С каждым годом информационный поток будет только увеличиваться. Гипотетически максимальное его освоение могло бы существенно повысить эффективность управления бизнесом. На практике всё не так просто. Менеджмент и персонал, осознанно или нет, сопротивляется новым информационным технологиям. Причина на поверхности - это может привести к потери рабочего места. Освоение информационного потока означает автоматизацию технологических и бизнес - процессов. Автоматизацию физического и умственного труда. Она бьет как по-рабочему, так и по менеджеру. «IT стучится в двери бизнесу», а бизнес пока не готов.
Насколько эффективно мы используем информацию, которая сейчас есть в бизнесе? Максимум на 5-10%. Вопрос и ответ многих поставит в тупик. Все это требует уточнений. Для чего вообще нужна информация в бизнесе? Прежде всего для управления. Управление любым объектом состоит из четырех компонент: планирование, исполнение – как объект управления, контроль исполнения, корректирующие действия. Сам по себе информационный поток о состоянии объекта управления имеет эффект только тогда, когда он сопоставляется с планами, целями, прогнозами. Иначе он предоставлен сам себе и не работает на бизнес. Только сопоставление фактического состояния с планом, целью, прогнозом позволяет откорректировать процесс в случае отклонений: либо улучшить методологию планирования, целеполагания, прогнозирования, либо улучшить качество исполнения, то есть стандартизацию. «У каждого объекта управления должна быть цель, которая в дополнении к фактическому состоянию должна отражаться в информационном потоке». А для того, чтобы найти адекватные планы и цели по каждому объекту управления, необходимо уметь быстро и эффективно обрабатывать имеющуюся информацию. Необходимо уметь быстро и эффективно моделировать процессы, которые обслуживает информационный поток. Как технологические, так и бизнес - процессы. Находить устойчивые причинно - следственные связи между входами и выходами процесса. Определять наилучшие цели процесса, которые обеспечивают требуемый результат. Раньше такая задача была прерогативой науки. С появление новых информационных методологий по обработке больших массивов данных – «big data» – моделирование, оптимизация, прогнозирование процессов существенно облегчилось и стало доступно даже для рядового пользователя.
Что нужно уметь или иметь для того, чтобы быстро и эффективно осваивать имеющийся информационный поток?
- нормализованные исходные данные, которые формируются на уровне технологических и базовых бизнес - процессов – это уровень АСУТП и MES; нормализация данных означает их формирование по логике процессного управления – иметь сопоставимые входные и выходные данные для каждого процесса;
- автоматизированная первичная обработка нормализованных исходных данных; это означает, что специалист может быстро и эффективно получить информацию в том формате, которая ему необходима для выполнения анализа или моделирования интересующего его процесса;
- автоматизированный поиск математических, алгоритмических и статистических моделей, интересующих процессов; это либо линейные, либо нелинейные методологии моделирования, которые должны быть доступны для специалиста в максимально удобном интерфейсе;
- автоматизированный поиск оптимальных целей, на основании полученной модели процесса; сам по себе процесс моделирование имеет смысл, когда он позволяет найти оптимальные цели и планы в зависимости от текущих условий и стратегических задач;
- автоматизированное прогнозирование: наличие адекватной модели процесса позволяет с требуемой точностью спрогнозировать будущее…
Представьте, что у каждого процесса в бизнесе есть адекватная модель, свой «цифровой двойник», который можно использовать для формирования планов, целей и прогнозов в зависимости от текущей ситуации и стратегических целей компании. Это позволяет автоматизировать целеполагание вплоть до каждого бизнес - объекта и обслуживающего персонала. У каждого процесса, у каждого информационного потока, у каждого оператора будет актуальная цель, обеспечивающая максимальную эффективность бизнеса при её исполнении всеми участниками. Для некоторых компаний это уже не фантастика. Это уже реальность.
