стал личный кабинет, в который интегрированы различные сервисы, необходимые клиенту как на этапе накопления пенсии, так и на этапе выплаты: запрос копий документов, обновление личных сведений, заключение договора индивидуального пенсионного обеспечения и оплата взносов, подача заявления на назначение накопительной пенсии, изменение реквизитов выплаты.

На рынке НПФ мы стремимся стать лидером по технологичности для клиентов. Возможно, прозвучит смело — стать самым цифровым НПФ. Наша цель — достичь уровня удаленного обслуживания, как в банках, в которых для оформления, например, депозита уже давно не обязательно посещать офис.

Не стоит забывать, что после 2022 года ожидается массовый выход на пенсию клиентов НПФ по обязательному пенсионному страхованию (ОПС), и фонды должны быть к этому готовы. Клиентам негосударственных пенсионных фондов нужны онлайн-сервисы, цифровое развитие продуктов — аналог того, что они видят, получая финансовые услуги в смежных сегментах. Чтобы удержать своих клиентов, мы должны стремиться за нашими коллегами из финансового сектора.

Клиенты пенсионного фонда обычно приходят в него два раза в жизни: заключить договор и подать заявление на назначение пенсии. Мы же поставили себе амбициозную цель — поддерживать контакт с клиентом на протяжении всего периода действия договора и сделать обращение в фонд максимально удобным.

Зачем нужно общение с клиентом на протяжении всего договора? Какой в этом смысл для бизнеса?

Есть традиционные факторы выбора НПФ — финансовые показатели, стабильность его акционеров. Остальное, способное повлиять на решение выбрать именно нас, приходится добирать сервисами, а это в первую очередь цифровые услуги. Если компания не соответствует требованиям времени, то у нее нет будущего.

Как правило, клиент пенсионного фонда раз в год получает «письмо счастья», в котором указана сумма на его счету, и выбрасывает это письмо в мусорную корзину. На этапе формирования накоплений он просто не задумывается о пенсии, ему кажется, что до этого времени еще очень далеко. Однако, если человеку объяснить, что это за накопления, как они формируются и как можно повлиять на размер своей будущей накопительной пенсии, заинтересованность может появиться. У клиента есть озможность зайти в личный кабинет, поиграть с пенсионным калькулятором, спрогнозировать ситуацию после достижения пенсионного возраста при текущих отчислениях — все это дает некое ощущение продукта. Именно такую цель мы преследовали, когда начали развивать личный кабинет клиента в 2015 году. Мы предложили клиенту интерактивный тест, в котором он может выбрать уровень желаемой жизни на пенсии, посмотреть, что для этого нужно — рост зарплаты, дополнительные отчисления и т. п. Система полностью интегрирована с данными клиента и поэтому дает абсолютно реальную ситуацию. Помимо прочего, клиент может в режиме онлайн заключить договор негосударственной пенсии и вносить средства на счет — все это позволяет перевести желания, обозначенные в рамках интерактивного теста, в действие.

Объединение компаний и появление у них новых возможностей иногда способствует новым амбициям на уровне стратегии.

Действительно, в таких случаях всегда необходимо нечто большее, чем просто объединение уже существующих решений. Рост числа клиентов влияет не только на потребности в производительности систем. Появляются и новые бизнес-идеи, связанные с ИТ. Став очень крупным игроком рынка, необходимо поддерживать этот статус, то есть требуется быть технологичным, предлагать более высокое качество сервиса, более удобные услуги, чтобы не растерять уже имеющихся клиентов и привлечь новых.

Понятно, что причины оттока клиентов могут быть в меньшей степени связаны с ИТ и вызываться внешними факторами. В любом случае наша задача — предоставить такие сервисы, которые могут обеспечить конкурентное преимущество. Личный кабинет — фактически лицо фонда. Посредством этого многофункционального сервиса можно получать максимально расширенную информацию о текущих счетах, а значит, все необходимые операции должны быть доступными дистанционно. Молодые клиенты для нас не менее важны, чем пенсионеры. И современной молодежи нужны сервисы, отвечающие духу времени, они вряд ли захотят ходить в банк со сберкнижками.

Молодые клиенты для нас не менее важны, чем пенсионеры. И современной молодежи нужны сервисы, отвечающие духу времени, они вряд ли захотят ходить в банк со сберкнижками.

Что включала в себя эта «надстройка» над уже существовавшими решениями?

В первую очередь ставилась задача улучшения взаимодействия с клиентами, в том числе повышения реального качества обслуживания. Мы модернизируем контакт-центр на платформе Genesys, внедряем речевую аналитику ЦРТ, систему управления бизнес-процессами Terrasoft. Это позволяет отслеживать статус обращений, приходящих к нам по различным каналам, облегчать поиск информации и оценивать удовлетворенность клиентов. Также к этой части проекта относится развитие личного кабинета не только для физических, но и для юридических лиц, у которых также есть свои потребности.

В каком состоянии компании подошли к слиянию, как выглядели их ИТ-ландшафты?

Наиболее благополучной система ИТ была в НПФ «ЛУКОЙЛ-ГАРАНТ». Ряд проблем был в НПФ РГС — это уровень развития ИТ-инфраструктуры, качество информационных систем и стоимость обслуживания. В НПФ «ЛУКОЙЛ-ГАРАНТ» использовались решения собственной разработки на платформе Oracle, хранилище данных на базе Oracle BI, бухгалтерия и кадры на платформе «1С». Система управления операционными рисками, службы внутреннего контроля и ряд специфических приложений были реализованы на C#.

Использование самописных решений смущать не должно. Пенсионный бизнес по объему несравним с банковским, где по каждому направлению деятельности можно найти несколько вполне приемлемых коробочных продуктов. Для нас готовых к использованию систем на рынке нет вообще. Кроме того, многие НПФ не могут себе позволить масштабные инвестиции в ИТ. Те же, кто смог создать достойные решения, не собираются их тиражировать.

Для сравнения, НПФ электроэнергетики в качестве основной использовал систему, приобретенную без права доработок у одного из игроков рынка. Система неплохая, но развивать ее было невозможно. НПФ РГС работал с системой, разработанной на базе «1С», этот продукт не в полной мере удовлетворял потребности бизнеса, имеющего несколько миллионов клиентов, а компания-разработчик не инвестировала в развитие системы. Поэтому для консолидации выбрали систему, существовавшую у нас, как более масштабируемую и поддерживаемую своими силами.

Основные требования к инфраструктуре — это отказоустойчивость и катастрофоустойчивость. Были организованы два ЦОДа на расстоянии 40 км друг от друга, территориально распределенные линии связи, резервные каналы. Оборудование, не подходящее под новую концепцию, продавалось или переводилось в тестовый ЦОД в Туле, который перешел от НПФ электроэнергетики. Вливание средств в новую инфраструктуру, конечно же, тоже потребовалось. Но полученный эффект покрывает разовые вложения, они окупаются за полтора года. Достигнута экономия на поддержке оборудования, сокращен штат за счет отказа от ряда вендоров.

Несмотря на то что компании объединились в середине августа, технологически мы уже полностью едины. Не каждый фонд этим может похвастаться, хотя тенденция к объединению НПФ налицо. Разумеется, мы узнали об объединении значительно раньше официальной даты. Фактически работы по консолидации систем заняли около года.

Какие этапы включал в себя проект?

Начали с объединения инфраструктуры. Требовалось перевести все системы на единые мощности и единые ЦОДы. Так как процесс был начат до юридического слияния, у нас были определенные ограничения. Например, нельзя было использовать оборудование, где хранятся данные другого фонда. Поэтому от лица разных компаний заключались договоры с коммерческими ЦОДами и там по соседству размещалось оборудование.

