Большие данные, цифровизация и машинное обучение для собственников и топ-менеджеров, Или как зарабатывать больше с помощью информации бесплатное чтение

В предыдущих главах мы выяснили, как можно увеличить прибыль, используя большие данные и машинное обучение для предсказания результатов экспериментов. Но для того чтобы эти большие данные вообще появились и сохранялись в процессе каждого бизнес-процесса, необходимо специальным образом организовать все информационные потоки в компании. Самое время перейти к обсуждению масштабной и фундаментально важной для больших данных темы – цифровизации как комплекса действий, направленных на перевод львиной доли или всех процессов в организации с бумажных носителей в «цифру». Простыми словами, как всю ту информацию, которую раньше сотрудники компании записывали на бумаге, перенести в компьютеры.

На первый взгляд кажется, что цифровизация поможет «заработать больше» компаниям лишь в том случае, если они и так хорошо себя чувствуют и находятся «на плаву». Но это неверно. Благодаря цифровизации можно вытянуть убыточный бизнес на уровень самоокупаемости. К сожалению, многие руководители и топ-менеджеры за ежедневной рутиной и миллионом сиюминутных дел не видят этой возможности. При этом их конкурентами являются компании с молодыми собственниками, которые буквально весь бизнес строят в цифре, в принципе не используя бумажные документы. Они делают это с момента создания своей компании, потому что знают, что иначе не смогут минимизировать расходы и выйти на самоокупаемость. Современные фирмы поступают таким образом даже в том случае, если у них нет конкурентов на рынке и на текущий момент они являются монополистами. Эта цифровизация внедряется совершенно осознанно, методично и последовательно, если необходимо, то даже насаждается насильно, вопреки воле некоторых менеджеров и сотрудников. Потому что если не сделать этого сразу, в дальнейшем, когда на рынок придут конкуренты и начнут забирать часть прибыли, а дела у компании, соответственно, станут хуже, уже невозможно будет быстро переучить всех и перейти на «цифру».

Процесс цифровизации старых закостенелых компаний весьма болезненный, но при этом довольно прозрачный и понятный с простой последовательностью действий:

1. Находим ту работу, которую можно автоматизировать или роботизировать.

2. Пишем программу, делаем робота.

3. Переводим сотрудника, который раньше выполнял эту работу, на новую должность или, увы, расстаемся с ним.

Несмотря на то, что программы и роботы стоят недешево, им не нужна ежемесячная заработная плата. Они будут славно трудиться до тех пор, пока есть электричество и хотя бы один надзиратель-оператор, который изредка будет проверять их успехи.

Благодаря этой схеме высвобождаются финансы, которые раньше уходили на зарплаты сотрудникам. При этом не надо увольнять всех сразу, процесс довольно сильно растянут во времени. Цифровизация осуществляется небольшими порциями и на самых востребованных направлениях – тех, где она высвободит наибольшее количество денег. Она может не иметь четких рамок и часто привязывается к тем финансам, которые получилось сэкономить на предыдущем витке. Этот процесс напоминает снежный ком: чем больше машин внедряем в помощь человеку, тем больше экономим денег, тем больше машин сможем внедрить в будущем.

Основная проблема цифровизации с точки зрения финансов заключается лишь в том, что услуги программиста или специалиста по электронике стоят денег. И потребуется накопить стартовую сумму даже для проведения разовых работ (не говоря уже про периодические), которые зачастую просто необходимы.

Для наглядности рассмотрим несколько компаний, работающих в разных сферах. Их объединяет одно – полное отсутствие цифровизации и, как следствие, убыточность. При этом ситуацию можно «перевернуть», выявив и устранив имеющиеся болевые точки. Все описанные далее предложения реальны и эффективны. Вы можете использовать эти идеи для внедрения цифровизации в своей компании.

Гаражный кооператив

Каждое предприятие уникально. И цифровизация у всех проходит по-разному, затрагивая бизнес-процессы разного порядка. Конечно, выгода непосредственно зависит от глубины проработки, но то, что этот процесс окажет на компанию общее положительное влияние, это факт. Главное, что с каждым новым этапом выгода будет расти и уже никогда не даст задний ход.

В качестве первого примера рассмотрим расположенный в родном городе автора этой книги гаражный кооператив, членом которого он является. Упомянутый кооператив насчитывает несколько сотен гаражей. Каждые полгода бухгалтерия присылает своим клиентам платежки за услуги. До 2021 года они представляли собой специальные бумажные квитанции, в которых от руки заполнялись данные владельца, указывалась сумма задолженности и другая информация, после чего бухгалтер выдавала готовые документы каждому члену кооператива лично в руки, для этого планово приглашая всех по списку на персональную встречу.

На первый взгляд кажется, что это просто каменный век какой-то и оптимизация производственных процессов отсутствует у них напрочь. Однако это не так. Достаточно взглянуть на квитанцию. На маленькой бумажке напечатано слово «Квитанция», есть поля «ФИО», «Дата» и т. п. То есть данные слова бухгалтеру не надо писать от руки, что уже немного экономит его время и силы. Можно даже предположить, что кооперативу потребовалось бы нанять отдельного человека для этой работы, если бы названия полей не были напечатаны заранее. Ведь в кооперативе сотни гаражей, а значит, заполнение вручную нескольких дополнительных граф – это существенные временные затраты, требующие введения дополнительной штатной единицы. Таким образом, с одной стороны, кооперативом все же управляют довольно сознательные люди, которые ценят время как ресурс, но, с другой стороны, это далеко не все преобразования, которые можно провести. Что же дальше?

Совсем недавно бухгалтерия гаражного кооператива, после долгих споров и дебатов заинтересованных сторон и согласования со всеми директорами, все-таки удовлетворила дерзкую просьбу автора этой книги и начала присылать мне фотографии квитанций в мессенджере. Подобное решение избавляет меня от необходимости посещения бухгалтерии, а кооператив, в свою очередь, быстрее получает оплату. И это уже огромный шаг на пути к цифровизации, на который учреждение не потратило ни копейки.

Благодаря интернету бухгалтер за считанные секунды передает мне квитанцию. Ему теперь не надо тратить время на то, чтобы позвонить мне, согласовать время моего визита и, наконец, встретиться со мной. Я всегда увижу отправленное сообщение и произведу оплату. То есть одно небольшое решение избавило организацию от целого вороха проблем, связанных с выдачей квитанций. Уверен, что кооператив войдет во вкус и через несколько лет уже в принудительном порядке будет отправлять фото квитанций всем клиентам. Но давайте оценим всю выгоду, которую получит компания в результате такого решения. Очевидно, что, во-первых, можно будет уволить человека, который занимается обзвоном клиентов с целью согласования встречи для передачи квитанции. Поскольку кооператив насчитывает несколько сотен гаражей, наверняка один сотрудник постоянно «сидит» на телефоне, тренируя свой голосовой аппарат. Уволив бесполезного работника, организация сможет ежемесячно направлять его зарплату на что-то стоящее, например:

• Купить 2–3 камеры для системы видеонаблюдения.

• Развивать систему пожаротушения.

• Проводить модернизацию системы подачи воды.

• Осуществлять ремонт дороги.

Вы, конечно, можете возразить мне, что деньги, сэкономленные на зарплате одного сотрудника, – совсем небольшая сумма. Это верно. Однако не забывайте, что первый этап цифровизации производственного процесса был осуществлен совершенно бесплатно благодаря использованию популярных в народе мессенджеров. Затрат на реализацию идеи вообще не было. А в итоге кооператив получил свободные средства, которые, накапливаясь из месяца в месяц, потихоньку превращаются в существенную сумму.

