Статьи

Потребности покупателей, приходящих в магазины, вполне естественны: их интересуют качественные продукты, их наличие на полках, честные цены, отсутствие очередей. Торговая сеть — это огромная инфраструктура, и ошибки здесь недопустимы. Однако как сочетать жесткие правила работы с инновационной деятельностью?

В нынешнем мире цифровой трансформации главная цель любой компании, претендующей на лидерство, — скорость: лидеры должны двигаться быстрее рынка. Запущенная лаборатория как раз и представляет собой пространство, где можно быстро воплощать в жизнь революционные подходы и тестировать решения стартапов, помогая бизнесу двигаться вперед.

Фабрисио Гранжа: «Здесь возможно протестировать в боевой обстановке много различных решений и увидеть, как они влияют на покупателей»

«В этой лаборатории я вижу шанс сочетать одновременно и эволюционные, и революционные подходы. Здесь возможно протестировать в боевой обстановке много различных решений и увидеть, как они влияют на покупателей», — подчеркивает Фабрисио Гранжа, директор по ИТ X5 Retail Group. Это не место, где эмулируется работа систем, тут приходится иметь дело с реальными покупателями, которые приходят в магазин.

По словам Гранжи, самое тяжелое — не создать новое решение, а масштабировать его. Для этого надо не просто протестировать систему и быть уверенным в ее эффективности, но и оценить, подходит ли технология нынешней архитектуре, возможно ли ее масштабировать на 13 тыс. магазинов, наконец — жизнеспособна ли она в обозримом будущем.

Один процент успеха

«Очень часто нас спрашивают, а зачем мы вообще занимаемся инновациями, — говорит Вадим Капустин, директор по стратегическому развитию и инновациям X5 Retail Group. — Мы начали активно работать в этом направлении примерно полтора года назад. Если посмотреть на развитие российского ретейла в последние несколько лет, то очевидно, что конкуренция на рынке заметно выросла». За 10 лет торговые площади на душу населения увеличились вдвое, и ожидается, что в течение 10–15 лет они еще раз удвоятся или даже утроятся. Это означает, что в магазины будет все сложнее привлечь покупателя. Борьба идет уже сейчас, и она будет усиливаться.

«Для того, чтобы дать покупателю то, что ему нужно: удобство, невысокую цену, приятный процесс покупки, — мы запустили инновационный процесс», — рассказывает Капустин. Некоторые тестируемые в лаборатории технологии — например, электронные ценники — помогают покупателю определять цену на товар, минимизируют ошибки, вызванные человеческим фактором. Кассы самообслуживания, в том числе работающие через мобильные телефоны, позволяют сократить очереди. RFID-технологии дают возможность мгновенно считывать содержимое корзины и выдавать чек.

С другой стороны, чтобы снизить цены или хотя бы удержать их на нынешнем уровне, необходимо следить за издержками. Например, с помощью специальной информационной панели магазин в реальном времени отслеживает расходы на электричество. Если удастся получать своевременную информацию о перерасходе электроэнергии и не допустить такого перерасхода, это в конечном счете позитивно отразится на ценах.

Вадим Капустин: «На входе нашей технологической воронки за полтора года побывало более 500 решений. В стадию промышленного внедрения перешло лишь шесть из них»

Помимо технологий, которые уже известны и используются, в лаборатории тестируются и такие, которые пока еще в новинку. Так, одно из решений — «умная полка». Суть его в том, что с помощью встроенных светодиодов в реальном времени определяется наличие товара на полке. Сейчас контроль наличия товаров тестируется двумя способами: с помощью видеоаналитики и «умных полок». «Какая из этих технологий себя оправдает — большой вопрос, потому-то мы и занимаемся их тестированием. Но надеюсь, что в следующем году одну из них мы будем развертывать», — поясняет Капустин.

Процесс оценки инноваций представляет собой классическую воронку, известную в маркетинге. На ее вход поступают технологии, они «просеиваются», затем тестируются и пилотируются и в случае успеха могут быть использованы в масштабах всей сети. По словам Капустина, на входе этой воронки за полтора года побывали более 500 решений, в том числе от различных стартапов. Детально были изучены 160 решений, более 60 либо уже миновали стадию пилотирования, либо находятся в ней сейчас. В стадию промышленного внедрения перешло лишь шесть решений — примерно 1%.

В следующем году, благодаря появившейся лаборатории, в X5 планируют выйти на более широкие масштабы инновационной работы и довести число решений, прошедших в жизнь, до 20–30. Тогда можно будет говорить об успехе модели «конвейера инноваций».

Направления инноваций

«Весь процесс внедрения инноваций — от идеи до реализации — мы разделяем на три этапа», — делится Виталий Порубов, руководитель направления «Стратегия и инновации» дирекции по ИТ X5 Retail Group. Первый — этап прототипирования. Когда неочевидно, как решение должно работать, или для проверки нужны сложные интеграции и доработки, с ним приходят в магазин-лабораторию. Здесь невозможно проверить экономику решения — его влияние на прибыль и затраты, но его можно проверить технически, а заодно посмотреть, как на него реагирует покупатель.

Следующий этап — пилотирование. Он реализуется в нескольких магазинах (от пяти до сотни), чтобы проверить влияние на экономические показатели: продажи, трафик, затраты. До сих пор большинство внедряемых технологий сразу поступало на стадию пилота, однако уже в процессе проекта почти всегда возникали неожиданные сложности. Чтобы ускорить пилоты, и была создана площадка, где можно протестировать технологию в лабораторных условиях.

Третий этап, ожидающий проект в случае успешной проверки бизнес-гипотезы и экономической составляющей, — тиражирование на всю сеть. «Разумеется, мы не можем моментально переделать 13 тыс. магазинов. Приходится их постепенно улучшать», — констатирует Порубов.

В X5 выделяют шесть основных направлений инновационных проектов, их в компании называют стримами. Первый стрим — все, что касается покупательского опыта: сокращение очередей, различные сценарии самообслуживания, омниканальность.

Второй стрим — технологии персонализации, дающие возможность узнать покупателя. У X5 одна из самых больших программ лояльности, в ней участвует почти 60 млн клиентов. Однако на данный момент с ними возможно взаимодействие лишь по различным офлайн-механикам. Например, после предъявления на кассе карты лояльности можно вместе с чеком распечатать покупателю персональное предложение или прислать SMS.

Виталий Порубов: «Если мы научимся узнавать покупателя на входе в магазин, а еще лучше — на подходе к магазину, то сможем взаимодействовать с ним в реальном времени в процессе шопинга»

«Наши нынешние акции дают эффект, но если мы научимся узнавать покупателя на входе в магазин, а еще лучше — на подходе к магазину, то сможем взаимодействовать с ним в реальном времени в процессе шопинга, делать ему персональные предложения. Это даст гораздо больший эффект с точки зрения бизнеса», — говорит Порубов. Для реализации такого сценария требуется не только внедрение систем видеоаналитики, но и развитие точек внутри магазина, чтобы донести до покупателя предложения — возможно, через цифровые вывески или на мобильный телефон с помощью push-уведомлений.

Третий стрим инноваций касается товаров на полке: зонирования полочного пространства, проверки корректности планограммы, доступности товара на полке. Сюда же относятся прослеживаемость товара и контроль его срока годности. Это может стать актуальной проблемой с учетом того, что сейчас обсуждается законопроект об отмене возвратов и обратной реализации. Хорошо бы, например посредством маркировки или RFID, научиться понимать, когда близится к истечению срок годности товара и, возможно, применять динамическое ценообразование, чтобы снизить его стоимость.

Четвертый стрим ориентирован на повышение эффективности операций внутри магазина, в том числе на мобильность сотрудников. Например, рассматривается проект, предполагающий замену компьютера у директоров магазинов на универсальное мобильное устройство, с помощью которого они смогут выполнять все необходимые операции. Пятый стрим — решения Интернета вещей, все, что касается концепции «умного магазина». У ретейлера сотни тысяч единиц различного оборудования; его мониторинг, контроль эффективности работы и предсказание отказов — очень важная задача.

Наконец, шестой стрим нацелен на оптимизацию существующей ИТ-инфраструктуры. Многие современные технологии — видеоаналитика, управление медиаконтентом — сильно влияют на инфраструктуру магазинов и каналы связи. Как построить решение, чтобы оно было одновременно недорогим и не обрушило существующую архитектуру? Над этим тоже необходимо думать.

***

Возможно, через построенную технологическую воронку удастся продвинуть не только бизнес X5 Retail Group, но и весь российский рынок. Очевидно, что многие из тестируемых технологий вполне применимы не только в других компаниях, но и в других отраслях.

Процесс обучения практически всегда происходит методом проб и ошибок: совершив промах, вы стараетесь понять, как избежать его в дальнейшем. То же относится и к машинному обучению.

Внедряя машинное обучение на предприятии, будьте осторожны: рекламные описания технологии могли породить у вас нереалистичные ожидания ее высочайшей эффективности и точности. На самом деле ошибки в процессе машинного обучения неизбежны, и они могут быть перенесены в бизнес-процессы. Ошибки могут распространиться в широких масштабах, и человек далеко не всегда успевает этому быстро воспрепятствовать.

Если торопиться с внедрением, не уделить времени необходимой подготовке, могут возникнуть проблемы, которые сведут преимущества машинного обучения на нет. Своевременно выявляя и устраняя ошибки машинного обучения, вы способствуете успеху проекта.

Перечислим ряд проблем, способных увеличить число ошибок, совершаемых при машинном обучении, и продлить их влияние. Сами машины с распознаванием и исправлением таких оплошностей справятся вряд ли.

Отсутствие понимания бизнес-задачи

Иногда аналитики, использующие модели машинного обучения, не имеют точного представления о том, какую задачу бизнеса они с его помощью пытаются решить. Это одна из причин возможного появления ошибок.

Прежде чем приступить к освоению инструмента машинного обучения, нужно ответить на вопросы, какую именно задачу вам надо решить и какие для этого требуется построить модели.

С точки зрения статистических возможностей доступные на сегодня средства машинного обучения отличаются чрезвычайной мощностью. При неосторожном использовании такие инструменты могут привести к принятию неверных решений, имеющих серьезные последствия для компании. Если не приложить достаточных усилий, может получиться модель, не соответствующая характеристикам используемого набора данных или задаче обучения. Итогом может стать стремительное падение результативности.

Кроме того, не все бизнес-пользователи знают о том, что качество модели с момента ввода в рабочую эксплуатацию начинает падать. Необходимо постоянно контролировать влияние таких ухудшений на принимаемые решения — независимо от того, идет ли речь о модели, используемой для искусственного интеллекта автомобиля-робота, или любой другой автоматизированной системы.

