serge_gorshkov


Сергей Горшков - о бизнесе в сфере ИТ

о семантической интеграции, программировании, управлении...


Previous Entry Share Next Entry
Почему ИТ-отделы не создают бизнес-ценности, а топ-менеджерам не нужна правда?
serge_gorshkov
Речь идет вот о какой проблеме: на предприятиях, особенно промышленных, ИТ-подразделение часто является чем-то вроде административно-хозяйственной службы. Оно, конечно, необходимо для работы, но прибыли не генерирует, а рассматривается как один из источников расходов, со всеми вытекающими последствиями. Думая о решении проблем бизнеса, топ-менеджеры нечасто пытаются решать их при помощи ИТ. Почему так происходит?

Проблема кроется в общем перекосе в развитии информационных технологий. Его отлично раскрыл Александр Бард: «в фокусе внимания оказалась технология сама по себе, способность хранить и передавать информацию, в то время как её содержание вызывает относительно небольшой интерес». И еще: «по мере того, как информация становится ключевым товаром новой экономики, а мир тонет в океане хаотических информационных сигналов, все большую ценность приобретает существенное и эксклюзивное знание» (обе цитаты - из книги «Нетократия»). Только наш бизнес не очень-то гоняется за этим знанием; почему – расскажу ниже.

Речь здесь о той самой Big “Data Problem” (не путать с “Big Data” Problem). Данных много, а как их использовать во благо – не понятно. В коллективном бессознательном бизнес-среды присутствует идея, основанная на неверном понимании афоризма Маршалла МакЛюена «The medium is the message». Людям кажется, что возня с данными – сбор, хранение, передача – сама по себе может иметь какой-то смысл, влияющий на экономику. В действительности она влияет только на рост продаж услуг дата-центров и телекомов.

Как решать проблему? Одним из путей решения, очевидно, являются семантические технологии, которые как раз предназначены для извлечения знаний из данных. Однако, массового интереса к семантике со стороны бизнеса мы не видим. Почему? Об этом я задумался на конференции KESW-2013. Это единственная, насколько мне известно, научная конференция в России, посвященная семантическим технологиям. Мероприятие достаточно узкое, в силу специфики темы и относительно высокой планки академического уровня (не во всем ее удалось соблюсти, но организаторы старались), что само по себе очень показательно. Впрочем - тем более душевной и интересной получилась конференция.
Посмотреть программу и презентации к докладам можно на сайте, а тезисы – приобрести у Шпрингера ;) Поэтому не буду останавливаться на ее обзоре, а перейду к выводам, к которым эта конференция меня привела.

Итак, проблема семантики как дисциплины состоит в низком спросе на нее со стороны бизнеса и индустрии; если бы с этим был порядок, активнее развивались бы и сами технологии. Почему низок спрос  – мы сейчас разберемся.
Семантика предлагает бизнесу уникальную ценность: возможность получить прозрачность, объяснимость, контролируемость, прогнозируемость любых процессов, как внутренних по отношению к организации, так и внешних.  Проблема воплощения этой ценности разделяется на две: а) необходимо объяснить бизнесу, что именно мы предлагаем, и как мы этого достигнем, и б) надо, чтобы самому бизнесу это было нужно. Над решением первой проблемы я активно работаю в течение последнего года, и я далеко не один; то есть, объяснить, что мы предлагаем, при наличии терпения и некоторых ресурсов, можно. С пунктом «б» проблем больше.

Объем данных, доступных каждой компании для анализа, стремительно растет. При этом возможности их осмысленной обработки, в сущности, сокращаются, так как слишком много в технологиях обработки завязано сейчас на людей (которые пишут запросы, строят OLAP-кубы и т.п.), и на стремительно устаревающее программное обеспечение. Надо понимать, что если в старые времена человек был главной производительной силой любого процесса, то сейчас, во многих случаях, он становится "слабым звеном", и тормозящим фактором. Большинство информационных систем сейчас предназначены для того, чтобы не дать человеку наделать глупостей, и наставить его на путь истинный. Пытаться решать задачу анализа больших данных (именно на уровне данных, а не постановки задачи) силами человеческого мозга - и вовсе неблагодарное занятие.
Благодаря указанным процессам, в организациях возрастает информационная энтропия, которая угрожает малой компании прямыми финансовыми потерями, а большой компании – чуть ли не полным распадом. Это в теории. Но, как ни удивительно, на практике многие руководители осознанно делают выбор в пользу энтропии. Почему?


