Текст книги "Alibaba и умный бизнес будущего"

Нитью, связывающей независимых поставщиков услуг с продавцами и покупателями в экосистеме, являются данные. Для продавца на Taobao крайне важно, чтобы данные из входящих заказов беспрепятственно поступали ко всем, кому они нужны, включая представителей по работе с клиентами, службы снабжения, маркетинга и логистики. Сторонний разработчик, поставляющий программы по управлению заказами, должен иметь доступ к данным по транзакциям с клиентами. Продавцам, в свою очередь, для эффективного ведения дел необходимо делиться данными, генерируемыми на Taobao, со всеми, с кем они связаны.

В 2010 г. Taobao внедрила технологию API – набор инструментов, которые любой программист может использовать для разработки программ, беспроблемно взаимодействующих с другим программным обеспечением в системе[17]17
  Об API написано очень много, особенно значимы работы Роя Филдинга, см., например, Roy Fielding, Architectural Styles and the Design of Network-Based Software Architectures” (PhD diss., University of California, Irvine, 2000).


[Закрыть]. API – техническая основа сетевой координации, которая облегчает независимым поставщикам услуг осуществление комплексного обслуживания продавцов. Технология API имеет очень большое значение для всей экосистемы (более детально она рассматривается в главе 4).

Будущее не только Taobao, но и большинства других компаний – это все большее перемещение цепочки создания стоимости в сеть. Реклама и розничная торговля уже перекочевали в онлайн на такие платформы, как Google и Taobao. Веб-знаменитости в основном перенесли создание бренда в онлайн. Во второй части я покажу, как онлайновое взаимодействие через социальные сети позволяет строить бренды более эффективно по сравнению с традиционными подходами и как компания может перевести в цифровую форму свои ключевые функции.

При новом подходе к координированию сети постоянно обновляющиеся союзы игроков дают начало массе новых бизнес-моделей и форм создания стоимости. Каждый раз при выходе на новый уровень сетевой координации в Taobao происходит расширение горизонта не только сети, но и всей онлайновой экономики.

Строительные блоки сетевой координации: как начать

Мы уже рассмотрели множество новых бизнес-ролей и функций, которые постепенно встраивались в сеть Taobao. Однако как в действительности осуществляется сетевая координация и как нам ее добиться? Деловые сети ориентированы на достижение определенной цели: игроки собираются вместе для решения сложной коммерческой проблемы в интересах клиентов. Только те игроки, которые разделяют видение проблемы и способны внести свой вклад в решение, выходят в онлайн и работают вместе над достижением общей цели. Из нашего опыта на Taobao можно вынести четыре практических принципа обеспечения эффективной сетевой координации (табл. 2.1).

Для поддержки сетевой структуры поощряйте прямые связи и взаимодействия

Сетевой бизнес более эффективен, чем жесткая линейная организация, в силу того, что сотрудничество позволяет находить самый короткий путь в сети. Организационная структура должна давать игрокам возможность связываться напрямую и работать с любым, кто доступен и наиболее квалифицирован, независимо от того, как определена его роль.

Wangwang – самый первый пример поощрения со стороны Taobao прямых связей покупателей и продавцов через их собственные аккаунты. В отличие от этого eBay, например, скрывает информацию о продавцах – продавцы могут контактировать с покупателями только через eBay. Такая закрытая структура препятствует осуществлению транзакций вне платформы и позволяет eBay эффективно взимать комиссионные. Taobao считает, что прямая связь повышает вовлеченность и улучшает результаты коммерческой деятельности. Чтобы заинтересовать стороны в совершении транзакций через платформу, Taobao предлагает защиту операций и гарантию обслуживания и, таким образом, создает дополнительную стоимость без возведения искусственных барьеров для связи. Известно множество трогательных историй о взаимодействии онлайновых покупателей и продавцов на Taobao. Для многих покупки в маленьком магазинчике Taobao, представители которого хорошо знают своих покупателей, практически ничем не отличаются от покупок в старомодном семейном магазине по соседству. Поощрение прямых коммуникаций между сторонами стало важным фактором в конкурентной борьбе Taobao со значительно более крупной eBay, которая ушла с китайского рынка в 2007 г.