Низкое качество данных для обучения

Мусор на входе — мусор на выходе. Если качество данных неудовлетворительное, машинное обучение будет проходить с ошибками. Низкое качество данных — одна из основных проблем, с которыми борются специалисты по управлению данными. Из-за низкого качества данных под угрозой могут оказаться проекты аналитики больших данных, несмотря на все усилия исследователей и других специалистов.

Нередко надежность алгоритмов машинного обучения переоценивается, а влияние некачественных данных недооценивается. Низкокачественные данные ведут к получению неверных результатов и принятию необоснованных бизнес-решений. Это, в свою очередь, вредит доходам и затрудняет финансирование новых проектов.

Низкое качество данных можно выявить по результатам работы модели машинного обучения: такие результаты с учетом накопленного вами опыта выглядят бессмысленными.

Для предотвращения проблемы можно применять методы разведочного анализа данных (exploratory data analysis, EDA). В процессе такого анализа обнаруживаются наиболее явные проблемы качества, например аномальные и отсутствующие значения, а также значения, выпадающие из области определения. Используя выборочный статистический контроль, можно определить, достаточно ли у вас данных для адекватного отражения распределения какого-либо демографического показателя, а также составить правила и политики для устранения проблем с качеством.

Неверное применение машинного обучения

Одна из самых распространенных проблем связана со стремлением использовать машинное обучение только потому, что это «модно». Но для успеха соответствующих инициатив нужно, чтобы решаемые задачи не выходили за рамки верных областей применения нового инструмента. Не исключено, что традиционные методы обеспечат не только более быстрое, но и менее дорогостоящее решение.

К тому же, используя машинное обучение для решения неподходящих задач, вы будете впустую тратить рабочее время сотрудников и инфраструктурные ресурсы для получения результатов, которые можно было бы получить более простым путем.

Чтобы избежать ситуации, когда машинное обучение используется не по назначению, уточните бизнес-цель, которую нужно достичь, уровень сложности задачи, объем данных и количество атрибутов. Относительно простые задачи, связанные с классификацией, кластеризацией или поиском ассоциативных правил, требуют небольших объемов данных с малым числом атрибутов и могут быть решены с помощью визуализации или статистического анализа.

Когда объемы данных становятся огромными, возможно, больше подойдет машинное обучение. Однако нередко уже после внедрения выясняется, что бизнес-цель не была сформулирована достаточно четко и решается не та задача, которую требовалось решить.

Модели машинного обучения могут быть предвзятыми

Причиной неверных выводов могут быть не только неточности и пробелы в данных, но и предвзятость (системные ошибки). Предвзятость свойственна людям, а значит, она может быть присуща и моделям, которые работают на основе тех же принципов, что и мозг человека.

У каждого алгоритма машинного обучения свои характеристики чувствительности к несбалансированным классам и распределениям. Если не учитывать это, работоспособность системы распознавания лиц может начать зависеть, например, от цвета кожи или от пола. Подобные случаи с коммерчески доступными сервисами уже были.

Точность заключения, сделанного как алгоритмом, так и человеком, зависит от широты и качества обработанной информации. В связи с возможностью финансового, юридического и репутационного риска, обусловленного алгоритмической предвзятостью, в любой компании, применяющей машинное обучение, необходимо следить за соблюдением принципов этики в масштабах всей организации.

На сегодня существуют подробные описания признаков алгоритмической предвзятости для таких задач, как оценка кредитоспособности, составление образовательных программ, наем персонала и вынесение приговоров по уголовным делам. Недочеты, допущенные при сборе и контроле качества и использовании данных, способны внести системные ошибки даже в самые лучшие реализации приложений машинного обучения.

В докладе консалтинговой компании McKinsey & Company от 2017 года алгоритмическая предвзятость названа одним из самых больших рисков машинного обучения как компрометирующая само предназначение этой технологии.

Как отмечают авторы доклада, целенаправленные усилия по борьбе с проблемой окупаются сторицей, позволяя эффективно реализовать истинный потенциал машинного обучения.

Нехватка ресурсов для полноценного внедрения

Начиная проект, связанный с машинным обучением, в организациях нередко недооценивают необходимый для этого объем кадровых и инфраструктурных ресурсов. Потребности в последних могут быть внушительными, особенно если речь идет об обработке изображений, аудио и видео.

Если у вас нет достаточных мощностей, эффективная разработка решений на основе машинного обучения будет трудной, а то и невозможной.

Но даже если вы реализовали такое решение, в нем не будет смысла, если из-за отсутствия необходимой инфраструктуры его нельзя будет развернуть и использовать.

Масштабируемая инфраструктура для систем машинного обучения может обойтись недешево как в развертывании, так и в сопровождении. Но существует ряд облачных сервисов, предоставляющих масштабируемые платформы машинного обучения, ресурсы которых можно выделять по мере необходимости. Облако позволяет проводить масштабные эксперименты в области машинного обучения без закупки оборудования и работ по развертыванию и настройке.

В некоторых организациях предпочитают использовать локальную инфраструктуру. В этом случае облачные сервисы можно использовать в качестве стартплощадки и инструмента обучения, который поможет понять, какие именно инфраструктурные ресурсы необходимы организации, прежде чем сделать крупное вложение.

Что касается персонала: если у вас в штате нет ученых по данным (data scientist) и инженеров по машинному обучению, то проект может застрять. Необходимы профессионалы, разбирающиеся в принципах и методах машинного обучения, а также способные оценить, можно ли с его помощью решить ту или иную задачу бизнеса.

Специалисты соответствующего профиля смогут обнаружить проблемы с качеством данным, грамотно проведут развертывание и обеспечат использование решений по назначению, помогут сформулировать рекомендации для последующих внедрений и политики сопровождения.

Некачественное планирование и отсутствие контроля

Проект в области машинного обучения может быть начат с энтузиазмом, но со временем застопориться — это признак неудачного планирования и отсутствия контроля.

Если не соблюдать заранее установленные правила, осуществление инициативы растянется на неопределенно долгое время, что может привести к колоссальным затратам ресурсов без пользы.

Нельзя забывать о том, что машинное обучение — это итеративный процесс и модели могут со временем меняться для адаптации к новым требованиям. Как следствие, участники проекта могут утратить заинтересованность в доведении его до конца. Зачинщики проекта могут переключиться на другие инициативы, и затея с машинным обучением в конечном счете остановится.

Как подчеркивают специалисты, ход проектов в области машинного обучения нуждается в постоянном контроле. Если прогресс замедляется, возможно, пришло время сделать паузу и пересмотреть принципы осуществления инициативы.

— Bob Violino. 6 ways to make machine learning fail. InfoWorld. OCT 10, 2018

В последнее время за обсуждением модных тем цифровизации и телемедицины остаются в тени вопросы базовой программной инфраструктуры в медучреждениях, которая не подвергалась радикальным изменениям. Между тем ИТ-руководителю медицинской организации полезно иметь представление об устройстве рынка медицинских информационных систем и доминирующих подходах к их построению. Поскольку некоторые важнейшие вопросы управления на уровне клиник до сих пор остаются нерешенными или решаются недостаточно эффективно.

Как полагают аналитики Gartner, одним из самых актуальных направлений работы руководителя ИТ-службы в медицине сегодня является совершенствование учета расходов при оказании медицинских услуг. В медицинских организациях зачастую слабо представляют себе структуру расходов и влияние стратегических решений на финансы. Если на производственных предприятиях для балансировки и оптимизации ресурсов используются ERP-системы, то в медицине многие классические бизнес-подходы плохо применимы. Из-за специфики отрасли — уникальности каждой услуги ввиду уникальности каждого пациента и высокой ответственности за принятые решения — информационные технологии используются в медицине главным образом для получения данных о состоянии здоровья пациента и для ведения медицинской документации. Однако ИТ-потребности клиник гораздо шире.

Для чего больнице ERP?

Основное назначение ERP-системы — управление ресурсами организации, автоматизация взаимодействия служб и расчет себестоимости услуг. Отраслевая специфика добавляет в медицинские ERP дополнительные модули, включая медицинскую информационную систему, выполняющую функции администрирования потоков пациентов, учета взаиморасчетов и ведения медкарт, а также такие вспомогательные системы, как больничная аптека, диетическое питание и клиническая лаборатория. Все модули медицинской ERP являются источниками данных при расчете себестоимости медицинской помощи.

В журнале ERP Solutions Review выделяются две наиболее распространенные цели внедрения медицинской ERP-системы. Во-первых, создание длительно хранимой интегрированной базы данных, куда в режиме реального времени поступают сведения о состоянии здоровья пациентов (electronic health record, EHR — электронной медицинской карты, ЭМК). Ведя медкарты в безбумажном виде, медицинская организация получает возможность оперативно формировать статистические и управленческие отчеты.

Во-вторых, снижение общих затрат на автоматизацию. В ERP-системе ведется централизованный учет пациентов, коек, листов назначений, запасов лекарств и т. д. Благодаря доступу к общей базе данных из любого подразделения, значительно сокращаются расходы, так как исключаются повторный ввод информации и обмен данными между приложениями.

Как устроен крупнейший рынок медицинских систем

Благодаря государственному субсидированию внедрения EHR, США являются одним из мировых лидеров в этой области. К середине 2017 года в программе внедрения EHR приняли участие почти 7,8 тыс. больниц. Примерно половина из них используют решение одного из десяти самых популярных на рынке разработчиков. Каждый из тройки крупнейших вендоров: Epic Systems, Cerner и Meditech — охватывает почти по 1 тыс. клиник. Уточним: Epic — разработчик автономной EHR-системы, а Cerner и Meditech — производители медицинских ERP-систем со встроенными EHR-модулями. Более чем в 1,2 тыс. госпиталей для ветеранов Министерства обороны США используется разработанная этим ведомством система VistA, которая является одновременно ERP- и EHR-системой. Активно действуют на медицинском рынке и поставщики классических ERP-решений: Microsoft, Oracle и SAP.

Лидеры среди ERP и EHR — платформенные системы, созданные в конце 1970-х — начале 1990-х годов. В случае построения ERP- и EHR-систем на разных платформах, как со стороны ERP, так и со стороны EHR задействуются интеграционные механизмы. Чаще всего они основаны на отраслевом стандарте — протоколах организации HL7.

Примером такого симбиоза двух платформ для создания медицинской ERP-системы служат Oracle и Epic: интеграция организована как на технологическом уровне (Oracle Health Management Platform), так и на бизнес-уровне. Многие партнеры Epic являются одновременно и партнерами Oracle, что позволяет им оказывать услуги по созданию медицинской ERP с EHR-модулем.

Следующая по распространенности коммерческая EHR-система — Cerner i.s.h.med, а также лидер среди свободно распространяемого программного обеспечения — VistA используют другой подход: создают единую систему на одной технологической платформе, где есть функции как ERP, так и EHR. Преимущества такого подхода: система имеет единый интерфейс, использует единую базу данных и единую среду разработки, интеграционных швов в ней нет.