Из зарплаты уволенного сотрудника логично сделать ежемесячно пополняемый фонд, средства из которого тратились бы только на проведение дальнейшей информатизации производства, точнее, на зарплату программиста, который писал бы на заказ необходимые программы. Речь идет не о ежемесячной выплате, а о сдельной оплате труда за конкретные проекты. Так как фонд пополняется постоянно, со временем денег хватит на проведение следующих этапов цифровизации. Надо лишь подождать, пока они накопятся. А мы тем временем давайте подумаем, что еще можно оптимизировать в гаражном кооперативе.

Первое, что бросается в глаза, – мне присылают фотографии бумажных квитанций, на которых от руки написаны ФИО и сумма задолженности. Очевидно, что эту работу способна выполнять машина. Вполне возможно написать программу, которая будет получать из бухгалтерии сумму задолженности и составлять документ в формате квитанции, заполняя нужные ФИО и сумму. С такой программой бухгалтеру вообще не нужно будет ничего писать от руки, достаточно лишь нажать на кнопку и распечатать квитанцию.

Конечно, за разработку подобной программы придется заплатить. Но это нужно будет сделать только один раз. И, кроме того, деньги на это пойдут из ежемесячно пополняемого фонда, созданного заранее. Если такая программа стоит больше, чем поступление за один месяц, нужно просто подождать несколько месяцев, чтобы скопить необходимую сумму. Главное, что программа пишется один раз и не требует постоянной зарплаты, в отличие от сотрудника. И рано или поздно, когда она заработает, кооператив начнет экономить. Бухгалтер больше не будет писать что-либо от руки, а значит, сохранит энергию и время для другой работы. Возможно, даже удастся сократить его рабочий день и перевести на полставки. Наверняка ежедневное заполнение квитанций для сотен клиентов гаражного кооператива занимало не один час, причем бессмысленного, не требующего высокой квалификации труда. Теперь же бухгалтер может просто распечатать все квитанции и тратить время только на их фотографирование и отправку в мессенджер.

А если вспомнить о том, что в нашей стране уже достаточно развитое законодательство, которое разрешает передавать клиенту чек в электронном виде, мы придем к тому, что бумажки вообще не надо печатать! То есть бухгалтер может отправлять квитанции клиентам в электронном виде на их почту или в мессенджер. В итоге не нужно ничего печатать, закупать листы, чернила для принтера, ремонтировать оргтехнику. Все эти лишние ежемесячные расходы превращаются в деньги фонда по цифровизации компании. Причем будут поступать в него с той же регулярностью, с которой происходит закупка этих расходных материалов. К примеру, если бухгалтерия кооператива приобретает картридж для принтера каждый месяц, то теперь эта сумма будет уходить в фонд цифровизации.

Следующим шагом станет полное освобождение бухгалтера и всех остальных причастных от рутины по рассылке квитанций. Для этого кооперативу снова придется подождать некоторое время, чтобы накопить необходимую сумму и заказать вторую небольшую программу по автоматической рассылке квитанций всем клиентам в мессенджеры. С этого момента вся работа бухгалтера сведется к нажатию одной-единственной кнопки с надписью: «Отправить квитанции всем клиентам». Остальные процессы будут происходить автоматически. Клиенты получат квитанции напрямую от бухгалтерии. Никому не придется ни заполнять платежные документы от руки, ни печатать их, ни обзванивать всех членов организации, ни встречаться с ними, для того чтобы отдать квитанции, ни закупать чернила и бумагу для принтера каждый месяц. Таким образом, после нескольких волн автоматизации у гаражного кооператива уже есть две программы, которые выполняют все те же функции, которые до этого реализовывали сразу несколько сотрудников: одна формирует квитанции, вторая рассылает их клиентам. Теперь можно смело проводить вторую волну увольнений, а зарплату уволенных ежемесячно отправлять в фонд дальнейшей цифровизации.

Вдумайтесь, цифровизации подвергся лишь один процесс раздачи квитанций, а компания уже вздохнула с некоторым облегчением, осознав объем высвободившихся денежных средств. В целом, даже на этом можно остановиться. Потому что лучшее – враг хорошего. Но ради эксперимента попробуем порассуждать, какой могла бы быть дальнейшая цифровизация кооператива, если в качестве окончательной цели – финального аккорда – поставить себе перевод всей компании в «компьютер». Для этого необходимо будет сделать нечто более серьезное, чем написать пару небольших и недорогих программ. Здесь требуется полноценный сайт в интернете с функцией личного кабинета клиента. Войдя в него, члены кооператива смогут узнать о своей задолженности и самостоятельно совершить оплату. При этом сайт автоматически проверит и зафиксирует факт оплаты, снимая эту часть работы с главного бухгалтера. Сразу стоит отметить, что все написанные ранее программы – по формированию и рассылке квитанций – не пропадут, а будут задействованы в работе этого сайта. Поэтому цена подобного личного кабинета окажется вполне вменяемой по сравнению с остальными затратами.

Первым «пострадавшим» от внедрения новой системы станет помощник бухгалтера, единственная реальная задача которого сегодня – проверять факт оплаты счета в банке. Каждый день этот сотрудник лишь звонит в банк (или заходит на его сайт), уточняя, пришла ли оплата от определенного клиента. Ранее описанная схема действия цифровизации сработает и в этом случае:

• Будет написана программа, которая заменит человека.

• Сотрудника уволят.

• Зарплата бывшего сотрудника начнет ежемесячно поступать в фонд дальнейшей цифровизации.

Таким образом, возникает непрерывный цикл цифровизации, при каждом витке которого компания высвобождает все больше и больше денег без ощутимых затрат, а баланс фонда ежемесячно растет заметными темпами.

Очевидно, что после череды достижений, когда руководство кооператива увидит реальную финансовую выгоду от цифровизации, оно загорится желанием получить еще больше и наверняка попросит заняться бухгалтерией плотнее. В этот момент придется нанять одного программиста на постоянную работу, используя для этих целей ежемесячно пополняемый фонд цифровизации, который сформировался из зарплат уволенных сотрудников. Перед новым специалистом будет стоять, хоть и непростая, но вполне реальная задача – связать сайт кооператива и всю бухгалтерию, что займет у него несколько месяцев работы.

Но это не значит, что по окончании данного проекта с программистом придется расстаться, наоборот, его ни в коем случае нельзя отпускать! Потому что на этой стадии цифровизации компании необходим штатный специалист, который знает систему изнутри. Поэтому стоит перевести его на постоянную должность в бухгалтерию. Идеальный вариант – это когда в небольшой бухгалтерии работают только один бухгалтер и один программист. Первый планирует, что и как нужно автоматизировать, второй реализует это. И если у них все получается и они представляют собой по-настоящему слаженную команду, со временем система оказывается до такой степени автоматизированной, когда, например, даже годовые отчеты для налоговой формируются и отправляются самостоятельно, что этап информатизации всего кооператива можно считать законченным. И тогда наступает подходящий момент для обсуждения с этими специалистами вопроса об их частичной занятости.

Всю описанную выше работу по цифровизации реально провести буквально за один-два года, спустя которые можно будет лишь удивиться и порадоваться сумме, продолжающей накапливаться в фонде цифровизации. Ведь чем более раздутой была бухгалтерия, чем больше сотрудников в ней работало, тем сильнее будет расти фонд. Потому что все, кроме главного бухгалтера и одного программиста, подпадут под сокращение.

Остается только подвести итоги. Положение дел до цифровизации:

• Бумажная бухгалтерия.

• Сотрудники, которые занимаются ерундой: непрерывно пишут бумажки от руки, звонят клиентам, вручную проверяют поступления на счет в банке.

• Существенные траты на расходные материалы: бумага, чернила, орг. техника и т. п.

• Необходимость проведения большого количества персональных встреч с клиентами в офисе.

Что компания получит после проведения полной цифровизации:

• Фонд, который ежемесячно пополняется за счет зарплат уволенных сотрудников:

– ◦ заполнителей квитанций от руки;

– ◦ специалиста по телефонным переговорам с клиентами;

– ◦ специалиста по телефонным переговорам с банком по поводу установления фактов оплаты;

– ◦ и за счет отсутствия затрат на расходные материалы: бумагу, чернила, орг. технику и т. п.