С тех пор у каждого нового игрока в сети Taobao есть возможность прямого взаимодействия со своими партнерами. Главное достоинство прямой связи – ее гибкость. Однако, если мы не хотим столкнуться со значительными транзакционными издержками, предлагаемые решения и механизмы должны обеспечивать глобальную координацию, а не только сотрудничество на местном уровне. Taobao следит за тем, чтобы все данные и программное обеспечение были технически интегрированы и могли использоваться по всей сети. Продавцы на Taobao могут работать со сторонними разработчиками программных средств для расширения возможностей витрин или повышения эффективности маркетинговых кампаний, а также взаимодействовать со своими логистическими партнерами и обмениваться с ними информацией.

Еще одним механизмом прямой связи является Taobaoke, дочерняя маркетинговая платформа, созданная Alimama, рекламным отделением Taobao. Taobaoke напрямую связывает миллионы продавцов на Taobao с миллионами небольших веб-сайтов в Китае, помогая им привлекать новых клиентов. Когда веб-сайт размещает рекламную гиперссылку на продавца Taobao, он получает фиксированную комиссию за клик и покупку, а продавец приобретает нового перспективного клиента. Со временем интеллектуальная обработка данных оптимизирует этот процесс. (Дополнительную информацию об Alimama и Taobaoke см. в приложениях A и B.)

Не препятствуйте эволюции ролей игроков и не стремитесь к их кодификации

Если вы хотите обеспечить гибкость, то не планируйте сеть до мелочей. Она должна подстраиваться под присоединяющихся к ней игроков и обслуживаемых ими потребителей. На практике это означает, что роли участников на начальном этапе должны оставаться нечеткими. Такое аморфное состояние наносит некоторый ущерб эффективности, зато открывает простор для появления новых форм сотрудничества с новыми функциями и возможностями. Когда роли оформятся, платформа сможет «распознать» их, предоставить им официальную поддержку и определенный статус в сети. Практически роль игрока признается, когда официальные каналы будут позволять ему получать доход.

Первой новой ролью в сети были лекторы университета Taobao. Поскольку многие новички совершенно не имели опыта, съевшие на торговле собаку продавцы были постоянно на связи с руководством компании и с «чайниками». Руководство Taobao понимало необходимость обучения новых игроков, а потому оно поддержало создание университета Taobao. Университет предоставил возможность опытным продавцам проводить учебные семинары для пользователей, которые платили за посещение занятий в помещениях Taobao или на онлайновой образовательной платформе.

Следующая важная роль возникла с появлением независимых разработчиков программного обеспечения. Из-за быстрого роста Taobao простые стандартные витрины, предоставляемые платформой, очень быстро перестали удовлетворять продавцов. Taobao хотела было заняться обновлением услуг, связанных с витринами, включая шаблоны, предлагаемые на Wangpu, однако поняла, что ей просто не удовлетворить разнообразные потребности такого большого количества продавцов. Поэтому Taobao решила открыть этот сервис для независимых разработчиков программного обеспечения, а на себя взять разработку программного интерфейса и правил, регулирующих взаимоотношения и плату. Такая схема оказалась успешной – независимые разработчики программного обеспечения создали массу индивидуализированных решений для продавцов. Потребители получили непохожие друг на друга магазины на Taobao, стили которых варьировали от самых вычурных до самых строгих. Важнее, однако, то, что решение Taobao принять сторону сотрудничества и открытости задало тон дальнейшему развитию. Эта новая роль на платформе – и инфраструктура, поддерживавшая ее, – стала толчком для появления множества других ролей.