Почему выигрывают платформы

Основная задача технологической платформы — повысить уровень абстракции при разработке прикладных решений. Платформа позволяет перейти от технических и низкоуровневых понятий к языку пользователей и специалистов в предметной области. Тем самым унифицируется и значительно ускоряется разработка прикладного решения и упрощается его сопровождение.

В технологических платформах имеется CASE-средство разработки, которое дает возможность создавать программы путем манипулирования графическими объектами вместо написания текста. Технологические платформы имеют собственные языки программирования 4-го поколения. Это высокоуровневые предметно-ориентированные языки, пригодные для визуального программирования, то есть программирования с помощью формирования различных схем.

Бизнес-логика прикладного решения описывается на предметно-ориентированном языке и обычно поставляется в его составе в исходных кодах. Сама платформа не является конечным программным продуктом. Пользователи работают с одним из многих прикладных решений, разработанных и выполняющихся на платформе. Таким образом, различные виды деятельности можно автоматизировать, опираясь на общую технологическую базу.

Индустриальный подход и партнерская модель

Все ведущие поставщики ERP/EHR используют партнерскую бизнес-модель, подразумевающую трехуровневое взаимодействие: вендор разрабатывает технологическую платформу и прикладные решения с отрытым исходным кодом бизнес-логики, партнеры адаптируют платформу под конкретного клиента и разрабатывают собственные решения на ее базе, а клиенты используют для автоматизации прикладные решения.

Это позволяет применять принципы разделения труда и индустриальный подход к разработке прикладных решений (см. рис. 1).

Платформа разрабатывается вне зависимости от отрасли и включает передовые технологии и стандарты. Центральные прикладные решения (CRM, ERP и др.) с открытым кодом бизнес-логики разрабатывает вендор. Отраслевую специфику в решение вносят партнерские компании, а специфику конкретного предприятия — партнер или ИТ-служба клиента. Заказчик получает решение с открытым кодом бизнес-логики, которое может сопровождать любая партнерская компания или его собственная ИТ-служба.

Рис. 1. Поддержка партнерской бизнес-модели платформами

В платформу встраиваются технические средства поддержки внесения изменений, что позволяет существенно снизить затраты на сопровождение внедренного прикладного решения.

Каждому — по отдельной «квартире»

Все упомянутые выше поставщики платформенных медицинских ERP (Cerner, Epic, Microsoft, Oracle, SAP и VistA) предлагают два варианта использования своих ключевых продуктов: установку на локальном оборудовании клиента и подключение к облачному сервису по модели «программное обеспечение как услуга» (SaaS).

В первом случае на одну медицинскую ERP-систему создается одна или несколько баз данных. Организация владеет своими данными, которые хранятся на серверах в локальной сети. Модули медицинской ERP взаимодействуют между собой напрямую в рамках локальной сети. При необходимости обмен сведениями о состоянии здоровья пациентов между организациями производится через внешние механизмы, например через интеграционную шину.

В облачном приложении данные хранятся в ЦОДе в общей для всех медицинских организаций БД в режиме разделения данных. Каждой медицинской организации выделяется собственная область в базе данных, причем эти области изолированы.

Обычное приложение можно сравнить с коттеджем на одну семью, которая пользуется его инфраструктурой (стены, крыша, водоснабжение, отопление и т. п.). А облачное приложение похоже на многоквартирный дом, где каждая семья пользуется инфраструктурой того же состава, но сама инфраструктура служит всему дому целиком.

Цель облачных приложений — снизить расходы на поддержание приложения путем «обобществления» расходов на инфраструктуру. С точки зрения поставщика, это примерно то же самое, что и снижение стоимости приложения посредством применения тиражного решения (с возможностью настройки и доработки) вместо написания ПО под заказ. Только в одном случае обобществляется разработка, а в другом — эксплуатация. Этот подход подразумевает не только иную организацию хранения данных, но и модель работы приложения в целом, включая аспекты его архитектуры, модель развертывания и организацию обслуживания.

В случае использования медицинской ERP как облачного приложения схема обмена данными в рамках одной организации меняется: обмен производится не между модулями системы /приложениями, а между областями данных. Для обеспечения работы медицинской ERP организации как единого целого используется специальная интеграционная шина — менеджер сервиса. Менеджер знает, какая область данных к какой организации относится, и обеспечивает обмен между ними.

Под запросы клиники

Чтобы сохранить ключевое преимущество технологических платформ в облачных приложениях — возможность быстрой адаптации приложений по запросам медицинских организаций, используется технология расширений.

Изменения прикладного решения выполняются в расширении. Расширение подключается к области данных облачного прикладного решения. В результате каждая медицинская организация работает с собственным решением, измененным в соответствии с ее требованиями, а код прикладного ПО остается неизменным.

Когда поставщик выпускает новую версию прикладного решения, платформа автоматически объединяет новую версию с расширением и клиент продолжает работать с приложением, модифицированным под его потребности.

Рост в условиях облачности

Для локальных приложений задача увеличения числа подключаемых пользователей обычно решается установкой более производительного оборудования (вертикальное масштабирование) или кластеризацией серверов приложений и серверов управления базами данных (установка дополнительных серверов).

В случае установки более производительного оборудования рост его стоимости по отношению к мощности происходит нелинейно. То есть после достижения определенного предела увеличивать производительность становится слишком дорого.

При кластеризации серверов приложений и серверов управления базами данных также не наблюдается линейного увеличения производительности с увеличением числа серверов, поскольку обработка общих данных на нескольких серверах требует накладных расходов, которые растут с числом серверов. Как правило, после установки в кластер более трех серверов производительность увеличивается лишь незначительно.

Для облачных приложений появляется еще одна возможность масштабирования — увеличение числа узлов облачного приложения. Узел — это самодостаточный набор серверов для обслуживания одной базы данных приложения. В состав узла входят серверы / кластер серверов СУБД, приложений и службы публикаций. В одной базе данных может находиться информация нескольких организаций.

При достижении критического числа конкурентных пользователей или объема базы данных к облачному приложению может быть подключен дополнительный узел. Таким образом, достигается практически линейное увеличение производительности с ростом числа узлов.

Для обеспечения одновременного обновления прикладных решений и технологической платформы во всех узлах используется служба публикаций.

Общая схема горизонтального масштабирования облачного приложения приведена на рис. 2.

Рис. 2. Схема горизонтального масштабирования облачного приложения

Большинству из упомянутых технологических платформ 30 лет и даже более. Однако приложения, созданные на этих платформах, успешно адаптировались к новым условиям и облачным технологиям и сохранили свои позиции в секторе медицинских ERP. Платформенный подход доказал свою жизнеспособность, и этот факт несомненно стоит учесть при разработке стратегии развития ИТ медицинской организации.

Авторы: Гайдуков Алексей - руководитель разработки 1С:Медицина, gaya@1c.ru;

Игумнова Надежда - методист, igud@1c.ru

Одна из насущных проблем в командах, разрабатывающих программные продукты, — борьба за эффективность. Обсуждая эту проблему, часто говорят: «хотим повысить эффективность наших команд» или «ожидаем эффективности от коллег и партнеров». Однако в большинстве случаев разговоры об эффективности — это только желание максимально ускорить поставку готового продукта. Но действительно ли скорость — именно то, что нужно бизнесу в данный момент? Да и могут ли agile-подходы обеспечить требуемую скорость?

«Где-то на полпути гибких методик в Россию появилось мнение, что agile — это про скорость. Но это совсем не так», — считает Павел Капусткин, руководитель проектов компании HeadHunter. Свыше 20 лет он управляет командами разработки и с 2007 года применяет agile-подходы в организации работы различных компаний, помогая разработчикам и заказчикам программного обеспечения достигать желаемых результатов.

В agile-команде разработчик постоянно задействован в различных видах активности, не связанной с написанием кода. Agile облагает его множеством «налогов» в виде встреч, ревизий кода, инженерной и коммуникативной деятельности.

«Agile нужен не для того, чтобы писать код быстрее, а чтобы делать больше полезного. Делать в целом меньше, но лучше», — говорит Капусткин.

Стремление сделать побыстрее зачастую заводит команду в тупик. Продуктовая команда эффективна ровно настолько, насколько она в состоянии поставлять бизнес-ценности. И тут очень важен баланс между показателями «достаточно хорошо, чтобы пользоваться» (good enough) и «время вывода на рынок» (time to market). Эти два параметра имеют смысл только в связке друг с другом, то есть разработчики должны сделать софт в максимально сжатые сроки, не потеряв по дороге общий смысл. «Если мы выдаем по три функции в неделю, c вероятностью 90% ни одна из них не несет реальной ценности», — уверен Капусткин.

Продуктовая команда — это не просто люди, которые пишут, верстают и тестируют код, это совокупность экспертизы, иногда неожиданно глубокой, и использовать ее только для написания программного кода не очень разумно, полагает он. С помощью этой коллективной экспертизы можно продуцировать значительно больше ценности для бизнеса, обогащая продукт. Через культивирование в командах осознанности и продуктовых компетенций можно существенно повысить вовлеченность сотрудников и, как следствие, эффективность.

Каким образом повысить эффективность разработки путем изменения уровня осознанности в команде, Капусткин расскажет на конференции «Agile, DevOps, ITSM — инструменты и опыт реальных проектов цифровой трансформации», которую издательство «Открытые системы» проведет 23 октября 2018 года. Год за годом Капусткин дотошно протоколирует свою работу с командами и систематизирует свои наблюдения. В результате на свет появилась четырехуровневая модель, с которой познакомятся участники конференции.

Четыре шага к эффективности

Каждая agile-команда проходит через четыре этапа развития осознанности, каждый этап характеризуется совершенно разными целями, компетенциями, мотивацией и степенью вовлеченности сотрудников. Причем уровни осознанности слабо коррелируют, а иногда и вовсе не связаны с технической экспертизой команды. Имея примерно одинаковые исходные характеристики, команды, находящиеся на разных этапах развития, показывают совершенно разную эффективность, и уровень их технической подготовки играет второстепенную роль.

Под осознанностью понимается степень адекватности восприятия человеком или группой своего места в системе координат компании и продукта, своей роли и влияния, правильности понимания целей и задач команды, а также корреляции личных целей с целями команды и компании в целом. Самый верхний уровень подразумевает полное понимание и принятие целей компании и полноценное участие команды в трансформации всей компании в целом.

Как понять, на каком этапе команда находится сейчас? Чего от нее можно ожидать, а чего — не стоит? В чем ей можно и нужно помочь на этом пути, а в чем лучше не мешать? Об этом участники конференции узнают из доклада Капусткина «Эффективная разработка без магии и ГМО». От участников конференции докладчик, в свою очередь, рассчитывает получить обратную связь в виде вопросов и критики, которые позволят ему дальше развивать свой подход.

Диапазон применимости

Даже те компании, где давно практикуют гибкие подходы, сильно различаются по организационной структуре и культуре, уровню зрелости менеджмента, пониманию agile и возможностей его использования в бизнесе, а также по уровню имплементации.