У нас рассматривались все варианты построения инфраструктуры — от ухода в облако до использования конвергентных и гиперконвергентных решений. Пришлось остановиться на услугах colocation: каждый фонд имел значительное количество оборудования, и уход в облако не оправдывает себя экономически даже в пятилетней перспективе.

Второй этап работ был связан с объединением информационных систем. Третий — с развитием сервисов на базе обновленных систем.

Пришлось остановиться на услугах colocation: каждый фонд имел значительное количество оборудования, и уход в облако себя экономически не оправдывает даже в пятилетней перспективе

В чем проблема таких проектов?

Разнородность всех ИТ-составляющих, особенно если прежде никто особенно не заботился об их стандартизации, — разные вендоры, типы оборудования, требования к отказоустойчивости. Кроме того, разный подход к выстраиванию ИТ-процессов. Наконец, информационные системы — у всех свои требования к разработке, контракты, лицензии, партнеры.

Требовались не просто унификация и создание рабочего решения из того, что существовало в разных компаниях. Нужно было максимально сократить число вендоров и используемых технологий, по возможности при этом добавив в отказоустойчивости и производительности.

Тем не менее в вопросах стандартизации далеко не всегда полезен перфекционизм, обычно пытаются найти баланс между едиными решениями и сохранением инвестиций…

Можно выделить несколько направлений. Во-первых, команда — она должна быть единой и охватывать все необходимые направления, существующие в ИТ. Второе направление — инфраструктурное. Оно включает два ЦОДа, удовлетворяющих нашим требованиям по всем параметрам. Третье — оборудование, максимально приближенное к моновендорности, хотя мы и понимаем, что в реальности с учетом унаследованной инфраструктуры это невозможно. Но хотя бы двумя производителями хотелось ограничиться. Например, сетевое оборудование удалось полностью привести к стандарту Cisco. В серверном оборудовании ограничились решениями HPE и IBM, в системах хранения — Hitachi и IBM. При этом различные производители не смешиваются внутри категорий. Так, в качестве СХД под основные бизнес-приложения используются системы Hitachi, а резервное копирование работает на нижнем сегменте IBM.

Наконец, учетные и фронт-офисные системы тоже должны быть едиными и ни в коем случае не дублировать функционал друг друга. Сейчас этого уже удалось добиться — объединенный НПФ функционирует в наших доработанных системах.

Вероятно, для этого потребовалось унифицировать процессы. Исторически фонды наверняка работали по-разному.

Процесс продаж обязательного пенсионного страхования для всех един или, по крайней мере, схож. Процессы ведения учета этого вида услуг тоже едины и строго прописаны в законодательстве. А вот с негосударственным пенсионным обеспечением (НПО) действительно могли возникать сложности. Каждое предприятие может иметь свою пенсионную программу, и они обслуживаются по разным правилам. Естественно, потребовалось много времени, чтобы эту функциональность переписать заново, добавив ее внутрь системы, которая теперь обслуживает продукты присоединенных НПФ. Где было возможно, мы унифицировали процессы, а уникальные процессы для того или иного вида деятельности пришлось переносить в системы.

Где было больше проблем — с технологической или управленческой точки зрения?

Проблемы были на всех уровнях. Каждый фонд строил работу так, как считал правильным, и единых правил не существовало. Ожидаемые вещи — разнородность информационных систем. Мы прекрасно понимали, с чем предстоит столкнуться: самописные решения, зачастую неоптимальные и плохо задокументированные.

Как быть с человеческим фактором?

Люди, готовые перестраиваться, продолжают свою работу. У нас никогда не было массовых увольнений. Конечно, если человек 10 лет выполнял привычную работу в одной и той же системе, ему сложно в одночасье принять радикальные изменения: новые интерфейсы всегда кажутся неудобными, а реализованные в них процессы — нелогичными. Однако мы не стоим на месте: изменяется законодательство, появляются новые требования регулятора, внедряются новые сервисы. Мы живем в эпоху цифровизации, и люди тоже должны быть готовы к переменам.

«Личный кабинет» — звучит буднично, выглядит просто. Насколько это решение сложное по своей сути?

Сложное. Это не тот личный кабинет, где можно увидеть красивую картинку и сумму на счету, это гораздо более функциональный продукт. Он требует интеграции и мгновенного отклика. Причем речь идет об интеграции не только с другими системами пенсионного фонда и системой эквайринга, но и с внешними сервисами — например, СМЭВ и ЕСИА. Иногда бывают проблемы: если банкам и страховым компаниям доступ к СМЭВ предоставляют без проблем, то НПФ приходится доказывать ведомствам, что им это тоже нужно.

У производственных компаний центральным звеном ИТ-систем становится ERP. А у вас?

Без единой учетной системы обойтись тоже нельзя. Однако у нас очень многие процессы связаны с аналитикой, которая предъявляется как регулятору, так и внутренним подразделениям и клиентам. С этой точки зрения единое хранилище является ядром консолидации данных.

Куда идет объединенная компания, как вы видите ее будущее? Какие шаги нужны, чтобы стать «самым цифровым из НПФ»?

У нас есть сервисы, которые мы планируем запустить в ближайшее время. Однако называть их раньше времени не буду, так как подобные идеи быстро подхватываются конкурентами. Из остального можно выделить несколько направлений.

НПФ с этого года начали сдавать отчетность в формате XBRL. У многих возникают очень большие проблемы и с поставщиками систем, и с интеграциями. У нас же сдача отчетности автоматизирована на 90%, и до конца года выйдем на полную автоматизацию. Можно сказать, что мы в этом направлении шагнули далеко.

Дальнейшая модернизация клиентского сервиса также является серьезным проектом в свете ожидаемого скачка числа пенсионеров. Уже в ближайшее время число их обращений резко вырастет, и с текущими мощностями справиться с этим потоком будет сложно. Нужны более масштабируемые и производительные решения — именно с этим связан наш проект развития контакт-центра.

Кроме того, мы всерьез задумываемся о присоединении к системе обмена биометрическими данными, она нам нужна для работы с правопреемниками. Все упирается в экономический эффект: мы вряд ли можем быть поставщиком новых клиентов, поэтому за использование системы придется платить.

Входит ли в число направлений развития роботизация процессов?

Конечно, мы присматриваемся, но будем честны: возможности развития подобных технологий в банках, мягко говоря, несколько превосходят наш уровень. Мы вынуждены выступать в роли догоняющих. Первым шагом может стать роботизация общения с клиентами, но в ограниченном числе сценариев. В НПФ огромный процент нетиповых обращений. После автоматизации и вывода в удаленное обслуживание максимального числа сервисов мы задумаемся о роботизации остальных.

Применять роботизацию во внутренних процессах с целью сокращения издержек также возможно, но это должен быть отдельный проект, в ходе которого потребуется провести ревизию всех процессов компании на предмет их готовности к роботизации. Когда компания находится в процессе слияний и поглощений, физически не хватает времени на инновационные проекты, особенно касающиеся оптимизации внутренних процессов. Вполне возможно, мы этот проект начнем в 2019 году.

С вождем (официальная должность) «Кнопки» Андреем Завьяловым мы встретились в интересное время. Компания, специализирующаяся на аутсорсинге бухгалтерских и юридических сервисов, готовится к выходу на новый для себя рынок продажи технологий. Хороший повод поговорить об автоматизации, применимости и масштабируемости облачного аутсорсинга, состоянии рынка бухуслуг и о том, что будет, если посадить на одном этаже офисного здания тысячу бухгалтеров.

Если попробовать описать одной фразой, «“Кнопка” — это…»?

