Цифровизация Коллектив авторов
Несколько компаний из нашей выборки начали классифицировать отобранные массивы данных по категориям ценности вручную. В одном случае поводом для этого стала внутренняя проверка безопасности для оценки риск-данных. В другом – желание выяснить, где именно в организации быстро растет объем данных, и внимательно изучить плюсы и минусы этого роста.
Самым убедительным примером оценки данных, который нам удалось найти, стал случай приобретения, продажи и разделения бизнес-единиц, располагавших значительными активами в виде данных. Мы ожидаем, что в перспективе главные директора по обработке и анализу (CDO) будут также оценивать данные компании для вышеуказанных целей. Но это явление пока еще слишком ново, чтобы можно было уловить какие-либо общие тенденции.
Создание собственной экспертизы для оценки данных. В ходе своего исследования мы обнаружили, что некоторые компании ищут способы монетизации цифровых активов для продажи их третьим лицам или лицензирования. Однако иметь данные для продажи и знать, как их продать это совсем не одно и то же. При оценке своих данных некоторые компании полагались на внешних экспертов, а не на собственный опыт. Мы ожидаем, что эта ситуация изменится. Компаниям, стремящимся монетизировать свои цифровые активы, прежде всего необходимо будет понять, как приобретать и накапливать знания и опыт, чтобы проводить экспертную оценку силами собственной организации.
Решите, какие процедуры оценки в вашей компании будут более эффективными: нисходящие или восходящие. При использовании нисходящего процесса оценки данных компании определяют свои критически важные приложения и приписывают стоимость данных, используемых в этих приложениях, будь то мейнфрейм-система обработки транзакций, технологии управления взаимоотношениями с клиентами или разработки продуктов. Ключевыми этапами здесь будут: 1) определение основных системных связей, объединяющих данные, к которым имеют доступ все связанные системы; 2) измерение интенсивности использования данных в пределах связанных систем. Такой подход обеспечивает преимущество в части определения приоритетов в тех случаях, когда необходимо налаживать внутренние партнерские отношения между ИТ- и коммерческими подразделениями (если они еще не налажены).
Второй подход основан на эвристическом определении ценности, то есть на основе карты использования данных, учитывающей все основные массивы данных в компании. Основные шаги в рамках этого подхода – это оценка потоков данных, связей между данными и приложениями, а также подробный анализ моделей использования данных. При этом большая часть необходимой информации может уже находиться в устройствах хранения данных и распределенных системах компании.
Но вне зависимости от выбранного подхода начинать компании все равно нужно с определения технологических возможностей и бизнес-событий, указывающих на необходимость выполнения такой оценки. Подход, основанный на потребностях, позволит высшему руководству определить приоритеты и запустить стратегии оценки, которая поможет компании монетизировать текущую и будущую стоимость ее цифровых активов.
Авторы выражают признательность за финансовую и научную поддержку данного исследования Dell EMC, Intel и Seagate Technology Inc.; кроме того, мы благодарны Cisco Systems Inc., IBM и NetApp Inc. за их финансовую и научную поддержку на ранних этапах работы. Особенно ценный вклад внесли Барри Рудольф из VelociData Inc., Дуглас Лейни из Gartner Inc., Барбара Лейтулипп и Билл Шмарзо из Dell EMC и Терри Есии из Intel.
7
Готова ли ваша компания к использованию HR-аналитики?
Барт Безенс, Софи де Винне и Люк Селс
Большие массивы данных («большие данные») и соответствующие аналитические методы в современной бизнес-среде распространены повсеместно. Более того, новые технологии, такие как интернет вещей, непрерывно растущее число профилей в соцсетях и появление открытых общедоступных данных, только увеличивают потребность в глубоких аналитических знаниях и навыках. Многие компании уже вкладывают деньги в большие данные и аналитику для лучшего понимания поведения клиентов. Некоторые наиболее продуманные и проработанные аналитические приложения используются в организациях, ориентированных на клиента. Особенно четко прослеживается эта тенденция в таких областях, как страхование, управление рисками и выявление финансовых махинаций.
Но как использовать большие данные и аналитику, чтобы получить представление о другой важнейшей группе заинтересованных лиц в компании – о ваших сотрудниках? Несмотря на то что многие организации наращивают инвестиции в аналитику и управление человеческими ресурсами (HR), удачных примеров в этой области еще очень немного. Поскольку среди прочих приложений для бизнеса HR-аналитика пока выглядит новичком, мы полагаем, что специалистам-кадровикам будет полезен опыт использования аналитики в областях, ориентированных на клиента.
Основываясь на результатах наших исследований и накопленном опыте, мы представим читателям четыре примера успешного использования HR-аналитики для поддержки стратегических кадровых решений. Если говорить точнее, мы сопоставим результаты наших недавних исследований и отраслевых наработок в сфере исследований потребительского поведения с HR-аналитикой и обсудим четыре важных сопутствующих эффекта.
Урок 1. Моделирование, измерения и регулирование динамики обмена данными в сети сотрудников. В ходе наших собственных исследований мы обнаружили, что связи между клиентами (например, социальные взаимодействия, операции по кредитны картам, совершаемые с одними и теми же контрагентами, или отношения между членами правлений компаний) весьма значимы с точки зрения объяснения и прогнозирования форм коллективного поведения. К ним относятся, например, уход клиентов, реакции людей на маркетинговые программы или на мошенничество. Мы считаем, что эти принципы можно эффективно использовать для получения самых очевидных и легкодоступных выгод в сфере HR-аналитики. В частности, можно построить сеть, использующую сотрудников в качестве узлов с организацией связей между ними с помощью (анонимной) переписки по электронной почте, на базе совместных проектов или сходства талантов, возможно, с нормировкой по датам последних контактов. Потом такую сеть можно будет использовать для оценки того, насколько легко новые сотрудники будут встраиваться в существующий коллектив, а также для количественной оценки оптимального (с точки зрения производительности) соотношения между теми формами поведения, которые обеспечивают слаженное взаимодействие между сотрудниками, и теми, кто привносит разнообразие.
Что делать, если ваша аналитическая модель выявляет неразумный, а то и вовсе дискриминационный характер политики найма и увольнения в компании? Или показывает, что вы используете негодные критерии отбора или ищете нечто несуществующее?
Кроме того, при временном прекращении работы или увольнении даже одного сотрудника важно представлять себе соответствующие социальные эффекты. Это необходимо, чтобы не допустить лавинообразного распространения нежелательных последствий и/или утечки талантов из вашей сети или компании. При принятии решений об увольнении необходимо особенно тщательно рассматривать кандидатуры работников, пользующихся авторитетом в коллективе, или координаторов общественных связей в организации, чтобы избежать функционального отключения значимых частей сети.
Урок 2. Большие данные и аналитика – это не магия. Как и в отношении любой другой новой технологии, важно с самого начала задать соответствующую планку ожиданий. Аналитические методы могут быть ценными инструментами, но они не являются панацеей и не обеспечивают оптимального характера всех критически важных и сложных кадровых решений в компании. Кроме того, практически сразу после запуска аналитической HR-модели она устаревает, так как экосистема, в которой она реализуется (стратегия компании, документация на сотрудников, макроэкономическая среда и многое другое), постоянно изменяется. Поэтому крайне важно, чтобы HR критически осмысливал, интерпретировал и корректировал результаты, полученные с помощью аналитических моделей, используя свою деловую хватку, опыт, знание проблемы и самой организации. Например, что делать, если ваша аналитическая модель показывает, что ваша политика найма и увольнения отнюдь не разумная, а то и просто дискриминационная? Или что вы используете негодные критерии отбора, ищете нечто несуществующее? Или что недавняя значительная потеря клиентов, скорее всего, стала следствием увольнения конкретного сотрудника?.. Любые неожиданные, хотя и обоснованные аналитические выводы следует оценивать осторожно и вдумчиво. Очевидно, что для этого HR-менеджеры должны владеть информацией и обладать открытым мышлением.
Урок 3. Аналитические HR-модели – это не только статистические показатели, но и глубокое понимание бизнеса. Типичными ошибками новичков при развертывании аналитических моделей в любом бизнес-контексте является слепая одержимость статистическими показателями (аппроксимацией, коэффициентами корреляции, коэффициентом детерминации R-квадрат и т. п.) и ориентация на чрезмерно сложные модели. Статистические показатели важны, но от аналитических HR-моделей требуется большее. Два других важных критерия эффективности – это интерпретируемость модели и ее адекватность.
Интерпретируемость означает, что любое кадровое решение, основанное на аналитических выводах, должно быть надлежащим образом мотивировано, а необходимость тех или иных действий можно простым языком объяснить всем заинтересованным сторонам. Это стремление к простоте препятствует использованию чрезмерно сложных аналитических моделей, которые в большей степени ориентированы на статистические показатели, нежели на корректную бизнес-аналитику.
Еще один ключевой критерий эффективности модели – соблюдение правовых норм и иных действующих нормативов, конфиденциальности и этических аспектов. Это особенно важно в отношении HR-приложений. Аналитические модели всегда следует интерпретировать с осторожностью, а при выборе данных для построения аналитических HR-моделей следует учитывать требования в отношении гендерного равенства и разнообразия.
Урок 4. Ретроспективное тестирование эффективности аналитических кадровых моделей. В области анализа потребительского поведения средний срок службы модели составляет два-три года. У нас нет оснований полагать, что в HR-аналитике дела обстоят иначе. Однако с учетом влияния кадровых решений на отдельных лиц и организацию в целом важно, чтобы аналитические алгоритмы управления персоналом постоянно подвергались проверке путем сопоставления прогнозов с реальностью. В таком случае любое ухудшение показателей можно будет сразу заметить и принять соответствующие меры. Например, если речь идет о найме, необходимо постоянно оценивать эффективность каналов найма «до» (какие каналы найма обеспечивают нам кандидатов с нужными характеристиками?) и «после» приема на работу (по каким каналам мы наняли самых лучших сотрудников?).
Настало время увеличивать инвестиции в HR-аналитику. А когда ваши усилия в этом направлении увенчаются успехом, мы будем ожидать от организаций следующего стратегически важного шага. Мы полагаем, что таким шагом станет объединение результатов HR-аналитики с данными анализа потребительского поведения. Это позволит компаниям глубже понять взаимосвязи между двумя ключевыми категориями человеческих ресурсов: сотрудниками и клиентами.
8
Почему вашей компании нужны интерпретаторы данных
Крис Брэди, Майк Форд и Саймон Чедвик
В последние два года мы активно сотрудничали с руководителями из сферы профессионального спорта, которая известна своей эффективной аналитикой. Одной из новых тем нашей работы является сохраняющийся культурный разрыв между людьми, принимающими решения на местах, и выполняющими для них расчеты аналитиками.
Наша работа включает в себя серию научных семинаров для обсуждения трансатлантических и межсекторальных вопросов управления эффективностью в профессиональном спорте. Ключевой проблемой, выявленной в ходе этих встреч, оказалось наличие разрыва в практике управления эффективностью между специалистами по анализу больших данных и руководителями, принимающими решения (то есть теми, кому эти специалисты помогают). Многие ответственные лица (генеральные директора, главные тренеры, председатели правлений, операционные директора и др.) нередко пренебрежительно относятся как к самим данным, так и к тем, кто предоставляет их. И причиной такого отношения чаще всего являются невежество или страх. Исследовательская группа считает, что преодоление этого культурного разрыва может обеспечить значительные конкурентные преимущества любой организации для повышения эффективности работы.
Конечно, эта проблема касается не только профессионального спорта. В какой бы отрасли ни работала ваша компания, ее специалисты-аналитики и руководители, скорее всего, тоже далеко не всегда понимают друг друга. Как отметили Жанна Харрис и Виджай Меротра в статье в MIT Sloan Management Review в 2014 г., корни этой проблемы кроются в области коммуникации, общения. Они пишут: «Обычно жалуются на то, что специалисты по обработке и анализу данных держатся отстраненно и как будто не интересуются профессиональной жизнью и проблемами технически менее подкованных сотрудников. Они не считают необходимым объяснять или даже обсуждать последствия реализации предлагаемых ими идей, поэтому им сложно эффективно сотрудничать с коллегами, деятельность которых протекает за пределами технической сферы».
