Усиление роли компетенций в области программного обеспечения и продвинутой аналитики
«Данные – это новая нефть», гласит популярный афоризм. Данные становятся сырьем для любого проекта, связанного с цифровизацией. Согласно исследованию McKinsey, в последние несколько лет международные потоки данных способствовали мировому экономическому росту в большей степени, чем классическая торговля товарами. Компании получают и создают колоссальные объемы данных, которые с помощью продвинутой аналитики можно превратить в большие суммы денег.
Так, интернет-магазины типа Amazon или Overstock применяют в своей деятельности системы динамического ценообразования, которые позволяют им буквально за секунды корректировать цены на миллионы товаров из своего ассортимента. Для этого они постоянно собирают информацию о ценах конкурентов и обрабатывают ее вместе с данными о текущих маркетинговых акциях. Затем, используя динамические ряды и анализ больших данных, они в режиме реального времени строят обратные кривые спроса для всех своих товаров.
Netflix использует аналитику больших данных для адаптации контентного интерфейса и рекомендаций своим пользователям, тем самым вовлекая их в регулярное пользование сервисом и снижая их отток, а телекоммуникационные компании на многих рынках, включая российский, с невысоким ARPU (Average Revenue Per User, средняя выручка на пользователя) способны удвоить и даже в ряде случаев утроить выручку от работы с текущей базой благодаря технологиям машинного обучения для предсказания Next Best Action – оптимального персонифицированного предложения, подбирая приемлемое предложение не только по цене, но также каналу и времени взаимодействия и стилю коммуникации.
Операторы физических ретейл-сетей могут оптимизировать свое местоположение в районах города в зависимости от характеристик трафика. Этот же подход сейчас активно тестируется и набирает популярность и в банковском секторе. В промышленных компаниях продвинутая аналитика данных позволяет существенно сократить затраты на ремонт, повысить уровень энергоэффективности, а также снизить стоимость / повысить выпуск благодаря расчету оптимального микса используемых сырья и материалов.
Однако все эти результаты возможны, только когда продвинутая аналитика на больших данных используется для изменения бизнес-решений и процессов, что требует нового уровня компетенций в организации и привлечения талантов, способных эти компетенции создавать и развивать.
Борьба за цифровые кадры
Цифровизация открывает перед участниками рынка безграничные возможности, но крупным компаниям с традиционной структурой и жестким разделением труда на всех этапах, от производства до продаж, зачастую трудно их реализовать. Поскольку собственных специалистов по цифровым технологиям в подобных компаниях не хватает, им приходится конкурировать на рынке труда за этот дефицитный ресурс, однако это лишь часть проблемы. Даже если бы в таких компаниях и были необходимые специалисты, они мало что могли бы сделать, работая внутри изолированных подразделений. Таким образом, корпоративное руководство на всех уровнях должно не только понимать возможности цифровизации, но и осознавать, что существуют определенные ограничения для ее внедрения.
Одно из таких ограничений состоит в том, что классический «подразделенческий» подход не даст результатов и что управлять проектами должны межфункциональные рабочие группы. Все больше компаний тестируют возможности гибкой методологии разработки Agile, ориентированной на использование итеративной разработки, динамического формирования требований и обеспечение их реализации в результате постоянного взаимодействия внутри самоорганизующихся рабочих групп, состоящих из специалистов различного профиля. Методология, уходящая корнями в разработку программного обеспечения, все чаще применяется в компаниях потребительского сектора, включая банки и телекоммуникационные компании, но также вызывает интерес и у производственных компаний.
Гибкость и развитое межфункциональное сотрудничество позволит компаниям создать условия успеха цифровых кадров и победить в борьбе за цифровые таланты. Традиционным компаниям сделать это особенно сложно, ведь именно конкретная специализация и жесткое разделение труда долгое время как раз и считались факторами их успеха.
1.3. Перемены ускоряются по экспоненте
Еще одно препятствие на пути к превращению в цифровую компанию связано со свойством человеческой психики: мы привыкли мыслить линейно, и чересчур резкие перемены выводят нас из равновесия. По мнению изобретателя и футуролога Рэймонда Курцвейла, занимающего пост директора по проектированию Google, именно поэтому мы склонны сглаживать экспоненциальные функции и сводить их к линейным кривым, отображая их в логарифмическом масштабе. Однако такой подход становится фатальным, когда возникает необходимость осмыслить изменения, связанные с цифровизацией, поскольку они развиваются по экспоненте и постоянно ускоряются.
В своем эссе The Law of Accelerating Returns («Закон ускорения прогресса») Курцвейл описывает экспоненциальную динамику технического прогресса на протяжении истории человечества, отображая эту динамику не в искажающем действительность логарифмическом, а в соответствующем ей линейном масштабе. По мнению автора, люди подсознательно тяготеют к такому искаженному восприятию и потому, вопреки здравому смыслу, сильно недооценивают темпы и масштабы будущих событий. Курцвейл считает, что прогресс в XXI в. будет просто головокружительным, поскольку сейчас мы находится на растущем участке экспоненциальной кривой.
В одном из интервью Курцвейл разъяснил основной принцип экспоненциального роста: «Если я сделаю 30 шагов в линейном масштабе – 1, 2, 3, 4, 5, – то дойду до 30. Если же я сделаю 30 шагов в экспоненциальном масштабе – 2, 4, 8, 16 и так далее, – то дойду до миллиарда». Логика действительно потрясающая и, что характерно, неопровержимая, однако поверить в нее очень трудно; наш разум подобные выводы просто блокирует. «Сегодня все полагают, что дальнейшее развитие технологий будет происходить последовательно, линейно. Однако будущее преподнесет нам гораздо более удивительные сюрпризы, чем думает большинство наблюдателей, – говорит Курцвейл. – Лишь немногие понимают, что означает постоянное ускорение перемен» (рис. 1.5).
Технический прогресс и закон Мура
Приведем всего два примера, подтверждающие теорию Курцвейла об экспоненциальной динамике технического прогресса. Наиболее известный из них – закон Мура. Гордон Мур, один из основателей компании Intel, сформулировал свою теорию в 1965 г. на страницах журнала Electronics. В частности, он отметил, что количество компонентов в структуре интегральной микросхемы каждый год увеличивается вдвое, и предсказал, что эта динамика сохранится и в дальнейшем. И по сей день вывод Мура остается верным: вычислительная мощность компьютеров действительно каждый год удваивается. Микросхемы становятся по размеру все меньше и меньше. Сегодня вычислительная мощность обычного смартфона в 120 раз превышает аналогичный параметр управляющего компьютера лунной программы НАСА «Аполлон» и в четыре раза – мощность системного блока IBM образца 1998 г., который по размеру напоминал холодильник. А планшет iPad 3 Pro в 1994 г. считался бы одним из самых быстродействующих суперкомпьютеров в мире.