Текст книги "Alibaba и умный бизнес будущего"

В качестве небольшого, но показательного примера приведу Augury – этот стартап, имеющий офисы в Нью-Йорке и Израиле, разработал устройство типа стетоскопа для регистрации звука, издаваемого различными машинами серийного производства. С помощью алгоритма в облаке Augury может проводить цифровую «физическую диагностику» и передавать результаты через приложение в телефоне. Если машина «нездорова», Augury определяет проблемы и предлагает решения. Если все в порядке, Augury сохраняет результаты для использования в качестве эталона в будущем. Augury может непрерывно накапливать тренды и статистику по множеству машин с целью информирования производителя или улучшения обслуживания клиентов. Размер промышленного рынка интернета вещей, по оценкам, составит $320 млрд к 2020 г. При использовании интеллектуальной обработки данных рутинное занятие, в данном случае техническое обслуживание, превратилось в прибыльный смарт-бизнес. В июне 2017 г. Augury закрыл раунд финансирования серии B, получив $17 млн для продолжения коммерциализации своей технологии[23]23
  Дополнительную информацию об Augury см. в: Klint Finley, “Augury’s Gadget Lets Machines Hear When They’re About to Die,” Wired, November 4, 2015, www.wired.com/2015/11/augury-lets-machines-hear-when-theyre-about-to-break-down; и Ethan Parker, “Augury Secures $17 Million Series B Funding Round to Power the Future of IIoT,” Business Wire, June 19, 2017, www.businesswire.com/news/home/20170619005161/en/Augury-Secures-17-Million-Series-Funding-Power.


[Закрыть].

Когда все эти инструменты объединяются, результатом становится интеллектуальная обработка данных. Данные собираются в процессе ведения бизнеса, обрабатываются с помощью алгоритмов машинного обучения и возвращаются обратно, образуя цикл обратной связи, поддерживающий принятие бизнес-решений. Этот эффективный цифровой цикл и является по существу интеллектуальной обработкой данных. Компания обучается в реальном времени, а продукт эволюционирует по мере формирования потребностей клиентов, и это дает всегда новый и все более удовлетворительный результат.

Служба Google Maps первоначально была картографическим приложением с доступом через веб-браузер на персональном компьютере. Когда Google Maps запустили на Apple iPhone, она превратилась в один из самых первых успешных мобильных сервисов. Сочетание было подлинным смарт-бизнесом. До Google Maps работать с GPS было довольно неудобно – имелись лишь статические карты, которые никогда не совпадали с текущей ситуацией на дороге. Google Maps сделала навигацию онлайновой. Сервис непрерывно совершенствуется по мере накопления данных, уточняет карты и находит более рациональные маршруты. Если вы пропустили поворот – не проблема, маршрут перестраивается. Навигационное приложение Waze расширяет возможности индивидуальных пользователей по вводу данных в реальном времени о месте расположения ямы на дороге, поста полиции и т. п.

Рассмотрим более подробно, как Ant Financial Services, партнер компании Alibaba, создала систему интеллектуальной обработки данных и превратилась в 2017 г. в компанию стоимостью более $60 млрд.

Интеллектуальная обработка данных в Ant Financial и MYbank

В Китае нет развитой финансовой системы. Банковским делом исторически занималось государство, которое ориентировалось на крупные государственные предприятия и индивидуальных вкладчиков. Кредитование мелких и средних предприятий, существенная и стандартная часть американского финансового рынка, не входило в сферу интересов большинства китайских банков. Дело сдвинулось с места после появления в Китае частных банков. Вместе с тем под «кредитами для малого бизнеса» по-прежнему понимаются суммы не менее $1 млн, а потому они остаются недоступными для десятков миллионов действительно мелких компаний.

В отсутствие официальной истории кредитования малого бизнеса в Китае теряет смысл кредитный скоринг и другие оценки кредитоспособности. Многие небольшие компании полагаются на неофициальные или личные каналы получения капитала. Ситуацию усугубляет то, что средний представитель малого бизнеса в Китае не имеет адекватного (или хотя бы точного) учета хозяйственной деятельности, а это делает подачу заявки на кредит практически нереальной даже в самых сговорчивых институтах. В результате кредитный ландшафт для малого бизнеса очень мрачен, нередко толкает компании в объятья местных ростовщиков и заставляет брать кредиты у непрофессиональных институтов по запредельным ставкам. Компании на платформах Alibaba в большинстве своем очень маленькие, и им крайне трудно получить кредит для расширения деятельности[24]24
  Дополнительную информацию о состоянии финансирования китайских частных предприятий (незарегистрированных на бирже, негосударственных) см. в: Franklin Allen, Jun Qian, and Meijun Qian, “Law, Finance, and Economic Growth in China,” Journal of Financial Economics 77 (2005): 57–116; и Meghana Ayyagari, Asli Demirgüç-Kunt, and Vojislav Maksimovic, “Formal versus Informal Finance: Evidence from China,” Review of Financial Studies 23, no. 8 (2010): 3,048–3,097. Эти две статьи показывают, что на небанковские методы может приходиться до 80 % финансирования фирм, причем существенную долю составляют неофициальные, или подпольные каналы. Айягари и другие, в частности, указывают на то, что меньше всего банковским финансированием пользуются мелкие фирмы. Я очень признателен Тан Я, преподавателю финансов в Пекинском университете, и аспиранту Ли Хуэйсюаню за их рекомендации и информацию по финансированию малых и средних предприятий в Китае.