Что же с этим делать? Опыт нашей работы с успешными спортивными руководителями подтверждает, что значительный разрыв между специалистами-аналитиками и лицами, принимающими решения, действительно существует. Мы называем его «интерпретационным разрывом». Мы считаем, что для его преодоления нужны специальные люди, которых мы называем интерпретаторами данных. Кто-то утверждает, что это могут сделать сами аналитики, но мы думаем, что во многих случаях для этого лучше всего использовать специалистов-отраслевиков.
Сегодня многие компании пытаются преодолеть этот разрыв, обучая специалистов-аналитиков (часто недавно окончивших колледж) тому бизнесу, которым занимается организация. Но в некоторых случаях более эффективен другой подход. Экспертам, обладающим глубокими представлениями о бизнесе и необходимыми навыками межличностного общения, легче приобрести необходимые знания в области анализа данных и выступать в качестве переводчика-посредника для специалистов-аналитиков, чем аналитикам погрузиться в тонкости конкретного бизнеса, особенно в части используемой специфической терминологии. Для экспертизы в какой-либо предметной области требуется не столько знание теории, сколько соответствующий практический опыт. Кроме того, о нем легче рассказывать, а этот навык тоже чрезвычайно важен в работе интерпретаторов.
Ниже мы перечислим некоторые проблемы, в разрешении которых компаниям понадобится помощь интерпретаторов данных.
Задача перевода аналитических результатов на язык, понятный людям, принимающим решения, не так проста, как кажется. Начнем с того, что, помимо прочего, человек, выполняющий такой перевод (будь то специалист-аналитик или интерпретатор, выступающий в качестве связующего звена между аналитиком и руководителем), должен избегать того, что принято называть переоцененностью, то есть завышением значимости данных. В 2014 г. в Science была опубликована статья о потенциальных ловушках, связанных с использованием больших данных. В ней Дэвид Лейзер и его соавторы описывают переоцененность как «часто встречающееся неявное предположение о том, что большие данные могут использоваться вместо традиционных процедур сбора и анализа данных, а не просто в дополнение к ним».
Для мира спорта это как раз дело вполне обычное. Чаще всего специалист-аналитик изучает статистику и делает выводы о конкретных субъектах – вплоть до полной уверенности в том, что цифры сами по себе, даже в вакууме, обеспечивают более четкую картину, чем та, которую тренер каждый день наблюдает своими глазами: на тренировках, в играх и в раздевалке.
В основе этого конфликта лежит ложное противопоставление чисел и интуиции. На самом деле люди, принимающие решения, должны добиваться того, что генеральный менеджер баскетбольной команды «Сан-Антонио Спёрс» Р. К. Бьюфорд в данном нам интервью назвал «координацией сигналов из нескольких разнородных источников: глаза, уши, цифры». Иными словами, для формирования целостного мнения организации нужно использовать аналитику и непосредственные наблюдения как взаимодополняющие компоненты, а не полагаться только на результаты анализа данных или исключительно на наблюдения.
Независимо от того, являетесь ли вы специалистом-аналитиком или лицом, принимающим решения, обязанным подводить общий баланс для цифр и непосредственных наблюдений, нужно понимать: любая точка зрения, даже основанная на результатах обширных исследований и неоспоримых фактах, все-таки потенциально является предвзятой.
Например, одной из форм предвзятости, которая снижает ценность выводов аналитики, является излишняя самоуверенность, когда убежденность человека в своей правоте противоречит реальности. Конечно, у каждого могут быть вполне веские причины для этого. Возможно, у человека прекрасный послужной список, а позиция основана на результатах тщательных исследований. Но это не значит, что ошибка исключена, особенно если речь идет об области, в которой делать прогнозы сложно по определению.
В спорте к таким непрогнозируемым моментам относится оценка таланта. Как команды могут определить, кто из начинающих спортсменов станет лучшим профессионалом? Команды вкладывают значительные средства в поиск и оценку игроков, но по-прежнему то и дело ошибаются, потому что прогнозирование индивидуальных результатов – дело слишком далекое от сферы точных наук.
И именно потому, что команды вкладывают так много средств в оценку будущих звезд, они часто проявляют излишнюю самоуверенность. Однажды в интервью New York Times Кейд Месси, профессор Уортонской школы Пенсильванского университета, который изучал выбранных на драфте игроков Национальной футбольной лиги, сказал: «Даже самые умные в мире ребята, которые часами просматривают записи игр, не могут делать правильные прогнозы. И в этом нет никакого преступления. Преступление – думать, что вы можете это спрогнозировать».
Еще одна проблема, на которую нужно обращать особое внимание, – это эмоциональная предвзятость. В своем интервью исполнительный вице-президент бейсбольной команды «Окленд Атлетикс» Билли Бин описал нам ее как следствие того, что руководители часто принимают решения, можно сказать, на глазах у общественности, под бдительными взорами болельщиков, клиентов и завсегдатаев социальных сетей. Эмоциональная предвзятость возникает, когда лицо, принимающее решения, позволяет внешнему «шуму» оказывать на него влияние. «Все решения теперь являются публичными, у нас же теперь все эксперты, – сказал нам Бин. – Существует постоянный контроль СМИ, и он, безусловно, в той или иной мере влияет на принятие решений. Человеку, принимающему решение, необходимо абстрагироваться от этого шума».
Еще одна серьезная проблема, которую удалось выявить в ходе наших исследований, – это наличие коммуникационного барьера. Очевидно, что руководители высшего звена и аналитики говорят на разных языках.
В то же время люди, принимающие решения, хотят, чтобы сложные идеи предоставлялись им в более простой и ясной форме. Им нужно, чтобы аналитики говорили с ними простым языком, подкрепляя слова визуальными образами, – так им легче понять смысл предоставляемых данных. Наши выводы согласуются с результатами недавнего обзора IBM, позволяющего предположить, что руководители намерены заменить стандартные методы отчетности другими, которые позволили бы «оживить» сухую информацию. Эти новые методы должны включать в себя визуализацию данных, моделирование процессов, анализ текстов и голосовой информации, а также мониторинг социальных сетей.
Помощник генерального менеджера бейсбольной команды «Хьюстон Астрос», специалист по совершенствованию процессов Сиг Мейдал отметил, что большинство людей, принимающих решения, «не знакомы с научным методом. Поэтому нам приходится адаптировать наш язык». Говоря «мы», Мейдал имеет в виду таких же специалистов-аналитиков, как и он сам. Чтобы преодолеть этот разрыв, мы предлагаем вам найти в своей организации людей, способных общаться как с аналитиками, так и с лицами, принимающими решения. Мы называем этих талантливых коммуникаторов интерпретаторами, хотя их можно было бы назвать и переводчиками, поскольку в некотором смысле они способствуют взаимопониманию между двумя разными культурами.
Ключ к эффективному переводу – понимание каждого из языков, а также каждой из культур. Например, Дел Харрис, известный тренер Национальной баскетбольной ассоциации, почти на всем протяжении своей карьеры был эффективным интерпретатором и помогал тренерскому штабу понять цифры, а специалистам-аналитикам – найти общий язык с тренерским штабом. На конференции MIT Sloan Sports Analytics в 2015 г. он рассказал, что в команде, где он был помощником тренера, результаты анализа данных сначала поступали к нему, а не к его руководителю, потому что без «перевода» тот «вряд ли стал бы вникать во все это».
Эффективная интерпретация – это нечто большее, чем доступный пересказ научных сентенций. Лучшие интерпретаторы представляют информацию таким образом, чтобы адресат мог расценить ее как полезную. Если говорить совсем просто, интерпретатор должен все время задавать себе один вопрос: как эти данные могут помочь человеку, с которым я говорю?
На основе своего опыта мы составили список навыков, которыми, по нашему мнению, должны обладать лучшие интерпретаторы данных:
достаточный уровень знаний о бизнесе, чтобы пользоваться доверием руководителей, принимающих решения;
аналитические знания (или готовность и способность приобретать их), необходимые для налаживания эффективного общения со специалистами по обработке и анализу данных в организации;
смелость, чтобы говорить правду руководителям, коллегам и подчиненным;
готовность углублять свои познания;
стремление формулировать вопросы и ответы в доступной и понятной для других форме;
понимание чрезвычайной важности соблюдения стандартов качества и внимание к деталям;
возможность участвовать в совещаниях на уровне всей организации, не запрашивая разрешения.
И помните: можно попробовать развить навыки интерпретатора у специалиста, который уже работает у вас. Сделать это будет легче, если сформировать у сотрудников две важные коммуникативные привычки. К ним относится умение обращаться к лицам, принимающим решения, используя не утверждения, а вопросы. Особенно это касается скептически настроенных людей, принимающих решения: очень важно с самого начала не оказывать на них чрезмерного давления. Специалистам-аналитикам нужно задавать вопросы таким образом, чтобы у людей, принимающих решения, создавалось впечатление, что ответы они находят сами.
Также нужно научиться проводить аналогии со случаями, которые находят внутренний отклик у лиц, принимающих решения. Это могут быть, в частности, рассказы об успешных советах аналитиков. В мире спорта можно также поднимать, например, такие темы, как «никто не ожидал, что этот парень прыгнет так далеко, а он взял и прыгнул!», или «эта стратегия выглядела нелогичной, однако она сработала. И вот почему…».
Преодоление культурного разрыва между специалистами-отраслевиками и аналитиками, осуществляемое интерпретаторами данных, может положить начало устранению разрыва между декларируемыми и реальными преимуществами использования больших данных. Этот процесс начинается с осознания ограничений, присущих числам и интуиции, если они используются по отдельности.
III
Модернизация процессов
9
Обновление процессов продаж с помощью машинного обучения
Х. Джеймс Уилсон, Нарендра Мулани и Аллан Олтер
Мы живем в мире, наполненном данными, и многие наши взаимодействия с другими людьми осуществляются в интернете. Вполне естественно, что один из самых распространенных видов человеческой деятельности – торговля – в настоящее время переживает цифровой Ренессанс. Хотя функция продаж опиралась на количественные показатели с древнейших времен, сегодня повсюду накапливаются огромные массивы информации, связанной с продажами, и эти данные гораздо богаче, чем когда-либо раньше. Они поступают из социальных сетей, с сайтов, из A/B-тестов, и это еще далеко не все каналы.
Чтобы разобраться во всех имеющихся данных, повысить эффективность и результативность продаж, организации обращаются к машинному обучению. Умные механизмы становятся доверенными помощниками в отделах продаж, поскольку они делают непрозрачные процессы более открытыми, обеспечивают анализ данных для информированного принятия решений и самостоятельно справляются с определенными небольшими задачами.
В нашем опросе приняли участие руководители 168 крупных компаний с годовым доходом не менее 500 млн долл. 76 % респондентов заявили, что они планируют увеличить рост продаж с помощью машинного обучения. В этом помогает программное обеспечение на уровне искусственного интеллекта, который постоянно учится, анализируя большие массивы данных, и оптимизирует рекомендации для торгового персонала в режиме реального времени. Более 40 % представителей опрошенных компаний уже ввели машинное обучение в сфере продаж и маркетинга.
Наши исследования показывают, что в сфере продаж крупные компании используют машинное обучение по трем направлениям. Каждое из них прибавляет к человеческому интеллекту и интуиции алгоритмическую строгость, создавая тем самым новую динамичную формулу. Руководители надеются, что этот способ позволит им увеличить продажи. Первое направление использует научный подход (базируется на имеющихся данных и прозрачных процессах) при взаимодействиях в ходе продаж. Второе дает возможность проводить эксперименты на основе имеющихся данных и маркетинга. Третье направление использует достижения науки, чтобы высвободить больше времени собственно для продаж за счет автоматизации выполнения административных заданий. Зачастую именно эта рутина мешает непосредственной работе с клиентами, поиску потенциальных клиентов и закрытию сделок. При использовании любого из этих вариантов появляется возможность разработать и внедрить быстрые и научно обоснованные процессы для получения более высоких доходов.