Прямо сейчас мне сложно ответить на этот вопрос. Мы работаем над тем, чтобы технологии, которые мы отработали внутри «Кнопки», — нейронные сети, роботы и прочие штуки — можно было продавать другим участникам рынка. Если раньше я бы сказал, что «Кнопка» — это бэк-офис для малого бизнеса, то теперь мы идем к тому, чтобы «Кнопка» стала бэк-офисом для аналогичного нам бизнеса.

Бэк-офис для бэк-офиса?

Бэк-офис для другой аутсорсинговой компании.

Применима ли эта модель для других видов процессов — например, для оптимизации закупок, для ИТ, может быть, для чего-то еще?

Вероятно, да, но мы сфокусированы на бухучете. Мы автоматизируем ввод первичных документов в систему. Это не просто распознавание. Мы берем скан документа и в качестве результата возвращаем бухгалтерскую проводку. Возможно, похожие технологии можно использовать где-то еще, например в закупках.

Андрей Завьялов, сооснователь «Кнопки» В 2013 году стал сооснователем «Кнопки». До этого пять лет проработал в крупной энергетической компании в должности финансового и генерального директора. Три года управлял инвестиционной компанией в сфере «зеленой » энергетики. Сменил привычную сферу, отказался от важных должностей и три года руководил продажами интернет-проектов «Эльба» и «Диадок» в СКБ «Контур». Заработал лысину, степень MBA и огромный опыт в b2c- и b2b-продажах. Начал свой длинный профессиональный путь с работы на железной дороге: был самым молодым начальником поезда (командиром подвижного состава).

Если говорить не про ИТ, а про бизнес-модель, кроме бухгалтерии, есть еще какие-то процессы, стоящие в очереди на аутсорсинг?

Конечно. Например, «Тинькофф Банк» на своих мощностях стал продавать клиентам услуги колл-центра. Если я клиент этого банка и мне надо обзвонить две тысячи человек, я могу заказать эту услугу у них.

Существуют ли в России и мире компании, которые реализуют бизнес-модель «Кнопки» и про которые вы можете сказать, что вы с ними прямые конкуренты?

В России основные игроки на этом рынке — это, как ни странно, банки. Они идут в предпринимательский low-сегмент. Появляется новая категория клиентов — самозанятые, которые будут платить 4%. Это несколько десятков миллионов человек. Банки хотят оказывать им услуги по ведению налогового учета. ИП и малым предприятиям, которые платят 6%, они предлагают налоговый и бухгалтерский учет. Наше поле — устоявшийся, стабильный бизнес, у которого уже есть сотрудники. Этим компаниям мы предлагаем облачный бэк-офис.

Такого в мире больше нет. Облачные CRM, 1C-Bitrix — они решают узкие задачи. Мы решаем широкую задачу: закрываем бухгалтерские и юридические вопросы сопровождения бизнеса. Разница огромная. В отличие от CRM, здесь высокая ответственность, штрафы, регламенты. Никто не выставит бизнесу штраф за неверное использование CRM, но, если бухгалтер не сдал какую-то отчетность, заблокируют счета в банках.

Воспроизвести вашу бизнес-модель никто не захотел, не догадался или не смог?

Мы недавно с ребятами вспоминали запуск «Кнопки» и поняли, что даже мы не готовы второй раз это сделать. Очень сложно. Тяжелая неблагодарная работа.

Бухгалтерия жестко зарегламентирована. Там работают очень странные люди. Они не плохие и не хорошие, они своеобразные, заточенные под определенные вещи. Пытаться из бухгалтерии сделать сервис, а потом еще объяснить бухгалтеру, что часть работы будет делать робот или нейронная сеть… Бухгалтер это воспринимает как вторжение в свое личное рабочее пространство. Типичная реакция: «Нет, мы лучше, чем ваш робот, знаем, как делать банковскую проводку». Иногда приходилось прямо-таки заставлять использовать эти технологии. Потому что за ними будущее, как бы банально это ни звучало.

Часто задают вопрос: почему вы вообще стали писать роботов, нейронные сети, распознавание? У нас не было изначально такой задачи. Мы обслуживали предпринимателей с помощью бухгалтерских рук. В какой-то момент число ошибок бухгалтеров стало очень большим. Мы пробовали разные подходы: правильное отношение к ошибкам, «бирюзовая компания»… В итоге стало понятно, что не ошибаться может только «нечеловек».

Сколько сейчас клиентов у «Кнопки»? Какие планы роста?

У нас полторы тысячи активно работающих клиентов. Раньше мы планировали инвестировать в увеличение клиентской базы. Сейчас хотим двигаться в сторону продажи технологий.

Из-за проблем с масштабированием бизнеса?

Благодаря тому, что мы создали методики бухгалтерского и юридического сопровождения, мы можем масштабироваться без особого увеличения штата. После ошибок это была вторая причина придумать технологии автоматизации. Мы просчитали бизнес-модель и поняли, что можем нанять хоть тысячу бухгалтеров. Даже при таких объемах модель будет работать и приносить прибыль. Но тысяча бухгалтеров? Это зомби-апокалипсис! Поэтому мы стали думать, как, не увеличивая количества сотрудников, обслуживать больше клиентов. Еще один путь — самим использовать аутсорсинг. За счет того, что мы очень хорошо знаем бухпроцесс, мы знаем каждый кирпичик и умеем некоторые из этих кирпичиков отдавать на аутсорс. Это тоже позволяет хорошо масштабироваться.

Насколько далеко зашла автоматизация? Момент, когда не останется ни одного бухгалтера, а будет несколько инженеров, которые обслуживают серверы, уже появился на горизонте?

Быстро это не произойдет. Существуют ФНС, Росстат и Пенсионный фонд: государственные структуры не будут с разговаривать с бизнесом электронно. Конечно, электронный документооборот появляется. Лидер в этом отношении — налоговая инспекция: в девяти случаях из десяти с ними можно решить вопросы дистанционно. Но остаются 10%, которые пока не решаются. Пенсионный фонд требует личного присутствия. Если возникает проблема, ее можно решить только голосом. Пока структурированного общения с госорганами не получается, перед нами стоит одна из самых сложных инженерных задач — перевод неструктурированной информации в структурированную.

Какие метрики вы используете, как измеряете эффективность своей работы?

Мы фанатики метрик — измеряем вообще все. Мы начали с исследования структуры работы бухгалтера. Мы стали замерять его рабочий процесс, иногда буквально секундомером. Стало понятно, что надо на каждый процесс закладывать отдельную метрику. Сколько документов заведено, сколько не заведено, каким клиентам робот отправил расчет налогов, каким нет, скорость ответа: 90% ответили за час, 100% ответили за 18 часов, 50% ответов уложились в 15 минут. Вся «Кнопка» построена на метриках. Это наш фетиш.

Какие из них ключевые? Если тебе надо за минуту понять, хорошо ли работает какое-то подразделение, на что ты смотришь?

Вот такого у нас вообще нет. Как бы странно это ни звучало, к KPI у нас очень негативное отношение. Как только ты ставишь человеку или подразделению KPI, они фанатично начинают их исполнять, фокусируются на их достижении и больше не видят ничего вокруг. Поэтому у нас KPI оценивают не человека, а процесс.

Какие платформы для коллективной работы вы используете?

«1С». Мы используем ее как ядро. «1С» обладает лучшей компетенцией актуализации форм отчетов перед государством. Как только государство меняет внешний вид налоговой декларации, это делает «1С». Это первый и базовый инструмент, как и у всех бухгалтеров России. У нас есть Slack. Это важный коммуникационный инструмент внутри компании. Мы используем Jira и собственное мобильное приложение.

Основной инструмент коммуникаций с клиентом — чат?

Да. Чат, который мы самостоятельно написали.

Клиент пишет в чат, что ему надо что-то сделать, и ваши ребята садятся и делают?

Да.

