Большие данные, цифровизация и машинное обучение для собственников и топ-менеджеров, Или как зарабатывать больше с помощью информации
- -
- 100%
- +
Далее центральной темой примерно до середины книги будет цифровизация отделений компаний и создание информационных панелей. И только в последней части этого издания мы вплотную приступим к обсуждению использования больших данных для машинного обучения. Причина такого порядка изложения материала в том, что при цифровизации и создании информационных панелей волей-неволей происходит сбор «больших данных», так как сохраняются все сведения по продажам, выработке часов сотрудниками, успехам менеджеров. Затем на этих больших данных проводится тренировка моделей машинного обучения для предсказания будущего. Но без фундамента в виде цифровизации ничего не получится, так как не будет самих данных.
Дойдя до середины этой книги, читатель сможет убедиться, что цифровизация является фундаментом для всего развития компании посредством больших данных и что этот фундамент сам по себе приносит отличную материальную выгоду даже без машинного обучения.
Почему не CRM?
Дочитав до этого места, опытные предприниматели и топ-менеджеры наверняка зададутся вопросом: «Почему надо создавать свою информационную систему и всякие панели? Чем вас не устраивает сервис имеющихся на рынке готовых программ по управлению взаимоотношениями с клиентами (сокращенно и по-английски) CRM?» И отчасти будут правы. Современные CRM обладают очень большим набором встроенных функций. И логично было бы арендовать к ним доступ и начать ими пользоваться, не нанимая программистов. Но здесь стоит обратить внимание на то, что чаще всего компании вообще не используют большинство встроенных в систему функций, ограничиваясь лишь базовыми: хранением информации о контактах, заказах и документах. Вдобавок можно оказаться обладателем импортной CRM, которая внезапно удалит[4] учетную запись компании по политическим причинам. Надо сказать, очень популярная проблема, с которой столкнулись отечественные компании в 2022 году.
Систему CRM с базовыми функциями контактов, заметок и задач может написать один программист буквально за пару месяцев работы. При этом она будет находиться на серверах компании, к ней всегда будет доступ, не надо будет платить за нее каждый месяц правообладателю под страхом удаления всех данных. И это далеко не самая большая проблема и причина создания своей CRM, разработанной своими программистами под конкретные нужды предприятия.
Самая большая проблема готовых CRM-сервисов в том, что предлагаемые ими ресурсы крайне ограничены. Например, невозможно найти такой, в котором объем хранилища исчислялся бы десятками терабайт. А между тем, такие хранилища могут содержать крайне полезную для компании информацию. К примеру, о географическом положении клиентов. Подобные большие данные критически важны для определения лучшего места для наружной рекламы, выгодного расположения для новой торговой точки. И еще много каких «нельзя» скрываются за фасадом покупной CRM.
Готовые CRM хоть и обладают значительным набором функций, но все эти возможности по тем или иным причинам оказываются невостребованными, когда появляются реальные задачи. Современным компаниям требуются серверы с хорошими объемами хранилищ, с тензорными или видеокартами, с высокопроизводительными процессорами. Ни один сервис не даст даже десятой доли этих ресурсов за вменяемую цену. Конечно, можно сделать свои вычислительные системы на стороне и заставить их связываться с CRM. Но зачем такие сложности, если за пару месяцев можно написать свою CRM с базовыми функциями?
Предположим, что вышеприведенные аргументы не возымели должного эффекта и компания решилась использовать покупную готовую CRM, а не делать свою систему. Для привнесения в общую картину информатизации предприятия дополнительных доводов в пользу создания собственных систем, рассмотрим проблемы, которые могут появиться в случае покупного программного обеспечения в зависимости от размера организации.
Малая организация
В небольшой компании, в которой еще нет ни одного программиста, использование CRM будет оправданно. Потому что информационная система не готова ни у одного отдела, а продажи уже надо запускать. В таком случае обычно заказывают самые дешевые тарифы известных CRM, которые сильно ограничены как по функциям, так и по количеству возможных учетных записей. То есть даже не все сотрудники могут пользоваться ими, приходится нескольким людям сидеть через одну учетную запись или определенным сотрудникам нести дополнительные обязанности за пополнение данных с различных рабочих мест.
Ежемесячная стоимость использования CRM не бьет по карману такой организации и позволяет провести хоть какую-то автоматизацию, усыпляя бдительность руководителя и топ-менеджера. Важно не пропустить момент, когда мини-CRM должна быть увеличена до разрастающихся нужд предприятия, и начать привлекать программистов, которые будут создавать дополнительно требующийся функционал. Иначе можно забыть о следующем шаге, о сборе больших данных, для чего, собственно, и проводится цифровизация.
Средняя организация
Большие проблемы появятся, как только компания начнет быстро расширяться. В этот момент типовое решение CRM перестанет удовлетворять запросам бизнеса, и его тоже потребуется наращивать. Например, закупить расширенные версии имеющейся системы CRM с дополнительными модулями, которые способны связываться с другими типовыми системами от известных производителей за дополнительную плату. Бухгалтер начнет слегка нервничать, видя новые цифры в ежемесячном счете на оплату. А многих руководителей начнет посещать мысль: «Может, пришла пора нанимать программистов и делать свое?»
Если организация успела дорасти до средних размеров (~50 человек), но так и не нашла хотя бы одного программиста, который мог бы начать создавать единую информационную систему, то дальше можно не мечтать о быстром росте компании. В такой фирме проблемы с CRM и другими сторонними системами будут накапливаться как снежный ком:
• Функций хоть и много, и они разные, но нет нужных для решения задач компании.