Эти легко приспосабливающиеся к ситуации роли заполнили пробелы в сети, обеспечили предложение функциональных возможностей, которых у продавцов прежде не было. Но, как выяснилось, после заполнения одних пробелов появляются новые (а вместе с ними и новые роли), и этот процесс идет непрерывно[18]18
  В сфере социологии эти пробелы называют «структурными пустотами». Рональд Берт в своей книге анализирует значение таких пробелов, а также стратегии предпринимателей, которые занимают пустоты для создания новых форм стоимости, см. Ronald S. Burt, Structural Holes: The Social Structure of Competition (Cambridge: Harvard University Press, 1995). На Taobao выяснилось, что в процессе эволюции сети возникает непрерывный цикл формирования новых структурных пустот, а платформа помогает предпринимателям эффективно «закрывать» их.


[Закрыть]. Помимо TP и независимых поставщиков услуг, которые являются онлайновым аналогом офлайновых функций, открываются новые возможности, или новые решения старых проблем. Такие возможности нередко возникают в местах соединения разных сетей. Примером служат веб-знаменитости, о которых я расскажу более подробно в главе 5.

Более свежие примеры появляются в местах пересечения онлайнового мира на основе PC и мобильного мира – эти две сферы лишь отдаленно связаны с офлайновыми аналогами. На этом пересечении появляются такие роли, как рекомендатели (даогоу), опытные покупатели, которые делятся информацией в интернете о продуктах Taobao и получают комиссию; организаторы прямой трансляции, рекламирующие продукты в реальном времени по всему миру; создатели контента, пишущие рекламные статьи о продавцах и продуктах. Многие поставщики таких услуг получают значительный комиссионный доход. Эти роли рассматриваются в приложении B, а в главе 6 описывается их функционирование в экосистеме.

Может показаться, что с деловой точки зрения было бы логичным четко определить такие роли и сферу их ответственности, однако в онлайновой среде это нередко мешает росту сети. По мере эволюционирования потребителей и их потребностей эволюционируют и компании. У участников должна оставаться возможность самостоятельно определять свой вклад и функцию, при этом всем игрокам в сети необходимо экспериментировать и искать наилучшие решения. После фактического заполнения новых возможностей роли можно постепенно кодифицировать.

Инвестируйте в инфраструктуру для усиления сетевых эффектов

Незнакомые с онлайновой торговлей традиционные игроки не верили в потенциал Taobao, и ей пришлось приложить дополнительные усилия, чтобы привлечь продавцов. Taobao не берет платы за открытие магазина и его работу. Бесплатное пользование платформой сильно понизило входной барьер для тех, кто хотел попробовать новый инструмент. По сути, Taobao создала инфраструктуру для торговой площадки, которая способствовала появлению мощных сетевых эффектов. Под инфраструктурой понимаются инструменты и механизмы, поддерживающие деловую сеть, такие как репутационные системы, поисковый аппарат, виртуальные вычислительные ресурсы и API. Инфраструктура, таким образом, представляет собой базовые сервисы, необходимые каждому работающему на платформе. Поскольку инфраструктура нередко требует значительных вложений, она с точки зрения экономики является своего рода общественным благом, предоставление и поддержка которого выходят за пределы ответственности отдельно взятого игрока. Платформа взяла на себя обязанность по созданию инфраструктуры для торговой площадки, которая усиливает координацию за счет сетевых эффектов.

Taobao постоянно внедряла новые функции, позволявшие устранять барьеры для ведения бизнеса. Одной из первых инноваций была Alipay, чей сервис защищенных сделок значительно понизил барьеры доверия на заре существования электронной коммерции в Китае. В следующие несколько лет Taobao начала работать с вновь созданными логистическими компаниями, осуществлявшими грузоперевозки для продавцов. Широкая реклама веб-сайта Taobao, обеспечившая приток покупателей, подстегнула рост торговой площадки. К середине 2006 г. дневной товарооборот достиг 100 млн юаней (более $15 млн), и сеть начала расти сама по себе без постоянной поддержки со стороны платформы. Только тогда команда Taobao поняла, что платформа выдержала свой первый тест на живучесть.