Насколько эти удаленные коммуникации эффективны, могут ли они заменить живое общение? Много говорят о новых технологиях коммуникаций, видеоконференциях с высоким разрешением. Скажутся ли они на эффективности аутсорсинга?

В нашем бизнесе ничего подобного не нужно. У клиента есть потребность заплатить минимальный налог из всех вариантов, которые ему позволены законом. Для этого нужно проделать определенные простые действия: вовремя подавать документы на льготы, вовремя предоставлять все первичные документы, сдавать выписки, чеки, вторичную документацию. Необходимо показывать клиенту, каких документов не хватает, какова будет сумма налога. Разговаривать с бухгалтером клиенту не нужно.

Чем меньше клиент думает о бухгалтерии, чем меньше он ее видит, чем меньше он вообще о ней задумывается — тем лучше. Поэтому чат интереснее.

Идеальный способ коммуникации — аналог игры «Веселая ферма». Ты включил приложение, у тебя моргает: сюда отправь пару сканов документов, потому что их требует бухгалтер, здесь мигает запрос по увольнению или приему сотрудника, тут тебе загрузили платежки в банк, зайди их подпиши. Это не совсем чат. Чат тоже есть — когда возникают вопросы, которые надо обсудить. Но в целом все сводится к графическому пользовательскому интерфейсу.

Развитие идет в сторону геймификации: человек открыл приложение, собрал золото, построил шахты. Так же можно управлять бизнесом.

«Кнопка» — это стартап?

Скорее нет, чем да. Что такое «стартап»? Компания, которая что-то новое придумывает? Да. Убыточная? Да. Прибыльная? Да. И на те же вопросы можно ответить «нет».

По внутренним ощущениям? Да, мы — стартап. Когда мы задумались о продаже технологий, я снова почувствовал дух авантюризма. Мы опять стартап, потому что мы начали делать что-то новое, вышли на новый рынок с новыми клиентами.

Сколько времени прошло с создания «Кнопки» до выхода на оперативную безубыточность?

Три с половиной, даже четыре года.

Называли цифру 10 млн долл. инвестиций в «Кнопку». Это похоже на правду?

Да. Хотя смотря по какому курсу. По нынешнему — меньше. Но порядок такой.

Мы работаем над тем, чтобы технологии, которые мы отработали внутри «Кнопки», — нейронные сети, роботы и прочие штуки — можно было продавать другим участникам рынка

Есть мнение, что все бухгалтерские сервисы в России собирают крошки со стола «1С». Это так?

По большому счету, да, они зарабатывают как минимум столько же, сколько все остальные участники рынка бухуслуг, вместе взятые.

Но что считать рынком бухуслуг? Если посчитать, сколько платит РЖД своей дочерней компании, которая ведет их бухгалтерию, тогда «1С» — просто один из игроков на этом рынке. Если мы отбрасываем крупные компании и банки, это будет другой разрез.

Если брать сегмент мелких компаний, самозанятых и ИП и убрать верхний слой, где работают зарубежные системы, то на «1С» придется 99% софта, которым пользуются для бухучета. Но они же зарабатывают на лицензиях. А рынок бухуслуг гораздо шире. В том же РЖД работают 8 тыс. бухгалтеров, приплюсуем сюда еще какой-нибудь Магнитогорский металлургический комбинат. Бухуслуги гораздо дороже софта внутри. Поэтому, кто у кого подбирает крошки со стола, не знаю.

Ты знаешь, что происходит с малым и средним бизнесом? Расскажи об этом. Как меняется бизнес твоих клиентов?

Мы не делаем таких наблюдений. Наверно, если я сяду с парой аналитиков и посмотрю на ту информацию, которая у нас есть, я смогу рассказать, что происходит в каждой компании, кто как платит и какие есть тренды.

Точно есть общероссийская тенденция перевода сотрудников в ИП, чтобы снизить налоговую нагрузку. Видно стремление максимально снизить налоги, но при этом оставаться в рамках закона…

Этой тенденции уже три тысячи лет…

Разница в том, что раньше это делали без царя в голове. Некоторые предприниматели говорят: «Я вообще не буду вести бухгалтерский и налоговый учет. Пусть налоговая сама что хочет считает. Выставили претензию, я заплатил». И он ждет, когда его поймают.

Сейчас таких стало меньше. Все прекрасно понимают, что юлить, вилять — дорого. Многие переходят из черной бухгалтерии в белую, и уже пытаются в рамках правового поля придумывать какие-то схемы, патенты, ИП.

Исчезла тема «рисования» документов. Раньше регулярно спрашивали, можем ли мы это сделать. Сейчас этот вопрос даже перестали задавать.

Второй по популярности вопрос был: «Ведете ли вы черную кассу?» Потому что бухгалтер обычно ведет черную кассу. Сейчас такого понятия практически нет. Или совсем нелегальный кеш, или все уже законно. Эта разница стала очень явной: «черное» стало совсем черным, а «белых» стало больше.

Блиц, короткие вопросы, на которые ты можешь отвечать не обязательно коротко. Хороший формат, не я придумал. Agile работает?

Да. Прямо большими буквами — ДА.

Выход на биржу или продажа стратегам?

Первое. Стратегов нет, потому что нет личностей. Мы обдумывали вариант не продавать бизнес полностью, но найти способ взаимодействия со стратегом с вероятным дальнейшим выкупом или что-то еще… Но говорить об этом не с кем. Либо получается такая же токсичная история, как сейчас у Сбербанка с «Яндексом».

Если ты застрянешь в лифте с Нуралиевым, о чем ты с ним поговоришь?

Мы долго будем разговаривать: про технологии, про будущее аутсорсинга и бухгалтерии, куда это все идет. У него свой взгляд на ситуацию в бизнесе, очень интересный. Это человек, которого я по всем параметрам уважаю. Мне было бы интересно застрять с ним в лифте на подольше. И разговаривали уже не раз, и есть еще много о чем поговорить.

Большие данные перестали писать с заглавных букв, волна ажиотажного интереса к этой теме спадает. В «сухом остатке» остаются конкретные бизнес-задачи по организации работы с данными в компании и множество связанных с ними вопросов. Своим пониманием роли директора по данным и рекомендациями по выстраиванию работы исследователей поделился Виктор Кантор, консультант и эксперт по машинному обучению.

- Действительно ли российским компаниям требуются директора по данным (Chief Data Officer, CDO) или обсуждение CDO — лишь дань моде?

Многие вещи, приходя в нашу жизнь, сначала являются данью моде, но постепенно обретают больше смысла. Пока у всех разное понимание того, что должен уметь и делать CDO. Кто-то, называя себя так, фактически выполняет работу главного исследователя данных CDS (Chief Data Scientist). Кто-то считает, что CDO не должен быть исследователем данных, а должен думать о том, какие данные компании следует собирать, хранить и использовать и каким образом. Еще одна популярная точка зрения: CDO должен уметь смотреть на данные с позиции бизнеса. В моем представлении CDO отвечает за все, что касается сбора данных и извлечения из них пользы для бизнеса, а значит, должен разбираться и в аналитике, и в инфраструктуре, и в бизнесе.

- Нужна ли отдельная должность CDO или его функции может выполнять директор информационной службы либо директор по цифровизации (Chief Digital Officer)?

Должна ли быть эта функция отдельной или ее можно доверить кому-то из топ-менеджеров, зависит от того, какие люди работают в компании. Если у сотрудника достаточно компетенций, чтобы справляться с задачами CDO — как в плане технических навыков, так и в организации своего рабочего времени, то не вижу проблемы в совмещении. Но и отдельная должность может быть вполне оправданной.

- Из каких специалистов можно вырастить CDO? Какие для этой должности требуются специфические знания и навыки?