До появления машинного обучения решения принимались на основе изучения статических баз данных, анализа статистики за прошлые периоды, а также опыта и интуиции управленцев – с постепенным, поэтапным повышением производительности. Благодаря новым технологиям управление может осуществляться непрерывно на основе данных, обрабатываемых в режиме реального времени. Появляется возможность быстро формулировать, проверять и пересматривать гипотезы – так возникает новый тип рабочего процесса, который может оказаться значительно более эффективным. В ходе нашего опроса 38 % респондентов отметили машинное обучение как перспективный метод улучшения ключевых показателей эффективности продаж (выявление новых возможностей, продажи сопутствующих товаров и услуг, изменение времени торгового цикла) в два раза или даже больше, а еще 41 % – в пять и более раз.
Издавна в сфере продаж местный представитель фирмы мог встречаться с потенциальными клиентами лицом к лицу и считывать невербальные сигналы, например одобрительные кивки или хмурые взгляды. На основании этой информации он определял свои следующие шаги. Но в цифровом мире, где физические неформальные сигналы считывать невозможно, продажи становятся непрозрачным процессом – его трудно разложить на отдельные составляющие. И если планы срываются, поиск ошибок, которые можно было бы исправить при последующих попытках, сильно затрудняется.
Так что хорошо было бы помочь продавцу уверенно определять момент, когда потенциальный покупатель готов совершить покупку. И вот теперь компания под названием 6sense («Шестое чувство») предлагает на рынке продукт, который формирует цифровые прогностические сигналы в отношении покупки. Эта технология помогает специалистам по продажам определять оптимальное время для обращения к потенциальным покупателям. Путем анализа онлайн-поведения посетителей сайта клиента, а также данных из различных общедоступных источников, включая социальные сети, 6sense предоставляет клиенту панораму интересов потенциальных покупателей и информацию о сроках готовности того или иного клиента к покупке (если ее вообще стоит ожидать).
Компания анализирует большие массивы информации с сайтов, используя машинное обучение для повышения точности своих прогнозов. Обладая точными данными, команды продавцов могут быстрее определять перспективы, а определение целевой аудитории выполняется быстро и с высокой вероятностью успеха. Большие объемы данных о потенциальных покупателях позволяют специалистам по продажам тестировать различные подходы, тратя больше времени на тонкую настройку, вместо того чтобы пытаться реализовать прирачные возможности.
Машинное обучение может также обеспечить более эффективное А/В-тестирование сайтов, устраняя узкие места, которые нередко обусловлены экспериментами в сфере продаж. Меньшее количество таких уязвимых точек означает более высокую скорость: примерно 30 % респондентов в нашем опросе утверждали, что им удалось ускорить процессы продаж в два раза или даже больше, а еще 30 % сообщили об увеличении не менее чем в пять раз. Одним из программных инструментов, позволяющих продавцам и маркетологам быстро модифицировать сайты для реализации множества тестов A/B, является Adobe Target. На основе данных, получаемых при взаимодействиях с сайтами, алгоритмы машинного обучения этой программы находят и предлагают оптимальный контент для настройки, а также помогают проверять предположения после разработки соответствующих тестов.
Стартап Optimizely использует машинное обучение для выполнения A/B-тестов ценовой стратегии. В эксперименте с маркетинговой фирмой Bizible компания Optimizely интегрировала свое экспериментальное программное обеспечение с системой компании Salesforce. В результате появилась панель мониторинга, отображающая экспериментальные переменные (первоначальные цены и тестовые цены), а также информацию о клиентах, контактные данные, сопутствующие обстоятельства и др. Это программное обеспечение также выполняло согласование цен по имеющемуся диапазону IP-адресов так, чтобы потенциальные клиенты видели одинаковые цены у компаний – участниц эксперимента. Тестирование длилось всего 30 дней, но результаты оказались убедительными. Новые, более высокие цены сужали диапазон возможностей, но эти возможности обеспечивали более высокую ценность, в среднем на 25 %.
Интеллектуальная автоматизация научных исследований в пределах организаций позволяет тестировать новые действия и процессы для повышения роста доходов. Машинное обучение может оказывать помощь при лабораторных испытаниях, протоколировании и регистрации данных и разработке новых экспериментальных методик. Также оно «подсвечивает» ранее непрозрачные процессы и высвобождает время продавцов и маркетологов, чтобы они могли планировать собственные эксперименты с полной ясностью и уверенностью.
Машинное обучение также позволяет оптимизировать процессы, протекающие в реальном времени без участия человека. С этим согласились представители более 90 % компаний в нашем опросе.
Благодаря использованию алгоритмов автоматизированные научные эксперименты с данными могут проводиться по мере необходимости без вмешательства человека. В сфере продаж машинное обучение может минимизировать время на решение административных задач и исключать действия, отвлекающие продавца от непосредственного взаимодействия с клиентами. Конечным результатом может стать значительное сокращение длительности времени сделки.
Исторически многие торговые и маркетинговые группы пытались повысить эффективность своей работы, используя одноразовые приемы, которые было трудно, а то и вообще невозможно воспроизвести или масштабировать. В качестве примера можно привести собственные макросы или персонализированные электронные таблицы. Между тем алгоритмы машинного обучения (иначе – «машинного осмысления»), автоматизирующие административные задачи или своевременно составляющие прогноз поведения клиентов, напротив, легко поддаются стандартизации. Поэтому они могут быть реализованы разными командами в различных ситуациях.
Компания Gainsight производит программное обеспечение для более эффективного управления продажами и обслуживанием клиентов. Она помогла службе онлайновых опросов SurveyMonkey создать систему автоматических оповещений, чтобы все члены команды были в курсе обновлений, выставления счетов и возможностей дополнительных продаж. Используя технологию Gainsight, SurveyMonkey сократила время обработки при отправке счетов примерно на треть.
Другая компания под названием Anaplan намерена помочь Hewlett-Packard сократить время сбора данных о продажах с месяца до трех дней, то есть фактически в 10 раз. Тогда вместо обращения к информации месячной давности отделы продаж смогут принимать решения на основании результатов анализа актуальных данных. Аналогично оператор машинного обучения Aviso, работающий с корпоративной облачной компанией Nutanix, сможет «ужать» двенадцатичасовое составление отчетов о продажах до четырех минут.
Но независимо от того, используется машинное обучение для облегчения анализа, экспериментов или автоматизации, оно приносит реальную пользу. Зачастую продавцы и маркетологи начинают понимать и уверенно использовать процессы, которые до этого были непрозрачными. Это позволяет внедрять более стандартизованные и последовательные подходы к взаимодействию с клиентами. В других случаях машинное обучение позволяет запускать эксперименты «за кулисами», опять же ускоряя процессы и позволяя продавцам уделять необходимое время решению более ценных задач. Пока мы только ищем подходы к внедрению машинного обучения в сфере продаж (и в других подразделениях организаций) и реализации его преимуществ в полной мере. Но уже сейчас ясно, что оно обладает большим потенциалом в плане поиска значительных скрытых доходов там, где ранее выгоды были весьма незначительными.
10
Новый подход к автоматизации обслуживания
Мэри Лейсити и Лесли Уиллкокс
На протяжении более чем ста тридцати лет менеджеры пытались заставить людей действовать подобно роботам: структурируя, упорядочивая и оценивая рабочие операции под лозунгом стремления к максимальной эффективности[1]. Программное обеспечение для автоматизации, которое разрабатывается сегодня[2], позволяет в определенном смысле повернуть процесс вспять. Теперь мы можем использовать гибко программируемых роботов для поддержки и дополнительного усиления нужных качеств человека, что обеспечивает значительные экономические выгоды и более качественное выполнение работы. Однако в настоящее время непонятно, сколько типов найма сохранится в будущем, поэтому менеджеры оказываются в трудном положении. Заголовки в средствах массовой информации, такие как «Рост влияния роботов: технологии и угроза грядущей безработицы»[3] и «Мир без работы»[4], лишь дополнительно разжигают тревогу.
Хотя термин «робот» вызывает ассоциации с автоматизированными механизмами, работающими вместо человека, применительно к сфере услуг он выглядит не столь устрашающе. Обычно в таких случаях имеется в виду программное обеспечение, которое выполняет определенные стандартные и бесконечно повторяющиеся сервисные операции, ранее выполнявшиеся вручную, так что люди могут сосредоточиться на менее структурированных и более интересных заданиях. Автоматизация услуг включает в себя множество инструментов и платформ с разными возможностями.
В ходе исследования для этой статьи мы опрашивали людей, которые использовали различные термины, говоря об автоматизации обслуживания (см. раздел «О настоящем исследовании»). Чтобы читателю легче было представить себе ситуацию в целом, мы классифицировали инструменты в рамках автоматизации обслуживания по конкретным типам данных и процессов.
Эта статья посвящена тому, что мы называем роботизацией бизнес-процессов, то есть программным инструментам и платформам, которые могут использоваться для автоматизации обработки структурированных данных с получением детерминированных результатов на основе определенных правил. Почти во всех шестнадцати случаях, которые мы изучили, роботизация бизнес-процессов так или иначе присутствовала. Мы уделяем основное внимание именно этой сфере (в отличие от более продвинутой технологии автоматизации, которую обычно называют когнитивной автоматизацией – cognitive automation, или «познавательной автоматикой»), потому что именно с роботизации большинство компаний начинает автоматизацию обслуживания[5].
Как компании внедряют роботизацию бизнес-процессов? Этот тип автоматизации подходит для решения широкого спектра задач в сфере обслуживания. Компании, которые мы исследовали, использовали автоматизацию бизнес-процессов, в частности, для выполнения заданий, связанных с проверкой продажи страховых премий, выпиской счетов за коммунальные услуги, выплатами по медицинским страховкам, обновлением записей о сотрудниках и даже созданием информационных материалов. Например, лондонский провайдер услуг и технологических решений в области бизнес-процессов Xchanging PLC[6] работает с представителями разных отраслей. Для одного из своих клиентов-страховщиков Xchanging ведет учет страховых платежей, соответственно обеспечивая комиссионные страховым брокерам. Когда брокер продает страховой полис, он с помощью того или иного канала связи (электронная почта, факс, электронные таблицы и т. д.) представляет в Xchanging соответствующее уведомление, после чего компания осуществляет многоступенчатый процесс проверки продажи.
Ранее сотрудники Xchanging управляли такими транзакциями вручную. Они структурировали данные, проверяли их на полноту и точность, работали со страховыми агентами и брокерами над исправлением ошибок, добывали из онлайновых источников другие необходимые данные, а затем составляли и размещали официальные отчеты о продажах.
Для описания ПО, предназначенного для автоматизации обслуживания, используется очень много программных средств и терминов. Чтобы лучше понять общую ситуацию в этой сфере, мы предлагаем отказаться от профессиональной терминологии. Вместо этого лучше сосредоточить внимание на параметрах обслуживания, для автоматизации которого предназначены те или иные инструменты. Мы рассмотрим два больших класса инструментов: для роботизации бизнес-процессов и для познавательной (когнитивной) автоматики. Каждая из этих групп используется в работе с определенными типами данных и процессов.
Неструктурированные операции: форматирование поступающей информации с превращением ее в структурированные данные, передачу данных гибко программируемым роботам или взаимодействие со страховыми агентами – по-прежнему выполняют люди. Однако структурированные части процесса, в частности поиск ошибок, поиск/извлечение данных в электронном формате, составление официальных отчетов о продажах и уведомление агентов о завершении процессов, все чаще реализуются с помощью ПО для роботизации бизнес-процессов.