• Полностью автоматизированную систему выставления счетов, которая будет работать, даже если уволить всех сотрудников, а именно сможет сама:

– ◦ выставлять счета;

– ◦ принимать оплату картой;

– ◦ проверять факт оплаты;

– ◦ отправлять отчеты в налоговую;

– ◦ предоставлять клиентам доступ к личному кабинету на сайте, благодаря чему те смогут внести текущие данные счетчиков энергии и воды, а также посмотреть задолженности, с целью учета и проведения автоматических расчетов.

• Сокращение численности сотрудников бухгалтерии до двух человек – главного бухгалтера и программиста – и, как следствие, свободные деньги, которые пойдут на дальнейшее развитие кооператива.

Полученная в результате цифровизации система является дешевой, гибкой, легко управляемой и устойчивой к кризисам. При этом на каждом этапе ее реализации административная нагрузка на коллектив только снижается, ведь людей становится меньше. А первоначальные затраты для запуска процесса равны нулю.

Можно поспорить насчет полной стоимости создания подобной системы. Но в любом случае, согласно описанному выше плану, в качестве источника финансирования использовался зарплатный фонд уволенных сотрудников, поэтому месяцем раньше или позже, но система все равно будет создана при таком подходе, как только накопится сумма, необходимая для написания программы. А работать эти программы будут бесконечно долго.

Сокращение издержек – это отличная мотивация для проведения цифровизации всей компании. Но не стоит забывать и об основной цели преобразования всех бизнес-процессов в цифровой вид – создании фундамента для сбора больших данных. Ведь если не будет больших данных, то не будет и машинного обучения, которое принесет еще больше выгоды, чем цифровизация.

Столовая

Пример с гаражным кооперативом довольно простой. Этот тип бизнеса не содержит каких-либо сложных технологических процессов. Любой программист среднего уровня справится с задачей цифровизации такой компании. Поэтому немного усложним задачу – рассмотрим вариант, в котором уже присутствует машинное обучение. Вспомним про распознавание изображений собак на фотографиях, а в нашем новом примере тот же алгоритм будет использован для распознавания объектов видеокамерой, что приведет к ускорению одного из главных бизнес-процессов в несколько раз и, как следствие, скажется на прибыли компании. Итак, перейдем непосредственно к примеру.

Действие происходило в недалеком прошлом в одном из крупнейших высших учебных заведений Москвы, в котором постоянно учится порядка 10 тысяч человек (когда-то студентом этого вуза был и автор данной книги). Чтобы обеспечить энергией такую толпу, на территории университета построен и функционирует отдельный специальный корпус – здание, в котором находится четыре основных столовых. Но даже при таком, казалось бы, достаточном количестве точек общепита вполне можно остаться голодным во время большого перерыва (с 12 до 13 часов дня). Виной тому – очереди, в которых придется отстоять примерно 30–35 минут, чтобы получить свою порцию. В расписании же студентам на обед отведено всего ~50 минут! Эти очереди в больших столовых могут доходить до нескольких десятков метров, напоминая гигантских голодных змей, хвосты которых теряются где-то в коридоре. Любой студент способен, окинув опытным взглядом такую очередь, сразу определить, будет он сегодня с обедом или нет. Поэтому многие отказываются от идеи перекусить, даже не заходя в столовые, когда видят хвост «рептилии» в коридоре.

На первый взгляд кажется, что это золотая жила – бизнес, спрос на который всегда будет превышать предложение. А на практике оказывается, что и здесь бывают проблемы с прибылью. Но существует способ, с помощью которого можно спасти такой «общепитовский» бизнес, решить имеющиеся проблемы, не прибегая к кардинальным мерам по сокращению штата сотрудников, ухудшению качества еды или размеров порций. Есть очевидное проблемное место, которое требует автоматизации, если целью является значительное увеличение прибыли и сокращение издержек.

Речь, конечно, о слишком долгом ожидании в очереди. Студентам приходится тратить на это до 80 % всего перерыва, чтобы потом за оставшиеся считанные минуты быстро забросить в себя еду и бегом добраться до аудитории, где, скорее всего, уже началась лекция. Понятно, что подобные, довольно экстремальные условия серьезно влияют на количество посетителей столовой. Но управляющий не замечает упущенной прибыли, потому что смотрит исключительно на цифры в отчетах и видит постоянную выручку, которая практически не меняется из месяца в месяц. Ориентируясь на эти данные, он делает логичный с его точки зрения вывод: «все отлично, продолжаем работать, клиентам нравится».

То есть для управляющего важно, чтобы выручка не падала, именно поэтому он следит за отчетностью и показателями. Но если мы говорим о росте прибыли, необходимо смотреть не только в бумаги, но и вокруг, обращая внимание на реальные проблемы. Так, выручка стоит на месте, потому что на кассе в каждой столовой сидит только один человек. А очередь – это результат того, что единственный кассир вручную пробивает каждое блюдо, которое видит на подносе у студента, причем в старый кассовый аппарат заносится стоимость блюда с точностью до копейки. То есть в среднем, бедный продавец должен нажать примерно полсотни кнопок, чтобы выдать один чек. А после этого студенты оплачивают еду наличными деньгами, несмотря на то, что вся стипендия приходит на карту, так как раритетный аппарат не принимает карты. Соответственно, кассиру приходится иметь дело еще и с наличными: точно считать, выдавать сдачу и при необходимости бегать разменивать большие купюры. Продолжительность этого процесса сильно зависит от скорости реакции кассира, его моторики, опыта.

Весь этот ад отчетливо видит каждый студент, который стоит в очереди, но не управляющий, который смотрит лишь в цифры, которые говорят ему, что выручка не падает, хотя и не растет. К слову, именно из-за такой вот нелепицы в фирмах и существует отдел «создания и построения компании», который специально отделен от «административного» (поговорим об этом подробно в следующих главах). Оптимизацией и цифровизацией процессов должны заниматься не управляющие, а другие люди, наделенные большими полномочиями и имеющие соответствующую подготовку в области независимого анализа действующих бизнес-процессов. Иначе ничего не получится.

Опишем пошагово задачу и способ проведения цифровизации бизнес-процессов в столовой, по аналогии с тем, как сделали это с гаражным кооперативом.

• Исходные данные: традиционная столовая, где надо встать в очередь, взять поднос, набрать на него еды, подойти к кассиру, оплатить еду.

• Цель цифровизации: увеличить скорость движения очереди, чтобы выросло число обслуживаемых клиентов и, как следствие, ежедневная прибыль.

• Бюджет цифровизации: ноль (как и в случае с гаражным кооперативом). Исходим из того, что свободных денег нет совсем, то есть мы не можем сделать перепланировку в столовой и посадить второго кассира, например.

Немного изучив проблему и стартовые условия, можно прийти к выводу о необходимости построения системы, которая бы работала вместе с кассиром, ускоряя его действия в несколько раз. Эта система сама должна формировать чек, «видя» еду на подносе клиента. А продавцу останется лишь бегло проверять данные и нажимать не на пятьдесят разных кнопок, а только на одну с надписью: «Напечатать чек». И конечно, оплата должна производиться по карте, а не наличными деньгами, что еще больше сократит время обслуживания. Подобный программно-аппаратный комплекс значительно ускорит очередь. Таким образом, необходимо построить систему, при которой кассир бы весь день только смотрел на монитор с результатами распознавания заказа и ему оставалось бы просто подтвердить состав чека и проследить, чтобы клиент заплатил.

Для работы такой системы-помощника кассиру потребуется алгоритм распознавания объектов на фото и видео, вариации которого уже давно есть в публичном доступе в интернете. Их точность распознавания достигает 95–98 % при скорости обработки несколько десятков изображений в секунду. Эти алгоритмы могут анализировать и потоковое видео с камеры. То есть клиенту не надо будет даже делать стоп-кадр подноса – все будет распознано на ходу.

