Страница 6 из 8
В обобщенном виде формула смарт-бизнеса выглядит так:
Сетевая координация + интеллектуальная обработка данных = смарт-бизнес.
Эта простая формула показывает, что лежит в основе успеха Alibaba, и отражает все, что нужно знать о бизнесе будущего. Как я расскажу далее, сетевая координация и интеллектуальная обработка данных, две новые возможности, предоставленные технологией, обладают серьезными преимуществами по сравнению с традиционными бизнес-процессами и структурами.
В самом широком смысле сетевая координация – это разбивка сложной коммерческой деятельности так, чтобы группы людей или фирм могли осуществлять ее более эффективно[11]. Функции, исторически запертые в вертикально интегрированных структурах или жестких цепочках поставок, значительно проще координировать через онлайновые связи. Лауреат Нобелевской премии Рональд Коуз показал, что компании структурируются так, чтобы выживать в условиях непомерно высоких транзакционных издержек[12]. Новые технологии снижают эти издержки, делая возможными сетевые подходы. С помощью сетевой координации такие виды коммерческой деятельности, как продажи, маркетинг и все аспекты производства, превращаются в децентрализованные, гибкие, масштабируемые и глобально оптимизируемые процессы.
Организация распродажи в День холостяка, за которой стоят Tmall и Taobao, – идеальный пример сетевой координации. Taobao не создает никаких запасов – вместо этого она объединяет в огромную сеть более 10 млн продавцов. Эти продавцы координируют свои действия с миллионами партнеров, и все стороны занимаются вместе реализацией сложного процесса онлайновой розничной торговли, обработкой транзакций и дистрибуцией вплоть до двери покупателя. Такой уровень взаимодействия и составляет существо сетевой координации: автономной координации через интернет практически без ограничений масштаба и с участием бесконечного числа партнеров.
Чем больше сеть бизнес-игроков координируется через интернет, тем больше становится смарт-составляющая коммерческой деятельности. Иначе говоря, постоянный поток данных, возникающих в результате взаимодействий и обрабатываемых в реальном времени, создает цепь обратной связи, которая автоматически генерирует все более и более «интеллектуальные» решения. Например, сегодня значительную часть рутинного поиска и представления продуктов клиентам на Taobao выполняют машины. Традиционным розничным продавцам для этого нужны тысячи покупателей, дизайнеров витрин, редакторов стиля, персональных консультантов и т. п. Машинное обучение – инструмент, который позволяет делать это на Taobao. На пике продаж в День холостяка в 2017 г. в базах данных Alibaba выполнялось 42 млн операций в секунду. Такой объем операций говорит о том, что алгоритмы машинного обучения осуществляли миллиарды итераций, принимая решение, что еще представить на экране вашего смартфона после того, как вы приобрели сотовый телефон, билеты на Бали и пижаму с ярким рисунком, которой любовались на протяжении последнего месяца. Я называю такую возможность эффективного выбора товаров и услуг в соответствии с запросами и реакцией клиентов интеллектуальной обработкой данных[13]. Она кардинально отличается от того, как большинство фирм подходят сегодня к отбору товаров и услуг.
Под интеллектуальной обработкой данных я имею в виду предоставление компаниям возможности быстро и автоматически совершенствоваться с помощью технологии машинного обучения. Вы должны иметь представление о том, как действует интеллектуальная обработка данных, если когда-нибудь сталкивались с системами рекомендаций. Это самая примитивная форма интеллектуальной обработки данных, стандарт для любой онлайновой компании, я же говорю о значительно более сложной системе. Компании могут выйти на более высокий уровень интеллектуальной обработки данных, если автоматизируют принятие решений на основе непрерывного потока поступающей в реальном времени информации, например о времени отгрузки продукции поставщиками, об уведомлениях о выполнении заказа производителями, об отслеживании логистических операций и о предпочтениях клиентов. Такая автоматизация достигается в результате использования алгоритмов машинного обучения, повышающих координацию и оптимизацию каждого звена цепочки создания стоимости. Поскольку все больше видов деятельности становятся онлайновыми, связанные с ними решения можно автоматизировать и непрерывно улучшать. Вот что я подразумеваю под интеллектуальной обработкой данных.