И если раньше группа сотрудников тратила на полную обработку 500 уведомлений несколько дней, то сегодня правильно обученный гибко программируемый робот (хотя и при помощи нескольких сотрудников) может справиться с этой работой примерно за 30 минут. Такое ПО можно масштабировать в зависимости от изменений рабочей нагрузки. Кроме этого конкретного процесса, Xchanging разработала корпоративное решение для автоматизации обслуживания в других областях, которое она использует для выполнения рабочих процессов как у клиентов, так и внутри самой компании. К началу 2016 г. Xchanging автоматизировала 14 основных процессов и развернула 27 гибко программируемых роботов; в совокупности они обрабатывали 120 000 транзакций в месяц, а экономия в расчете на один процесс составляла в среднем 30 %.
Выгоды от роботизации бизнес-процессов научилась получать не только Xchanging. Об аналогичных успехах сообщали и другие организации, принявшие участие в нашем исследовании. Как правило, в течение первого года внедрения роботизации бизнес-процессов компании получали отдачу на инвестиции в размере 30 % и даже больше[7]. Однако в силу специфики наших исследований в отношении первопроходцев пока мы не можем сказать, являются ли такие значения типичными.
Мы провели эмпирическое исследование автоматизации обслуживания, чтобы получить ответы на три вопроса:
1) Почему компании внедряют у себя автоматизацию обслуживания?
2) Каких результатов они при этом достигают?
3) Каковы характерные отличия результатов автоматического обслуживания?
Чтобы получить ответы на эти вопросы, мы дважды опросили участников всемирных саммитов Международной ассоциации профессионалов аутсорсинга (IAOP) в 2015 и 2016 гг. Также мы взяли интервью еще у 48 специалистов, в том числе у разработчиков ПО для автоматизации обслуживания, поставщиков программного обеспечения и консультантов по менеджменту из основных секторов бизнеса.
В ходе исследования мы обнаружили 16 примеров внедрения систем автоматического обслуживания: в 14 компаниях осуществили роботизацию бизнес-процессов, а еще в двух стали использовать инструменты познавательной автоматики. Из этих 16 компаний семь имели штаб-квартиры в Великобритании, пять в Соединенных Штатах и по одной в Германии, Франции, Нидерландах и России. Они работали в 11 отраслях, в том числе в здравоохранении, энергетике, транспорте, телекоммуникациях, СМИ, в сфере финансовых и бухгалтерских услуг. Мы задали ряд вопросов, связанных с внедрением автоматизации обслуживания, ее коммерческой ценностью и извлеченными уроками.
В зависимости от доступности и предпочтений респондентов опрос проводился лично, по телефону или по электронной почте. С представителями поставщиков программного обеспечения мы обсудили возможности автоматизации в их компаниях, поинтересовались проблемами, которые они помогают решать клиентам, и узнали их мнение о перспективах автоматизации обслуживания. Консультантам мы задавали вопросы относительно автоматизации у клиентов, ее влияния на аутсорсинг, возможностей инструментов автоматизации и предстоящих в связи с этим изменений в работе.
Наше исследование проводилось при поддержке и финансировании отделения аутсорсинга Лондонской школы экономики и политических наук, компании Information Systems Group из Стэмфорда, штат Коннектикут, оказывающей услуги в области технологического консалтинга, и британской Blue Prism Group plc. Специалисты последней познакомили нас с десятью компаниями, которые мы включили в свои тематические исследования, но их сотрудников интервьюировали отдельно. Исследования в остальных организациях также проводились посредством независимых интервью.
Помимо чисто финансовых преимуществ, решения по автоматизации повысили скорость и качество операций, позволили обеспечить круглосуточное обслуживание и повысили уровень соответствия нормативным требованиям. Гибко программируемые роботы выполняли структурированные задания точно и быстро – и при этом им не нужно было ни есть, ни спать. Когда они работали совместно с людьми, объединенные команды демонстрировали высокую производительность. Кроме того, автоматы легко масштабируются и при необходимости могут выполнять значительно бльшие объемы структурированной работы. Люди в это время заполняют разрывы, которые возникают, когда нетипичные проблемы приходится решать на лету или общаться с клиентами напрямую.
Изучая организации, раньше других внедрившие в свою практику гибко программируемых роботов, мы увидели, как компании могут получать ощутимую выгоду за счет инноваций в обслуживании. Они превращали потенциальные преимущества в реальные тремя способами: посредством концепции автоматизации обслуживания, поддерживаемой высшими руководителями компании; путем разработки эффективных процессов, приносящих выгоду и клиентам, и сотрудникам; при помощи создания общекорпоративных инструментов и формирования соответствующих навыков у персонала. Руководители, заинтересованные в использовании преимуществ, которые обеспечивает автоматизация обслуживания, должны действовать по всем трем направлениям.
В полной мере ощутить преимущества автоматизации обслуживания смогли те компании, которые заглядывали далеко вперед. Некоторые руководители видят в автоматизации обслуживания лишь способ достижения быстрых успехов в бизнесе. Однако мы обнаружили, что те компании, в которых она внедрялась в рамках широкой интегрированной бизнес-стратегии, смогли достичь более значимых результатов.
Автоматизация обслуживания обеспечивает возможность реализации более широкой корпоративной бизнес-стратегии. Имеющиеся у нас данные показывают, что предприятия, которые достигли наилучших результатов, опирались не только на собственно автоматизацию обслуживания, а на стратегии долгосрочного развития компании. К таким концепциям можно отнести, например, формирование гибко адаптируемого контингента сотрудников, расширение ассортимента и/или объемов услуг без увеличения численности персонала. Эти стратегии определялись и воплощались руководством организаций и частично опирались на автоматизацию обслуживания, которая действительно становилась ключевым компонентом трансформации бизнеса.
Хорошей иллюстрацией здесь может служить опыт базирующегося в Нью-Йорке информационного агентства Associated Press (АР). В 2014 г. оно начало предлагать своим газетам и другим медиаструктурам систему автоматизированных отчетов о доходах. При этом агентство стремилось найти способы расширить масштабы распространения новостей без увеличения затрат и повысить ценность своего бренда.
Программой автоматизации обслуживания руководил Лу Феррара, который тогда занимал должности вице-президента и главного редактора АР. Он заметил, что репортеры предпочитают освещать темы, требующие творческого подхода, и именно таким образом они генерируют максимальную стоимость. При этом большинство журналистов не любили высокоструктурированные задания, например составление отчетов о доходах корпораций. Автоматизация составления финансовых отчетов позволила AP расширить масштабы деятельности без каких-либо дополнительных затрат. И если раньше сотрудники АР представляли около 300 отчетов в квартал, то с введением автоматически генерируемых отчетов их количество превысило 3700.
Кроме того, что автоматизация позволила быстрее генерировать контент, она высвободила время, эквивалентное работе трех штатных репортеров на полной ставке. Журналисты, состоявшие в профсоюзе, сохранили свои рабочие места, а клиенты были довольны качеством продукта и быстротой его доставки. После введения автоматизированных корпоративных отчетов АР приступило к реализации аналогичной программы автоматизации с целью расширения аудитории, получающей спортивные новости из колледжей.
Стратегия автоматизации обслуживания нуждается в поддержке со стороны высшего руководства. Если автоматизацию обслуживания поддерживали и продвигали топ-менеджеры, то, как правило, организации получали от нее более ощутимые стратегические выгоды, чем те, в которых такая поддержка оказывалась на уровне отделов или ИТ-подразделений. Без инициативы сверху трудно обеспечить достаточные масштабы ее влияния и/или применения, поэтому может получиться так, что сотрудники других отделов будут рассматривать проект роботизации бизнес-процессов просто как необычное нововведение.
В этом мы убедились, изучив опыт одной из крупных европейских газоэлектрических компаний. Стремясь улучшить качество обслуживания, минимизировать эксплуатационные расходы и по возможности избежать повышения тарифов, высшее руководство этой компании во главе с ее генеральным директором приступило к автоматизации еще в 2008 г. Компания настойчиво ищет решение сложной проблемы проверки показаний домашних счетчиков. Эти данные поступают от независимых учетчиков показаний или от жителей, которые предоставляют их на бумажных тарифных картах, по телефону.
Полученные показания счетчиков преобразовывались в электронную форму и вводились в систему, которая спрашивала, имеет ли эта информация смысл. Находятся ли данные в пределах норм энергопотребления? Нет ли в них какой-либо нелепости (например, не получается ли так, что пользователь не потребляет электроэнергию, а наоборот, подает ее в сеть)? Подобные аномалии отсеивались как исключения и отправлялись на проверку сотрудникам. В некоторых показаниях удавалось разобраться быстро, но иногда приходилось звонить клиентам. При роботизации бизнес-процессов вмешательство человека требовалось лишь в самых необычных случаях. Результаты же оказались весьма высокими. В первом подразделении, где была внедрена автоматизация, компания смогла сократить количество сотрудников, занятых этой деятельностью, с 30 до 12[8]. Помимо экономии средств на выплате заработной платы, также удалось повысить качество, системность и скорость решения проблем. К началу 2016 г. компания развернула у себя сотни гибко программируемых роботов, что позволило ей автоматизировать около 25 % конторской работы: обработку показаний счетчиков, выставления счетов клиентам, управление учетными записями, контроль потребления, сегментацию и обработку исключений.
Как люди и гибко программируемые роботы работают вместе в компании коммунального обслуживания
Европейская газоэлектрическая компания, работу которой мы изучали, проверяет показания бытовых счетчиков перед выставлением счетов клиентам. Когда этот процесс был автоматизирован, гибко программируемые роботы смогли обрабатывать столько исключений, что от этой работы удалось освободить 60 % сотрудников, а оставшиеся теперь обрабатывают лишь самые необычные исключения.
Генеральный директор компании стал ярым приверженцем программ преобразований и технологий, используемых для их осуществления, включая и роботизацию бизнес-процессов. Он регулярно беседовал с руководителями подразделений, разъясняя им стратегическую важность автоматизации для будущего компании, и внутри организации именно это сыграло решающую роль.
Автоматизация обслуживания может обеспечить много преимуществ. Автоматизацию можно использовать для получения выгоды с точки зрения бизнеса, включая экономию затрат, повышение качества обслуживания клиентов и, как это имело место в компании Xchanging, рост удовлетворенности сотрудников.
Еще один прекрасный пример – это телекоммуникационная компания Telefnica UK Ltd., известная в Великобритании под брендом O2. Она принадлежит телекоммуникационной компании Telefnica S. A., базирующейся в Мадриде и работающей в Европе, Азии и Северной и Южной Америке. Некоторые менеджеры компании ожидали, что автоматизация позволит существенно сократить число сотрудников и время реакции на запросы клиентов и активации услуг, а также снизить количество обращений по поводу качества обслуживания. Компания начала проводить преобразования в 2010 г. с автоматизации обновления цифровых записей при изменении телефонных номеров (в случае перехода со старого на новый) и использования предварительно рассчитанных сумм для проверки наличия у клиента достаточного кредита для обработки заказа без предоплаты.
За пять лет O2 автоматизировала почти 35 % своих внутренних (бэк-офисных) услуг. В 2015 г. гибко программируемые роботы этой компании ежемесячно обрабатывали от 400 000 до 500 000 транзакций. Для некоторых процессов, например активации номера, время выполнения заказа, которое ранее измерялось в днях, сократилось до нескольких минут. Кроме того, автоматизация обслуживания увеличила гибкость управления рабочей силой. Например, теперь можно почти мгновенно вдвое увеличить мощность «роботизированного персонала» для обеспечения запуска нового продукта, а затем, после прохождения первоначального рыночного пика, снова уменьшить ее.