«В большинстве организаций agile начинается на уровне команд разработки и там же заканчивается», — говорит Капусткин. Уже на уровне департаментов царит классический менеджмент с его бюджетами, планированием, диаграммами Ганта и совершенно негибкой структурой.

На верхнем уровне управления эффективность оценивают, как правило, по выполнению финансовых показателей. Но где-то умеют сопоставлять результаты работы продуктовых команд с финансовыми показателями, а где-то царит метод «палец-пол-потолок». Cистемный подход и подход «цели и ключевые результаты» (objectives & key results, OKR) в качестве альтернативы классическим KPI на практике встречается нечасто.

В редких случаях agile-практики получается применить на стратегическом уровне. Но при любом организационном ландшафте на уровне команд разработки можно договориться о подходах к оценке эффективности.

Спектр способов, использующихся для оценки эффективности разработки, может быть широк даже в границах одной компании. Там, где есть множество команд разработки с разными задачами, могут сосуществовать три-четыре подхода к оценке их эффективности.

Максимально эффективно подход, нацеленный на повышение осознанности, работает при создании не слишком больших продуктов, которые делаются двумя, максимум тремя командами. Чем больше число команд, тем сложнее перенести на них данную модель, поскольку добиться понимания продукта у ста человек и зажечь их одной целью гораздо сложнее, чем у двух десятков.

Кроме того, для cервисных команд и заказной разработки фокусы могут различаться достаточно сильно. В обслуживании внутренних заказчиков важны концентрация на SLA и качестве сервиса, умение быстро прорабатывать мелкие задачи и улучшать систему, избегая при этом революционных изменений.

За должностью ИТ-директора уже закрепилось звание одной из самых «летучих». Это подтверждают результаты опроса Harvey Nash CIO 2018: с 2015 года срок пребывания ИТ-директора в должности не увеличился. В 2018 году 14% опрошенных занимали эту позицию менее года, а 60% — пять лет и меньше. Причем в ближайшее время ситуация не изменится: 21% респондентов намерены уйти менее чем через год, и только 27% даже через пять лет планируют продолжить работу в той же организации.

Между тем 78% ИТ-директоров вполне довольны своим нынешним положением, и неудовлетворенностью их частые переходы объяснить нельзя.

Основатель лондонского консультационного агентства Sullivan & Stanley, специализирующегося на управлении бизнесом, Пэт Лайнс указал, что рост интереса к временной позиции объясняется неудовлетворенностью ИТ-директора «политикой компаний» и стремлением попробовать себя в роли фрилансера.

«Люди понимают, что перед ними открывается широкий выбор, — пояснил Лайнс. — Они видят, как их коллеги переходят с одного места на другое, пополняя свой послужной список работой с частными фирмами, корпоративными клиентами и консультационными компаниями и подчиняясь при этом независимому директору. Соответственно, у них тоже возникает желание попробовать для себя нечто подобное».

Временный ИТ-директор полезен компании по целому ряду причин: для закрытия пробелов, реализации конкретной инициативы или руководства проектом трансформации. Впрочем, примерно те же задачи решает и постоянный ИТ-директор, а главное различие между ними заключается в отводимых им сроках. Постоянному ИТ-директору предоставляется более свободный и гибкий график, временный же ощущает давление, обусловленное необходимостью провести намеченные изменения в жестко отведенное время.

Чем же роль временного ИТ-директора отличается от роли постоянного сотрудника?

В январе 2017 года Иан Голдинг был назначен временно исполняющим обязанности ИТ-директора организации RNLI (Royal National Lifeboat Institution). Ему было поручено разработать стратегию использования технологий и данных для повышения эффективности работы службы спасения и профилактики несчастных случаев на воде.

«Временный ИТ-директор действительно может помочь в ситуациях, когда организация развивается и традиционным ИТ-функциям требуется совершенствование, — подчеркнул Голдинг, занимающий сегодня должность временно исполняющего обязанности ИТ-директора лондонского Музея естествознания (Natural History Museum). — Временный сотрудник может переопределить и реструктурировать технологии организации, чтобы подготовить их к приходу нового ИТ-директора».

Что это значит для ИТ-директоров, готовых ввязаться в такую временную игру?

«Люди, желающие выйти на временный рынок, должны иметь чуть больше аппетита к риску, — пояснил Лайнс. — Им нужна возможность преподнести и продать себя на переполненном рынке, а затем выстроить и поддерживать процветающую сеть, которая будет работать на них».

Должность временного ИТ-директора предъявляет к занимающему ее работнику несколько иные требования, чем должность постоянного. Временному ИТ-директору приходится на ходу впитывать в себя огромное количество знаний об организационной структуре компании и ее технологической инфраструктуре, а также об управленческих политиках и методах работы.

«Во временной роли вам придется знакомиться с организацией очень быстро, — пояснил Голдинг. — Впрочем, в условиях стремительно развивающихся технологий все то же самое относится и к роли постоянного ИТ-директора. Претенденту на должность временного ИТ-директора следует учитывать высокую интенсивность труда и хорошенько подумать, подходит ли он на роль, которая может привести к очень быстрому выгоранию».

Такие люди не должны бояться действовать самостоятельно. «Часто приходится принимать решения оперативно, а это по плечу не каждому, — указал Голдинг. — Работа может оказаться весьма увлекательной, но вместе с тем заставит и понервничать. Поговорите с теми, кто имеет подобный опыт, и подумайте, подходит ли вам эта стезя». Временному ИТ-директору приходится действовать в сжатые сроки, но нацеливаться только на краткосрочную перспективу — значит рисковать профессиональной карьерой. Необходимо думать и о ближайших, и о долгосрочных целях.

Задачи ИТ-директора уже изначально предполагают наличие промежуточных итераций. После вступления в должность ИТ-директор получает «мандат» на внесение изменений в ИТ-функции и организационную систему. И если все пойдет по плану, то через пару лет большая часть намеченного будет реализована и организация будет располагать улучшенным ИТ-потенциалом. Успешная реализация ИТ-стратегии благотворно отразится на репутации ИТ-директора, и он должен использовать эти достижения для более масштабных и сложных задач.

Все перечисленные факторы объясняют желание большинства ИТ-директоров почаще менять работу. Они хотят продвигаться к более заманчивым и прибыльным позициям. Но здесь все зависит от умения успешно проводить цифровую трансформацию в сжатые сроки.

— Laurie Clarke. Are all CIOs really interim CIOs? September 12, 2018. CIO UK

Международная конкуренция, обусловленная необходимостью повысить производительность труда, стремление корпораций заместить операционные расходы на зарплату капитальными затратами на оборудование, увеличение доли неработающего населения — всё перечисленное благоприятствует развитию робототехники. Рынок растет очень активно — в среднем примерно на 17% в год, при этом сервисные роботы обгоняют по темпам продаж роботов промышленных. Неуклонно расширяется военное, промышленное и коммерческое использование роботов, а взрывной рост в потребительском секторе даже заставил аналитиков Boston Consulting Group скорректировать прежние прогнозы: к 2025 году, как теперь ожидается, общий объем рынка робототехники достигнет 87 млрд долл. Из машиностроения и автомобилестроения, где роботы на производстве уже доминируют, скоро они придут в другие отрасли. Одна из самых существенных расходных статей роботизации — затраты на обучение роботов — заметно сокращается благодаря использованию облачных технологий и автоматическому распространению навыков, получаемых каждым роботом, сразу на все обучаемые машины. Полным ходом идет и создание самообучаемых роботов.

Внутренние резервы

В России уровень роботизации промышленности — один из самых низких в мире, но имеются неплохие возможности для развития в тех отраслях, которые в мире пока роботизированы слабо: в атомной и авиационной промышленности, в судостроении, в сельском хозяйстве и добыче полезных ископаемых. Потенциал роботизации страны обеспечивают не только громадная территория с небольшим населением, сильные программисты и активные госкорпорации, но и достаточно развитая сервисная экономика. Финансы приносят 4,5% ВВП, еще 16% дает торговля, и есть шанс, что эти отрасли станут локомотивами робототехники, полагает Альберт Ефимов, руководитель Лаборатории робототехники Сбербанка, открывшейся в 2017 году.

Гонка корпоративных вооружений

Для Сбербанка робототехника, наряду с блокчейном и искусственным интеллектом, — одно из исследовательских направлений, нацеленных в первую очередь на создание конкурентных преимуществ. «Если банк не думает о своих роботах, то рано или поздно чужие роботы начнут думать о банке!» — уверен Ефимов.

Индустрии сегодня меняются и взаимно пересекаются, крупнейшие компании неожиданно выходят на нетрадиционные для них рынки. Так, Аmazon вышла на рынок финансовых услуг, а Сбербанк совместно с «Яндексом» начал заниматься онлайн-ретейлом. Такая смена ролей гигантов вносит свои поправки в корпоративную «гонку вооружений»: чтобы не отстать от конкурентов, бизнесу приходится осваивать непривычные для него области. «Происходит своего рода «кросс-переодевание» громадных компаний, — говорит Ефимов. — И если нашим конкурентом становится такая компания, как Аmazon, нам придется «по-амазоньи» работать. Если у них есть робототехника, значит, и мы должны ею заниматься».

Источники силы, слабости и угроз

Выступая на конференции «Технологии машинного обучения», организованной издательством «Открытые системы», Ефимов привел результаты SWOT-анализа российского рынка робототехники. К сильным сторонам он отнес оснащенное смартфонами технократическое население, ежегодный выпуск российскими вузами 800 специалистов в области робототехники и мехатроники, умение инженеров решать сложные задачи, а также обилие отечественных робототехнических стартапов.

В числе слабых сторон — низкий уровень доверия друг другу участников рынка, безнадежно устаревшие программы вузов, миграционная политика, поощряющая приток дешевой рабочей силы, а также слабая культура предпринимательства, дизайна и промышленной эстетики. «Что бы инженеры-робототехники ни делали, все равно выходит «танк», так их научили», — констатирует Ефимов.

Угрозами, тормозящими развитие робототехники в России, Ефимов считает фокусировку талантливых инженеров на работе с военно-промышленным комплексом, технологическое замещение и исчезновение профессий, сопротивление органов исполнительной власти, дефицит квалифицированных кадров, а также медленную реализацию идей. «За то время, что у нас делают презентацию о продукте, в Китае делают сам продукт», — отмечает он.

Перспективная пятерка: коботы, логистические роботы, дроны, экзоскелеты и «голос»

Из всего многообразия направлений робототехники в Сбербанке выбрали для себя пять стратегических приоритетов: промышленную коллаборативную робототехнику, логистические и беспилотные транспортные системы, промышленные экзоскелеты и персональных ассистентов. Технологии, разрабатываемые в этих направлениях, отвечают двум главным критериям: имеют непосредственное прикладное применение в банке уже сегодня и обладают достаточным потенциалом конкурентоспособности для глобального масштабирования. Лаборатория не работает с внешними клиентами, если они не являются частью экосистемы Сбербанка, и не занимается решениями, аналоги которых можно приобрести на рынке.