Подобные алгоритмы, размещенные в публичном доступе, часто имеют открытую лицензию, то есть автор разрешает использовать их бесплатно даже в коммерческих целях. С их помощью подобный проект с распознаванием еды на подносе видеокамерой может сделать даже школьник, обладающий средними знаниями в программировании. В этой книге, чуть дальше, вас ждет глава, в которой собрана информация о популярных бесплатных алгоритмах машинного обучения. В том числе и несколько вариантов для распознавания предметов на фото и в потоковом видео.

Давайте перейдем к проработке этапов цифровизации столовой. Они будут примерно такими же, как и в случае с гаражным кооперативом. Во-первых, необходимо приобрести новый кассовый аппарат с возможностью безналичной оплаты с помощью карты. Я не предлагаю «купить» его. Многие банки сейчас выдают оборудование в аренду под определенный процент с сумм, поступающих с карт. А так как всем студентам и преподавателям стипендия и зарплата, соответственно, приходит именно на карту, то можно смело ввести запрет на прием наличных денег. Благодаря безналичной оплате ускорится обработка заказов, вырастет количество продаж, и затраты на аренду кассы будут компенсированы возросшей прибылью.

При отказе от бумажных денег отпадает необходимость их инкассации до отделения банка. По закону это необходимо делать каждую неделю, нельзя оставлять наличные в кассе на выходные. Поэтому обычно нанимают профессиональных инкассаторов, которым, естественно, надо платить за оказываемые услуги. Установка новой кассы и отказ от наличных позволяют отказаться от этих услуг. Получается, как и в случае с гаражным кооперативом, образуется фонд для дальнейшей цифровизации компании, в который каждый месяц будут поступать суммы, которые прежде выплачивались инкассаторам. Дальше остается только ждать, пока накопится сумма достаточная для разработки первых программ для автоматизации бизнес-процессов.

Обратите внимание, что бесплатное получение нового кассового аппарата и переход на исключительно безналичную оплату приносят материальную выгоду уже с первой недели. Конечно, придется потрудиться, обучая кассиров и бухгалтеров новым правилам. Возможно, потребуется сократить часть сотрудников в результате увеличения производительности работы всего комплекса. Ведь после внедрения данных нововведений очередь будет двигаться быстрее.

Итак, для модернизации столовых нужен программно-аппаратный комплекс, позволяющий распознавать еду на подносе. Звучит угрожающе, но по факту речь идет об обычной веб-камере, подключенной к компьютеру и кассовому аппарату. Цель такого комплекса – автоматически выписывать чек, фиксируя и анализируя то, что находится на подносе клиента. Рассмотрим его составляющие пошагово.

Чтобы компьютер «видел» еду на подносе, ему необходимо купить «глаза» – веб-камеру. Это недорогое и популярное оборудование из обычного потребительского сегмента. Такие камеры покупают для домашних компьютеров, чтобы общаться с родственниками по видеосвязи. Также требуется смастерить крепление для этой камеры, чтобы она стояла рядом с кассиром и «видела» поднос с едой. Желательно расположить ее сверху, над подносом, чтобы она смотрела вертикально вниз, и в объективе был виден весь заказ, все позиции.

На роль компьютера подойдет любое офисное решение. Современные процессоры достаточно мощные, чтобы выдавать результаты предсказаний машинного обучения прямо в процессе на видеопотоке (10–30 кадров в секунду). Можно даже заменить компьютер мобильным телефоном или планшетом. Их вычислительной мощности вполне хватит. Лишь бы имелся порт для подключения камеры и кассы.

Таким образом, получится аппаратный комплекс из камеры, кассы и компьютера. После того, как соединили все вместе, можно начать обучать машину, чтобы в будущем она стала настоящим помощником кассира. На этом этапе необходимо сделать хоть какие-то фотографии блюд для тренировки и отладки системы.

В первый месяц работы системы процесс оформления заказа будет выглядеть как обычно. Кассир продолжит вручную пробивать каждый заказ. Единственное, что от него требуется, – привыкнуть к новому кассовому аппарату и безналичной оплате. В остальном все то же самое. Но этот период нужен, чтобы накопить достаточно изображений блюд и «больших данных» из чеков с целью обучения машины. Кассир незаметно для себя выступает в роли наставника искусственного интеллекта. Машина будет непрерывно наблюдать за тем, что он внес в чек, и тем, что находится на подносе клиента. Алгоритм будет пытаться самостоятельно предсказать результат – это период ошибок и догадок. Верные ответы ему подскажет кассир, даже не замечая, что кого-то учит.

Через месяц, когда система способна будет с высокой точностью распознавать блюда самостоятельно, можно начинать вносить изменения в работу кассира. С этих пор человеку не надо вручную считать стоимость заказа, нажимая на огромное количество разных кнопок. Потому что на экране компьютера будет автоматически появляться состав заказа и цена. Кассиру остается лишь проверить правильность результата и нажать кнопку «печать», чтобы выдать чек покупателю.

В результате применения данного комплекса весь процесс оформления заказа существенно ускорится. Что позволит увеличить количество обслуживаемых студентов и чистую прибыль предприятия.

Приведенный пример цифровизации путем создания рекомендательной системы один из самых дешевых в реализации. Для него нужна лишь веб-камера, посредственный компьютер и новая касса. Конечно, придется нанять программиста, который сможет соединить и настроить все компоненты системы. А также специалиста по машинному обучению, который создаст и натренирует модель. Но все это вполне реально сделать за вполне вменяемую сумму, не превышающую трех-четырех средних зарплат сотрудников этой столовой.

Нужных специалистов для создания такого аппаратно-программного комплекса можно найти на любом большом форуме фрилансеров. Требования к их квалификации не будут слишком высокими, потому что комплекс, о котором идет речь, не требует каких-то «космических» технологий и не является сложным продуктом с точки зрения программирования. К слову, столовая в университете может получить такую систему даже бесплатно, предложив создать ее учащимся с кафедры автоматики в качестве курсовой или дипломной работы. Останется только порадоваться за студентов, которым придумали тему диплома, представляющую собой общественно значимый проект, по-настоящему востребованный и актуальный в родном институте.

Если же у предприятия безлимитный бюджет, стоит сразу разработать и внедрить систему, аналогичную тем, что уже работают в больших сетях общепита нашей страны. Когда по всему залу ресторана расставлены сенсорные мониторы, на которых можно сделать заказ, после составления которого клиент получает номерок, далее ожидает, когда подойдет его очередь, и получает поднос со своим заказом. При этом в зале вообще нет линейных очередей. Такая организация работы максимально ускоряет процесс обслуживания. Но дюжина сенсорных мониторов и принтеров для номерков будут стоить намного дороже, чем комплекс, состоящий из одной веб-камеры, обычного офисного компьютера и современного кассового аппарата.

В каждой компании существует свой уникальный производственный процесс. Любая его стадия может быть описана определенными величинами в цифрах: количество выполненных операций, себестоимость использованных комплектующих, затраченное время и количество задействованных сотрудников и т. д. и т. п. Эти цифры необходимо собирать и хранить, чтобы в будущем найти между ними взаимосвязь. Обнаружив ее, можно будет разработать стратегию развития компании, выделить основные показатели и определить для них желаемые значения. Без количественной оценки конкретных параметров любое улучшение в компании будет казаться сотрудникам очередной бесполезной инициативой руководства. В такой ситуации топ-менеджер или собственник не сможет аргументированно доказать необходимость изменений.

Попробуем разобрать популярные методики сбора информации и организации деятельности в компаниях, которые уже работают полностью «в цифре». Допустим, ваше собственное предприятие разделено на несколько отделов по роду деятельности, в соответствии с современными канонами управления[5]:

• Административное отделение.

• Отделение создания и построения компании.

• Отделение распространения (маркетинг и рекламу рассмотрим отдельно).