Организации, стремящиеся автоматизировать обслуживание, могут использовать разные источники ресурсов. Наша выборка отличалась тем, что все предприятия, которые мы исследовали, сами приняли решение об автоматизации обслуживания и сначала полагались на помощь поставщика инструментов для нее[9]. Например, когда руководство Европейской газоэлектрическй компании приняло решение осуществить роботизацию, ее поставщик инструментов обучил нескольких сотрудников компании-клиента, обеспечил наставничество, консалтинг и помощь в развертывании первого пакета автоматизированных процессов. Первоначально около 80 % команды роботизации составляли сотрудники поставщика инструментов и лишь 20 % – работники самой газоэлектрической компании. Однако в течение следующих девяти месяцев, по мере накопления опыта и автоматизации все новых и новых процессов, соотношение численности внешнего и собственного персонала резко изменилось. Тем не менее данные наших опросов (наряду с более ранними исследованиями аутсорсинга бизнес-процессов[10]) дают основания думать, что организациям, задумывающимся о роботизации бизнес-процессов и внедрении других технологий автоматизации обслуживания, необходимо выполнить поиск и оценку поставщиков, а также источников ресурсов в достаточно широком спектре. Это необходимо, чтобы определить, какие варианты в наибольшей мере соответствуют потребностям компании. Возможные варианты – это, в частности:
внутренний подряд (инсорсинг): покупка лицензий на программное обеспечение непосредственно у провайдера автоматизации обслуживания;
внутренний подряд и консалтинг: покупка лицензий непосредственно у провайдера автоматизации обслуживания и привлечение консалтинговой фирмы для установки, конфигурирования и сервиса;
использование услуг традиционного провайдера аутсорсинга бизнес-процессов (BPO): покупка сервиса по автоматизации обслуживания в рамках комплекса интегрированных услуг, предоставляемых традиционным провайдером BPO;
аутсорсинг с участием нового провайдера: покупка услуг у нового провайдера аутсорсинга, специализирующегося на автоматизации обслуживания;
облачный сорсинг: покупка услуг по автоматизации обслуживания как облачного сервиса[11].
В ходе нашего опроса мы обнаружили, что внутренний подряд (инсорсинг) позволял организациям-клиентам обеспечить высокий уровень контроля и оставлять у себя все так или иначе сэкономленные средства. Однако другие варианты тоже имеют свои плюсы. Например, многие традиционные провайдеры аутсорсинга бизнес-процессов имеют значительные собственные наработки в области автоматизации. Преимущество привлечения опытного провайдера заключается в том, что такая компания часто может предложить целый комплекс интегрированных услуг, сочетающий в себе, в частности, недорогую иностранную рабочую силу, доведенные до совершенства процессы, опыт управления изменениями и технологические наработки. Существуют и новые операторы, которые также специализируются на автоматизации обслуживания. Но если традиционные провайдеры аутсорсинга бизнес-процессов встраивают автоматизацию в общий комплекс предоставляемых услуг, то новые обычно сосредоточены на оказании клиентам помощи в изучении и использовании последнего поколения средств роботизации бизнес-процессов.
Наиболее перспективным вариантом представляется размещение гибко программируемых роботов в облаке, где их можно копировать и развертывать по всей сети. Ведь обучение программируемого робота выполнению сложной задачи может занять несколько месяцев, а передача его функциональных возможностей другому такому роботу в облаке часто занимает всего несколько минут (или даже секунд).
После того как руководители компании разработают стратегии, нужно обеспечить их реализацию. Для этого им понадобятся преданные менеджеры среднего звена, которые помогут ознакомить сотрудников компании с выбранной концепцией автоматизации обслуживания и открывающимися в связи с этим перспективами. Важно, чтобы программами автоматизации обслуживания руководили не ИТ-отделы, а бизнес-подразделения, чтобы для автоматизации были выбраны действительно подходящие инструменты. Однако уже на ранних стадиях необходимо привлекать ИТ-специалистов во избежание возможных рисков, например раскрытия данных клиентов. Вместе с тем компаниям необходимо обратить пристальное внимание на свои внутренние каналы связи, чтобы своевременно информировать персонал о стратегии и сроках автоматизации обслуживания и о том, как этот процесс может повлиять на работу организации.
Определите спонсоров, кураторов и менеджеров программы. Для успешной реализации программы роботизации бизнес-процессов необходима поддержка управленцев разных уровней. Начнем с того, что для реализации подобных проектов нужны инициаторы-спонсоры – люди, которые выдвигают идею, предоставляют ресурсы и настаивают на принятии и использовании предлагаемой технологии. В зависимости от специфики компании спонсор может быть одним из высших руководителей компании или менеджером среднего звена, возглавляющим какой-либо конкретный отдел.
Но если спонсор может тратить на такой проект всего от 2 до 3 % своего времени, то основная нагрузка ложится на кураторов программ. Они берут на себя более серьезную и, главное, практическую роль. От 40 до 80 % их времени занимает представление концепции в масштабах компании, поддержание мотивации у членов команды и взаимодействие с заинтересованными сторонами, включая высшее руководство. Кроме того, для реализации таких проектов нужны сильные менеджеры проектов, способные реализовать программу в рамках сметы и в соответствии с графиком. Так, в Xchanging спонсором стал директор страхового отдела компании, а куратор имел большой опыт руководства малобюджетными проектами, причем выступал он одновременно и в роли менеджера программ.
Отдавайте инициативу коммерческим отделам. Люди, готовящиеся приступить к реализации проекта автоматизации обслуживания, часто спрашивают, откуда должна исходить инициатива: из коммерческих структур организации, ее ИТ-отделов или от провайдеров аутсорсинга? В компаниях, о которых мы говорили выше (Xchanging, AP, Telefnica UK (O2) и Европейская газоэлектрическая компания), эта идея принадлежала коммерческим структурам. Поскольку мы исследовали автоматизацию бизнес-процессов (а не ИТ-процессов!), нас устраивало, если подобные проекты возглавляли именно представители коммерческих структур компаний. Некоторые из опрошенных нами респондентов настаивали, что руководить такими программами должны коммерческие отделы.
Как правило, специалисты этих подразделений лучше других представляют себе, какие из управляемых ими процессов наиболее подходят для автоматизации. Менеджеры здесь знают, какие процессы отвечают минимальным критериям возможности автоматизации. Они могут выделить задания, в которых используются постоянно выполняющиеся структурированные данные и четкие и хорошо документированные правила с большими объемами транзакций[12]. Как мы могли видеть на примере работы Европейской газоэлектрической компании и компании Xchanging из страховой отрасли, именно коммерческие отделы выбирали для автоматизации структурированные задания, связанные со сквозными процессами, и исключали те, которые требовали вмешательства человека и вынесения оценочных суждений. Сотрудники коммерческих отделов также лучше других могут определить приоритетность проектов автоматизации по признаку наилучших ожидаемых результатов для клиентов и для персонала.
Определите, чего вы хотите достичь, и смоделируйте реакцию клиентов и/или сотрудников. Нередко новые технологии выглядят весьма многообещающими, но в итоге не приносят ожидаемых выгод. Прежде чем приступать к автоматизации обслуживания, убедитесь, что все, кто причастен к проекту, в частности клиенты и сотрудники, действительно заинтересованы в получении ожидаемых преимуществ. В случае с автоматизированными финансовыми отчетами в AP клиентам понравилась идея расширения учета корпоративных доходов. Журналисты тоже положительно отнеслись к изменению их должностных обязанностей[13].
Сеть некоммерческих больниц VHA Inc. с головным офисом в Иринге, штат Техас, предоставляет входящим в нее организациям различные услуги, в частности выполняет централизованные закупки. Таким образом расходы каждого лечебного учреждения оказываются ниже, чем если бы они производили закупки самостоятельно. Когда куратор роботизации бизнес-процессов в VHA узнал, что сотрудники коммерческого отдела тратят много времени на поиск в интернете спецификаций нужных изделий, он начал внедрять программу автоматизированного поиска информации и связал ее с закупками. Экономия проявилась быстро: за считаные месяцы удалось извлечь из интернета более 360 000 описаний продуктов. За счет этого появилась возможность высвободить персоналу время для другой работы, связанной с продажами и получением доходов. Взявшись за решение этой очевидной и наболевшей проблемы, руководство компании сумело пробудить у сотрудников энтузиазм относительно продолжения автоматизации обслуживания в целом.
Подключайте ИТ-отделы как можно раньше. ИТ-отдел может внести важный вклад в успех программы автоматизации. В ходе нашего исследования мы выяснили, что в нескольких случаях, в частности в компании O2 Telefnica UK, кураторы пытались осуществлять автоматизацию обслуживания без участия ИТ-отдела. Руководствовались они двумя соображениями. Во-первых, по их мнению, программа автоматизации обслуживания функционировала как компонент основного бизнеса в том смысле, что она требовала понимания используемых бизнес-процессов и специальных знаний в предметной области, а не навыков программирования. Во-вторых, они опасались, что ИТ-специалисты чересчур забюрократизируют весь процесс и замедлят темпы автоматизации. Некоторые руководители не осознавали, насколько ценными знаниями обладают ИТ-специалисты и какую пользу они могут принести. Речь идет, в частности, о проверке безопасности программного обеспечения для автоматизации обслуживания, разработке правил доступа, позволяющих избежать утечки конфиденциальных данных, эксплуатации программируемых роботов на полностью резервированной безопасной инфраструктуре. Вот что сказал руководитель одной из компаний-провайдеров: «Когда мы ведем переговоры с владельцами бизнеса, мы настаиваем и на разговоре с ИТ-специалистами. Когда мы говорим с ИТ-специалистами, то объясняем им, что у нас есть продукт, удовлетворяющий их требованиям в отношении безопасности, масштабируемости, управления изменениями и возможности аудита». Таким образом, плюсы от подключения ИТ-специалистов в самом начале работы намного перевешивают минусы.
Помните, что многие сотрудники опасаются последствий автоматизации. В ходе исследования мы выяснили, что некоторые компании использовали инструменты автоматизации обслуживания для выполнения повторяющихся однотипных, скучных заданий. В тех организациях, которые мы изучали, автоматизация повлияла на ряд участков производственного процесса больше, чем на работу в целом[14], а ее воздействие на занятость выразилось в увеличении производительности и сокращении найма или аутсорсинга, но не в увольнении штатных сотрудников[15].
Часто компании переключали сотрудников на другие виды деятельности, так что автоматизация просто позволяла им не увеличивать численность персонала. И действительно, менеджеры сообщали, что люди по большей части относились к изменениям позитивно. Они не ощущали угрозы от внедрения автоматизации; напротив, многие оценили, что у них стало меньше однообразной работы и больше возможностей напрямую контактировать с клиентами.
И все же наемные работники нередко опасаются потенциального негативного влияния автоматизации обслуживания на их занятость. Было бы странно, если бы руководители компаний не понимали этого. Предыдущие исследования показали, что информирование сотрудников о предполагаемом влиянии автоматизации на штатное расписание на ранней стадии процесса очень важно для успеха проекта в целом. Не понимая сути предстоящих изменений, сотрудники часто переоценивают их гипотетически негативные последствия; иногда начинают паниковать и даже саботируют новые инициативы[16].
Поэтому необходимо как можно более полно информировать наемных сотрудников о возможных последствиях автоматизации. Так, Xchanging, провайдер бизнес-процессов, исповедует открытый подход в отношении внутренних коммуникаций, распространяет внутренние информационные бюллетени и регулярные презентации. Разработки в сфере роботизации бизнес-процессов здесь легко отслеживаются всеми сотрудниками, которые непосредственно занимаются страхованием. В компании создали условия для того, чтобы работники были вовлечены в осуществление проектов и понимали, какие возможности может обеспечить автоматизация обслуживания через 6–12 месяцев.
Многие компании, участвовавшие в нашем исследовании, стремились создать автоматизированную систему в масштабах всей организации. Они рассчитывали, что автоматизация будет «вплетена» в бизнес-структуры так же, как это ранее произошло с компьютерами и интернетом, которые стали неотъемлемой частью инфраструктуры организационных процессов. Для этого необходимо создать в компании общий организационный ресурс – единый центр управления, переосмыслить концепцию найма и подготовки нужных специалистов и разработать механизмы непрерывного обучения.
Создание командного центра. Единый командный центр помогает всем структурным подразделениям оценить возможности автоматизации, определять приоритетность проектов, разрабатывать решения и контролировать выполнение заданий программируемыми роботами. Кроме того, он устанавливает стандарты, разрабатывает методические рекомендации и отслеживает эффективность автоматизации обслуживания с точки зрения ее влияния на бизнес.