На всех этапах развития Taobao платформа целенаправленно инвестировала в базовую инфраструктуру ведения бизнеса – от маркетинга (рекламные, поисковые и рекомендательные системы) до сотрудничества (API) и ИТ-обеспечения (облачные вычислительные платформы Alibaba Cloud). В основе многих из этих инструментов лежала интеллектуальная обработка данных. В нынешней мобильной среде наша компания продолжает создавать инструменты и ресурсы для успешной работы продавцов, о которых я расскажу в главе 4. Целенаправленное понижение барьеров для входа и работы в сети усиливает сетевые эффекты и обеспечивает быстрый рост бизнеса.

Поощряйте перенос как можно большего объема информации и коммерческой деятельности в сеть

Я рассматриваю так называемую софтверизацию бизнеса – технологическую перестройку бизнеса и процесса принятия решений на основе программных средств для реализации сетевой координации и интеллектуальной обработки данных – в следующих двух главах. Коротко замечу, что сетевая координация осуществима только тогда, когда максимально возможное число видов деятельности переносится в онлайн. Taobao обнаружила, что пользователи нашей самой инновационной платформы делают все от них зависящее для перевода каждого аспекта своей деятельности в цифровую форму. Фабрики, занимающиеся пошивом одежды по заказам веб-знаменитостей, используют сложное программное обеспечение для моделирования, раскладки и раскроя. Такой подход позволяет координировать работу изготовителей и этапы производства. Когда информацию и инструкции можно передавать в цифровом виде, сеть функционирует стабильно и надежно.

Здесь я очень кратко описываю возможности интеллектуальной обработки данных, которая рассматривается в главе 3. Быстрый прогресс в сфере датафикации (преобразования деятельности или явления в форму, понятную компьютерам) открывает все новые возможности для сетевой координации. По мере углубления сетевой координации генерируется все больше данных, которые, естественно, требуют интеллектуальной обработки. Фактически две части моей формулы смарт-бизнеса – сетевая координация и интеллектуальная обработка данных – образуют сплетенную и взаимоусиливающую двойную спираль ДНК бизнеса будущего. Хотя каждая из этих сил возникла самостоятельно и, возможно, уже хорошо знакома читателям, деловой мир в настоящий момент находится на переломном этапе из-за их синергии. Многочисленные технологические и деловые прорывы, обеспечившие появление этих сил, и усиливающий эффект их взаимодействия создают новую экономическую реальность. Я разверну эту мысль более широко в последующих главах.

Координируемые сети в Соединенных Штатах

Хотя речь в этой главе идет главным образом о Китае, сетевая координация играет все более важную роль и в экономике США. Wikipedia, службы новостей и другие средства массовой информации наглядно демонстрируют это. Несмотря на то что модель получения дохода Wikipedia сложно перенести куда-либо еще, способность координируемой, но очень слабо контролируемой сети создать существенно более всеобъемлющее и точное собрание мировой информации свидетельствует о силе сетевой структуры.

Сетевая координация невозможна без открытого сотрудничества в качестве основной формы разработки программ. Первый релиз ядра Linux – под ядром понимают основу операционной системы, – осуществленный Линусом Торвальдсом в 1991 г., дал начало тому, что получило название движения разработчиков программного обеспечения с открытым исходным кодом. В то время пользователям компьютеров были доступны лишь дорогие операционные системы с закрытым исходным кодом. В них нередко были ошибки, они нуждались в регулярном обновлении и очень трудно поддавались индивидуализации. Все эти проблемы устраняла Linux, в настоящее время самая распространенная операционная система в мире. Как и Wikipedia, Linux непрерывно обновляется и улучшается программистами со всего света, а поскольку ее исходный код открыт, она легко индивидуализируется. Побудительная идея Торвальдса была этической – он считал, что программное обеспечение, как язык компьютеров, должно быть бесплатным. Его предложение не было направлено на отказ от всего остального, однако помимо продвижения этического стандарта оно привело к появлению более совершенного программного обеспечения.

Linux обладает непревзойденной устойчивостью и универсальностью и служит моделью для многих других проектов по разработке программного обеспечения. После каждой модификации код маркируется и сохраняется, с тем чтобы можно было отслеживать изменения. В результате появляется более надежное и универсальное программное обеспечение. Когда над проблемой работает множество светлых голов, они находят более рациональное решение, чем один человек. Множество пользователей выявляют больше ошибок и устраняют их. Кроме того, разработчики могут брать хорошо протестированный основной код и просто модифицировать его. Когда не приходится заново изобретать колесо, эффективность разработки программ значительно повышается.