• Финансовое отделение.

• Техническое отделение.

• Отделение квалификации и качества.

• Отделение по работе с клиентами и партнерами.

Конечно, в вашей компании деление может быть несколько иным, но в качестве примера рассмотрим именно такой вариант. Пройдемся по всем отделам, обсудим, как вообще можно провести их цифровизацию с нуля, чтобы начать собирать данные.

Сразу уточню, что, говоря о больших данных для бизнеса, почти всегда подразумевают их привязку к дате и времени. Например, если ведется статистика количества опубликованных рекламных материалов, то в собранной информации обязательно присутствует время. То есть сколько штук в какой день и час было опубликовано. Привязка ко времени критически важна для предсказания циклических процессов при машинном обучении. Поэтому почти все примеры собираемых данных, приведенные в этой книге, стоит дополнять пунктом «дата и время наступления события».

Административное отделение

Административное отделение определяет направление развития и общие цели компании. Работу по внедрению цифровизации и запуску сбора больших данных стоит начать с этого отделения, потому что зачастую именно управленцы (на разных уровнях) останавливают автоматизацию производства. Саботаж сотрудников происходит по нескольким причинам:

• Отсутствие базовых навыков в работе с персональным компьютером.

• Боязнь потерять свое рабочее место из-за автоматизации.

• Желание оставаться в зоне комфорта: действовать по ранее созданным шаблонам, а не изучать новые дисциплины.

• Боязнь потерять свою зарплату или проходящий через их руки денежный поток, часть которого они оставляют себе.

• Страх испортить отношения с сотрудником, которого приходится заставлять повышать квалификацию для автоматизации его работы.

Рассмотрим все причины по порядку, но начнем с конца – с повышения квалификации. Звучит странно, но многие люди все еще не умеют пользоваться электронной почтой и создавать текстовые документы. У них часто нет даже собственного электронного почтового ящика. Подобных сотрудников практически невозможно убедить в выгоде информатизации компании: он всегда писал на бумаге от руки и будет продолжать это делать. Таких специалистов нужно принудительно передавать в руки отдела повышения квалификации. А теперь представим, что подобного мнения придерживается не рядовой сотрудник, а топ-менеджер или собственник – никакой автоматизации вообще не будет.

Многие сотрудники компаний ежедневно совершают механические действия, чтобы создать видимость бурной деятельности. А по сути все их задачи можно автоматизировать таким образом, что план на день будет выполнен программой за несколько секунд. При этом даже если рядом с подобным сотрудником сядет исполнительный директор и покажет, как сделать всю работу на неделю за «один клик», работник не согласится действовать по примеру руководителя, аргументируя это классическим: «Мне так привычнее!». В такой ситуации только два пути:

• Вызвать «санитаров» из отдела повышения квалификации и поставить ультиматум: для продолжения работы в компании сотрудник обязан автоматизировать свою рутинную работу, в противном случае он будет уволен.

• Завалить работника таким количеством ежедневных рутинных задач, чтобы он валился с ног от усталости и просто физически не успевал все сделать. А потом напомнить ему про программу, которая может автоматически выполнить большую часть его обязанностей за какие-то несколько секунд.

Разумеется, есть и другие способы убеждения – все зависит от терпения руководителя, необходимости срочного исправления ситуации и степени желания осушить коллективное «болото». Но помните: автоматизация никогда не проходит безболезненно – это аксиома.

Коллектив всегда будет против того, что машины могут отнять у него рутину, которую сотрудники называют «работой». И если доля бунтарей, желающих оставить все по-старому, будет критической, то в компании вполне может вспыхнуть нечто аналогичное английскому «восстанию луддитов». Вряд ли люди будут крушить кувалдами офисные компьютеры и серверы, но саботаж парализует любое развитие, а значит, компания начнет постепенно умирать.

Все перечисленные фобии объединяет одна мысль, которая рано или поздно приходит на ум многим нанятым сотрудникам: «Буду сидеть смирно и получать зарплату за механические действия, не работая головой и не надрываясь от своих же инициатив». Каждый собственник и топ-менеджер самостоятельно решает, будет ли он переводить подобных ленивцев в состояние активного действия, заставлять людей повышать квалификацию и требовать от них изучения новых дисциплин или же оставит все как есть, ведь «уже и так работает». Но бывает и наоборот, когда идея цифровизации уже давно бродит внутри коллектива, но сотрудники боятся рассказать об этом начальству.

Однажды на форуме Reddit[6] один аноним пожаловался на то, что его мучают угрызения совести из-за того, что год назад, когда во время пандемии его перевели на удаленную работу, он автоматизировал весь свой рабочий процесс и теперь тратит 10 минут в день вместо 8 часов на тот же объем работы, что и прежде. Его задача – обрабатывать входящую электронную почту. Все остальное время он развлекается, смотрит сериалы, играет в видеоигры. При этом он получает одну из самых больших зарплат в стране, являясь сотрудником юридической фирмы. Конечно, благодаря автоматизации он работает крайне эффективно, обрабатывая каждый день тысячи входящих писем, ведь никто из коллег не смог бы сделать это быстрее. Но все-таки совесть терзает его за безделье.

Из этой истории стоит сделать вывод о том, что до сотрудников необходимо донести следующее: целью их работы является именно выполненное до конца дело, а не проступившие на лбу капли пота. Если неправильно сформулировать задачи и возможные методы их достижения, то вместо желания автоматизировать все возможные процессы, работяги начнут страдать, публикуя в социальных сетях истории о терзаниях своей совести.

Еще одним преимуществом тотальной цифровизации процессов в компании является то, что благодаря числовому выражению эффективности труда работников можно избавиться от «кумовства». По этому принципу работает компания Amazon, которая является крупнейшим мировым ретейлером. У этого гиганта процесс увольнения сотрудников настолько автоматизирован, что машина определяет кандидата самостоятельно, исходя из показателей его продуктивности[7]. Алгоритмы, основанные на машинном обучении, позволяют исключить человеческий фактор из принятия решения об увольнении. Неэффективный сотрудник будет сокращен, даже если его начальник – родственник, покрывающий все его действия.

Подобное отношение к своим работникам можно назвать жестоким. Но если их несколько сотен тысяч, то автоматизация любого процесса приводит к заметной материальной выгоде. Особенно если необходимо нанять сотрудников на сезонную работу и при этом сохранить высокое качество услуг. Достаточно лишь собрать все возможные показатели и определить наименее эффективных работников. Так и поступили в Amazon в отношении доставки товаров клиентам во время пандемии COVID-19. Компания не справлялась с потоком заказов, которые требовалось доставить до двери, поэтому начала активно нанимать новых сотрудников. Для этого было создано мобильное приложение, с помощью которого любой владелец автомобиля мог стать курьером. При этом приложение собирало данные о качестве их работы, его интересовало:

• Время, затраченное на доставку.

• Уложился ли курьер в обещанное временное окно доставки.

• Сфотографировал ли посылку у двери клиента.

• Смог ли замаскировать посылку у двери, как просил клиент, чтобы ее не украли.

• И еще много-много различной информации…

Приложение было скачано более 4 миллионов раз. Через него собирались большие данные по десяткам различных параметров, по которым ежедневно выносились вердикты при увольнении курьеров. Сокращенным просто блокировали доступ в приложение и не выдавали новые заказы на доставку.

С одной стороны, это жестокий способ увольнения сотрудников из компании. С другой, когда на предприятии работает 4 миллиона человек, то это наиболее эффективный метод работы всего административного аппарата. При этом даже не нужно задействовать сотрудников отдела кадров ни для найма, ни для увольнения. А все управление подразделением доставки состоит из нескольких программистов, специалистов по данным и менеджера.

Техническое отделение

Техническое отделение – это производственный цех на предприятии. Тут осуществляется вся работа.