Из тех организаций, которые мы изучали, в наибольшей степени к автоматизации обслуживания была подготовлена Европейская газоэлектрическая компания. Ее командный центр (который компания назвала «центром передового опыта») обеспечивал выполнение запроса на автоматизацию, исходившего от программ преобразований у клиентов и от оперативных отделов во всех структурных подразделениях организации. Когда рабочие группы бизнес-подразделений предлагали автоматизировать те или иные процессы, центр оценивал целесообразность планируемых нововведений и в случае признания проекта перспективным разрабатывал для него соответствующее экономическое обоснование. Если финансирование одобрялось руководством, единый центр отвечал за разработку решений для автоматизации, их тестирование и управление программируемыми роботами, когда они работали с реальными данными.
Один из главных плюсов создания единого командного центра заключается в том, что он позволяет быстро масштабировать программируемые роботы и снижает затраты на их разработку. Например, при повторном использовании роботов, обученных входить в какую-то конкретную систему или составлять объемные сообщения электронной почты на основе базы данных о клиентах, соответствующая утилита позволяла на 30–40 % сократить время подготовки этих процессов. Как объяснил один поставщик программного обеспечения, «чем больше процессов вы автоматизируете, тем больше объектов создаете в своей роботизированной библиотеке. А чем чаще вам удается повторно использовать их, тем более экономичными становятся формирование и реализация новых процессов».
Переосмысление процедур найма и подготовки специалистов и навыков, необходимых для автоматизации предприятия. По мере того как организации создают у себя возможности для автоматизации, им приходится переосмысливать наборы навыков, необходимых для реализации бизнес-сервисов. В рамках изученных нами программ роботизации процессов компании вводили новые должности, например разработчиков решений в сфере автоматизации, контролеров для планирования работы, эксплуатации и мониторинга программируемых роботов. Так, газоэлектрическая компания намеревалась набрать специалистов по роботизации из числа собственных струдников с некоторым опытом системного анализа, которые хорошо понимали специфику бизнеса компании. По словам руководителя проекта роботизации, важнейшим здесь было умение прослеживать логические структуры и связи в разнородных массивах корпоративных данных для построения алгоритмов, а также навыки в области ИТ. При этом он специально подчеркнул: «Мы не ИТ-специалисты, но у нас есть сотрудники, обладающие необходимыми навыками в этой области».
Напротив, подбирая контролеров роботизации бизнес-процессов, чтобы укомплектовать центр управления, компания ориентировалась на людей организованных, методичных, мыслящих и действующих логически и системно. В этом случае отдавалось предпочтение сотрудникам с хорошими навыками общения, которые могли бы эффективно взаимодействовать со специалистами коммерческих отделов при возникновении каких-либо проблем. Теперь в периоды пиковых нагрузок двое сотрудников-контролеров управляют 300 программируемыми роботами, выполняющими такой же объем работы, какой до того требовал участия более 600 человек.
Помимо учета навыков персонала командного центра, важно также представлять возможности остающихся сотрудников. Если роботы выполняют все повторяющиеся и структурированные задания, людям придется проявлять бльшую креативность и использовать неординарные навыки решения проблем, вынесения суждений и задействовать так называемый эмоциональный интеллект, чтобы справляться с неструктурированными задачами в нестандартных условиях.
В последнее время появилось множество прогнозов о влиянии автоматизации на работу человека. Некоторые эксперты предсказывают, что автоматизированные системы будут брать на себя все больше функций, оставляя людям, кроме стрижки газонов и парикмахерского дела, мало других видов деятельности[17]. Однако наши исследования позволяют предположить, что при массовой автоматизации умственного труда нас ожидает совсем иное будущее[18]. Мы ожидаем, что в ближайшие пять лет будет появляться все больше и больше рабочих групп, состоящих как из людей, так и из программируемых роботов, которые будут выполнять наиболее подходящие для них задания. Роботы будут очень быстро извлекать, консолидировать, реорганизовывать и трансформировать данные, чтобы человек мог оценивать их и действовать в соответствии с полученными результатами. Людям (а со временем, возможно, и искусственному интеллекту) придется учитывать новые требования со стороны бизнеса, выявлять и решать неструктурированные проблемы, налаживать отношения с клиентами и предоставлять им определенные услуги. Кое-что из этого мы наблюдаем уже сегодня, но в будущем предварительное конфигурирование роботов должно существенно упроститься. Тогда они смогут обходиться без столь подробных инструкций, поскольку используемые инструменты и роботизированные бизнес-процессы переместятся в облачную среду.
Сегодня сфера автоматизации обслуживания быстро развивается. Многие респонденты в ходе исследования сообщали нам, что следующим уровнем должна стать обработка неструктурированных данных с помощью инструментов познавательной (когнитивной) автоматики. Они хотят, чтобы программируемые роботы читали текстовые сообщения или электронные письма и понимали смысл прочитанного. Роботы могут обрабатывать громадные объемы данных и почти мгновенно интерпретировать информацию, так что с их помощью можно будет сделать большой шаг вперед в обслуживании клиентов. На практике это означало бы, что агент в ходе телефонного разговора может поставить перед программируемым роботом задачу найти большой массив данных, чтобы помочь клиенту решить проблему за несколько секунд. Нынешнее состояние автоматизации обслуживания можно считать исходным пунктом на пути к этому будущему.
11
Организационная подготовка к внедрению новых технологий
Рахул Капур и Томас Клютер
Появление новых технологий, пусть даже весьма многообещающих с точки зрения общества в целом, зачастую угрожает стабильности, а то и самому существованию уже действующих компаний. Примеров накопилось множество; достаточно вспомнить хотя бы о реакции (вернее, об отсутствии должной реакции) компаний Eastman Kodak и Polaroid на появление цифровой фотографии. Во многих подобных случаях основная проблема у известных и давно зарекомендовавших себя компаний заключалась вовсе не в непонимании важности новых технологий или недостаточных инвестициях в это направление работы. Все упиралось в необходимость коммерциализации новой технологии, экономическая привлекательность которой в сравнении с существующей бизнес-моделью компании в ближайшей перспективе была отнюдь не очевидной.
Сегодня менеджеры во многих ведущих секторах экономики, включая производство автомобилей, финансовые услуги, энергетику и здравоохранение, сталкиваются со сложностью принятия на вооружение новых технологий, которые могут поставить под вопрос экономическую жизнеспособность и конкурентоспособность их компаний. Часто им не хватает понимания (основанного на систематических эмпирических данных) того, что они сами могут сделать для преодоления сложившейся ситуации.
Чтобы понять суть этой проблемы, сначала нужно осознать, что новая идея (изобретение) – одно, а ее последующая коммерциализация посредством создания нового продукта или услуги (инновация) – совсем другое. Это важный момент, поскольку отношение компаний к изобретениям в новых технологических областях обычно определяется инженерами и научным персоналом, а их последующей коммерциализацией управляют менеджеры по развитию бизнеса и маркетингу. Сама логика изобретений, как правило, ориентирована на поиск оптимальных решений существующих проблем или удовлетворение имеющихся у клиентов потребностей, в то время как цель коммерциализации – повышение конкурентоспособности и прибыльности бизнеса.
В некоторых случаях, например для таких новых технологий, как энергоэффективные транспортные средства и беспроводная телефония, эти подходы могут быть взаимосвязанными и не противоречить друг другу. Однако в других случаях конфликт между ними может создавать в организациях внутреннее напряжение, обусловленное особенностями бизнес-модели, вернее, тем, как компания создает и присваивает стоимость. Например, в 1970-х гг. инженеры корпорации Xerox стали авторами важнейших изобретений в области информационных технологий, таких как графический интерфейс пользователя (GUI) и компьютерные сети Ethernet. Однако активно заниматься коммерциализацией этих новшеств Xerox не стала, потому что на тот момент бизнес-модель компании базировалась на производстве копировальной техники, и высшее руководство не стало развивать новое направление.
Мы изучали подобные ситуации и возможные методы устранения таких противоречий в компаниях в ходе двухлетнего исследования фармацевтической отрасли в реальных условиях. В фармацевтике в последние годы произошел важный технологический сдвиг, причиной которого стало появление новых методов лечения, основанных на биотехнологиях. Однако, несмотря на огромные перспективы, до сих пор существует значительная неопределенность в отношении того, когда научные открытия трансформируются в клинические успехи. Также неясно, каким образом препараты, разработанные на основе этих открытий, будут создавать стоимость для различных заинтересованных субъектов. Мы собрали подробные сведения об инвестициях в исследования и разработку лекарств по 50 ведущим глобальным фармацевтическим компаниям за 1989–2008 гг. и опросили более 20 отраслевых экспертов. Подробные результаты нашего исследования были опубликованы в Academy of Management Journal.
Мы наблюдали за развитием и внедрением двух новых биотехнологий, которые появились в конце 1980-х гг. и почти сразу привлекли к себе большое внимание: это моноклональные антитела и генная терапия. В обоих случаях имели место радикальный уход от традиционной терапевтической схемы, высокая научная и коммерческая неопределенность и необходимость инвестировать в нове знания и навыки. Однако, несмотря на это, многие известные компании инициировали исследования в обоих направлениях и запатентовали собственные изобретения. Но доли инвестиций этих компаний в исследования моноклональных тел и геннотерапевтических методов, по результатам которых началась разработка лекарств, существенно различались. Если в первом случае изобретения сравнительно легко трансформировались в последующую разработку и коммерциализацию препаратов, то во втором дело обстояло иначе.
Отчасти это можно объяснить тем, что эти терапевтические схемы не в равной мере соответствуют сложившейся модели фармацевтического бизнеса. Моноклональные антитела, как и традиционные препараты, могут использоваться в рамках стандартизированных методов лечения с длительными сроками назначения, ориентированных на массовые рынки. Иными словами, они способны обеспечивать фармацевтическим компаниям регулярные доходы за счет пациентов и страховщиков, поскольку хорошо вписываются в существующую бизнес-модель.
Напротив, терапия генными препаратами, как правило, проводится всего один раз или, во всяком случае, гораздо реже, чем моноклональными антителами. Лечение пациентов с генетическими нарушениями носит сугубо индивидуальный характер, и проводят его сравнительно редкие специалисты. Рассмотрим, например, использование генной терапии для лечения гемофилии А и В. «Курс лечения» при этом представляет собой одноразовую индивидуальную инъекцию, что угрожает всему существующему рынку лечения гемофилии. Кроме того, непонятно, как будут определяться расценки этого нового метода лечения и как будут возмещаться соответствующие расходы. А значит, генная терапия является примером технологии, которая ломает сложившуюся бизнес-модель. Как мы убедились в ходе наших интервью, именно это фатальное несоответствие между возможностями генной терапии и существующей бизнес-моделью затрудняет ее дальнейшее развитие и коммерциализацию.
Изучая, как менеджеры могли бы разрешить такую проблему, мы поняли, что ответ кроется в организационной структуре, в рамках которой компании пытаются осваивать новые технологии. Исследования в области генной терапии, которые проводились внутри компании или внешними контрактными подрядчиками, с меньшей вероятностью доводились до коммерциализации именно из-за конфликта с существующей бизнес-моделью. Однако разработка методов генной терапии обычно продолжалась, если исследования проводились в альянсе со стартапами, университетами или силами отдельного исследовательского подразделения, приобретенного или созданного специально для этой цели. В таких ситуациях принятие решений относительно разработки и коммерциализации лекарств структурно было отделено от головной компании, но зато в нем участвовали «непосвященные» сотрудники стартапов, образ мышления которых существенно отличался от стереотипов, сложившихся у руководителей головной компании.
Выводы нашего исследования в отношении руководителей очевидны. При оценке перспективных технологий менеджеры должны не только оценивать открывающиеся функциональные возможности, новые компетенции, которые могут потребоваться их компаниям. В этих случаях нужно думать, обеспечит ли новая технология клиентам иное предложение стоимости и уравнение дохода – вспомните, например, о цифровых изображениях и изготовителях фотопленки, генной терапии и фармацевтических компаниях или беспилотных автомобилях и производителях традиционных автомобилей. И чем сильнее новая бизнес-модель будет отличаться от существующей, тем больше организационных проблем возникнет при коммерциализации изобретения.