Вопрос, зачем банку нужны роботы, неизбежно возникает, поскольку клиенты не видят огромного комплекса сложных операций, стоящих за наличным денежным оборотом, и разнообразных внутренних взаимодействий, которые необходимы при оказании корпоративных услуг.

Ежегодно Сбербанк обрабатывает громадное количество наличных денег — 80 тыс. тонн: если погрузить их в вагоны, то состав протянется от Москвы до Санкт-Петербурга. Для пересчета наличности используются сотни машин. Промышленные коллаборативные роботы, уже названные «коботами», повышают производительность труда сотрудников, что в итоге удешевляет обслуживание клиентов. Разработанный в лаборатории запатентованный роботизированный комплекс для пересчета денежной наличности в настоящее время проходит нагрузочное тестирование. Этот кобот безопаснее своего предшественника, на 30% дешевле и, как предполагается, на 40% производительнее.

Крайне важна для экосистемы банка и бесперебойная логистическая система. Ежемесячно каждый из 300 тыс. сотрудников Сбербанка получает для ведения своей деятельности в среднем 20 кг различных принадлежностей — от калькулятора до ластика. На комплектацию всей этой «оснастки» уходят немалые деньги — до 80% от самой ее стоимости, и операцию эту необходимо удешевить, а именно — роботизировать.

Беспилотные транспортные средства — воздушные и наземные — помогут справляться с такими проблемами, как плохие дороги и отсутствие мостов. Инкассаторской бригаде иногда приходится по несколько часов добираться из одного населенного пункта в другой, хотя расстояние между ними не превышает 10–15 км. За год инкассаторы банка «наматывают» по плохим дорогам до 4 млн км, перевозя около 2 тыс. тонн груза. Эту работу поручат дронам.

Промышленные экзоскелеты предназначены для использования на рабочих местах с повышенной утомляемостью. Там, где человек стоит целый день перед счетной машиной, перемещая за месяц вручную до 20 тонн монет, легкий экзоскелет для нижней части тела позволяет снять часть нагрузки с ног. Таких рабочих мест в банке сотни, а у клиентов банка в машиностроительном комплексе — и того больше.

И наконец, видимая клиентам часть работы робототехников — персональные сервисные системы. «Виртуальный собеседник, который не просто распознает слова, а понимает, чего именно вы хотите, дорогого стоит, — говорит Ефимов. — Дать ответ, основанный на смысле и намерении спрашивающего — сложная и интересная для нас задача». Клавиатура и мышь рано или поздно устареют, и на смену им придут голосовые технологии. Тот, кто владеет «голосом», будет владеть «первой линией» взаимодействия с клиентом, как в физическом мире владеет клиентом тот, кто контролирует «последнюю милю».

«Прорыв придет из «последней мили», — убежден Ефимов. — Неважно, какая она будет — цифровая, как голосовой ассистент, или физическая, как доставка товара до клиента».

Лабораторная работа

Как и у большинства руководителей, основная головная боль «главного робототехника» — кадры. В решении этой проблемы ему помогает не только кадровая служба банка, но и сила социальных сетей. «Не имей сто друзей, а имей 12 тыс. подписчиков в соцсетях», — шутит Ефимов.

Дизайнеров, конструкторов и инженеров-электронщиков, которые собирают прототипы роботов, набирали в коллектив Sberbank Robotics из стартапов, университетов и коммерческих организаций. Однако социальный капитал лаборатории значительно больше, чем 20 ее штатных сотрудников. Помимо инженерной бригады, руководителей проектов и стартапов, с которыми они активно взаимодействуют, в команду входят также партнерские компании, поставляющие сенсоры, электромоторы и другие компоненты будущих роботов. Необходимый для прототипирования конструктив изготавливается на заказ или печатается на 3D-принтере.

«Уверенность в успехе мне придают три вещи, — говорит Ефимов. — Первая: на рабочих местах наших инженеров есть все необходимое, от паяльника до видеокарты. Вторая: если мы чего-то не знаем, то знаем, у кого про это спросить. И третья: мы понимаем, как создавать точки возникновения новых идей».

За первые полгода деятельности в лаборатории создали прототипы роботов по двум направлениям из пяти, прототипы устройств по остальным направлениям будут готовы до конца 2018 года.

«В этом году мы совершили рывок, чтобы стать лучшим центром разработок России в области робототехники, а в следующем — будем претендовать на статус одной из лучших мировых лабораторий робототехники, — заявил Ефимов. — Сбербанк уже является привлекательным работодателем, но мы хотим превратить его в невероятно привлекательное место работы для талантливых инженеров».

В поиске конкурентных преимуществ: от ИТ к РТ

ИТ как специальность и как служба уже перестали быть конкурентным преимуществом, полагает Ефимов. По его мнению, преимущество можно получить, только выводя программы в физический мир, а для этого не существует иного способа, кроме роботизации. Мир переживает трансформацию, переходит от информационных технологий к роботехнологиям, и ИТ-директор должен понимать, каким образом создаваемые в компании технологические преимущества транслируются в физический мир.

Роботы умеют ощущать окружающий мир, «думать», то есть строить модели этого мира и принимать решения на их основе, а также воздействовать на реальный мир — такова функциональная модель, сформулированная в Сбербанке. Пока что роботы очень плохо понимают людей и друг друга и довольно слабо взаимодействуют с окружающими их объектами. Но для робототехников это не проблемы, а интересные задачи.

Гонконгский венчурный фонд Deep Knowledge Ventures уже создал прецедент, объявив о введении искусственного интеллекта в совет директоров. И, по мнению Ефимова, эта тенденция будет развиваться, потому что алгоритм принятия решений в крупных компаниях вполне можно автоматизировать, а топ-менеджеры стоят очень дорого. «Автоматизируем члена совета директоров — увидим громадную экономию», — уверен он.

Глобальные перемены в мире бизнеса ускоряют трансформацию должности ИТ-директора. Динамичность рынка заставляет ИТ-руководителей выходить за рамки «принятия заказов» и обеспечения надежной работы ИТ-систем и браться за планирование цифровых стратегий и включаться в деятельность, прямо влияющую на результативность бизнеса.

Ну, или хотя бы задумываться об этом.

В реальности же 44% ИТ-директоров не принимают активного участия ни в разработке, ни в осуществлении цифровой стратегии организации, судя по результатам анкетирования Deloitte Global CIO Survey 2018.

В некоторых организациях ценят ИТ-директоров, способных обеспечить стабильность работ ИТ-систем, в других рассчитывают, что, помимо этого, ИТ-руководитель обеспечит проведение цифровой трансформации.

Но, поскольку технологии сегодня пронизывают все аспекты бизнеса, ИТ-директорам приходится совмещать сразу несколько ролей. Перечислим распространенные типажи ИТ-директоров, ориентируясь на исследования, проведенные аналитиками из Deloitte, KPMG, Gartner и других компаний.

К какому типу ИТ-директора относитесь вы и какую роль предпочли бы взять на себя, чтобы помочь компании добиться необходимых бизнес-результатов? В цифровую эпоху об этом просто необходимо задуматься, иначе придется уступить место другому ИТ-директору (или директору по цифровым технологиям).

Надежный исполнитель

Если вы цените превыше всего эффективность, надежность ИТ и ограничение расходов, значит, вы относитесь к 55% ИТ-директоров, которых в Deloitte называют «надежными исполнителями». Это классическая роль, главная задача в ней — обеспечить бесперебойную работу систем. В исследовании IDG State of the CIO 2016 такие ИТ-директора названы «функциональными» — они занимаются управлением расходами, безопасностью и ИТ-кризисами, а также оптимизацией работы ИТ-систем. В Forbes ИТ-директоров такого типа называют «рабочими лошадками». В Deloitte, однако, уверены, что эта роль постепенно устаревает, поскольку перечисленные обязанности становятся лишь одной из обязательных составляющих набора навыков ИТ-руководителя.

Бизнес-соавтор

Если вы способствуете росту компании, участвуя в осуществлении бизнес-стратегии, то вы относитесь к 36% ИТ-директоров, которых в Deloitte называют «бизнес-соавтор». Такие ИТ-руководители заботятся о налаживании партнерства с бизнесом, чтобы приносить ему пользу, и стараются действовать в русле текущих потребностей компании. Если вы из таких, это прекрасно, но следует помнить, что правила координации ИТ и бизнеса постоянно меняются.

Посредник

В KPMG к посредникам относят бизнес-соавторов, которые эффективно взаимодействуют с представителями бизнеса, формируя спрос и влияя на результаты. При этом они используют новейшие технологии, способствуя преобразованиям, в том числе пропагандируя внедрение портфеля SaaS-решений и управляя им. В KPMG таких называют «главными двигателями новой модели эксплуатации ИТ». Они помогают отделу продаж, кадровой службе и другим департаментам выбирать SaaS-системы и согласовывать условия их приобретения. Кроме того, они анализируют, какие новые должности и навыки требуются в ИТ-службе и, следя за тем, как меняются существующие специальности, принимают решения о доукомплектации отдела ИТ сотрудниками различной квалификации.

Интегратор

К интеграторам относятся ИТ-директора, много сил отдающие соединению платформ и строящие новую открытую архитектуру при помощи центра компетенций. Как отмечают в KPMG, результатом становится слаженное взаимодействие отделов по работе с клиентами и операционных структурных единиц, направленное на получение устойчивого конкурентного преимущества и развитие бизнеса.

Дирижер

Если вы создаете пользовательские сервисы и управляете ими, координируете взаимоотношения с поставщиками, защищаете предприятие и следите за предоставлением услуг, то вы — «дирижер». В KPMG отмечают, что такая деятельность направлена на оптимизацию пользы, приносимой бизнесу. Однако взять на себя эту роль непросто, поскольку придется выполнять сложную работу одновременно на нескольких направлениях.

Зачинщик перемен

По версии Deloitte, ИТ-директор этого типа берет на себя руководство трансформацией бизнеса, осуществляемой с помощью технологий. Таких ИТ-лидеров всего 9% — они также фокусируются на внедрении новых разработок и поддержке стратегии бизнеса.

«ИТ-директор+»

Такое название появилось относительно давно — в книге «Реальный бизнес ИТ-службы: как ИТ-руководители приносят пользу и разъясняют ее» Джорджа Вестермана и Ричарда Хантера, которая вышла в 2009 году. «ИТ-директор+» — это ИТ-руководитель, взявший на себя дополнительные обязанности, в том числе свойственные другим должностям (например, директора по инновации и по технологиям, руководителя по разработке продуктов и директора по логистике).