Вырастить директора по данным можно из бизнес-специалиста, из аналитика или инженера, но при этом нужно трезво оценивать его реальные компетенции. Если человек пришел из инженеров и не вполне понимает бизнес или пришел из бизнеса и не знает, что в аналитике действительно возможно, а что — просто фантазии, то, будучи на позиции CDO, он своими решениями может навредить компании.

- Как правильно организовать работу с данными? Зачем выделять в структуре компании подразделение data science? Не эффективнее ли будут распределенные команды специалистов по данным?

Распределенная команда или одно подразделение — это вопрос вкусов и сопоставления плюсов и минусов каждого варианта с целями компании. В одном подразделении, как правило, более налажены такие вещи, как экспертиза, контроль качества работы, повторное использование результатов, но менее — плотное взаимодействие со смежниками. В команде, распределенной по отделам или по продуктам, общение со смежниками более активное и эффективное, но контроль качества, обмен опытом и развитие экспертизы остаются в каждой маленькой части команды, если не предпринимать дополнительных усилий. Бывает даже так, что команды независимо решают одну и ту же задачу, вместо того чтобы объединить усилия и воспользоваться результатами работы друг друга.

Для решения этой проблемы можно организовать различные мероприятия, принимать общие для всех аналитиков регламенты. Но когда у людей ближайший общий начальник — например, генеральный директор, рабочее взаимодействие несколько осложнено. Можно выделить кого-то, кто будет отвечать за всю работу с данными при том, что сама команда распределенная, но тогда у руководителей подразделений data science будет сразу по два начальника, а это тоже непростая ситуация, хотя и привычная для многих (в корпоративном мире никого не удивишь и тремя начальниками, указания которых постоянно противоречат друг другу). Все сводится к тому, что люди, которые сидят в офисе порознь, общаются меньше. Так что выбирайте, с кем ваш исследователь данных должен общаться меньше — с коллегами или со смежниками.

Я бы рекомендовал сначала сконцентрировать компетенции по data science в одном отделе. Этот отдел может работать с другими подразделениями как с заказчиками, решая для них задачи, и постепенно формировать список проектов. Как только проекты будут собираться в большие направления, для работы над этими направлениями в DS-отделе можно выделить группы. Когда их сотрудники и руководители будут готовы, а задач будет у всех много, можно подумать о распределении команды по отделам, но если компания не очень большая, то это совсем не обязательно. Конечно, если в организации работают 10 тыс. человек в нескольких бизнес-подразделениях и треть этих сотрудников имеют отношение к проектам по анализу данных, возможно, лучше завести несколько отделов data science. Но в небольшом стартапе не надо множить сущности. Так что выбирайте золотую середину — сравнивайте плюсы и минусы и принимайте решение.

Как построить эффективное подразделение data science в условиях дефицита опытных специалистов?

В условиях нехватки высококвалифицированных кадров я бы рекомендовал инвестировать в перспективных молодых сотрудников.

Мой рецепт состоит из нескольких пунктов. Во-первых, нанять одного-двух узнаваемых и компетентных специалистов в качестве руководителя подразделения или эксперта, чтобы вокруг этих людей собиралась команда. Во-вторых, привлечь в команду уже проявивших себя сотрудников младшего и среднего уровня — например, из топовых выпускников образовательных проектов. Далее надо сделать все, чтобы членам команды было комфортно, нравилась рабочая атмосфера, окружение и задачи. Это обеспечит их лояльность компании и желание продолжать работать. Наконец, не препятствовать их карьерному росту.

Последнее очень важно. Если вы осознанно инвестируете в перспективных сотрудников и они быстро развиваются, оправдывая эти инвестиции, то самое нелогичное и непоследовательное — отказывать им в повышении. К сожалению, так происходит почти всегда и везде. Но если человек повысил свой профессиональный уровень и понимает это, то повышение он все равно получит — не в вашей компании, так в другой. А нового сотрудника вы найдете не сразу и будете платить ему больше, чем старому. Так что, инвестируя в амбициозных и перспективных, важно сразу понимать, что вас ждет, и быть последовательными.

Конечно, необходимо уяснить, кому в компании нужно эффективное применение data science. Если только руководителю этого подразделения, то в общем-то без разницы, как строить команду. Очень опасная тенденция последних лет — создавать отделы data science, руководствуясь соображением: «Нам нужно машинное обучение, нам нужен анализ данных — сделайте его нам». И содержательно уже не важно, что там будет, главное — чтобы «у нас было машинное обучение». В первую очередь следует разобраться, нужно ли компании подразделение data science и зачем, обрисовать круг его задач, выяснить, чем это может быть полезно бизнесу и до какой степени.

Нынешний год становится поворотным для технологий роботизации процессов (Robotic Process Automation, RPA). Во многих компаниях заканчиваются пилотные проекты, по результатам которых рынок и будет оценивать возможности роботизации. Валентина Кулагина, руководитель отдела развития продуктов компании ICL Services, рассказала о том, какое место занимают RPA в процессе цифровой трансформации компаний, и о своих наблюдениях за этим рынком.

— Насколько актуален тренд цифровой трансформации для российских компаний? В чем он выражается для вас?

Мы считаем, что цифровая трансформация — это вполне естественный, эволюционный и рыночный процесс. Да, о ней много говорят — во многом из-за того, что такой вектор был задан на уровне руководства страны. Крупные компании, на наш взгляд, уже разработали стратегию трансформации, а ведущие системные интеграторы определили стек необходимых для этого технологий, которые могут вывести компании на новые рынки или обеспечить конкурентные преимущества. Как правило, речь идет о больших данных, искусственном интеллекте, Интернете вещей и роботизации процессов.

Хотелось бы отметить, что этот всеобщий тренд положительно влияет на активность предприятий: у них возникают новые задачи, перестраиваются бизнес-процессы и иногда меняется модель ведения бизнеса. Однако есть компании, которые пока не могут самостоятельно проработать сценарий изменений, и мы приходим таким компаниям на помощь — выступаем в роли консультантов. Важно понимать, что любая трансформация невозможна без наведения порядка в инфраструктуре, информационных системах и самих процессах, поэтому аудит обязательно должен присутствовать в процессах цифровой трансформации.

Следует отметить, что в процессе трансформации компании хотят найти для себя точки роста. Это сделать довольно сложно, если уровень проникновения ИТ-систем в бизнес-процессы достаточно низкий. В этом случае в дорожной карте цифровизации должен быть «нулевой» раздел, его суть в том, что информация переводится с аналоговых носителей в электронный вид, внедряются базовые информационные системы. Без всего этого вообще невозможна трансформация.

— Трендом нынешнего года становится роботизация бизнес-процессов. Какие направления ей наиболее подвержены?

Мы пока не видим массовости этого тренда, хотя перед всеми компаниями стоит задача повышения эффективности бизнеса и производительности труда сотрудников. Я считаю, что нынешний год становится переломным: технологии RPA были хайпом в 2017 году, и сейчас только-только появляются первые заметные пилотные проекты, а главное — ощутимые результаты. В роботизации больше всех заинтересованы компании с высоким уровнем автоматизации и развития информационных систем. На самом деле таких компаний пока очень немного.