Но это противоречие можно смягчить, создав организационную структуру, при которой в распределении ресурсов и принятии решений относительно новых технологий будут участвовать «люди со стороны», с принципиально иными ментальными моделями. Этого можно достичь за счет создания стратегических альянсов и приобретения стартапов или создания отдельных исследовательских подразделений. Альянсы могут обеспечить бльшую гибкость, в то время как приобретения способны обеспечить более строгий контроль технологий и интеллектуальной собственности. В качестве альтернативного варианта компании-пионеры с помощью агрессивной кадровой политики могут создавать новые подразделения, такие как Lab126 у Amazon или Google X. Однако такая структура часто создает дополнительные трудности для руководства, поскольку требует согласования часто взаимоисключающих требований основного бизнеса и новых технологических программ.
Сегодня многие компании сталкиваются с конкурирующими прорывными технологиями, такими как 3D-печать, искусственный интеллект, облачные вычисления, интернет вещей, персонализированная медицина и возобновляемые источники энергии. Руководителям надо задумываться не над тем, следует ли инвестировать в новые технологии и когда это делать. Теперь необходимо понять, КАК инвестировать в эти новые технологии. Руководители могут инициировать предварительные исследования этих способов, но обычно им приходится мыслить и действовать в рамках существующей логики и процедур принятия решений, касающихся изобретений, а также их дальнейшей доработки и коммерциализации. Однако при наличии эффективной организационной структуры компании будут успешны даже в условиях постоянно меняющегося технологического ландшафта.
12
Как решить проблему цифровых инноваций
Фредрик Сван, Ларс Матиассен, Рикард Линдгрен и Джеральд Кейн
В 2010 г. небольшая группа менеджеров автомобильного концерна Volvo Car задалась целью сформировать картину будущего, в котором значительная роль отводилась автомобилям с беспроводным подключением к интернету («подключенные автомобили»). Они поняли, что компании необходимо обратить внимание на разработку и внедрение инноваций, чтобы более эффективно конкурировать во все более цифровизирующейся среде. Конечно, это гораздо легче было запланировать, чем сделать. Одна из основных проблем здесь заключалась в том, что многие менеджеры вообще не видели необходимости в этом. В конце концов, Volvo Cars производила автомобили, а не занималась цифровым бизнесом. Другие понимали необходимость изменений, но не представляли, что именно и как нужно делать. Как они могли убедить коллег, если у них самих не было четких представлений ни о том, каким должен быть результат инноваций, ни даже о самом процессе их внедрения? А автомобильный бизнес Volvo Cars в то время процветал, что порождало дополнительные опасения по поводу того, как бы цифровые инновации не повредили основному производству.
Сейчас руководители многих компаний задаются вопросами, аналогичными тем, которые Volvo Cars начала решать в 2010 г. Недавний отчет MIT Sloan Management Review и Deloitte показывает: почти 90 % опрошенных менеджеров считают, что их отрасль, скорее всего, пострадает от внедрения цифровых технологий. Одновременно менее половины из них сообщают, что компания достаточно активно стремится минимизировать такое воздействие. Наш четырехлетний проект исследований Volvo Cars позволяет глубоко понять проблему, которую придется решать работающим компаниям (наряду с необходимостью согласования противоречивых требований внутри самой организации) по мере прогресса цифровизации.
Работая над стратегией развития «подключенных автомобилей», исполнительная команда Volvo Cars сформировала концепцию, допускающую обновление некоторых цифровых функций автомобиля уже после его изготовления и продажи. Новая технология должна была расширить возможности пользователей и создать дополнительные каналы поступления доходов. Адаптировав уже существовавшие циклы разработки продукции к автомобилям, концепцию подключения автомобилей к интернету можно было бы реализовать быстрее. Это также позволило бы компании взаимодействовать с другими создателями инновационных решений в сфере бытовой электроники.
Руководители понимали, что реализовать такой подход будет нелегко, поскольку не считали основным направлением работы создание новых технологических инфраструктур. Эта смелая концепция резко контрастировала с практикой внедрения инноваций и дейтвующими на тот момент в Volvo Cars бизнес-моделями. Действительно, внедрение цифровых инноваций для подключенных автомобилей требовало фундаментального переосмысления организационной структуры. Но важнейшим требованием было сохранение эффективности основного бизнеса. Для решения этой задачи Volvo Cars пришлось найти приемлемые компромиссы из четырех «наборов» взаимосвязанных противоречивых требований.
Традиционно Volvo Cars вкладывала значительные средства в инновации в подразделениях, занимающихся конкретными продуктами. Как правило, делалось это с расчетом на годы вперед, с опорой на иерархические структуры и модульные архитектуры продуктов. Цифровые же технологии требовали нового мышления, которое шло вразрез с таким подходом, но позволяло компании продвигаться вперед быстрее, чем когда-либо раньше.
Топ-менеджеры поняли, что для успешного внедрения цифровых инноваций они должны организовать в существующей инновационной среде компании своего рода «перекрестное опыление» и пересмотреть обычную практику разработки продуктов. Такая трансформация была необходима, она требовала фундаментальных изменений в процедурах, ресурсах и структурах компании. Все это заметно повлияло бы на фирменный стиль и культуру Volvo Cars.
Чтобы справиться с возникающими проблемами, руководство компании инициировало развертывание новой программы, известной под названием Connectivity Hub (Центр связи). Специальной многопрофильной команде было поручено разработать принципиально новые функции для автомобилей, подключаемых к интернету. Позже директор Центра Микаэль Густавссон вспоминал: «Основной задачей было создание новой сети, которая не воспроизводила бы существующую структуру. Центр связи позволял свести различные отделы компании фактически за одним столом. До этого у нас не было единой площадки, где мы могли бы обсуждать такие вещи». Новая структура в компании помогла организовать широкое внутреннее обсуждение цифровых инноваций и наладить подготовительную работу к их внедрению.
Центр был создан в качестве временной структуры, чтобы его не воспринимали как угрозу для сложившейся в компании практики. И все же поначалу инициатива встретила значительное сопротивление. Наиболее активно оно проявилось среди руководителей среднего звена, разрывавшихся между работой на долгосрочную перспективу, которая была необходима для реализации новых возможностей, и краткосрочными заданиями, требующими соблюдения существующих процедур. Нельзя сказать, что это сопротивление было совсем уж необоснованным: при разработке нового продукта в Volvo Cars обычно требовалось, чтобы детали изделия или продукта «замораживались» на годы вперед, чтобы потом их можно было использовать в производстве. Однако было сложно за три года до начала внедрения принять идею о необходимости функций, доступ к которым открывается при подключении автомобиля к интернету. Поэтому такие возможности приходилось создавать на основе текущих разработок с участием автопроизводителей, внешних специалистов, конечных пользователей и регуляторных органов. Центр связи должен был выяснить, как Volvo Cars может участвовать в этих непрерывных процессах обновления без ущерба для своего основного производства.
Технологические инновации в Volvo Cars традиционно были нацелены на повышение эффективности производства и постепенное совершенствование продукции. Но теперь компания столкнулась с принципиально иной проблемой: цифровые функции не всегда можно было просчитать заранее. Тем не менее руководство Volvo Cars считало, что концепцию подключения автомобилей к интернету не удастся реализовать, если цифровые функции не будут интегрированы с физической средой автомобиля. Необходимо было разработать новые процессы внедрения инноваций, сохранив при этом все положительные стороны уже существовавшего производства.
Volvo Cars задумалась о том, чтобы не просто искать решения конкретных проблем конечных пользователей, а о необходимости разработать более общие, универсальные цифровые ресурсы. Они представляли собой готовые цифровые компоновочные блоки, которые можно было комбинировать и в перспективе использовать для решения других инновационных проблем. Чтобы легитимизировать такие разработки в среде, изначально ориентированной на конкретные функции, Volvo Cars создала набор из нескольких платформ. Каждая из них имела ограниченную сферу охвата и специфическую направленность. Платформы постепенно дорабатывались, включая все более широкий диапазон приложений. Такой подход позволил автомобильной компании переключить внимание с платформ, ориентированных на экономически эффективное производство заранее определенных изделий, на цифровые решения, которые открывали возможность предоставления новых, часто даже не планировавшихся цифровых услуг.
Например, система Volvo On Call изначально задумывалась как телематическая служба с конкретными функциями для дистанционной разблокировки автомобиля и мониторинга безопасности. Но потом в компании поняли, что эту технологию можно с некоторыми доработками использовать, например, для выдачи универсальных цифровых ключей. Такая опция позволила розничным продавцам доставлять пищевые продукты к конкретным автомобилям. Позже этот сервис был еще более расширен, и теперь цифровой ключ является центральным элементом коммерческой платформы под названием In-Car Delivery («Доставка товаров в автомобили»). Она объединяет владельцев автомобилей, логистические организации и множество розничных продавцов различных категорий товаров в нескольких европейских странах.
Когда Volvo Cars начала создавать концепцию своих цифровых ресурсов как универсальных функций, почти сразу возникли вопросы, кто именно будет использовать различные платформы для разработки новых сервисов. Компания довольно долго налаживала внутреннее сотрудничество, необходимое для реализации эффекта масштабов, который ее инвестиции в модульные схемы продуктов могли обеспечить за счет специализации и эффективного разделения труда.
Неудивительно, что вскоре стало ясно, что такой подход не сможет раскрыть всего потенциала цифровых технологий в части увеличения разнообразия и предложения новых цифровых услуг для автомобилей. Автопроизводитель осознал важность привлечения внешних заинтересованных партнеров по созданию стоимости для рынка послепродажного обслуживания подключенных машин. Поэтому Volvo Cars запустила новую программную среду Volvo Cloud для размещения сторонних внутриавтомобильных сервисов с использованием программного обеспечения, установленного на ее внутренних серверах. Эта удачная инициатива открыла возможности для сотрудничества с внешними разработчиками приложений, например с интернет-радио Pandora и цифровыми музыкальными сервисами Spotify. Такой подход позволил обеспечить устойчивый поток новых цифровых услуг для клиентов Volvo Cars.
Поскольку программное обеспечение при этом не устанавливается в узлах автомобиля, а находится в облаке, появилась возможность решать проблемы внедрения инноваций, налаживая сотрудничество с внешними партнерами и не ломая традиционную внутреннюю практику работы с инновациями. Volvo Cloud позволяет включать, обновлять и заменять в автомобилях интернет-радио, не внося изменений в физическую конфигурацию автомобиля.
Сотрудничество с партнерами в сфере разработки продуктов, в свою очередь, открывает новые подходы к управлению инновациями. Первые опыты показали, что разработчики приложений соглашаются сотрудничать на иных условиях, нежели традиционные поставщики автозапчастей. Тогда Volvo Cars организовала внутри собственного отдела исследований и разработок группу по созданию приложений, укомплектованную специалистами из отрасли производства бытовой электроники. Эта группа стала связующим звеном между внутренней и внешней средой и создала несколько трансграничных ресурсов, которые облегчили компании взаимодействие с внешними разработчиками приложений. Таким образом было реализовано несколько совместных креативных программ с участием сторонних партнеров, в частности разработка приложения Glympse для обмена информацией о местонахождении.
Поиск компромиссов между противоречивыми требованиями в области цифровых инноваций. Внедрение цифровых инноваций подразумевает поиск приемлемого компромисса между разнонаправленными потребностями за счет развития как новых способности, так и существующих ключевых компетенций. В частности, Volvo необходимо было найти приемлемый баланс между: 1) новыми и существующими инновационными способности; 2) ориентацией на процесс или на продукт; 3) внешними и внутренними инновациями и 4) гибкостью и обеспечением контроля в рамках партнерства.