  1. В небольших компаниях, как правило, правит один руководитель. У него часто существует иллюзия, что он полностью понимает и контролирует процессы, происходящие на предприятии. При этом, на самом деле, его сведения фрагментарны и субъективны, то есть основаны на не подкрепленных объективно личных убеждениях. В результате дела во многом идут самотёком, что, может быть, не так и плохо (особенно в случае не слишком великого управленческого таланта руководителя), но идут только до тех пор, пока не возникает необходимость принять неотложное и правильное управленческое решение. В таких обстоятельствах руководитель, доверяющий только своей интуиции, легко может проворонить момент, когда тренд развития компании испытал перелом; некоторое время после этого он будет плыть по течению, с удивлением наблюдая вроде бы случайно возникающие вокруг признаки распада, а затем, в один прекрасный момент, рухнет все. Момент пропущен, процесс необратим. Этот абзац написан на основе богатого опыта работы с малым бизнесом и в малом бизнесе.

  2. В крупных организациях управление возможно двумя способами: а) при помощи четких правил, подкрепленных автоматизирующей системой, обеспечивающей их выполнение, б) при помощи сложной социальной системы баланса интересов руководителей всех уровней (упрощенно называемой "система сдержек и противовесов"). Лучшим примером системы второго типа является современное российское государство, но немало его управленческих копий существует и в корпоративном мире. В такой компании ведется нескончаемая аппаратная игра за власть и ресурсы, которая настолько увлекает всех участников, включая высшее руководство, что фактические показатели деятельности организации и ее эффективность уходят на второй план, если не дальше.

  3. Даже благонамеренному руководителю любого уровня, в компании любого масштаба, легко «впасть в ересь», возложив все свои управленческие надежды и чаяния на ограниченный набор «проверенных практик» - например, мотивационных программ, KPI, и прочих инструментов, которые, на самом деле, применимы только в очень узких и частных сферах, и без соответствующих инструментов объективной диагностики обречены на провал. Реальный анализ в этом случае заменяется использованием примитивных, чаще всего - эмпирически построенных моделей отдельных фрагментов бизнес-процесса. Для персонала такие методы становятся не инструментом стимулирования мотивации, а тренажером для развития природной хитрости и смекалки.

Легко видеть, что во всех перечисленных случаях наличествует «управленческий туман», который скрывает очень многое из того, что происходит в компании. Учитывая преобладающий у большинства граждан менталитет, этот туман выгоден практически всем в компании; не выгоден он только тем, чьи доходы напрямую зависят от общих экономических достижений предприятия (если такие люди на нем есть). По факту же, и эти высшие руководители, в силу вполне понятных причин, часто оказываются заинтересованными в сохранении «волшебного тумана». Очевидно, что при наличии такой мотивации, продать этим предприятиям систему, обнажающую истину (чаще всего - неприглядную), просто невозможно. Они будут ее бояться и ненавидеть.

Что ж, все, что нам остается – это искать такие компании, в которых работает нормальная мотивация, при которой финансовый результат ее деятельности, а значит – и принятие решений, основанное на объективных данных, выгодно руководству. Таких предприятий не так уж много, но они есть.

  • 1
Данные должны быть такие, чтобы с ними мог работать компьютер, а не только человек.
Очень часто данные собирают в ERP системе и потом складируют. И они там валяются, пока тетя не сядет и не подготовит на основе этих данных отчет для Босса.
Это я пишу из жизненного опыта.

Да, именно этого мы (те, кто занимается семантикой) и добиваемся! Чтобы компьютер мог выполнять работу с данными, необходимую, чтобы ответить на тот или иной вопрос человека. Причем вопрос может быть неявным, если это задача мониторинга - например, "сообщать обо всех событиях такого-то типа с такими-то параметрами". Или, в случае Босса - "в конце каждого месяца мне нужен анализ перспектив продаж на следующий месяц".