Если компания предоставляет услуги или продукты, которые нельзя потрогать руками, к примеру, программное обеспечение, то весь рабочий процесс проходит в информационных системах, где без особых затрат можно создать систему учета выработок сотрудников. Но если предприятие выпускает материальные продукты, которые можно подержать в руках, то первое, чем должны озадачиться управленцы, это создание серийных номеров для выпускаемых единиц товара.

Маркировка каждой детали нужна на случай гарантийного обслуживания и для улучшения качества как отдельных деталей, так и составных продуктов. Деталям необходимо не только присваивать серийные номера, но и заносить дополнительные сведения в информационную базу предприятия, чтобы по каждому серийному номеру можно было восстановить любую информацию:

• Дату и время производства.

• Место производства, если цехов несколько.

• Серийный номер станка, на котором была изготовлена деталь.

• Серийный номер конечного изделия, в который вошла деталь.

• Сотрудника, изготовившего деталь.

• Температуру и влажность в цехе и на улице во время изготовления.

• Напряжение в электрической сети, давление воздуха в системе пневматического инструмента.

• Потребление сотрудником перловой каши столовой цеха в день производства…

Это выглядит как несколько безумный сбор информации обо всем, даже с посягательством на частную жизнь сотрудника. Но взгляните на это с точки зрения доходов компании. Допустим, клиент прислал бракованную деталь на замену. По ее номеру можно определить всю историю продукта и обстоятельства его изготовления. То есть, благодаря собранным в процессе производства данным, по одной гайке можно сказать, с какого автомобиля она была снята. Можно даже отказать клиенту в гарантийном ремонте, потому что гайка не от его купленного автомобиля.

С другой стороны, можно оптимизировать производство и сократить издержки, предсказав заранее, какие именно детали будут бракованными. Для этого необходимо использовать все собранные данные по бракованной детали (не ограничиваясь списком выше) для машинного обучения. В процессе тренировки модели нужно указать, что при такой комбинации значений параметров появляется бракованная деталь. А когда машина обучится, предприятие получит систему предсказаний брака, которая с точностью, близкой к 100 %, будет определять бракованное изделие и не допускать его до продажи. Но для этого надо собирать все возможные большие данные.

Посмотрите на последний пункт в списке (про перловую кашу). Даже в нем есть логика. Допустим, сотрудник пришел в цех после обеда, на котором полакомился перловой кашей. А у него непереносимость глютена[8], о которой он даже не подозревает. В итоге, из-за аллергена следующую половину дня его когнитивные способности будут снижены. Он станет медленным, невнимательным, забывчивым. Его мышцы будут слабее, чем обычно. Пострадает мелкая моторика рук. Это может привести к браку, к финансовым потерям компании. Определить же степень влияния рациона сотрудника на вероятность брака может только машина. И сделает это она настолько точно, что собственник и топ-менеджер моментально заменят перловку на пюрешку в столовой. Потому что компании невыгодно терять деньги и репутацию из-за брака как результата собственного гастрономического творчества.

Остается еще вопрос этики: как собрать все необходимые данные о производстве и сотрудниках так, чтобы они этого не замечали, чтобы им было безразлично, ведется ли учет каждого их движения или нет. Единственный способ осуществить это – сделать процесс полностью автоматическим, чтобы сотрудник не заносил данные в компьютер вручную и даже не писал цифры серийного номера на детали. Все это должна делать машина, и неважно, каким именно способом: выбивать цифры или выжигать лазером QR-код. Главное, чтобы все происходило автоматически.

Отделение квалификации и качества

Отделение квалификации и качества проверяет качество услуг и товаров, производимых компанией. Если оно низкое, то принимаются необходимые меры, к примеру, персонал отправляют на повышение квалификации. Указанное отделение непрерывно получает отзывы клиентов, собирает информацию об их впечатлениях от продукта или услуги. Затем на основе этих данных товары улучшаются, поступают на рынок и PDCA цикл Деминга (планирование-действие-проверка-корректировка) повторяется вновь.

В современных компаниях, которые давно провели цифровизацию, отзывы не собираются и не анализируются вручную, потому что это рутинная работа. Поручать ее человеку – это непростительно дорогое удовольствие. Тем более что программа может обрабатывать миллионы отзывов в сутки, тогда как рядовой сотрудник только десятки или сотни. А если отклики не приходят на определенный почтовый адрес или не принимаются через форму жалоб на сайте производителя, то собирать их приходится по всему интернету. Что еще больше говорит о необходимости в программном анализе информации.

Рассмотрим интересный случай, который произошел с крупной южнокорейской компанией Samsung. В нашей стране она в первую очередь знаменита своими сотовыми телефонами и бытовой техникой. Однако в действительности эта компания намного больше, чем мы себе представляем, и она производит очень широкий ассортимент товаров, среди которых есть даже крупнотоннажные грузовые корабли. При таком разнообразии продукции сбор отзывов и их систематизация представляют собой крайне трудоемкий процесс, которым в основном занимаются машины. То есть программа просматривает в интернете все страницы всех социальных сетей, чтобы определить, появились ли новые сообщения с упоминанием продуктов бренда. Несмотря на то, что мониторинг происходит автоматически, процесс этот все же довольно медленный, да и компьютер иногда пропускает нужные отзывы, если в них отсутствуют «правильные» контрольные слова.

Недавно Samsung зарегистрировала неблагозвучный для русского уха бренд Gnusmas[9], название которого представляет собой перевернутое Samsung. Возможно, производитель не знал, что в нашей стране это слово стало довольно популярным и используется в негативном ключе, в том числе в качестве нарицательного для отзывов о неудачных продуктах рассматриваемой нами компании. А теперь представьте, что произойдет, если Samsung официально попросит всех владельцев ее устройств использовать слово Gnusmas в качестве ругательства, чтобы выражать недовольство продуктами компании на просторах интернета. Очевидно, что с наличием контрольного слова поиск и обработка отзывов, оставленных во всемирной паутине, будут занимать намного меньше времени. Благодаря чему отдел качества сможет быстрее получать обратную связь от пользователей, и данные станут точнее. Наличие такого слова-метки в интернет-публикациях – бесценная находка для компании, позволяющая действительно улучшить выпускаемые ею продукты за счет анализа огромного количества реальных откликов.

К слову, обычно небольшие компании, у которых еще нет наработок в области искусственного интеллекта, используют сервисы «Google Alerts» или «Яндекс.Медиана» для обнаружения в интернете с помощью контрольных слов отзывов о своих товарах. Такие сервисы автоматически отправляют пользователю уведомление на почту, если в глобальной сети появляется заданное контрольное слово. То есть если у вашего товара достаточно уникальное название, можно настроить отслеживание прямо по нему и собирать обратную связь. Полученные отзывы необходимо классифицировать на положительные и отрицательные, определяя в каждом, какое преимущество или недостаток продукта озвучены как основные. В небольшой компании с этим может справиться один человек, но с ростом популярности продукта приходится создавать свой машинный интеллект для столь кропотливой и нудной работы. В любом случае без обработки и сбора больших данных по комментариям пользователей невозможно улучшить продукт и удовлетворить клиентов.

Отделение по работе с клиентами и партнерами

Именно в отделении по работе с клиентами и партнерами, в которое в том числе входит отдел по связям с общественностью, работают над тем, чтобы организация стала всемирно известной. И это действие напрямую влияет на стоимость привлечения новых клиентов.

Имидж создается различными способами: от публикаций в прессе до участия в общественных движениях, а иногда даже за счет обнародования некоторой закрытой информации с целью привлечения внимания партнеров и поиска клиентов-почитателей. Например, если компания собирает большие данные о своем продукте, то в публичный доступ может попасть часть уже обработанных сведений. Чтобы любители могли потренироваться в создании собственной системы для предсказаний, используя машинное обучение. Именно так и поступил «Сбербанк»[10], который выложил на соревновательную платформу Kaggle набор больших данных о недвижимости в России. Сейчас это один из самых популярных тренажеров, на котором учат будущих специалистов по данным на различных отечественных курсах по машинному обучению.