Темп начатых программ снизился при переходе от демонстрации к коммерциализации, как только в дело вмешался отдел закупок. Для выполнения поставщиками требований Volvo Cars сотрудники отдела закупок инстинктивно использовали традиционные контракты, основанные на денежных транзакциях. Однако в рамках сотрудничества с Pandora и Spotify компания не составляла подробные спецификации и не оплачивала их продукты и услуги, так что традиционные контракты оказывались бесполезными.
Чтобы наладить эффективные отношения с этой новой категорией партнеров, Volvo Cars научилась находить баланс между необходимым уровнем контроля таких отношений и достаточной гибкостью, обеспечивающей совместное создание стоимости. Кроме того, компания разработала новый контракт, в котором особо подчеркивается взаимная ответственность и соблюдение принципа «без увеличения затрат» (cost neutrality). Этот документ фиксирует договоренность партнеров соблюдать долгосрочные обязательства по предоставлению высококачественных цифровых услуг и формированию устойчивых отношений, не связанных напрямую с денежными операциями.
Опыт компании Volvo Cars в области цифровых инноваций показывает, как действующие компании могут более активно конкурировать в цифровой среде. Во-первых, становится понятно, что цифровая инновация – это не просто новая технологическая платформа или инновационный инкубатор, но еще и проведение необходимых организационных изменений. Для реализации потенциала в этой сфере требуется фундаментальное переосмысление механизмов принятия решений, выбора партнеров и регулирования отношений сторон. Эти области в значительной мере взаимосвязаны и взаимозависимы, поэтому можно неожиданно обнаружить, что неспособность решить проблему в какой-то одной из них заметно тормозит общее продвижение инициатив в области цифровых инноваций.
Во-вторых, можно с успехом реализовать возможности цифровых инноваций, сохраняя эффективность основного бизнеса. Более того, именно это и необходимо сделать. Успешные компании обладают знаниями и опытом, которые служили им на протяжении многих лет, и процесс ведения бизнеса у них уже в значительной степени институционализирован. Цифровизация открывает возможности для встраивания новых типов функций и услуг в существующие продукты. Но вместе с тем это, безусловно, значит, что некоторые устоявшиеся методы ведения бизнеса должны измениться. В частности, речь идет о традиционном инновационном цикле, моделях сотрудничества и практике регулирования партнерских отношений. Однако это вовсе не означает, что прежние методы были неправильными. Той же Volvo Cars удалось сохранить критически важные аспекты своего подхода к дизайну и производству автомобилей, который по-прежнему эффективен. Но компаниям все равно придется искать способы, которые позволят им использовать свои сильные стороны для получения прибыли с помощью новых методов ведения бизнеса. И руководителям необходимо будет точно определить, какие подходы и процедуры необходимо изменить, а какие следует сохранить.
Наконец, развертывание цифровых инноваций не начнется само по себе. Руководители Volvo Cars разработали четкую концепцию деятельности, определив многие ее параметры, хотя изначально они еще многого не знали о конкретике текущего момента. Они представили эту концепцию персоналу компании и обеспечили необходимую поддержку и ресурсы для начала и продолжения намеченного пути. Не все сотрудники сразу приняли ее. Многие менеджеры сочли это рискованной затеей с низким уровнем доходности даже в случае успеха. Но правильное представление концепции сотрудникам компании и постепенное осуществление изменений позволили Volvo Cars внедрять технические новшества в организации, вводить их в свои продукты, чтобы по-прежнему выдерживать конкуренцию во все более цифровизируемой бизнес-среде.
Эта статья основана на результатах исследования, опубликованных в работе F. Svahn, L. Mathiassen, and R. Lindgren, “Embracing Digital Innovation in Incumbent Firms (Ф. Сван, Л. Матиассен и Р. Линдгрен «Отношение к цифровым инновациям в действующих компаниях: как решали внутренние противоречия»), Mis Quarterly 41, no. 1 (Маrth 2017): 239–253.
IV
Новые концепции использования социальных сетей
13
Поиск эффективных методов использования социальных сетей при внедрении инноваций
Дебора Робертс и Фрэнк Пиллер
Широко распространенным явлением стала публикация историй успеха в социальных сетях. Это свидетельствует о значительном их влиянии на судьбы компаний. Например, лондонская компания Burberry Group Plc, производитель одежды, аксессуаров и парфюмерии класса люкс, для привлечения и информирования клиентов и поклонников в значительной мере полагается на социальные сети[19]. Еще в 2011 г. Burberry тратила более 60 % своего маркетингового бюджета на цифровые средства коммуникации[20]. Другие компании тоже все чаще пытаются освоить навигацию в социальных сетях и использовать их в качестве бизнес-инструментов. Это проявляется в сообщениях об увеличении расходов на программы работы с социальными сетями и даже в создании для этого в некоторых организациях специальных должностей[21]. Но, несмотря на это, значительный потенциал соцсетей для поддержки инноваций и разработки новых продуктов пока почти никак не реализуется[22].
И консультанты, и ученые рассматривают социальные сети как ресурс для внедрения инноваций и разработки новых продуктов, обеспечивающий возможность изучения потребностей клиентов, получения доступа к знаниям, совместной (с пользователями) разработки идей и концепций и поддержки запуска новых продуктов. Однако наше исследование показывает, что, несмотря на большие ожидания, на практике положительные результаты часто не достигаются.
Начнем с того, что использование компаниями соцсетей для разработки новых продуктов значительно отстает от использования этого инструмента в обществе в целом. Некоторым производителям удается использовать социальные сети для проработки новых идей, и это иногда приводит к появлению хорошо продающихся новых продуктов, но большая часть бизнес-сообщества просто не знает, как можно продвигать инновации таким образом. Более того, некоторые компании считают, что это плохо влияет на экономические показатели в сфере инноваций. Распространенное мнение: сотрудники могут отвлекаться, получая из социальных сетей разнообразную информацию, а традиционные фильтры для скрининга данных, например по репрезентативности или демографическим категориям потребителей, при этом не работают. Другие тратят ресурсы, не проверяя надежность источника и информации, ошибочно полагая, что данные из соцсетей столь же достоверны, как та, что поступает из традиционных онлайновых баз данных.
Тем не менее мы считаем, что в компаниях, понимающих, как нужно использовать социальные сети, этот инструмент может радикально изменить ситуацию. Но для этого недостаточно прото проводить время в Facebook в окружении виртуальных друзей, ставящих вам лайки. Чтобы использовать социальные сети для внедрения инноваций, организация должна определить четкие цели и выработать соответствующую стратегию.
В ряде исследований изучался вопрос о том, как можно использовать социальные сети в более широком диапазоне коммерческих целей, особенно в сфере коммуникаций; также они рассматривались в качестве одного из ведущих факторов внутренних взаимодействий и управления знаниями внутри компаний. В этих сферах социальные сети, по-видимому, могут стать неотъемлемой частью корпоративного инструментария[23].
Наше исследование показывает, что отношение к социальным сетям как к инструментарию для внедрения инноваций распространено не столь широко. Менее 50 % опрошенных сотрудников компаний используют их в процессе разработки новых продуктов. Более того, иногда соцсети могут создавать неожиданные проблемы. Исследование выборки североевропейских компаний показало, что, с точки зрения некоторых менеджеров, социальные сети увеличивают информационный шум и затрудняют выделение из него полезных сигналов. Иными словами, существует опасность зондирования «нецелевой» аудитории[24].
В нашей работе мы опирались на результаты двух других оригинальных исследований, в ходе которых проверялась эффективность использования сетевых инструментов и социальных сетей при разработке новых продуктов для более крупных выборок компаний. В первом из них мы изучили 209 североевропейских компаний с точки зрения применения ими социальных сетей при разработке новых продуктов. В ходе второго мы использовали массив данных из Программы глобальной оценки сравнительной эффективности (2012 Global Comparative Performance Assessment Study) Ассоциации менеджмента и разработки новых продуктов (Product Development and Management Association, PDMA), крупнейшей некоммерческой профессиональной организации в области разработки новых продуктов. Специалисты этой организации изучили методы работы в 453 компаниях (198 из Северной Америки, 149 из Азии и 106 из Европы). С интервалом в несколько лет PDMA опрашивает сотни специалистов относительно эффективных методов и факторов успеха в управлении инновациями.
В один из опросов были включены вопросы об использовании социальных сетей для продвижения инноваций. Полученные данные позволили выявить общий положительный эффект для компаний, которые работали с социальными сетями на всех этапах инновационного процесса. Также выяснилось, что для использования открывающихся преимуществ компании должны иметь специальные структуры и определенный уровень инновационной культуры. Кроме того, наши представления о том, как социальные сети могут способствовать внедрению инноваций, заметно расширились в ходе реализации исследовательских и консалтинговых проектов с участием компаний из Европы и США. Эта работа помогла нашим партнерам понять, какие организационные процессы, структуры и элементы корпоративной культуры позволяют им более тесно взаимодействовать со своими клиентами через социальные сети, какие особенности дизайна веб-сайтов дают возможность вести переговоры и каким образом компании могут использовать различные источники пользовательского контента с помощью анализа социальных сетей.
Мы изучили практику взаимодействия крупных глобальных компаний с социальными сетями применительно к разработке новых продуктов[25], используя данные того же исследования Global Comparative Performance Assessment Study, проведенного Ассоциацией менеджмента и разработки новых продуктов (PDMA, 2012)[26]. Тогда представители 82 % опрошенных компаний заявили, что при разработке новых продуктов они так или иначе использовали социальные сети. Однако только 14,7 % респондентов задействовали их как минимум в 50 % своих проектов. Несмотря на ажиотаж, окружающий популярные социальные сети, эти результаты также показали, что большинство компаний на самом деле использует такие инструменты, как форумы пользователей и блоги, гораздо чаще, нежели Twitter и Pinterest.
В целом же, с точки зрения специалистов многих компаний, результаты использования социальных сетей для разработки новых продуктов не оправдывают ожиданий. Соцсети действительно помогают выявлять и даже отчасти формировать потребности клиентов, однако те компании, которые просто поддались общей тенденции увлечения социальными сетями и вложили деньги в соответствующие программы, не имея ни четкой стратегии, ни необходимых навыков и знаний, обычно не достигают ожидаемых результатов. Если социальные сети рассматривались только как источники технической информации, то заметных улучшений показателей в области разработки новых продуктов не было. Более того, показатели деятельности этих организаций даже снижались из-за возникающей информационной перегрузки и сложности обработки получаемых таким образом данных. Максимальный выигрыш получили те компании, которые предварительно сформировали организационные процессы и структуры, необходимые для поддержки разработки новых продуктов.
Прежде чем начинать применять социальные сети при создании новых продуктов, менеджеры должны разработать соответствующую стратегию и убедиться, что они имеют в своем распоряжении процессы и людей, с которыми можно будет добиться успеха. Необходимо точно определить цель: уловить актуальные тенденции в своем сегменте рынка, изучить спрос, разрабатывать совместно с клиентами новые идеи и концепции, использовать социальные сети для поддержки запуска новых продуктов и/ или для распространения нужной информации и формирования позитивного отношения к своей продукции с помощью сарафанного радио. Чтобы проиллюстрировать различные подходы, мы воспользуемся аналогией с летним лагерем, в котором дети могут вести исследования и учиться. Подобно родителям, стремящимся найти для своего ребенка подходящий лагерь, компании должны тщательно проанализировать свои потребности и стратегии в отношении социальных сетей.
Попробуем для наглядности описать три разных гипотетических «лагеря»: лагерь исследователей, лагерь совместного творчества и лагерь общения. Каждый из них предлагает собственный подход к осмыслению инновационного процесса и обеспечивает набор важнейших навыков, необходимых для использования социальных сетей при продвижении инноваций. Чтобы реализовать потенциал этого инструмента при создании новых продуктов, разработчики должны участвовать в трех взаимосвязанных видах деятельности: 1) анализировать пользовательский контент и извлекать из него уроки; 2) налаживать и облегчать диалог с клиентами-новаторами; 3) сформировать аудиторию из первых клиентов, чтобы популяризировать новые продукты и получать обратную связь для их улучшения. Эти три процесса должны осуществляться не последовательно, а параллельно.