Linux положила начало движению разработчиков программного обеспечения с открытым исходным кодом, а за ним последовали и другие, в том числе Apache Software Foundation, под эгидой которого разработаны пакеты Spark, Hadoop, Databricks и MySQL. (Фирма, выпустившая MySQL, теперь принадлежит Oracle.) Эти программы жизненно важны для нынешнего интернета и компаний, пользующихся облачными вычислениями. После Netscape, которая раскрыла исходный код своего браузера в 1998 г., интернет-компании значительно раздвинули границы движения разработчиков программного обеспечения с открытым исходным кодом. Большинство компаний, прежде занимавшихся выпуском программ только с закрытым исходным кодом, вынуждены приспосабливаться, например раскрывать исходный код и продавать закрытые продукты, построенные на его основе. Внедрение открытого интерфейса API – часть этой трансформации[19]19
  Wikimedia Foundation (www.wikimediafoundation.org) имеет большой массив информации о Wikipedia, в том числе об ее истории и функционировании. Linux Foundation (www.linuxfoundation.org) поддерживает открытую среду Linux, ведет историю Linux, объясняет, как работает операционная система, и организует обучение. Netscape была поглощена компанией AOL в 1999 г. Браузер Netscape и другие инструменты с открытым исходным кодом перешли в 1998 г. к компании Mozilla, а затем, в 2003 г., к Mozilla Foundation, когда связи с AOL были оборваны. В полной собственности фонда находится дочерняя компания Mozilla Corporation. Информацию о фонде и его других инструментах можно найти на сайте www.mozillafoundation.org.


[Закрыть].

Подпитка координируемой сети: интеллектуальная обработка данных

Если в США принцип сетевой координации по большей части не выходит за пределы секторов, ориентированных на интернет, то в Китае он уже дает масштабные эффекты. У китайских предпринимателей по сравнению с их американскими коллегами больше возможностей по трансформированию традиционных отраслей в сферах производства и обслуживания и созданию чисто сетевых компаний. В деловом контексте сеть – это исключительно динамичная организационная форма, которая может предлагать потребителям моментальное индивидуализированное обслуживание.

Однако для координирования сетей компаниям необходима не только сетевая структура. Им требуется также технологическое решение для координации деятельности в сети. Таким решением является интеллектуальная обработка данных: данные, алгоритмы и машинное обучение. Интеллектуальная обработка данных – это инь по отношению к ян сети, невидимая сила, определяющая рост и динамику. Именно о ней пойдет речь в следующей главе.

Глава 3
Интеллектуальная обработка данных
Как машинное обучение, опирающееся на данные, приводит к рождению смарт-бизнеса

Ежемесячно более полутриллиона пользователей открывают приложение Taobao. Они бродят по крупнейшему в мире виртуальному торговому центру, переходя из одного магазина в другой и разглядывая самые удивительные продукты с наилучшими ценами. Однако конечный пользователь видит только вершину айсберга Alibaba. Средний потребитель даже не подозревает, что на выбор ему представлено более чем 1,5 млрд товарных позиций (для сравнения скажу, что в 2017 г. Walmart предлагал 17 млн позиций, а Amazon – 350 млн), предлагаемых миллионами продавцов[20]20
  По данным стартапа Scrapehero, компании Amazon и Walmart предлагают соответственно более 500 млн и почти 17 млн продуктов. Поскольку это неофициальная статистика, ее следует считать нижней границей. См. “Number of Products sold on Amazon vs. Walmart – January 2017,” January 26, 2017, https://www.scrapehero.com/number-of-products-sold-on-amazon-vs-walmart-january-2017/; и “How Many Products Does Amazon Sell? – January 2018,” January 11, 2018, https://www.scrapehero.com/many-products-amazon-sell-january-2018/.