По мере того как цифровые технологии все больше вплетаются в бизнес, руководителей, которых можно отнести к «ИТ-директорам+», все чаще переименовывают в «цифровых директоров» (Chief Digital Officer). Просто обеспечение стабильной работы ИТ-систем осталось в прошлом: теперь ИТ-директора ведут постоянный диалог с заказчиками из бизнес-отделов на тему совместной стратегии и поиска новых направлений роста.

Лидер

Сегодня «ИТ-директора+» и зачинщики перемен уступают место представителям «цифрового авангарда» — руководителям, которые не только осуществляют цифровую стратегию, но и воспринимаются на предприятии как лидеры внедрения современных цифровых технологий. Такой ИТ-директор параллельно модернизирует ИТ-системы операционных отделов и отделов по работе с клиентами, способствуя цифровой трансформации предприятия. Он в курсе новейших технологий и разработок, способен прогнозировать дальнейшее развитие бизнеса. По оценкам Deloitte, к цифровым лидерам сегодня относятся примерно 10% ИТ-директоров.

— Clint Boulton. 8 CIO archetypes: What kind of IT leader are you? CIO. Sep 18, 2018

Самым знаменитым художником инфографики, пожалуй, можно назвать французского инженера Шарля Жозефа Минара, жившего в XVIII–XIX веках. В 1869 году он наглядно изобразил хронологию вторжения Наполеона в Россию, объединив сразу несколько наборов данных: сведения о численности войск в разное время, направлении их движения, температуре воздуха и особенностях местности. График Минара по сей день считают одной из лучших статистических иллюстраций среди когда-либо созданных (см. «Первопроходцы инфографики»).

Если бы Минар жил в наши дни, возможно, он преуспел бы как Data artist (иллюстратор данных или художник инфографики). Сегодня такие специалисты помогают сблизить ИТ-службу и бизнес, превращая терабайты сырой информации в наглядные образы, доступные для быстрого понимания бизнес-руководителями и помогающие им оперативнее принимать решения, повышая шансы на успех. Расскажем, кто такой Data artist, и для чего он нужен.

Должность и обязанности

Учитывая современную тенденцию принимать решения на основе данных, можно утверждать, что роль иллюстратора данных становится все более важной. Необходимость лучше «понимать» данные обусловила появление профессии специалиста по исследованию и анализу данных (data scientist), однако между «технарями»-аналитиками и бизнес-лидерами по-прежнему сохраняется пропасть непонимания. Потому-то и понадобилась новая специальность, объединяющая технические знания аналитика и творческие способности художника-дизайнера.

Когда развитие искусственного интеллекта, больших данных, машинного обучения и принципов принятия решений на основе данных уже шло полным ходом, на предприятиях начали активнее использовать инфографику для пояснения статистических сведений. Однако инфографика статична — ввиду непрерывного поступления новых данных смысл изображения может полностью измениться. Кроме того, представители мира бизнеса не всегда понимают технический язык, на котором говорят аналитики. Сегодня иллюстраторы данных устраняют этот пробел, представляя техническую информацию в доступной для понимания форме.

Для чего нанимают

Data artist помогает компании получить конкурентное преимущество, улучшая способность руководства быстро принимать полезные для бизнеса решения. Он создает интерактивные визуализации, с помощью которых бизнес-лидеры и ИТ-руководители получают возможность анализировать альтернативы и пристальнее исследовать данные, фокусируясь на важнейших областях.

Сегодня уже любой компании доступны CRM-системы и другие технологии, так что обойти конкурентов, просто внедрив их, не удастся. Важно то, как использовать новшества: лучших результатов добьются компании, способные быстрее принимать оптимальные решения на основе данных, для чего требуются более быстрые способы их изучения. Создаваемые иллюстраторами данных инструменты для анализа данных в реальном времени позволяют экспериментировать с вариантами развития событий, мгновенно видя последствия и понимая, как действовать для получения лучших бизнес-результатов.

Data artist способен улучшать не только операционные и финансовые показатели бизнеса. Работая в отрасли здравоохранения, такие специалисты могут повысить результативность лечения пациентов. Разумеется, в том, что касается репрезентации данных, у медиков иные потребности, чем у представителей бизнеса. Но если в медицинской организации работает человек, способный представить данные по пациентам в форме, доступной для понимания врачами, то они, несомненно, смогут принимать более правильные решения.

Навыки

Иллюстратору данных нужно обладать редким сочетанием умений: это и программирование, и исследование данных, и талант художника. Опыт в области компьютерной науки и программирования нужен для наглядного отображения данных, знания в области статистических методов — для выявления и правильного форматирования нужных данных, а художественные способности — для превращения данных в простые для понимания образы.

При этом обязательны все перечисленные навыки. Один из основных языков программирования, используемых на этой должности, — JavaScript. Для создания специализированных визуализаций применяются также различные инструменты с открытым кодом. А поскольку работа идет в тесном сотрудничестве с аналитиками, необходима грамотность в области статистики. Требуются также познания в педагогической психологии, в том числе об особенностях восприятия и понимания наглядной информации человеком.

Заработная плата

Описанное выше сочетание навыков — настолько редкое, что фактически иллюстраторы данных сами могут диктовать размер оплаты их труда. Знающих JavaScript найти легко, но аналитиков, могущих писать на этом языке, отыскать уже сложнее. А когда при этом нужны еще и художественные способности, круг кандидатов резко сужается. Есть сведения, что в Кремниевой долине специалисты этого класса даже на младших должностях могут получать до 400 тыс. долл. в год.

Кто может стать Data artist

Найти столь редкое сочетание навыков трудно, но можно поискать специалистов, способных обучиться новой профессии. Например, это могут быть люди с талантом художника — их можно научить необходимой технической части. Нередко требуемый набор навыков, который остается только дополнить, есть у разработчиков игр.

По мнению экспертов, художественные способности в качестве начальных обязательны, так как приобрести их путем обучения нельзя, в отличие от технических навыков в области анализа и обработки данных. Помимо разработчиков игр, неплохими кандидатами будут специалисты в области дизайна пользовательских интерфейсов.

Со временем, вероятно, многие ИТ-специалисты смогут добавить строчку «Data artist» в свое резюме. С ростом числа представителей этой профессии в компаниях и появлением платформ визуализации данных в составе аналитических решений даже бизнес-пользователи смогут освоить навыки статистического дизайна на любительском уровне. Более того, средства анализа и визуализации данных появляются сегодня в составе приложений самого разного назначения, а значит, и круг пользователей, создающих наглядные репрезентации данных в рамках своих служебных обязанностей, будет расти.

— Sharon Florentine. What is a data artist? A role for drawing IT and business together. CIO. September 19, 2018

Российский рынок облачных услуг, включая публичные и частные облака, в 2017 году вырос на 49% по отношению к предыдущему году и составил 663,74 млн долл. — таковы результаты отчета IDC Russia Cloud Service Market. В IDC считают, что на российском рынке облачных услуг в 2017 году доля ПО как услуги (SaaS) продолжала сокращаться, поскольку малые предприятия все чаще выбирали услуги аутсорсинга. Также аналитики указывают, что интерес крупных и очень крупных компаний к DevOps и аналитике больших данных привел к серьезному росту потребления продуктовых категорий IaaS и PaaS. А принятая в 2017 году программа цифровой экономики будет лишь усиливать эту тенденцию в ближайшие несколько лет.

По мнению аналитиков, публичная модель доставки облачных услуг доминировала, при этом самой быстрорастущей продуктовой категорией стала облачная инфраструктура, а ключевым потребителем этих услуг все чаще становятся достаточно крупные компании из таких отраслей экономики, как розничная и оптовая торговля, банковский и страховой бизнес. Стремление снизить риски, связанные с внедрением новых продуктов, прототипирование решений и интеграция уже имеющихся компонентов все чаще приводят компании к мысли использовать облачные услуги как минимум для создания сред разработки и тестирования.

2017 год ознаменовался ростом интереса к облакам со стороны не только потенциальных потребителей, но и компаний, способных сделать серьезную заявку в качестве поставщиков облачных услуг.

Мы поинтересовались у хорошо известных представителей рынка облачных услуг, каковы предпочтения потребителей облачных услуг, как связана структура потребления облачных услуг с отраслевой направленностью и с размером бизнеса потребителей, какие препятствия приходится преодолевать локальным поставщикам, а также каковы основные тенденции на рынке облачных услуг и каким образом облачные вычисления влияют на ИТ-индустрию России в целом.

Основные проблемы и тенденции. Трансформация ИТ-отрасли России под влиянием облачных вычислений

Сергей Самоукин, заместитель руководителя департамента облачных технологий ГК Softline: «Чем меньше компания, тем она мобильнее и тем охотнее готова использовать все новое, в том числе и облачные сервисы»

В ГК Softline наблюдают тенденцию повсеместного перехода в облака. По словам Сергея Самоукина, заместителя руководителя департамента облачных технологий ГК Softline, многие компании, которые прежде не решались на подобные эксперименты и доверяли исключительно своей инфраструктуре (on-premise) на основе лицензий, начинают постепенно использовать облака, тестировать различные приложения, не являющиеся бизнес-критичными. Позитивный опыт способствует росту доверия пользователя и дальнейшему переводу в облако бизнес-критичных систем.

Михаил Блинов, заместитель руководителя «Техносерв Cloud», считает, что одной из важных тенденций стало распространение гибридных облаков. Эта технология подразумевает, что частное облако или существующий ИТ-ландшафт клиента интегрируется с публичным облаком, и заказчик сам определяет, для каких задач стоит запросить ресурсы из публичной инфраструктуры. Гибридный вариант позволяет добиваться оптимальной гибкости при лучшем соотношении цены и гарантии производительности.

Вторая значимая тенденция — это использование заказчиком облачных сервисов от нескольких провайдеров (сочетание IaaS, SaaS и PaaS). Однако для такого пула сервисов требуются централизованный мониторинг, увязывание элементов друг с другом для сквозной аутентификации в системах, обеспечение безопасности всех систем. Поэтому основной задачей в самое ближайшее время станет интеграция облачных сервисов друг с другом.

Услугой, наиболее востребованной заказчиками, остается IaaS, полагают в компании «Крок». «Компании не просто используют облако для размещения ИТ-приложений, а запускают на основе облачных платформ новые бизнесы и продукты», — говорит Сергей Зинкевич, эксперт по облачным услугам компании «Крок». В первую очередь это компании, чей бизнес развивается по стратегии Digital First — онлайн-ретейл, цифровые банки и различные пользовательские digital-сервисы. Плюс такой модели в том, что от облачных ресурсов можно легко отказаться, например, в ситуации, если проект или внутренний стартап оказался неэффективным.

Самоукин уверен, что в будущем рынок облачных услуг будет динамично расти. Правда, через некоторое время доля IaaS должна снизиться, и на первый план будут выходить сервисы SaaS. При этом он сетует, что поставщики услуг IaaS до сих пор сталкиваются с проблемами каналов связи у региональных клиентов.