Текущие реалии таковы, что бизнес должен осваивать автоматизированные методологии моделирования технологических и бизнес - процессов. По сути это автоматизация умственного труда работников. Каким образом это можно реализовать? Сейчас рынок предлагает два решения. Первое решение – обеспечение необходимым инструментарием, например, продукт SAP PQM: автоматизирует практически весь функционал получения «цифрового двойника процесса». Второе решение предлагает специализированную услугу по статистическому моделированию в аутсорсинге, например, Яндекс – YDF: они выполняют полный спектр работ от нормализации исходных данных, выбора наиболее приемлемой структуры для моделирования, до оптимизации и прогнозирования. Первое решение позволяет встроить автоматизированное получение «цифровых двойников процесса» в действующий бизнес и применять его повсеместно, второе – решать сложные аналитические наукоемкие задачи, с которыми не может справится рядовой специалист. У первого и второго решения есть свои плюсы и минусы. На мой взгляд, их нужно максимально осваивать в бизнесе. Квалификация автоматизированного моделирования процессов со временем станет базовой для специалистов передовых компаний.
Если посмотреть в будущее, оно представляется следующим образом. Все исходные данные нормализованы для получения «цифровых двойников» технологических и бизнес - процессов. У всех процессов есть свой «цифровой двойник», у которого постоянно улучшается характеристики с получением новых массивов данных. У каждого процесса есть актуальные и оптимальные планы, цели и прогнозы, которые учитывают текущую ситуацию и стратегические цели компании. В бизнесе реализовано «автоматизированное целеполагание» до каждого объекта управления, включая обслуживающий персонал. Эффективность исполнения оценивается по количеству отклонений. Эффективность управления - по улучшению методологий моделирования и стандартов исполнения путем автоматизированного сквозного анализа первопричин отклонений.
Технически это означает трансформацию информационной структуры с вертикальной на плоскую, процессно - ориентированную информационную структуру, в которой у каждого процесса есть свой «цифровой двойник»: это обеспечивается на уровне АСУТП - технологические процессы, и уровне MES - бизнес - процессы.
У каждого процесса будет свой «цифровой двойник», который позволяет реализовать новые возможности: автоматизацию целеполагания, прогнозирования, поиска причин отклонений… Если перевести в плоскость экономической эффективности: производство с минимальными потерями, бизнес с максимальной эффективностью…
Кроме того, навыки формирования «цифровых двойников» процесса позволяют кардинально улучшить диагностику качества продукции и надежности оборудования: по распознаванию видео и аудио образов.
Если смотреть в суть, то построение «цифровых двойников» процесса, позволяет автоматизировать умственный труд, что в некотором роде может составить базис для формирования искусственного бизнес-интеллекта в будущем.
Не секрет, что по мере осознания новых возможностей в части обработки больших массивов данных, ряд компаний, приступили к освоению автоматизации моделирования «цифровых двойников» технологических и бизнес - процессов.
Для того, чтобы понять, как нам реагировать на «big data», мы начали встречаться с различными представителями, представляющих эту сферу.
YDF - Яндекс – активно занимается моделированием различных процессов. У них есть успехи. Наработан большой практический опыт в части моделирования сложных объектов. В частности, распознавание видео и аудио образов.
Мы пригласили представителей Яндекс к себе. Они рассказали о YDF и проявили интерес поработать вместе с нами. В частности, они утверждают, что смогли бы существенно повысить качество распознавания поверхностных дефектов. Кроме того, они предложили направления развития, по которым могли бы быть полезными для нас.
Кроме YDF на нас вышли представили SAP. Они активно продвигают свой продукт PQM, который по сути является инструментарием для рядового специалиста в части автоматизации аналитических работ, построения «цифровых двойников», оптимизации и прогнозировании на их основе.
SAP PQM предлагает завершенное программное обеспечение, в основе которого заложена современная теория и алгоритмы построения прогнозных моделей.
Но чем дальше мы погружались в возможности современных продуктов части big data, то все больше приходили к выводу, что проблем с этим не будет. IBM, Microsoft, SAP, Yandex… поставщиков много, но главное взрастить запрос от бизнеса. |