Прогресс в сфере машинного обучения (направления компьютерной технологии, которое нередко считают подразделом более широкой области искусственного интеллекта) в последнее десятилетие привел к скачкообразному расширению возможностей того, что компании могут делать с данными. Машины освоили игру в го и шахматы, появились алгоритмы, позволяющие справляться с чрезвычайно длинными цепочками вычислений, анализировать многочисленные сценарии и быстро находить оптимальные решения. Получив новые результаты, алгоритмы перенастраиваются с их учетом. Они обучаются в процессе непрерывного выполнения итераций, а их результаты улучшаются с увеличением объема и разнообразия данных. Таким образом, машинное обучение углубляет интеллектуальную обработку данных. По мере того как все больше бизнес-процессов переходит в онлайн, а для успеха коммерческой деятельности все больше требуется координация взаимосвязанных игроков, компании трансформируются, передавая принятие рутинных решений компьютерам. В этом и заключается сущность смарт-бизнеса.
В Alibaba звенья цепочки создания стоимости превращаются одно за другим в модули и встраиваются в оптимизированные с технической точки зрения сети, а значительная доля бизнес-решений принимается автоматически. Такое масштабное использование инновационной технологии изменяет все. Данные становятся главным активом, критическим фактором производства. Стратегия приобретает новый смысл – теперь это не анализ и планирование, а процесс экспериментирования и привлечения клиентов в реальном времени.
В смарт-компаниях, как я покажу в этой книге, привычные силы конкуренции исчезают и уступают место новым формам сотрудничества между компаниями и мириадами других игроков. Когда в основе стратегии лежит не конкуренция, а центры сотрудничества, способы создания стоимости полностью меняются. А когда компании используют машинное обучение не только для автоматизации рутинных бизнес-процессов и взаимодействия с клиентами, но и для непрерывного их совершенствования, роль руководства в создании стоимости становится совершенно иной. Организации превращаются из статичных иерархических структур, нуждающихся в управлении и контроле, в динамичные, подвижные сети взаимосвязанных игроков, которых объединяет миссия и деловая возможность.
Не тешьте себя надеждой на то, что сетевая координация и интеллектуальная обработка данных – это удел только так называемых интернет-компаний или сетевых аборигенов. Я давно изучаю производителей мебели, компании по пошиву одежды и салоны красоты в Китае. Даже эти традиционные компании реорганизуются, чтобы воспользоваться новыми силами. По правде говоря, именно эта глобальная перспектива привела меня к формулированию новой стратегической теории. Сетевая координация и интеллектуальная обработка данных наглядно демонстрируют, что получается, когда передовые технологии Запада соединяются с динамизмом инновационной бизнес-модели Востока.
У китайских компаний больше возможностей использовать преимущества сетевой координации – гармоничное объединение бизнес-игроков через интернет вместо выстраивания корпоративных структур. Поскольку в большинстве китайских отраслей сравнительно слабая инфраструктура и немного доминирующих игроков, там больше простора для глобального преобразования на основе интернета. Компании в Соединенных Штатах в целом очень сильны в интеллектуальной обработке данных, в их распоряжении самые последние достижения в сфере машинного обучения, позволяющие автоматизировать создание знаний, распознавание образов, перевод с языка на язык и секвенирование ДНК. За годы исследований и взаимодействия с бизнесом в обеих странах я убедился в том, что силы сетевой координации и интеллектуальной обработки данных – и их взаимоусиливающая мощь – воздействуют на все компании, как старые, так и новые, независимо от их местонахождения.
11
Сетевая координация – это перевод китайского термина ванло сетун, который я предложил для внутрикорпоративного использования в июне 2007 г. Эта идея основывается на теориях из таких классических дисциплин, как организация производства, а также из более новых междисциплинарных сфер, таких как анализ сетевых структур. Дополнительную информацию по сетевым бизнес-моделям см. в: David Easley and Jon Kleinberg, Networks, Crowds, and Markets: Reasoning About a Highly Co
12
Основополагающей работой по такой структуризации компаний была статья Рональда Коуза, см. Ronald H. Coase, “The Nature of the Firm,” Economica New Series, 4, no. 16 (1937): 386–405 (Blackwell Publishing). Впоследствии он написал еще одну очень важную статью: Ronald H. Coase, “The Problem of Social Cost,” Journal of Law and Economics 3 (October 1960): 1–44. Значительный вклад в организационную экономику внесли многие экономисты, в том числе лауреат Нобелевской премии Оливер Уильямсон.
13
Интеллектуальная обработка данных – это перевод китайского термина шуцзюй чжинэн, который я предложил для внутрикорпоративного использования в 2014 г. Он обозначает определенный стратегический подход к применению технологий машинного обучения. Как я объясняю в главе 3, в отличие от таких родственных терминов, как искусственный интеллект, анализ и обработка данных и большие данные, интеллектуальная обработка данных фокусируется в большей мере на практических аспектах применения данных и алгоритмов для получения адаптивных бизнес-результатов. Дополнительную информацию по машинному обучению и анализу и обработке данных см. в: Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World (New York: Basic Books, 2015).