Наши клиенты заинтересованы в роботах, если высвобождается хотя бы часть рабочего времени сотрудников. Например, 15 минут в час при восьмичасовом рабочем дне — это отличный результат. Эффект рассчитывается просто: сравнивается стоимость часа работы робота и человека в конкретном процессе. Если видна экономия, это является основанием для запуска пилотного проекта. Пока такие проекты как правило запускаются в простейших процессах: в бухгалтерии, в кадровом документообороте, при подготовке регуляторной отчетности. Однако мы считаем, что технологии RPA на таких процессах тестировать не совсем верно: обосновать их внедрение по результатам такого проекта будет очень сложно. Например, в компании есть бухгалтер, получающий небольшую зарплату, и робот, аренда которого обходится в меньшие, но вполне сопоставимые деньги. Экономия в таких случаях несущественна, и часто выбор делается в пользу человека, потому что его «функционал» гораздо шире. Поэтому мы ориентируемся на RPA с элементами искусственного интеллекта и предлагаем их использовать в тех процессах, где необходима поддержка принятия решений — то есть в процессах более высокого уровня.

Гораздо полезнее оптимизировать ту часть бизнеса, которая действительно «болит». Это вовсе не сверка дебиторской задолженности или обработка кадровых документов. Совсем другое дело — процессы, связанные с обслуживанием клиентов, формированием программ лояльности; сюда руководители готовы вкладывать. Конечно, выстроить поддержку внутренних процессов намного проще, но эффект от этого будет гораздо ниже.

— А готовы ли заказчики к тому, что услуги им будут предоставлять роботы?

Они готовы, никакой «психологической обработки» не требуется. Мы общаемся с клиентами по теме RPA и не слышим от них подобных вопросов. Достаточно дать сравнение, сколько их сотрудники тратят на бизнес-процесс сейчас, сколько у них времени высвободится в результате роботизации и — главное — куда это время можно будет направить.

— Говоря про роботизацию, оперируют обычно двумя аргументами: цена и качество. Какой из них, по вашим наблюдениям, является для компаний более убедительным?

В первую очередь, это цена и, во вторую очередь, — показатель time-to-market (время от начала внедрения RPA до получения результата). Компаниям важно получить результат за достаточно короткий срок, а на внедрение одного робота, сопровождающего несколько бизнес-процессов, может потребоваться всего несколько недель или даже дней. В то же время, серьезным сдерживающим фактором для таких проектов все еще является низкая стоимость труда в нашей стране. Именно поэтому мы и говорим о необходимости применения роботизации в более «дорогих» и ценных для бизнеса процессах.

— Что должно произойти, чтобы проекты RPA из диковинки превратились в мейнстрим?

Надо признать, что, несмотря на массу разговоров, тема пока находится в зачаточном состоянии и мейнстрима на ИТ-рынке я пока не вижу. Сейчас очень мало компаний в России, решившихся на пилотирование RPA-технологии и внедрение роботов в свои ключевые бизнес-процессы. Посмотрите, ведь сейчас даже пилотных проектов, действительно ценных и привлекающих внимание, очень немного. Скажем, кого заинтересует такой примитивный процесс, как автоматизированная рассылка писем? А вот если с помощью RPA будет построена система мониторинга цен на сайтах конкурентов и последующего выстраивания ценовой политики предприятия в том или ином регионе, то это заинтересует любого промышленного гиганта. Интерес к RPA будет нарастать в том случае, если компании самостоятельно или с помощью консультантов увидят процессы, которые можно передать роботам. Реалии таковы, что большинство наших клиентов пока не видят таких бизнес-процессов и тут мы приходим им на помощь. Но не все так грустно, пионеры этого рынка действительно есть, они уже начинают просчитывать эффективность пилотных проектов, и мы не исключение. Если эффективность будет доказана, то мы скоро услышим об этих пилотных проектах на всех ключевых event-площадках страны. То есть все движется как обычно, для начала активного роста рынку нужна критическая масса успешных проектов, нужно «сарафанное радио», нужны практические кейсы и регулярная информационная кампания для поддержки и разогревания интереса ИТ-рынка.

Эпоха доткомов запомнилась как время излишеств, экспериментов, завышенной самооценки и эксцентричных капризов в технологической отрасли. Технологии с тех пор «повзрослели», а вот некоторые должности с причудливыми названиями по-прежнему существуют, и не только в индустрии ИТ. Взять хотя бы невнятного «директора по прогрессу», или вызывающего умиление «главного рассказчика», или откровенно странного «главного чародея». Возможно, присутствие слова «chief», указывающего на принадлежность к топ-менеджменту, делает владельца такой должности счастливым, однако наличие подобных должностей не всегда лучшее решение для бизнеса. Пройдемся по самым странным позициям, встречающимся в штатных расписаниях технологических и других компаний.

Директор по рациональному природопользованию (chief sustainability officer)

К природопользованию необходимо подходить ответственно — спору нет, но, по мнению экспертов, эта должность не «верхнеуровневая», а вспомогательная, как и посты директора по данным, инновациям, закупкам, работе с клиентами и соблюдению нормативных требований.

Основные элементы бизнеса — это создание и выпуск продуктов и услуг, маркетинг и продажи, организация деятельности и управление капиталом. Поэтому круг топ-менеджеров стоит ограничить генеральным директором, директором по операциям, директором по маркетингу, финансовым директором и директором кадровой службы. В идеале высший уровень руководства не должен превышать семь человек. А когда их становится больше — например, добавляется главный по рациональному природопользованию, то это уже не совсем рационально.

Директор по хлопотам (chief worry officer)

На самом деле должности с таким названием нет, но им можно обозначить всех топ-менеджеров со слишком узким кругом обязанностей, вроде директора по рискам или директора по выручке.

Руководители на подобных должностях обычно отвечают за деятельность в узкой области. Но, будучи причисленными к топ-менеджменту, со временем они могут перетянуть одеяло на себя и сбить компанию с пути, определяемого ее основной миссией. С одной стороны, плюрализм мнений первых лиц компании необходим, с другой — все должны двигаться к единой цели, работая над минимизацией рисков, барьеров и любых угроз основному бизнесу, причем эти задачи не должны быть возложены на плечи только какого-то одного руководителя.

Директор по счастью (chief happiness officer)

Бывают должности, название которых можно толковать столь широко, что соответствующий круг обязанностей теряет четкие очертания. Типичный пример — «директор по счастью». Такую должность завели в ряде стартапов, и там она играет роль своеобразного «талисмана». Обычно человек на этом посту призван служить образцом для подражания — воплощением принципов и культуры компании, которые он должен пропагандировать по всей организации. Теоретически в этом нет ничего плохого, но «навешивание» столь крупной и важной задачи на одного человека освобождает остальных топ-менеджеров от ответственности за нее, хотя в реальности они должны решать ее сообща.

Директор по инклюзивности (chief inclusion officer)

Директор по инклюзивности — еще один пример «директоров по хлопотам». Обычно его основная сфера ответственности — забота о соблюдении принципов этнического и культурного разнообразия, которые опять же должны быть не отдельной задачей, а общекорпоративным делом. Во многих компаниях вводят еще одного «главного», потому что искренне стремятся к инклюзивности, хотя это и не лучший способ ее обеспечить. Лучше воздержаться от создания «модной» должности и просто пропагандировать образ мышления, в рамках которого инклюзивность является нормой. Это потребует участия других сотрудников помимо топ-менеджмента — по схеме, аналогичной принципу представления интересов работников в правлении компании, принятому в Германии и некоторых других странах.

Главный рассказчик (chief storyteller)

Должность с таким названием появилась в 2010 году в Microsoft. В обязанности занявшего ее Стива Клейтона входили публичные уточнения и разъяснения клиентам действий корпорации. Это может быть значимым для компании, но не совсем ясно, какие именно руководящие обязанности выполняет такой топ-менеджер. Подобные должности обычно появляются в компании, когда некая функция приобретает особую важность для ее выживания. Примеры: в Wells Fargo и Uber был введен пост директора по этике после ряда скандалов, чтобы продемонстрировать рынку, акционерам, широкой публике и правлению, что в компании работают над решением проблемы.