[Закрыть].

В случае продавцов ситуация практически ничем не отличается. Среднему продавцу нужно лишь знать, что инструменты и окна приложений хорошо работают и помогают находить необходимые сервисы и оптимизировать бизнес продавцов. В День холостяка 2017 г. коммерсанты обращались к информационно-аналитическим онлайновым панелям Tmall более 11 млрд раз для мониторинга своего бизнеса в реальном времени. (За эти 24 часа коммерсанты в среднем потратили 93 минуты и 15 секунд на просмотр и анализ данных по трафику и продажам.) Мало кто из коммерсантов знает, что для поддержания нормального функционирования торговой площадки алгоритмы безопасности Alibaba работали круглые сутки, прочесывая платформу в поисках спама и незаконных действий. Эти алгоритмы выполняли 30 млрд сканирований в день, обеспечивая многоуровневое обнаружение попыток вмешательства.

На поверхности этой обширной розничной сети не видно второй половины нашей стратегической формулы – интеллектуальной обработки данных, сочетания данных, алгоритмов и адаптивных сервисов. Объединяя все сервисы покупателей и продавцов, платформы Alibaba перерабатывают объем информации, эквивалентный 20 млн фильмов высокой четкости в день. Наш технологический комплекс – набор программ, управляющих инфраструктурой платформы, – может обрабатывать на пике более 8 млрд обращений к внутренним данным. Поддержание такого потока внутренних данных является без преувеличения техническим подвигом, именно поэтому компании вроде Alibaba и Amazon считаются ведущими в мире поставщиками облачных сервисов.

Я оперирую термином «интеллектуальная обработка данных», чтобы привлечь внимание к тому, как непрерывный поток данных, генерируемых в результате взаимодействия с пользователями, может использоваться алгоритмами машинного обучения для превращения обычного бизнеса в смарт-бизнес. Информационный поиск Google в интернете, рекомендательная система Taobao и подбор совпадающих маршрутов Uber – все это примеры интеллектуальной обработки данных. Эти компании пропускают собранные данные через определенные алгоритмы и выдают в реальном времени непрерывно обновляемые и актуальные для клиентов результаты. Большинство операций таких компаний с клиентами почти не требует вмешательства человека. Люди не участвуют в передаче заказа автомобилю Uber и в выдаче рекомендаций по выбору платья на Taobao – это делают алгоритмы. Хотя над созданием таких сервисов трудилась огромная масса людей, после их внедрения бизнес идет практически самостоятельно.

Данная модель открывает удивительные возможности. В результате автоматизации процесса розничной торговли примерно 30 000 работников Alibaba могут добиться объема продаж, сопоставимого с Walmart, где работают 2 млн человек. (У Alibaba более 50 000 работников по всему миру, однако не все они занимаются ключевой для компании электронной коммерцией.) С анализом карт и перебором вариантов компьютер справляется намного быстрее и лучше, чем диспетчер, – это позволяет Uber минимизировать время ожидания. Интеллектуальная обработка данных, таким образом, становится самым важным источником конкурентного преимущества.

Вместе с тем мало кто из деловых людей понимает, как распространить такую возможность практически на все виды деятельности, несмотря на внимание, которое СМИ уделяют сегодня технологиям машинного обучения. А внимание это не случайно – сочетание облачных и мобильных вычислений, прогресса в датафикации (преобразовании деятельности или явления в форму, понятную компьютерам) и особенно прогресса в сфере искусственного интеллекта открывает действительно новые возможности, изменяющие и характер работы компаний, и характер конкуренции. В этой главе рассматриваются последствия использования технологий машинного обучения для встраивания интеллектуальной обработки данных в деятельность компаний.

