Ключевые технологии для цифровой индустрии

Интернет вещей

Необходимо понимать, что понятия "интернет вещей" (IIoT) и "цифровизация" - примерно то же самое что термины "большие данные" (Big Data) пять лет назад или Blockchain год назад. Есть некая идея или ощущение чего-то значительного, но пока непонятно чего именно. Я не буду говорить о том, что у всех этих технологий большое будущее (статей на эту тему хватает, в том числе от очень видных аналитических компаний и персон). Лучше давайте поговорим о частных, прикладных случаях. Прежде всего, давайте зададим границы - мы говорим о корпоративном рынке (B2B), где потребителем новых возможностей выступает сама корпорация, или когда продукт, созданный одной компанией использует другая компания.

Про рынок B2C мы не говорим. Почему я провожу такую черту? Потому что есть важное отличие. В случае с розничным рынком потребительская стоимость сейчас определяется эмоциями покупателя, а не расчетом. Потребность в кофеварке, которая управляется с мобильного телефона и стоит поэтому в три раза дороже обычной, а кофе делает в два раза хуже, может быть сформирована у покупателя средствами маркетинговых коммуникаций. Но нормальная корпорация будет считать и сравнивать: что у нас есть, что будет, как изменится рентабельность производства. Собственно, и кофеварка варит кофе в два раза хуже не потому что производитель ненавидит покупателя, а потому, что интернет вещей увеличивает себестоимость, и маржинальность приходится сохранять другими способами - упрощением и удешевлением остальных узлов товара.

Итак, о корпоративном рынке. Тут также важно разделить разные области. Почему? Потому что, там, где есть физическое производство - эксплуатация интернета вещей уже тоже есть, причем есть давно - десятки лет. Просто интернет вещей здесь называют "скучными" словами "телеметрия" и "телематика", и работает с этим не ИТ-персонал, а технологи, отвечающие за процессы производства и эксплуатации, которые уже давно выработали оптимальные технологии сбора информации и ее анализа. Если датчик подключен "проводом" и не передает данные "в облако", то это не означает что его замена на IIoT-совместимый датчик что-то улучшит. Скорее всего, даже ухудшит, так как вырастет себестоимость. Цифровизация производства - это не увеличение тем или иным способом объема данных, а изменение концепции их анализа. Если раньше любое производство рассматривало оптимизацию отдельной фазы или этапа (во многих случаях, достигая максимально возможного экономического эффекта), то теперь надо рассматривать и анализировать сквозной процесс с самого начала и до конца, который бы включал не только производственные этапы, но и деятельность финансовой функции, кадров и многое другое. Если мы называем цифровой компанией такую компанию, то – да, тут есть очень большие перспективы в том случае, если технологии интеграции, ранее свойственные только информационным системам, смогут быть применены к оборудованию.

Если вернуться к аналогии с большими данными, то они стали распространяться как пожар в розничной отрасли после того, как бизнес признал, что, для того, чтобы оставаться конкурентоспособным, ему надо научиться персонализировать предложения, кардинально сокращать time-to-market и т.п. Для этого бизнесу нужны прогнозы, которые позволят стать продуктивным, реагировать на потребность конкретного покупателя, сохраняя рентабельность и объем продаж. То же самое и с цифровизацией. Для того чтобы внедрение технологий IIoT и прочих перешло из стадии опытной эксплуатации в промышленную, бизнес должен понять, что без анализа сквозного процесса и даже совокупности нескольких процессов или их фрагментов, ему не сохранить конкурентоспособность.

Process Mining (на примере реализации в крупном российском банке)

Process Mining это не IIoT и даже не Big Data. Поэтому, вначале давайте разберемся с терминами. Технология Process Mining равно Инструмент (и специальные алгоритмы обработки данных в его основе) плюс Методика его применения для решения бизнес-проблем. Причина успеха проекта "Рамакс" в банке заключается именно в том, что мы осуществляли внедрение и успешно внедрили оба компонента технологии. Инструмент и алгоритмы позволяют на основе уже существующих данных из информационных систем восстановить бизнес-процесс "как есть". Тут очень важно сказать - мы никого не интервьюируем, не меряем с секундомерами и не просим принести нам всю регламентирующую документацию, доработать информационные системы. Но мы восстанавливаем ход процесса. Выгода от "просто восстановленного" процесса для пользователя сильно ограничена - разве что сэкономить на актуализации регламентной документации. А вот методология позволяет взять эту информацию, проанализировать и провести организационные изменения. И вот тут экономический эффект возрастает на порядок.
Теперь немного о структуре реализованного проекта. Прежде всего он был итерационен - в рамках отдельной итерации мы обучали сотрудников банка, учились сами (узнавали особенности нашего заказчика) и точечно улучшали то, что уже было сделано. Одна итерация состоит из пяти этапов: сбор данных, определение "окна внимания", определение источника данных, восстановление процесса и его метрики, нахождение области для улучшения/коррекции/стандартизации за счет глубоко анализа, недоступного для проведения другими средствами. Важно понимать, что, если вы заранее знаете, в чем проблема, вы и так создадите необходимые для контроля индикаторы. А вот если не знаете, без Process Mining вам будет иногда сложно, а иногда настолько дорого, что делать это будет уже бессмысленно.
Резюмируя, наша задача - убедить заказчика в том, что проблема есть, ее причины именно такие и ее нужно исправлять. И сделать это надо не на качественном, а на количественном уровне:

Изменить - собственно дождаться реализации предложенных организационных или информационных изменений, поддерживая процесс их внесения поставкой необходимой информации.

Проверить, что все получилось - продолжить непрерывный мониторинг происходящего с текущими процессами и убедиться, что динамика изменений двигается в нужную сторону.

Именно таким образом, двигаясь от итерации к итерации, наш заказчик оказался самым инновационным и открытым к изменениям из всех клиентов, с которыми мы сотрудничали  и продолжаем сотрудничать. На текущий момент еще несколько предприятий (на этот раз из области нефтегаза, металлургии, химической отрасли) уже готовы перейти с нашей помощью от экспериментов к полноценному внедрению Process Mining.