Это в чем-то подобно биржевому роботу, только биржевой робот имеет дело с очень простой моделью данных. Любая ERP на порядок сложнее, а комплекс всех информационных систем компании несет в себе еще более сложную модель знаний. Плюс внешняя среда... в общем, без семантики и "модели открытого мира" - не обойтись.

Сейчас семантика в цене.
Шерстить сайты и искать шпиенов и врагов и потенциальных врагов. Любое дело для КГБ и не только.

Ну да, это самое первое ее применение :)
Но то же самое можно делать и не для борьбы с врагами, а ради нормальных коммерческих целей. Например, у нас есть прототип системы мониторинга новостей энергетики (http://kes.business-semantic.ru), который, будучи дополнен системой мониторинга тендерных площадок и еще кое-чем, становится полноценным инструментом, позволяющим маркетологам компаний, производящих оборудование для энергетики, анализировать риски и прогнозировать спрос, а их продажникам - находить потенциальные сделки.

Мой однокашник, полковник СБУ как то спрашивал меня могу ли я сделать нечто подобное.
Он уже в отставке.

А у наших, видно, все уже сделано, раз не обращаются :)

Сергей, а что если у "управленцев" просто нет вопросов достойный семантического анализа?

Может управление является ситуативно-интуитивным и никому в голову не приходит задавать вопросы о сложных причинно-следственных связях? Или по-другому - непонятно что с того, что мы узнаем о новых неочевидных связях.

Вот как раз о ситуативно-интуитивном управлении я писал в пункте 1. Оно работает, до определенного предела. А потом перестает работать, но заметить этого "интуитивный" управленец, скорее всего, не сможет. Когда заметит, будет поздно.

Что у матросов, чаще всего, нет вопросов - это, к сожалению, правда. Чтобы вопросы возникли, у управленца в голове должна существовать модель его бизнеса. Должно быть понимание - не интуитивное, а рациональное - того, откуда приходят клиенты, почему они выбирают его продукты или услуги, на что компания тратит деньги, где возникает прибавочная стоимость, и т.п. Это такое уравнение, где на входе - куча параметров среды, а на выходе - прибыль. Имея такую модель, можно начинать ее оптимизировать - находить лучших клиентов, повышать эффективность затрат, продавать прибавочную стоимость за бОльшие деньги. Мы, конечно, понимаем, что способных на это управленцев мало.

Для большинства людей все намного проще. Я десятки раз своими глазами видел управленцев и владельцев компаний, склонных к простым решениям, например:
- Падает прибыль - нужно больше клиентов! (ошибка: надо не больше, а лучше)
- Разместим рекламу - получим заказы!
- Назначу менеджерам процент с продаж - повысится прибыль! (ошибка: объем продаж, может, и повысится, а вот прибыль с таким подходом легко уменьшить)

И это еще простейшие случаи, так сказать, азбука купи-продай бизнеса. Что уж говорить о промышленности, где влияющих факторов на порядок больше. Осознать и формализовать все эти факторы вообще невозможно, даже в рамках семантических моделей. Можно только стараться приблизиться к моделированию тех или иных процессов, с допустимой степенью точности, и - главное - иметь макромодель, которая отражает взаимосвязь процессов.

Мне кажется или слоника так хрен продашь?

Пользователь net_easy сослался на вашу запись в записи «Мне кажется или слоника так хрен продашь?» в контексте: [...] http://serge-gorshkov.livejournal.com/28367.html [...]

(Deleted comment)
Что предложить - зависит от продуктов, и от того, с кем работает ваша компания - с физ. лицами, или с корпоративными клиентами.

Попробую пофантазировать в отрыве от такой конкретики.
В любом случае, для начала надо поставить первую локальную, достижимую бизнес-цель - например, оптимизировать политику принятия решений по выдаче кредитов, с целью снизить процент невозврата, и повысить доходность. Для этого берем из внутренних систем массив данных по ранее выданным кредитам, и массив данных по их результатам (были ли просрочки, невозврат, судебные дела и расходы, чистая прибыль от каждого кредита). Получаем модель, у которой на входе - набор исходных параметров, известных на момент принятия решения о выдаче кредита (либо таких параметров, которые можно было узнать), на выходе - чистая прибыль. Задача - определить признаки наиболее и наименее доходных кредитов, чтобы сделать в продажах акцент на первых, и отсечь вторые на стадии принятия решения.