Машинное обучение: интеллект в сфере обработки данных

Строго говоря, машинное обучение – это одна из технологий искусственного интеллекта, однако быстрый прогресс машинного обучения практически затмил другие подходы. В основе машинного обучения лежат алгоритмы, которые описывают оптимизируемые параметры или цели, но не устанавливают правил, которые должны жестко соблюдаться. Отсутствие жестко заданных правил отличает этот подход от множества других, где иерархические, основанные на правилах инструкции точно определяют, что должен делать компьютер. Функционирование программ машинного обучения больше похоже на естественный отбор. То, что работает, закрепляется, а то, что нет, – отмирает. Возьмем для простоты проблему подбора очков с использованием механического устройства. Офтальмолог поворачивает линзу и спрашивает, лучше или хуже вы видите буквы на противоположной стене. Врач повторяет эту процедуру многократно до тех пор, пока не найдет наилучший вариант. Алгоритм работает аналогично. Он берет каждый новый элемент данных и спрашивает, лучше или хуже становится результат.

Алгоритмы машинного обучения самосовершенствуются в процессе обработки больших массивов данных. В 2017 г. небывалый ажиотаж, особенно в Китае, вызвал успех программы машинного обучения под названием AlphaGo. Программа обыгрывала мастеров китайской игры го, в которой вариантов ходов на сотни миллионов больше, чем в шахматах. Программисты «обучили» AlphaGo, заставив ее сыграть в го с собой миллионы раз. В результате программа смоделировала бесчисленные ходы и контрходы. Иными словами, она «знала», как развивается большое множество сценариев. В действительности, однако, компьютер ничего не знал об игре. AlphaGo не нацеливали на то, чтобы она ставила фишку в определенное место, когда соперник делал ход. Вместо этого программа фиксировала положение фишки, а затем, используя миллионы вариантов, рассчитывала вероятность исхода любого возможного хода и выбирала лучший.

Специалисты по обработке и анализу данных постоянно обнаруживают новые способы моделирования проблем и расширяют возможности алгоритмов машинного обучения. Они также делают их многоуровневыми и заставляют работать вместе. Базовая алгоритмическая система Uber связывала заказчиков и автомобили предельно быстро. Компания затем пошла дальше и разработала алгоритмы, которые динамически дифференцировали цену так, что за быструю подачу автомобиля под проливным дождем приходилось платить больше. Google получает миллиарды долларов за рекламу в результате встраивания аукционной модели в алгоритмы, учитывающие результативность – количество продаж или переходов по ссылкам – при определении цены. Рекомендационная система Taobao максимизирует то, что привлекает каждого потребителя, используя индивидуальное и коллективное знание[21]21
  Такое применение машинного обучения к бизнес-вопросам требует более широких знаний в сфере технологии, чем компьютерные науки. Машинное обучение опирается на распознавание скрытых закономерностей с помощью статистического анализа больших данных, что при решении бизнес-проблем не всегда приемлемо по затратам. Большинство современных методов машинного обучения имеет мало ограничений по поиску закономерностей: это позволяет компьютерам отыскивать слабо различимые закономерности, невидимые людям. Однако отсутствие ограничений сильно расширяет пространство поиска для алгоритма и, таким образом, значительно повышает стоимость поиска. В результате самые передовые варианты интеллектуальной обработки данных, в том числе упомянутые в этой главе, не используют машинное обучение в чистом виде. Они объединяют компьютерные науки с двумя другими научными дисциплинами: экономикой и оптимизацией. Экономика дает базовые математические модели человеческого поведения, которые сильно ограничивают пространство поиска скрытых закономерностей. Это позволяет использовать методы машинного обучения для получения и выверки данных с целью расчета правильных параметров для модели, связанной с соответствующей бизнес-проблемой. Методы оптимизации (также называемые математическим программированием) обеспечивают эффективность моделей и методов с точки зрения затрат времени и бюджетных ограничений. Предприниматели должны помнить, что вероятностные методы машинного обучения, хотя и меняют революционным образом принятие тактических решений, не являются сами по себе волшебной палочкой.


[Закрыть].