Директор по корпоративной атмосфере (chief experience officer)

Само собой разумеется, что наличие слова «chief» в названии должности не делает занимающего ее человека автоматически участником высшего руководства. Эта должность может называться по-разному: «директор по первым впечатлениям», «директор по работе с посетителями», «директор по комфорту сотрудников», «директор по культуре», «главный евангелист культурных ценностей» и т. д. Но по своим задачам такой руководитель фактически не отличаются от секретаря в приемной.

Возможно, слово «директор» в названии вакансии просто используют как приманку, чтобы привлечь более ценных кандидатов. Но вряд ли это действенный метод, ведь если в вакансии что-то выглядит не слишком понятным, соискатель просто проигнорирует такое объявление.

Директор по вечеринкам (chief party officer)

Иногда название должности просто отражает разлад, который творится в организации. Например, в одной компании был «директор по вечеринкам». Фактически же это был менеджер по операциям, и его дополнительной обязанностью было проведение мероприятий, направленных на повышение морального духа работников, — так называемых проектов большого позитива. На одном таком мероприятии занимались тем, что разбрызгивали краску на стены в офисах, чтобы они не казались слишком унылыми. Почему-то наряду с этими «веселыми проектами» в обязанности «директора по вечеринкам» входило проведение собраний, посвященных обязательному дресс-коду, и учений по пожарной безопасности.

Главный чародей

Историю об этой должности рассказала маркетолог. По словам рассказчицы, она недолго работала на компанию, оказавшуюся фальшивкой. «Главный чародей» был ее основателем и, собственно, главным мошенником. Он обманом убедил инвестора вложить 17 млн долл. в несуществующий ИТ-продукт, о котором рассказывал на конференциях по всему миру. Дочь инвестора получила в компании должность «директора по улыбкам и мечтам».

Компания в итоге лопнула, после того как инвесторы все же выяснили, что продукт вымышленный. Примечательно, что чудаческие названия должностей никого не смутили, поскольку подобные чудачества — обычная «фишка» Кремниевой долины.

Директор по вкусам (chief flavor officer)

И наконец, есть должности со словом «chief», которые не обозначают никакой роли в высшем руководстве, да и какой-либо вообще конкретной роли в организации. Такие должности — что-то вроде почетных университетских степеней.

Пример: компания — производитель напитков Bai наградила Джастина Тимберлейка за его инвестиции должностью «директора по вкусам». Тратит ли он свое время на то, чтобы контролировать, какие вкусоароматические добавки используются в продукции Bai? Журнал Fortune цитирует главу компании Бена Вейсса: «Джастин обладает колоссальным творческим потенциалом. Его действительно волнует качество наших напитков, и в вопросах маркетинга и обновления вкусов у него есть мнение, к которому стоит прислушаться». Другими словами, Джастин Тимберлейк не курирует вкусы напитков Bai.

— Josh Fruhlinger. 9 chiefs you don't need in the C-suite. CIO. October 26, 2018

Сегодня руководители всех уровней признают, что искусственный интеллект способен принести пользу бизнесу, но чтобы это стало реальностью, нужно правильно применять новшество.

Ориентироваться можно на передовые организации, которые уже осуществляют соответствующие инициативы. Как свидетельствует опрос, недавно проведенный Deloitte Consulting, 82% организаций-первопроходцев получают полезную финансовую отдачу от инвестиций в когнитивные технологии — средняя рентабельность вложений составляет 17%.

В Deloitte уверены: проект внедрения ИИ будет успешным, если он ориентирован на потребности бизнеса, а не просто затеян ради стремления воспользоваться новшеством. Организациям, рассчитывающим получить максимум возможного от ИИ, в Deloitte Consalting советуют сосредоточиться на конкретных задачах — сфокусироваться на бизнес-цели, которую нужно достичь, продемонстрировать ценность новшества и наращивать масштаб.

Приведем восемь советов, которые помогут извлечь выгоду из проектов в сфере ИИ от организаций, в которых благодаря таким инициативам уже получают реальные преимущества.

Сосредоточьтесь на конкретных проблемах

В General Electric подчеркивают, что ориентиром для всех проектов компании в области ИИ служит их ценность с точки зрения бизнеса. Реализация начинается с набора минимально жизнеспособных продуктов, на которых демонстрируются эффективность прогнозирования и преимущества системы — способность делать прогнозы быстро и экономично, возможность повысить прибыль и т. д. Затем выбираются оптимально выгодные для бизнеса методы развертывания и масштабирования.

Придерживаться этого принципа крайне необходимо, подчеркивают в GE. Например, если система ИИ выдает прогнозы относительно потребностей оборудования в ремонте, их необходимо интегрировать в соответствующий рабочий процесс, то есть организовать своевременную отправку на объект инженера соответствующей специализации. Возможно, также понадобится интеграция с системой управления запасами или даже с самим обслуживаемым оборудованием. Допустим, если ИИ способен понять, что в оборудовании требуется оперативно увеличить давление или температуру, то понадобится соединить ИИ с его системами управления.

Учитывайте пределы возможностей ИИ

В психологии существует понятие эффекта Даннинга — Крюгера, суть его в том, что человек с недостаточной квалификацией не способен осознавать ошибочность своих действий. В подобную ловушку могут попасть и системы ИИ. Например, если систему, обученную на определенной выборке данных, заставить делать прогнозы по набору данных из другой области, ответы могут быть принципиально неверными, но выглядеть убедительно с точки зрения пользователя, привыкшего доверять результатам работы ИИ.

Понять, подходит ли конкретная аналитическая модель для определенного набора данных, сможет только специалист в области data science. Нужно знать, какие допущения делались при создании модели и попробовать нагрузить ее — возможно, данными другого рода, чтобы понять, насколько она эффективна, объясняют в GE.

Для решения этой проблемы в компании начали работу над системой ИИ, которая сама «знает», для каких ситуаций подходят ее алгоритмы, и использует их только для этих сценариев. Если соответствия нет, вместо ИИ используется физическая модель, применяемая в компании уже много лет. Сейчас новая разработка проходит тестирование.

Прислушивайтесь к пользователям и заказчикам

Чтобы создать системы ИИ, выдающие полезные результаты, требуется участие не только разработчиков. В идеале проект нужно начинать с совещания с участием всех основных заинтересованных лиц, которые обсуждают все подробности и документируют все требования к системе, отмечают в Healthy Nevada Project.

В организации приводят пример, когда ее специалисты разрабатывали протокол лечения пациентов, страдающих сердечно-сосудистыми заболеваниями. Для этого нужно было собрать сведения о лекарствах, которые назначались таким пациентам при выписке из больницы. Но некоторые средства назначаются пациенту сразу при его поступлении в стационар, а после выписки он должен продолжать их прием. Система предположила, что это лекарства, которые пациент уже принимал до поступления в стационар, а не новые средства, назначенные в связи с причиной госпитализации. Проблему обнаружили, только когда выявилась нехватка некоторых лекарств.

По признанию разработчиков, недоработку можно было обнаружить гораздо раньше, если бы с самого начала проводились подробные обсуждения с участием всех заинтересованных сторон. Отныне разработчики стараются не делать вообще никаких предположений самостоятельно — прежде чем приступить к созданию системы, проводят тщательный отбор и обсуждение требований.

А компании Coupa, которая предлагает платформу управления расходами предприятия, один из клиентов посоветовал новый способ борьбы с мошенничеством. Прежде контроль растрат велся изолированно по различным видам мошенничеств — например, с финансовой отчетностью или с закупками. Но выяснилось, что сотрудники, уличенные в одном виде жульничества, нередко склонны и к другим. После совещания со специалистами по закупкам и финансовыми аудиторами решено было организовать распознавание мошенничеств путем анализа данных по сотрудникам.