Для этого модель представляем в семантической форме, и начинаем на ней строить и проверять гипотезы о том, какие комбинации исходных параметров приводят кредит в первый или второй кластер. Детали этого процесса я уж не буду приводить, скажу только, что у нас есть квалифицированные специалисты из ведущих институтов, "съевшие собаку" на оптимизационных методах, нечетких множествах и прочих полезных вычислительных инструментах, которые здесь применяются.

На выходе получается математическая модель из определенного набора показателей, которой можно "скормить" информацию по любому кредиту, который планируется выдать, и получить прогноз его попадания, скажем, в Top-20% самых доходных или самых убыточных. Эта модель проверяется на некоторой выборке кредитов, в результате чего ее эффективность либо доказана (тогда она идет в практику), либо нет (тогда модель корректируется или отвергается).

Второй вариант - это, например, инструменты проактивного реагирования. Предположим, кредит уже выдан, но в процессе его обслуживания у заемщика могут возникнуть какие-то обстоятельства, повышающие риск просрочки или невозврата. Например, заемщик - физ. лицо и работает в компании X, а в новостях X пишут, что эта компания на грани банкротства. Или заемщик - компания лесной индустрии, а котировки на лес на товарной бирже падают ниже пятилетнего минимума. Собственно, еще ничего не случилось, заемщик пока платит, но риск существенно возрос, и зная об этом - к событию можно подготовиться: предложить заемщику рефинансировать кредит, и т.п. Значит, как только система мониторинга внешнего информационного фона "поймала" где-то соответствующий сигнал - у менеджера, который работает с этим заемщиком, выскочит сообщение о том, что произошло, и рекомендации о том, что надо сделать.

Третий вариант - "свободный анализ" внешней среды, с целью поиска потенциальных сделок. Если, например, речь идет о кредитовании корпоративного сектора - можно отслеживать получение определенными видами компаний определенных видов заказов, т.к. для их выполнения, скорее всего, компании потребуется кредит, и его можно выдать, поскольку он обеспечен конкретным подрядом. Если речь о физ. лицах - можно анализировать соцсети, здесь факторов просто миллион.

А еще есть управление знаниями внутри компании. Например, простое сведение в одну информационную модель всех сведений, которые есть по клиенту (данные из CRM + данные из системы финансового учета, например + сведения из внешних источников + те же e-mail'ы), обогащенная сведениями о связях клиентов между собой, их связями со внешними сущностями (холдинги, отрасли и т.п.), может дать аналитикам такое поле для свободного анализа, о котором они и мечтать не могли. При этом речь не о традиционной "витрине данных", которая представляет собой yet another database, а о семантической витрине, которая не имеет структуры данных, а значит - способна принять в себя _любую_ информацию. И сделать ее доступной для анализа, который в данном случае состоит в том, что аналитик "задает вопросы" (произвольные!) этой витрине.

В общем, главное - "расширить свое сознание", и понять, что на самом деле в мире вокруг нас доступно огромное количество информации, имеющей непосредственное отношение к нашему бизнесу. Просто мы не привыкли ее использовать. Но можно научиться это делать.


Edited at 2013-10-26 07:29 am (UTC)

Проблема наша в том, что такую штуку невозможно выпустить в виде готового продукта, и продавать как продукт, или встраивать в готовые решения. Внедрение таких вещей - в любом случае индивидуальный проект, в котором доля услуг существенно превышает долю ИТ. Проект должен начинаться с выявления тех проблем, которые больше всего волнуют заказчика, и состоять в их решении индивидуальным, только для него пригодным способом. Обобщить такие решения вряд ли удастся.

https://www.recordedfuture.com/ вы показывали, идея близкая по концепции, но не понятная по технологическому воплощению.

  • 1
?

Log in

No account? Create an account