По опубликованному набору можно сразу понять, как профессионалы в банке относятся к большим данным. Достаточно взглянуть на количество параметров, рассматриваемых для каждой квартиры:

• Описание квартир – 14 параметров.

• Описание ближайшей недвижимости – 24 параметра.

• Макроэкономические факторы, касающиеся недвижимости, – 101 параметр.

• Дополнительное описание ближайшей недвижимости – 288 параметров.

Данные представлены в форме таблиц, где квартиры – это строчки, а их параметры – колонки. Подобный вид является обычным для больших данных. Именно такие таблицы затем передаются машине для обучения, цель которого – натренировать ее на предсказание цены квартиры в зависимости от значений параметров.

В опубликованном наборе данных часть параметров не зависит от времени: количество комнат, географическое положение дома, расстояние от квартиры до ближайшей атомной станции, музея и университета. Таких пунктов почти триста. То есть в таблицах будет три сотни колонок, описывающих каждую квартиру.

Стоит обратить внимание на то, что значения некоторых изменяющихся параметров могут записываться несколько раз в привязке ко времени. Например, уровень безработицы или рождаемости в стране в разные дни[11]:

В таких временных данных тоже содержится скрытая информация. Например, если пару лет назад резко снизилась безработица, а сейчас увеличилась рождаемость, то спрос на квартиры увеличится. Обычному человеку не под силу заметить такую тонкую взаимосвязь между всеми этими цифрами и предсказать их влияние на стоимость «однушки» на окраине столицы. А машина с легкостью определяет значимость и вклад каждого параметра в цену квартиры. После обучения она сможет предсказывать эту величину самостоятельно, принимая в расчет лишь значения параметров. Человек будет в буквальном смысле спрашивать машину: «Сколько, по твоему мнению, сейчас стоит квартира в 5 минутах ходьбы от атомной станции, в 10 минутах пешком от университета, если безработица сегодня составляет 5.6 %, а коэффициент рождаемости равен 2.3?» Натренированный алгоритм – результат машинного обучения – в ответ на такой вопрос выдаст конкретную стоимость квартиры.

Банк вряд ли многое потерял из-за публикации этой информации о недвижимости. Зато теперь во многих школах программирования по всему миру используют этот набор данных в качестве наглядной демонстрации для студентов возможностей машинного обучения.

С помощью больших данных можно привлечь интерес не только студентов, но и партнеров. Даже если компания не может напрямую делиться с ними собранной информацией, то всегда есть вариант создать предсказательный сервис, который будет использовать алгоритмы, обученные на этих данных. В таком случае партнерские системы отправляют запрос алгоритму и получают ответ в виде прогноза. Партнеры не видят всех таблиц данных, но, поверьте, они очень благодарны за доступ к подобному алгоритму (подробнее об этой схеме мы поговорим в разделе «Торговля большими данными»).

Таким образом, предоставив хотя бы ограниченный доступ к своим большим данным в каком угодно виде, можно улучшить имидж организации. Благодаря чему компания без финансовых вложений сможет снизить стоимость привлечения новых клиентов и удержания старых.

Отделение создания и построения компании

Отделение создания и построения компании выполняет функции найма и адаптации сотрудников. Оно анализирует организацию технологического процесса во всей компании с целью повысить эффективность каждого из отделов, комплектует подразделения сотрудниками, следя за тем, чтобы везде хватало рабочих рук. Именно отделение создания и построения компании часто отвечает за оборудование и связь между сотрудниками, а следовательно, и за формирование единой информационной системы предприятия (об этом в следующих главах).

В современных компаниях это отделение уже давно не использует бумажный документооборот, потому что найти хорошего сотрудника на сайте по поиску работы – это как найти иголку в стоге сена. Основная проблема в том, что на одного адекватного работника приходится сотня неподходящих. Точнее, статистика такова:

• 90 % кандидатов на работу вообще не отвечают на электронные письма.

• 5 % – не слышат, что им говорят на собеседовании, и не понимают, о чем их просят.

• 2 % – совсем неадекватные, агрессивные и т. п.

• 2 % – подходят на должность, компетентны, но их не устраивают условия.

• 1 % – подходят и согласны работать, отвечают требованиям, адекватны.

Из этой статистики видно, насколько несладко приходится специалистам по подбору кадров при создании и построении компании. Целых 90 % работы проделывается впустую. Поэтому в этой сфере уже давно применяются алгоритмы автоматического поиска сотрудников. Специальные программы анализируют тексты резюме кандидатов и выявляют среди них наиболее подходящие. После чего другая программа вступает в переписку с отобранными кандидатами. И если те отвечают хотя бы на несколько вопросов-предложений, то контакт передается оператору – реальному сотруднику отдела кадров.

Естественно, что для всего этого – написания и подготовки программы рассылки, получения и обработки резюме кандидатов – требуются программисты. Готовый продукт должен анализировать находящиеся в публичном доступе тексты резюме огромного количества соискателей на соответствие специальному шаблону. Конечно, точного совпадения ждать не стоит, но алгоритмы машинного обучения могут оценить, с какой вероятностью кандидат подходит на предлагаемую должность. Таким образом, на первой же стадии поиска происходит обработка больших данных.

После того как алгоритм определяет наиболее подходящих соискателей, их контакты сохраняются и им отправляется приветственное сообщение, к примеру: «Вы нам подходите… Скажите, вас это интересует?» В итоге после этапов поиска и первого вопроса будет отсеяно 90 % кандидатов. Потому что если в ответ на первый же вопрос соискатель молчит, то его можно смело удалять из контактов и продолжать поиски.

Из оставшихся кандидатов, откликнувшихся на приглашение побеседовать о возможном сотрудничестве, придется отсеять еще немалую часть претендентов. Здесь опять вступает в дело машина: существуют алгоритмы по распознаванию текста, вопросов и генерации ответов. То есть компьютер может задать соискателю несколько вопросов до того, как передать задачу – дальше вести этот диалог – оператору. Таким образом можно сократить количество оставшихся кандидатов вдвое. Программистам для разработки подобного алгоритма не надо даже создавать сложную нейронную сеть. Зачастую в первом же ответе на поставленные вопросы содержится контрольное слово или фраза, указывающие на отказ кандидата от сотрудничества: «к сожалению», «вынужден», «приношу» и т. п. Если подобные слова прозвучали, то лучше отбросить такую кандидатуру – этот человек сейчас не готов менять свое место работы.

В любом случае первичный поиск проводится автоматически со скоростью несколько тысяч резюме в день. Только представьте, сколько бы заплатила компания за эту работу, если бы для ее выполнения посадили «девочку на телефон», тратившую бы 90 % времени на «холодный обзвон» номеров, по которым не берут трубку, и на пустую переписку с соискателями, которые либо вовсе не отвечают, либо присылают отказ в первом же сообщении.

Итак, в случае с поиском новых сотрудников в роли больших данных выступает содержимое резюме кандидатов, анализируя которое машина сама определяет, насколько соискатель подходит на предлагаемую должность. Проводя первичный отсев кандидатов, мы значительно снижаем расходы фирмы на подбор персонала. А ведь найм сотрудников – это бесконечный непрерывный процесс, происходящий в каждой компании. Поэтому можно сделать однозначный вывод: цифровизация точно позволит этому отделению сэкономить значительные средства, повысить эффективность и скорость работы.

Контроль качества

Если в процедуре поиска сотрудников на первый взгляд сложно заметить влияние больших данных, то с контролем качества продукта или услуги все более-менее понятно. В этой области уже давно устоялись стандарты проверки, которые используют цифровые метрики. Например, если предприятие производит детали, то отдел контроля качества сравнивает их прочность с требуемой. И в случае, когда деталь ломается при меньшей нагрузке, чем планировалось, всю партию можно забраковать. Записи же об инциденте будут содержать всевозможную информацию: количество протестированных деталей, даты их выпуска, предельные нагрузки на них во время проверки и т. п., которая по результатам тестирования попадает в озеро данных компании. В дальнейшем эти сведения будут использовать для улучшения качества деталей, материала, производственного процесса. Таким образом, отдел контроля качества даже без приказа сверху самостоятельно собирает большие данные, на которых можно тренировать машину с целью получения рекомендаций относительно свойств деталей еще до того, как они будут физически созданы.