ИИ оказался оптимальным средством для этого, в связи с тем что для выявления закономерностей приходится обрабатывать огромный объем данных и человек просто не справился бы с таким объемом работы. К тому же ИИ ускоряет процесс обнаружения мошенничества и своевременно блокирует проведение сомнительных платежей. Теперь в Coupa формируют базу знаний по способам мошенничества, о которых сообщают клиенты, и на ней обучают систему ИИ.

Используйте знания в области своей специализации

ИИ сам по себе — не «чудодейственное средство». В консалтинговой компании Globant отмечают, что заказчики нередко просят «подключить искусственный интеллект» к имеющемуся у них огромному озеру данных, чтобы он находил там полезные сведения. ИИ способен выявить скрытые закономерности, но, не задавая верных вопросов, ответов вы от него не получите.

Большая ошибка — полагаться только на исследователей данных и специалистов в области ИИ в рамках проектов аналитики, отмечают в компании Cognoa, где применяют ИИ для диагностики расстройств поведения, в том числе для выявления детей с аутизмом.

В реальных данных могут быть взаимозависимости, а какая-то часть данных может быть не нужной, и, чтобы отличить ее, понадобится эксперт в вашей предметной области. Например, если две группы пациентов проходят диагностику в кабинетах со стенами разного цвета и результаты этих групп различаются, аналитическая модель может решить, что цвет краски на стенах имеет клиническую значимость. По мере роста объема данных подобные ситуации станут маловероятными, но не исключены менее заметные ошибки, которые не заметит эксперт в области ИИ, не имеющий знаний в предметной области. Это особенно критично, когда наборы данных небольшие — например, если дело касается редких заболеваний.

Разумеется, специалисты в предметной области сами могут быть предвзятыми, скажем, ошибочно верить в связь между определенными характеристиками и заболеваниями. Для большей уверенности можно привлекать к работе и экспертов, и искусственный интеллект, а затем сравнивать результаты.

Медики, работающие в Cognoa, помогают выяснять работоспособность моделей и совершенствовать их. В компании признаются, что всякий раз, когда алгоритм ИИ проверяется в рамках клинических исследований, выясняется, что реальность не соответствует моделям. Такие проверки помогают оптимизировать и дорабатывать продукт.

Использование знаний в предметной области совместно с ИИ также полезно при контроле правильности данных, отмечают в CAS, компании, занимающейся сбором и публикацией данных химических исследований.

Неверно поставленные пробелы, нижние индексы, дефисы и ошибки даже в единственной букве формулы могут превратить безопасную реакцию во взрывную. Поэтому в CAS более 350 дипломированных химиков занимаются контролем правильности данных.

С недавнего времени в компании начали использовать ИИ для классификации и очистки данных, благодаря чему часть ученых удалось освободить для более сложной работы. Но даже в ходе реализации простой системы распознавания текста нужны знания в предметной области, добавляют в CAS. Например, «nmol» означает наномолярную концентрацию, а «mmol» — миллимолярную, на шесть порядков больше. Если система перепутает два этих обозначения, реакция может превратиться в разрушительную.

Поэтому CAS нужны специалисты как в области ИИ, так и в области химии — это затрудняет поиск кандидатов и иногда делает невозможным наем сторонних подрядчиков.

Тестирование в реальных условиях — необходимость

Как «ни один план не переживает встречи с противником», так никакая система ИИ не переживает встречи с реальным миром. Если упустить это из виду, ваш проект ИИ обречен с самого начала, уверены в Credit Suisse Group.

Когда в финансовой группе решили запустить чатбот для службы клиентской поддержки, разработчики осознавали, что программа из-за неспособности ответить на все вопросы будет часто переводить вызовы на людей. Но в компании специально приняли решение ввести бот в эксплуатацию на ранней стадии, когда он понимал цель обращения лишь в 23% случаев. Работая в реальных условиях и наблюдая за ведением диалогов с участием представителей различных культур, стран и поколений, робот обучался, и всего за пять месяцев его уровень понимания вырос до 86%.

Не забывайте, что ИИ — это «черный ящик»

Искусственному интеллекту трудно доверять, поскольку неясно, каким именно образом он приходит к решению. Эту проблему называют «проблемой черного ящика».

В компании Beacon Health Options, занимающейся лечением расстройств психики, посетовали, что в некоторых ситуациях проблема «черного ящика» может быть непреодолимой.

В Beacon решили разработать систему на базе ИИ, которая бы выявляла проблему на ранней стадии, до того, как пациенту может потребоваться госпитализация. При этом в компании не только обучали будущих пользователей системы процедурам работы с ней, но и разъясняли принцип действия алгоритмов. А перед вводом в рабочую эксплуатацию был проведен пробный запуск с использованием данных по прежним пациентам. Как объясняют в компании, те пациенты, для кого прогнозировался высокий риск, были действительно подвержены высокому риску обострения, поскольку их позднее поместили в стационар. Таким образом, врачи Beacon могли наблюдать, как именно действует система, и это помогло уменьшить недоверие.

Затем, когда ИИ начали использовать для выявления риска у новых пациентов, за первые 12 недель система выявила почти 300 человек с высоким риском, больше половины из которых прежде таковыми не считались, согласно результатам традиционных диагностических методов. С выявленными пациентами была начата работа — телефонные собеседования, предоставление контактной информации о медицинских учреждениях, контроль приема лекарств. Через один-два месяца появилось достаточно данных, чтобы далее совершенствовать созданную систему.

Используйте понятные показатели

Наличие понятных бизнесу показателей для измерения результатов проекта ИИ нужно, чтобы демонстрировать эффективность системы и необходимость продолжать ее финансировать.

Между тем во многих организациях этому аспекту проектов ИИ достаточного внимания не уделяют. Меньше чем в половине компаний, участвовавших в опросе Deloitte, измеряют ключевые показатели эффективности, необходимые для оценки финансовых результатов, — экономию, выручку, сохранение клиентской базы и др.

По словам аналитиков Deloitte, эта проблема типична для новых технологий — нередко их внедрения не сопровождаются таким же строгим контролем, как работа с более зрелыми технологиями. Следствием может стать превращение инициативы в области ИИ в «мост в никуда» — пилотные внедрения не масштабируются или проект просто не приносит бизнесу выгоды.

Развивайте сотрудников

Непросто найти людей, одновременно являющихся экспертами в области ИИ и разбирающихся в вашем бизнесе. Специалистов по ИИ сегодня не хватает во всем мире, а если добавить еще и требование знаний в вашей области, пул возможных кандидатов становится крайне ограниченным. Как показал опрос Deloitte, посвященный освоению ИИ в компаниях, в 69% из них испытывают нехватку специалистов.

В GE делают все возможное, чтобы находить людей, одновременно обладающих навыками в области программирования и аналитики и знаниями в сфере инженерного проектирования — основной области специализации компании. В GE инвестируют в университетские курсы, ищут кандидатов через Интернет, налаживают контакты на отраслевых конференциях.

Но вместе с тем в GE обращают внимание на собственных сотрудников инженерного профиля, которые занимаются на курсах обучения в области ИИ, а также разработчиков ИИ-решений, изучающих системы управления и материаловедение. Найти специалиста с нужным сочетанием навыков — это еще полдела, добавляют в GE: нужны те, кто способен применять эти обширные знания на практике, превращать задачи бизнеса в задачи анализа данных.

В GE функционируют собственные курсы обучения, на которых одновременно преподаются дисциплины ИИ и инженерного проектирования. На сегодня их закончили уже около трети всех ученых и инженеров компании.

По словам представителей GE, это только начало процесса, направленного на изменение корпоративной культуры, принципов организации работы и системы поощрений.

— Maria Korolov. 8 secrets of successful AI projects. CIO. November 8, 2018