Вклад больших данных

Расширение возможностей алгоритмов машинного обучения позволило повысить эффективность компьютерной обработки данных и увеличить объем самих данных – онлайновое взаимодействие приводит и к появлению крупных массивов данных, и к непрерывному потоку новых данных. AlphaGo обучилась, играя сама с собой, однако большинство алгоритмов машинного обучения должно обучаться в процессе обработки огромных массивов данных обычно до того, как их представят публике. Итеративный процесс машинного обучения предполагает обработку больших массивов данных с последующим улучшением внутренней калибровки, которое позволяет получать более точные результаты. Проделав подготовительную работу, компания может ввести алгоритм в действие в реальном времени с реальными клиентами. Такие алгоритмы продолжают совершенствоваться по мере переваривания потока данных, например во время событий наподобие Дня холостяка 2017 г., когда наша платформа обрабатывала на пике 325 000 транзакций в секунду (примерно 20 млн транзакций в минуту).

Облачный эффект

Для выполнения операций в таких масштабах необходимы огромные вычислительные мощности, которые были недоступны до появления облачных вычислений. В Соединенных Штатах пионером в этой сфере стала Amazon – облачный гигант в отрасли, где доминируют традиционные ИТ-игроки вроде IBM и Microsoft. Первоначально облачные вычисления потребовались Amazon для разгрузки серверов, которые захлебывались в потоках данных, связанных со складскими и логистическими услугами.

Облачные вычисления позволяют получить доступ к обширному банку дешевых серверов и, таким образом, повысить вычислительную мощность, скорость и надежность и обеспечить экономию. Созданное как коммерческая услуга, облако дает компаниям возможность приобретать небольшие части вычислительной мощности и, таким образом, превращать постоянные затраты на собственные сервера в переменные. На облачное отделение Amazon приходится более 10 % совокупных продаж компании[22]22
  Данные из отчетов Amazon, поданных в Комиссию по ценным бумагам и биржам США, http://phx.corporate-ir.net/phoenix. zhtml?c=97664&p=irol-sec&control_ selectgroup=Annual%20Filings.


[Закрыть]. Вложения Alibaba в облачные вычисления объясняются вовсе не желанием скопировать подход Amazon. Еще в 2008 г. руководство Alibaba осознало, что плата таким поставщикам ИТ-услуг, как Cisco и Oracle, скоро превзойдет весь поток доходов компании, а не просто ее доходы от электронной коммерции. Не дожидаясь этого, Alibaba решила вложить средства в создание собственного облака. Однако этот масштабный проект натолкнулся на сильное внутреннее сопротивление. Инженерам пришлось работать до изнеможения, и некоторые решили уйти из компании. Тем временем служба эксплуатации жаловалась на ошибки и системные сбои.

Создание облачных ресурсов – сложное и чрезвычайно дорогое удовольствие. Без острой внутренней потребности ни Amazon, ни Alibaba никогда не поднялись бы на вершину ИТ-отрасли, довольно отдаленно связанной с их основными видами деятельности. Сегодня Alibaba Cloud – крупнейший в Китае провайдер облачных вычислений и официальный партнер Международного олимпийского комитета в этой области. Alibaba Cloud также поддерживает развитие аналитических и алгоритмических сервисов для пользователей и содействует формированию общекитайского сообщества разработчиков. Особенно важно то, что коммерциализация облачных вычислений сделала масштабные вычислительные мощности общедоступными, во многом похожими на коммунальные услуги. Стоимость хранения и генерирования больших массивов данных сильно упала с начала нынешнего столетия. Это означает, что бизнес сейчас вполне может позволить себе использовать возможности машинного обучения в реальном времени.

Роль мобильных вычислений

На другом фронте находятся мобильные вычисления, которые обеспечивают считывание данных с какого-либо устройства в любом месте реального мира и их передачу по сети с использованием беспроводного или иного доступа. Например, для использования множества возможностей смартфона – загрузки интерактивных карт, осуществления звонков, воспроизведения текстов, фотографий и видео, выполнения поиска – требуется скачивание огромного объема данных из сети. Нарождающийся интернет вещей приведет к передаче еще большего объема данных – это «датафикация» реального мира новыми способами. Все новые и новые технологии для оцифровывания сложных проблем и нечетких явлений открывают перед компаниями возможности по использованию данных для получения знаний и даже создания новых видов бизнеса.