Влияние интереса компаний к DevOps на развитие облачного рынка. Смещение интереса компаний от SaaS к IaaS и PaaS.

Интерес к автоматизации и к DevOps меняет сценарии потребления облаков. В облаке «Крок», к примеру, автоматизация управления реализована с помощью Terraform — средства декларативного управления виртуальной инфраструктурой. Это позволяет заказчикам шире использовать возможности облака. По словам Зинкевича, сервис «Туту.ру» использует облако «Крок» как готовую программную среду при запуске новых продуктов и с целью сокращения сроков запуска виртуальных серверов для тестирования. Возросшая доля собственной разработки и кастомизации способствует росту спроса на облака и, в частности, на IaaS как на средство для создания тестовых сред. Разработчик ПО для информационной безопасности Positive Technologies использует облако «Крок» при тестировании новых версий программных продуктов.

Самоукин уверен, что в ближайшие пару лет DevOps будет слабо влиять на развитие облачного рынка России, поскольку в стране сегмент разработки не столь значителен, чтобы определять погоду на облачном рынке в целом. Однако Самоукин признает, что в перспективе этот рынок будет одним из важнейших для облачных провайдеров — крупнейшие игроки мирового облачного рынка отводят значительное место DevOps и предоставляют готовые сервисы по разработке на базе собственных облаков.

Михаил Блинов, заместитель руководителя «Техносерв Cloud»: «Сегодня можно уверенно сказать, что скорость развертывания новых проектов влияет на рынок. От того, насколько быстро будут поставляться релизы, зависит рост бизнеса».

Как указал Блинов, сегодня ситуация такова, что скорость развертывания новых проектов влияет на рынок. От того, как быстро будут поставляться релизы, зависит рост бизнеса. В начале 2018 года компания 451 Research провела опрос, чтобы выяснить, какие технологии будут приоритетными при развитии. В первую десятку вошли технологии создания и управления контейнерами, а также бессерверная архитектура приложений и микросервисы. Вероятно, нас ждет рост популярности контейнеров из облака. Контейнер — это способ еще больше сократить затраты на инфраструктуру, набравший популярность среди разработчиков программного обеспечения. Зрелость платформ контейнерной виртуализации растет, все больше новых разработок будет ориентировано на эту технологию. Поэтому сейчас «Техносерв Cloud» разрабатывает и готовит пока к пилотному запуску новый сервис — облако для разработки DevOps. Это будет платформа, способная максимально упростить жизнь DevOps-разработчикам, тестировщикам и другим вовлеченным в процесс разработки специалистам.

Массовый рынок пользователей будет активно развиваться за счет решений SaaS, так как это рынок не только корпоративного сегмента, но и простых пользователей. Уже сейчас наблюдается спрос со стороны корпоративных заказчиков на IaaS с доработкой под задачи клиента, и чаще всего такие задачи схожи, что в перспективе рождает готовый сервис PaaS, подчеркивает Самоукин.

Первым облачным сегментом, показавшим рост, стала область SaaS, так как именно небольшие компании начали активно использовать такие приложения из облака, как «1С», CRM, почта и пр., делится Блинов. Теперь же вектор лидерства сместился: из облаков растет в первую очередь область IaaS. Это объясняется тем, что сегодня компании переносят в облако системы, которые раньше размещались на собственном оборудовании. С ростом зрелости и доверия к технологии более крупные компании начали переносить в облака системы, обеспечивающие внутренние бизнес-процессы. Зачастую это унаследованные системы, которые перенести в облако в формате SaaS невозможно, поэтому заказчикам нужна просто инфраструктура. Данный сегмент будет расти лидирующими темпами как минимум ближайшие три года, уверен Блинов.

Интересы и предпочтения российских конечных пользователей в отношении предоставления услуг через облако

Для многих предприятий использование облака — это стандарт. «Ретейл одним из первых перешел к гибридным инфраструктурам, чтобы иметь возможность гибко переключать пиковые нагрузки на резервную площадку в моменты промоакций и распродаж», — рассказывает Зинкевич. Один из крупных российских ретейлеров потребительской электроники уже много лет «живет» в облаке «Крок». Компания, используя облачные услуги, получает доступ к вычислительным ресурсам в соответствии с одним из самых строгих SLA на рынке и персональной поддержкой.

Банки и различные сервисы для конечных пользователей используют облака при создании резервных ЦОДов. Поскольку эти компании особенно чувствительны к сбоям и любой простой влияет на лояльность клиентов, потребность в качественном решении Disaster Recovery здесь особенно актуальна. Облака дают возможность оперативно создавать резервную инфраструктуру. Причем при создании архитектуры могут использоваться разные модели: публичное облако, гибридное облако, частное облако с поддержкой выделенной вычислительной инфраструктуры провайдером.

Сергей Зинкевич, эксперт по облачным услугам компании «Крок»: «Компании не просто используют облако для размещения ИТ-приложений, а запускают на основе облачных платформ новые бизнесы и продукты»

«Увеличение числа бизнес-задач, решаемых в режиме реального времени, также стимулирует рост на облачную инфраструктуру, — продолжает Зинкевич. — В первую очередь это аналитика больших данных, требующая гарантированной производительности и высокой доступности вычислительных ресурсов в облаке. Спрос на облака с такими возможностями формируют крупные компании, работающие на массовом рынке, и промышленные предприятия. Они заинтересованы в облаках как среде для анализа больших данных и в облачных IoT-платформах».

По словам Блинова, крупные организации и компании больше склоняются к гибридным облакам. Имея частное облако, они хотели бы гибко масштабировать его за счет внешних ресурсов. Особенно полезен этот сервис для розничных предприятий, интернет-магазинов, банков и других организаций, у которых из-за колебаний спроса нагрузка на ИТ-ресурсы постоянно меняется. Также его удобно и выгодно применять для реализации проектов, требующих значительных дополнительных вычислительных мощностей (к примеру, на время проведения аналитических исследований). Кроме того, сервис целесообразно использовать для обеспечения непрерывности бизнеса, резервного копирования и восстановления после сбоев.

Препятствия, которые приходится преодолевать локальным поставщикам

Как считает Самоукин, у локальных поставщиков есть ряд преимуществ — облако на территории РФ с возможностью соблюдения в полной мере Федерального закона № 152, регулирующего деятельность по обработке персональных данных. Однако российские игроки облачного рынка обычно строят облачные сервисы на готовых платформах (Microsoft Windows Server 2016, VMware), которые сильно уступают глобальным облачным платформам типа Amazon, Microsoft, Google. Функциональность и количество задач, которые можно решить на базе этих глобальных платформ, значительно выше, чем в большинстве облаков локальных поставщиков. И чтобы догнать лидирующую тройку облачного рынка, крупные игроки — например, российские операторы связи — объявили о старте готовых платформенных сервисов на готовых платформах, таких как Azure Stack и Ormuco. Некоторые предпочли не платить за готовую платформу зарубежным компаниям и попробовали построить собственное облако или платформу со схожей функциональностью — это Mail.ru и «Яндекс».

«На рынке облачных сервисов конкуренция очень высока. Помимо крупных зарубежных провайдеров в 2017–2018 годах на российский рынок вышли такие интернет-гиганты, как Mail.ru и “Яндекс”, которые активно стали продвигать себя», — согласен Блинов. Сейчас большинство участников рынка направили все свои силы на наращивание клиентской базы и удержание существующих клиентов, прежде всего путем ценовой политики.

Но, помимо высокой конкуренции, камнем преткновения для провайдеров облачных услуг являются вопросы информационной безопасности. Поэтому важным событием для «Техносерв Cloud» стала сертификация платформы на соответствие требованиям PCI DSS, Федеральному закону № 149 «Об информации, информационных технологиях и о защите информации» и Федеральному закону № 152 «О персональных данных».

Главным драйвером роста, по мнению Блинова, прежде всего выступает экономика. Коммерческие ЦОДы и организованные на их базе облачные сервисы не только дают экономию, но и помогают решать вопрос скорости изменений в бизнесе, который сегодня все более зависим от цифровизации процессов.

Связь структуры потребления облачных услуг с отраслевой направленностью и размером бизнеса потребителей

В целом прослеживается следующая тенденция: чем меньше компания, тем она мобильнее и тем охотнее готова использовать все новое, в том числе и облачные сервисы. Крупные игроки тоже готовы использовать, но процесс согласования такого использования долгий, иногда занимает 2–3 года, делится Самоукин. Крупные промышленные компании пока слабо используют облака (главным образом из-за безопасности), при этом готовы арендовать оборудование.

На самом деле четкой отраслевой специфики нет, считает Блинов, сегодня услугами внешних облачных сервисов и коммерческих ЦОДов пользуются компании из всех сфер бизнеса.

Прогнозы по расходам на облачные сервисы в России на ближайшую пятилетку

В Softline считают, что расходы на облачные сервисы значительно вырастут, но спрогнозировать насколько — сложно. Бесспорно лишь, что рост в 50% в год — далеко не предел.

В «Крок» ожидают, что компании продолжат инвестировать в облачные сервисы и увеличат бюджеты на облака. Только в текущем году зафиксирован рост спроса на публичное облако «Крок» в пределах 20–25%. В следующем году компания прогнозирует более интенсивный рост. В том числе — за счет управляемых сервисов по аутсорсингу вычислительной инфраструктуры, предоставляемых на базе облачной платформы и дата-центров.

В настоящее время облака — один из самых быстрорастущих сегментов ИТ-рынка в России. В «Техносерв Cloud» полагают, что этот сегмент и дальше будет активно расти. В ближайшие годы сохранятся имеющиеся тенденции и наибольшие расходы заказчиков по-прежнему будут приходиться на IaaS и гибридные облака.

***

Становится понятно, что компании все чаще расценивают ИТ-автоматизацию как инструмент повышения эффективности, а быстрое внедрение способно дать конкурентное преимущество на рынке. В IDC считают, что ключевыми драйверами роста потребления облаков будут: мобильность; необходимость гибкости ИТ для поддержки трансформации бизнеса; необходимость высокой доступности и реализация стратегии восстановления после сбоя для обеспечения непрерывности бизнеса; снижение сложности ИТ и достижение экономического эффекта; снижение общей стоимости владения; временная нехватка мощностей; требования безопасности.

По прогнозу, рынок облачных услуг будет и дальше расти в 2018 году и увеличится на 21% в долларовом выражении. В пятилетней перспективе, согласно исследованию IDC, объем потребления облачных услуг составит 1,49 млрд долл.

О подходе к расстановке приоритетов в задачах, выработанном в компании «М.Видео и Эльдорадо», можно узнать на конференции «Agile, DevOps, ITSM — инструменты и опыт реальных проектов цифровой трансформации», которую издательство «Открытые системы» проведет 23 октября 2018 года. Опыту ретейлера будет посвящен доклад, подготовленный руководителем продуктового офиса «М.Видео и Эльдорадо» Ириной Марчевой. Доклад называется «Дюжина разгневанных заказчиков: как расставить приоритеты?». А пока Марчева рассказала, что привело к появлению такого подхода.