С другой стороны, существуют компании, в которых производственные процессы нельзя напрямую измерить цифрами. Например, невозможно сделать это применительно к бизнесу, который предоставляет услуги по прыжкам с парашютом, то есть обеспечивает получение клиентами свежих впечатлений.

Очевидно, что в момент свободного падения у неподготовленного человека происходит мощный выброс адреналина. А после приземления бессмысленно просить его оценить полет по десятибалльной шкале. Потому что в ответ вы рискуете услышать лишь междометия. Скорее всего, клиент даже не способен будет произнести ни одной цифры, просто потому что он их все забудет, или и вовсе не поймет, не услышит вопроса из-за перенесенного стресса.

Ситуация для бизнеса критическая. Но и тут можно многое придумать, используя большие данные. Давайте мысленно проведем эксперимент с подобной компанией. Поставим следующую цель: добиться того, чтобы впечатления от прыжка с парашютом были одинаковыми у всех категорий клиентов – и у новичков, и у опытных. Мы хотим, чтобы после полета количество эндорфина (гормона счастья) в крови каждого клиента было одинаковым при минимальных затратах со стороны компании. С учетом всего этого план по снижению издержек будет звучать так: впечатлительных клиентов выталкиваем за борт пораньше, на средних высотах, а спокойных только на большой высоте. В итоге у всех клиентов после прыжка будет одинаковый уровень эндорфина, а компания неплохо сэкономит на солярке и ремонте.

Для реализации этого плана соберем необходимые нам большие данные, проведя ряд экспериментов. Возьмем десяток спортсменов разного уровня подготовки. Сбросим их с парашютом в разные дни и с разной высоты. Затем сохраним все данные по каждому прыжку. Даже уровень эндорфина в крови, взятой из вены каждого участника. Так у нас появятся большие данные, в которых будет содержаться следующая информация:

• Способ заказа услуги, дата заказа, способ оплаты.

• Вес, рост, пол клиента.

• Дата и время взлета, прыжка, приземления.

• Высота и максимальная скорость при прыжке.

• Температура, давление, осадки, облачность, видимость на разных высотах.

• Скорость набора высоты при взлете.

• Ширина и долгота точки, в которой был совершен выход из самолета, и места, где состоялось приземление.

• Размер и тип парашюта.

• Показатели артериального давления, частоты пульса и сатурации (уровень кислорода) до, после и во время прыжка.

• Уровень эндорфина, адреналина и других гормонов (и всего, что можно измерить) в крови до и после прыжка.

•… и еще бесконечное множество параметров, которые только существуют, включая фазу луны, количество водоемов в 100 метрах от аэродрома, наличие повара в столовой летного училища.

Число собираемых параметров ограничивается лишь фантазией сотрудников компании, которые проводят эксперимент. Но важно, чтобы их было как можно больше. Потому что на собранных данных будет тренироваться модель машинного обучения, которая в дальнейшем сможет предсказывать уровень эндорфина в крови клиента.

Обратите внимание, что после окончания эксперимента и обучения машины прогнозированию, для собственно предсказания не требуется собирать абсолютно всю информацию о настоящих клиентах, то есть достаточно будет лишь измерить их рост, вес и пульс до прыжка (это можно сделать с помощью спортивного браслета с пульсометром), и машина попробует выдать прогноз по этому ограниченному набору данных. Конечно, чем больше параметров введено, тем выше точность предсказания, но и этого минимального пакета вполне достаточно для прогноза хотя бы примерного уровня эндорфина. И нет нужды брать у клиента кровь из вены.

Обычно предсказание по готовой, обученной модели происходит за доли секунды. Это означает, что система может работать буквально во время полета, снимая показания пульса клиента. И когда машина даст сигнал «дошел до кондиции», инструктору останется только настойчиво предложить клиенту насладиться процессом свободного падения прямо сейчас. А чем меньший вес перевозит самолет, тем меньше топлива он тратит, следовательно, компания снижает издержки. С такой моделью предсказаний «удовлетворенности» клиентов расходы на обслуживание воздушного судна снижаются довольно динамично.

Возможно, приведенный пример несколько экзотичен, но он точно иллюстрирует схему сбора и использования больших данных в коммерческих целях. Даже в сфере обслуживания можно получить достаточно числовых данных, чтобы иметь возможность влиять на степень удовлетворенности клиентов, предсказывать уровень испытываемого ими счастья и, как следствие, сокращать издержки.

Финансовое отделение

Бухгалтерия

Финансовые показатели – одни из самых востребованных среди тех, на которые обращают внимание владельцы и топ-менеджеры успешных компаний. Поэтому стоит еще раз напомнить вам про систему, в которой эти показатели отображаются в реальном времени. «Информационная панель», «панель индикаторов» или «дешборд» (dashboard) – это веб-сайт, где можно посмотреть детальную статистику по каждому отделу компании, в том числе и по финансам. Чтобы было понятнее, о чем идет речь, стоит посетить сайт RealBigData.ru, сделанный специально для демонстрации различных идей, изложенных в этой книге. Внутренний раздел сайта является наглядным примером информационной панели компании. Там есть интерактивные графики, диаграммы, таблицы. Попробуйте поработать с ними и ощутить, насколько это мощный инструмент для управления компанией и ежедневного мониторинга работы каждого отделения.

Программисты организации создают информационные панели, настраивают их непрерывное обновление за счет сбора данных системами бухгалтерии. Если точнее, такие панели рождаются благодаря слаженной работе «инженеров по данным» и «аналитиков данных» и в результате запроса со стороны топ-менеджеров и собственников. Используя эти графики, руководство может мгновенно реагировать на изменения любых показателей бизнеса.

Первое, что можно увидеть на информационной панели, отражающей финансовое состояние компании, – это график прибыли за текущий год по месяцам. При этом обычно на таком графике также представлено сравнение текущего года с прошлым, чтобы можно было проследить динамику, и отмечена прогнозируемая часть графика прибыли, предсказанная алгоритмом, то есть возможные продажи до конца года, которые спрогнозировала машина, основываясь на ранее собранных больших данных.

Если углубляться в то, как именно делаются такие предсказания прибыли на будущие периоды, то кратко весь процесс можно описать так:

1. Специалисты по машинному обучению разбирают историю продаж компании на составные части, в том числе по годам, месяцам, неделям и дням.

2. В разбитых данных они находят различные периодические колебания: сезонные, дневные, недельные спады продаж, увеличение спроса в праздники и т. п.

3. На основе найденных периодических эффектов прогнозируются значения на будущее. Можно даже сделать предсказание на весь год или даже десять лет. При этом прогнозы непрерывно уточняются, используя ежедневно поступающие данные по продажам.

Стоит учитывать, что предсказания на короткие промежутки времени более точные, чем на большие. Но в любом случае благодаря прогнозам можно увидеть тенденцию, а значит, сделать вывод, верным ли путем идет компания или пора что-то быстро менять.

К сожалению, во многих компаниях, как это ни странно, именно собственники и топ-менеджеры являются самыми большими противниками использования информационных панелей для контроля финансовых результатов. Зачастую они считают, что такие системы нужны только серьезным и успешным компаниям. А для бизнеса с небольшими оборотами эти графики погоды не сделают. Обычно фирмы с подобными руководителями заканчивают быстро и плохо. Причина банкротства проста: контроль финансовых показателей организации должен начинаться практически с момента ее создания. Потом спешить построить графики будет уже поздно.

Отделение распространения