• Недостаточно уровней доступа, система авторизации не является гибкой.
• Недостаточная информативность (не хватает графиков, диаграмм, сводных таблиц и т. п.).
• Нет возможности анализа больших данных (терабайты) и машинного обучения на них.
• Нужно ежемесячно платить за каждую дополнительную функцию. А если откажешься, то производитель отключит программу и возникнет угроза потери имеющейся информации.
• Нет интеграции с сервисами других производителей. Поставщик ограничивает все функции только своей «экосистемой» продуктов, программы от стороннего поставщика подключить не получится.
• Нет возможности скопировать свои данные из системы, чтобы не потерять их. А весь доступ к системе предоставляется по модели «с подпиской». Купить раз и навсегда нельзя.
• Сервис CRM иностранный, и его в любой момент могут отключить по политическим соображениям, удалив все данные организации.
К сожалению, во многих растущих фирмах все перечисленные проблемы решаются закидыванием деньгами производителя CRM, выбранного компанией на начальной фазе развития. Такое решение перевалить проблему «на другого» рано или поздно приводит к остановке роста компании. А как только компания перестает расти, то она тут же начинает терять лучших инициативных сотрудников, которые не видят перспектив для развития и карьерного роста.
Крупная организация
Большой зрелой организации, которая уделяла достаточное внимание своей информационной системе, нет нужды использовать даже расширенные версии популярных CRM. Потому что у них уже есть подобная система в каждом отделе. Они ее уже выстрадали регулярной и планомерной работой многих специалистов компании по развитию собственной системы и убедились, что делать свое намного выгоднее и удобнее, чем купленное на стороне. При этом в организации уже трудится пара программистов, способных за считанные часы добавить новые функции, перестроить старые рабочие процессы или увеличить вместимость озера данных. Благодаря их деятельности все большие данные компании находятся в руках компании, что позволяет проводить серьезную аналитику и машинное обучение хоть каждый день.
Большие данные в компании
От темы CRM вернемся к большим данным. Ими же наполнена и самодельная CRM, сводку о состоянии которой видит руководитель компании на своей информационной панели каждый день. Давайте разберемся, как эти данные используются в разных отделах организации, как собираются и обрабатываются. Но сначала познакомимся с основными профессиями, которые связаны с большими данными.
В реальной жизни количество параметров, отслеживаемых/собираемых в рамках «больших данных», может достигать нескольких тысяч. Эти данные не ограничиваются стенами предприятия или даже границами города. К примеру, один из крупнейших банков нашей страны при выдаче ипотечного кредита использует сотни параметров. В том числе такую экзотику как «количество занятых одноместных номеров в трехзвездочных гостиницах в радиусе 500 метров от приобретаемой квартиры». Все значения этих параметров непрерывно отслеживаются и обновляются в автоматическом режиме. Для этого создаются специальные программы, которые, словно конвейер, неустанно доставляют информацию в озеро данных компании. При этом старые сведения не удаляются. К ним лишь добавляются новые. Из-за этого хранилища могут разрастаться до невероятных размеров (отсюда и название «большие данные»). Сбором, обработкой, сжатием и упорядочиванием данных занимаются инженеры данных (Data Engineer). Эти же специалисты конвертируют информацию в таблицы для дальнейшего ее анализа и построения графиков на ее основе.
После того как данные собраны и преобразованы в подходящий для анализа вид, в дело вступают аналитики данных (Data Analitycs). Они представляют информацию в виде наглядных графиков, в которых нуждается бизнес. Также аналитики ищут в данных полезные связи, новые способы их демонстрации, что позволило бы руководству лучше оценивать текущую ситуацию. Цель работы этих специалистов – найти пути получения прибыли из собранной информации. Аналитики думают только о деньгах. Они не умеют настраивать хранилища, управлять озером данных или круто программировать, поэтому инженеры по данным должны предоставлять им хорошо подготовленную информацию в удобной форме. Но именно аналитики знают, как из этих данных получить дополнительную маржу, как превратить данные в деньги.
Собранные большие данные позволяют буквально предсказывать будущее в результате учета значимых связей и зависимостей между отдельными компонентами данных, выявленных программными алгоритмами. Созданием инструментов для подобных прогнозов занимаются специалисты по машинному обучению (Machine Learning Engineer). Они могут заставить компьютер проанализировать тысячи собранных параметров с миллионами значений, чтобы предсказать практически любой экономический показатель. Имея достаточно данных и используя машинное обучение, профессионалы могут ответить на любые вопросы, касающиеся оптимизации продукта и максимизации прибыли.
Вспомните пример с ипотечным кредитом и странным параметром «количество занятых одноместных номеров в трехзвездочных гостиницах в радиусе 500 метров от приобретаемой квартиры». На наш обывательский взгляд, данный пункт вряд ли влияет на спрос жилья в районе. А собственник бизнеса или топ-менеджер никогда не попросит инженера по данным построить график зависимости прибыли от этого параметра на информационной панели в системе компании. Но с точки зрения машинного обучения данный фактор может внести существенный вклад в предсказания, потому что компьютер, в отличие от человека, способен уловить любую, даже еле заметную, связь в параметрах.
Все три профессии – аналитик, инженер по данным и специалист по машинному обучению – называют одним термином «специалисты по данным» (англ. ”Data Scientists”). Благодаря их слаженной работе руководство компании может в реальном времени наблюдать за всеми показателями, прогнозировать будущее и тестировать предложения по смене стратегии компании.
Как начать собирать большие данные
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.