- В какой момент ИТ-подразделения из утилитарного инфраструктурного обеспечения превратились в ценнейший бизнес-ресурс? Когда и почему это произошло в вашей компании?

«Очень важно найти и соблюсти баланс интересов дирекций и выработать прозрачный подход, который позволит всем понимать, почему ИТ-департамент сейчас выполняет именно эту задачу, а не какую-то другую», Ирина Марчева, руководитель продуктового офиса компании «М.Видео и Эльдорадо»

Думаю, это произошло, когда компания поставила себе цель стать «номером один» в ретейле и поняла, что без информационных технологий быть лидером невозможно. Все бизнес-функции направлены на то, чтобы предоставлять нашим клиентам сервис лучше, быстрее, качественнее. И все это зависит от ИТ. Мы даже шутим между собой, что стали больше похожи на ИТ-компанию, которая занимается в том числе и розничными продажами. Помните фразу из книги Льюиса Кэролла «Алиса в Зазеркалье»? «Нужно бежать со всех ног, чтобы только оставаться на месте, а чтобы куда-то попасть, надо бежать как минимум вдвое быстрее!» Вот и бежим.

- Почему этот ресурс дефицитен? Компания же может нанять больше ИТ-специалистов?

Эффективность — в балансе. ИТ — очень дорогой ресурс, и наём большого количества разработчиков не означает, что они принесут большую ценность компании. У нас ведь нет задачи реализовать все идеи, которые приходят в голову бизнес-пользователям. По принципу Парето, 20% действий дают 80% результата, и наоборот. Мы всегда ищем баланс ИТ-ресурсов и бизнес-идей.

- Что именно стало предметом конкуренции и в чем она выражается?

И время, и люди, и специфический опыт этих людей. Взятый на работу специалист не начнет приносить пользу компании на следующий день. Должно пройти время, пока он обучится и погрузится в специфику бизнеса, в его контекст, в архитектуру решений. В ИТ это занимает немало времени, что и делает ресурс действительно ценным и дорогим.

У каждого подразделения компании есть собственные бизнес-цели и KPI, и между департаментами происходят «продуктивные конфликты», когда, например, для одной и той же промоакции ставятся конкурирующие цели: для маркетинга — увеличение оборота, а для коммерческой дирекции — удержание маржи. На этом «конфликте» рождаются наилучшие и самые ценные решения. В области ИТ каждое бизнес-подразделение тоже стремится к своим целям, при этом обращаясь к одним и тем же ресурсам. Поэтому важно найти и соблюсти баланс интересов и выработать прозрачный подход, который позволит понимать, почему ИТ-департамент сейчас выполняет именно эту задачу, а не другую.

Только в центральном офисе объединенной компании (бренды «М.Видео» и «Эльдорадо») сейчас работают около 1,5 тыс. человек. Почти у каждого есть свои цели, и все обращаются к одному ресурсу. Эту проблему мы и постарались решить.

Сначала продуктовое управление просчитывает, какую ценность задача несет для компании, какая цель ставится и есть ли иное эффективное решение. Потому что иногда сотрудники приходят с конкретным требованием вроде «хочу красную кнопку в левом верхнем углу сайта», но не могут точно сказать, какой бизнес-эффект это принесет. Продуктовый офис, понимая конечную цель, предлагает более эффективное и менее ресурсоемкое решение. Мы взвешиваем задачу, изучаем, какой у нее бизнес-кейс и насколько она сложна в разработке. На основе консолидированной оценки принимается решение о том, что делать в первую очередь. Только потом задача уходит в ИТ-департамент.

- Означает ли конкуренция за ИТ-ресурс, что компания перешла на новый уровень цифровой трансформации, что выросла креативность бизнес-подразделений? Или это что-то другое?

Здесь несколько факторов. Во-первых, у нас действительно работают активные и творческие люди, которые хотят максимально улучшить опыт взаимодействия наших клиентов с компанией. Им не все равно. Таких людей у нас много. Второй фактор — правильно выстроенные цели и модели целеполагания в компании. Сегодня нельзя дать новый опыт клиентам, быть конкурентным, не привлекая ИТ, без этой ключевой функции невозможно даже осуществлять продажи.

Еще одна причина — высокая интегрированность бизнес-процессов внутри компании. Чем крупнее и старше компания, тем более сложные и интегрированные процессы в ней возникают. На стыке нескольких функций рождаются новые роли и направления, как это было в свое время с «продуктологами» (Product Owner) и руководителями по цифровой трансформации (Chiеf Digital Officer, CDO). Уже понятно, что нельзя управлять в вакууме просто маркетингом, логистикой или ИТ, новые сложные интегрированные процессы требуют иного подхода.

Компания растет, процессы усложняются, вызывая перестройку в ИТ и… борьбу за ресурсы.

Мы, 20 «больших начальников», собирались в одной комнате и пытались понять, какие задачи надо решить в первую очередь. Могли три часа сидеть, но в результате решения принимались по принципу, у кого больше напор: кто громче кричит, сильнее стучит кулаком по столу или называет имена руководителей более высокого ранга. В какой-то момент стало понятно, что дальше так продолжаться не может. Представляете, сколько денег теряет компания, когда весь топ-менеджмент часами сидит в одной комнате, вместо того чтобы решать глобальные задачи?

Поэтому важно было найти понятные принципы приоритизации и договориться, чтобы они были для всех прозрачны. Это была совместная командная работа ИТ, бизнеса и проектного офиса. За основу мы взяли модель Weighted Shortest Job First (WSJF) и принцип вычисляемых значений работ, когда в приоритете оказывается задача, приносящая максимальную ценность компании и при этом стоящая меньше всего в реализации. Иными словами, если выбирать между одной задачей с возможным получением прибыли 10 руб. и двумя задачами с прибылью по 5 руб., но которые можно решить быстрее, надо брать в реализацию последние. Поскольку следует учитывать не только затраченное время и возможный доход, который компания потенциально могла бы получить, но и «упущенную выгоду», то есть ту выгоду, которую компания не получит, если задача не будет внедрена уже сейчас. Мы не просто взяли этот принцип, а разработали собственную методологию, позволяющую оптимально принимать решения именно в нашей компании. Модель послужила фундаментом, который мы потом нарастили с учетом внутренних особенностей компании.

- Аgile-подход предполагает, что ресурсы, необходимые для создания продукта, стягиваются в команды на нужный срок. Помогает ли это сгладить остроту конкуренции за ИТ или усугубляет проблему?

У нас есть ключевые направления, которые развиваются всегда, — например, электронная коммерция, мобильность. Эти команды работают по Agile постоянно. Кроме того, в прошлом году мы запустили пилот: временно собрали под определенные направления бизнеса кросс-функциональне команды, названные Value Stream, которые в дальнейшем могут стать постоянными. Тем самым мы попытались сгладить конкуренцию, потому что продуктовые комитеты и скоринговая модель позволяют сделать процесс прозрачнее, хотя и не решают всех проблем. И это помогло снизить остроту проблемы, так как Value Stream — выделенные команды и за ресурсы не конкурируют другие функциональные бизнес-подразделения. В текущем году эксперимент расширили: теперь у нас две кросс-функциональные команды. Но мы планируем выделять специальные команды только на те области, где необходимо сфокусироваться на данный момент.

- Как влияет конкуренция за ИТ-ресурсы на процессы управления ИТ — ITSM?

Между бизнесом и ИТ, между продуктологами и ИТ-менеджментом вопросы, кто за что отвечает и кто чем управляет, стоят очень остро. Мы договариваемся, кто чем занимается, и параллельно эти правила описываем. Стараемся работать итерационно, не стали писать сразу множество регламентов, а пробуем, смотрим, какие возникают проблемы, и фиксируем решения в договоренностях. Это эволюционный путь. Думаю, он никогда не закончится, так как все время появляются новые вводные и новые вопросы. Для нас главное — не застревать в «высеченных в камне» регламентах. Мы не делаем процессы под регламенты, а выстраиваем регламенты под процессы. Если процесс меняется и ясно, что так будет эффективнее, то меняем регламент. То есть «пляшем» от эффективности взаимодействия.

При слиянии двух брендов это взаимодействие довольно сложное, мы постепенно учимся работать друг с другом и потихоньку идем к тому, чтобы стать agile-компанией. Но даже на уровне ИТ не все команды работают по гибкой методике, у нас смешанная модель. Часть команд работает по классической «водопадной» модели, а по agile запускаются новые проекты.

В этом году нам исполняется 25 лет. Я вижу, что более молодые компании сразу запускаются по гибким методикам и уже не представляют, как можно работать иначе. Но большим компаниям приходится сильно трансформироваться, и одномоментно это сделать невозможно.

- В чем изюминка вашего подхода к приоритизации задач?

Мы определили для себя модель, которая нам нравится, и постоянно ее улучшаем. Как любая модель, она имеет свои плюсы и минусы, и мы все время настроены на ее изменение. Это важно — быть готовым к изменениям.

Модель основана на бизнес-кейсах и математике, однако бывают такие задачи, ценность которых трудно посчитать, хотя интуиция подсказывает, что их надо решать. Например, «счастье» клиента — это абстракция, хотя, конечно, понятно, что «счастливый» клиент будет чаще у нас покупать. Изюминка в том, что, когда задача презентуется, мы проводим голосование, в нем участвуют представители каждой дирекции. Сочетание фактических данных и мнений экспертов дает прекрасную синергию: все учтено, прозрачно, люди понимают, на основе чего они принимают решения, и это очень здорово работает.

- Каких результатов вы добились с помощью этого подхода?

Компания совершенно точно сэкономила немало денег, так как топ-менеджеры перестали тратить много времени на встречи и «драться» за ресурсы, доказывая, почему та или иная задача важнее. Сейчас есть понятный бизнес-ритм проведения продуктовых комитетов, ясно, к какому моменту задача должна быть подготовлена. Это 100-процентная прозрачность и время, освободившееся для прямых дел. Плюс повысилась наша зрелость, мы стали считать бизнес-кейсы по задачам, валидировать и отслеживать результаты их выполнения. Все это — благодаря скоринговой модели.

- О чем вы расскажете участникам конференции и о чем вам было бы интересно услышать?

В своем выступлении я поделюсь конкретной практикой, которую можно применить, расскажу, что и как мы сделали и во что это вылилось в итоге. Люди, которые придут на конференцию и послушают мой доклад, уйдут по сути с готовой моделью, которую можно принести в свою компанию, адаптировать под себя и применять к конкретным кейсам.

А мне лично интересно, как устроен портфель продуктов в других компаниях и как компания определяла для себя, что есть продукт. Общего понимания этого понятия пока нет.