[Закрыть].

В 2012 г. мы увидели такую потребность у наших клиентов и поняли, что можем создать ценный и дополняющий бизнес-сервис. Помимо разработок в сфере машинного обучения и доступа к огромным массивам данных у нас было все необходимое для создания эффективного, масштабируемого и прибыльного бизнеса по кредитованию малых и средних компаний. Этот бизнес назвали Alibaba Microloans и сделали частью Alipay, которая позднее превратилась в Ant Financial Services. Сегодня этим микрофинансовым бизнесом занимается MYbank, онлайновый кредитор, основанный в 2014 г. как один из пяти первых полностью частных банков Китая. MYbank – полностью виртуальный банк, не имеющий офлайновых офисов. (MYbank на 30 % принадлежит Ant Financial. Упреждая вопросы читателей, скажу, что название Ant – «муравей» – было выбрано потому, что логотипом организации служит образ муравья. Нам хотелось подчеркнуть, что мы помогаем маленьким компаниям, похожим на муравьев. Кроме того, это название символизирует нашу стратегию: поскольку муравью нужно очень мало, мы не несем угрозы крупным традиционным кредитным организациям.)

Наш микрокредитный бизнес начал с обслуживания миллионов продавцов на Taobao и Tmall, предлагая кредиты размером от нескольких сотен юаней (порядка $50) до 1 млн (примерно $160 000) на срок до трех месяцев. К декабрю 2016 г. MYbank (вместе с его предшественником Alibaba Microloans) предоставил кредиты объемом более 87 млрд юаней ($13,4 млрд) почти трем миллионам небольших компаний и предпринимателей из 32 провинций и административных округов Китая. Если взять один MYbank, то он прокредитовал 1,17 млн сельских пользователей, предоставив им более 40 млрд юаней ($6,15 млрд). Из этой суммы почти 4 млрд юаней пошли на кредитование 1,86 млн владельцев бизнеса из крайне бедных административных округов[25]25
  По данным управления Госсовета по борьбе с бедностью и развитию, в Китае «основные округа, где требуется поддержка государства в борьбе с бедностью и в развитии», выбираются на основании числа жителей, находящихся за чертой бедности, уровня дохода сельского населения, уровня жизни и статуса в программе помощи с соответствующим взвешиванием по ВВП и налоговым сборам на душу населения. Основные округа переоцениваются раз в десятилетие: в периоды 2001–2010 гг. и 2011–2020 гг. 592 округа (почти из 3000) по всему Китаю считались и считаются основными. (“Regulations on national poverty alleviation and development work regarding key counties,” February 23, 2010, http://www.cpad.gov.cn/art/2010/2/23/art_46_72441.html).


[Закрыть]. Более половины кредитов онлайновый банк выдал компаниям и физическим лицам из городов третьего, четвертого и пятого уровня. (Половина владельцев малых предприятий моложе 30 лет.) Пользователь может подать заявку на кредит размером хоть в 1 юань ($0,15), а средний размер кредитной заявки составляет 8000 юаней ($1231)[26]26
  Информация по MYbank получена с веб-сайта банка, www.mybank.cn, и из отчета MYbank об основной деятельности в 2016 г. (на китайском языке): MYbank, “2016 Annual Report,” May 2017, https://gw.alipayobjects.com/os/rmsportal/FzRFwOIBDOvSAeMuZewN.pdf.


[Закрыть]. Для сравнения: средний размер минимального кредита в китайских банках составлял 6 млн юаней (чуть меньше $1 млн), когда Alibaba запускала свой микрокредитный бизнес.

Многие клиенты MYbank – это физические лица с минимальными образованием и ресурсами. У них нет возможности предоставить обеспечение, и зачастую они не могут представить хороший баланс. Так или иначе, когда продавцы подают кредитную заявку, от них не требуют никаких документов. Решение об одобрении заявки или отказе принимается за несколько секунд. Кредитные средства поступают на онлайновый счет продавца в Alipay уже через три минуты. Главное – то, что при таком размахе операций кредитный бизнес MYbank устойчив: уровень дефолтов по кредитам у него не превышает 1 %. Успех MYbank обусловлен встраиванием в бизнес интеллектуальной обработки данных, системы кредитования на основе машинного обучения.

На базовом уровне кредитным организациям при встрече с потенциальным заемщиком необходимо принять решение всего по трем вопросам: стоит ли кредитовать его, какую сумму предоставить и под какой процент. Как известно любому, кто обращается за кредитом, ответы на эти вопросы зависят от кредитной истории заемщика – от его кредитоспособности. Обычный метод ее оценки – сбор и обработка кучи документов в расчете получить полезную информацию.

В отличие от этого у MYbank нет сложности с доступом к информации о потенциальных клиентах, поскольку они ведут бизнес на платформах Alibaba или пользуются продуктами Alipay и Ant Financial. Авторизовавшись, кредитор может просмотреть данные по транзакциям и получить ответы на многие вопросы. Насколько успешно идет бизнес продавца? Был ли он замечен в поступках, подрывающих доверие? MYbank может даже задавать вопросы, ответ на которые традиционному банку получить крайне трудно: могут ли друзья продавца похвастаться высоким кредитным рейтингом? Сколько времени продавец работает в онлайне? Насколько предложения продавца конкурентоспособны на рынке? Данные в сети намного богаче и точнее, чем то, что банк может получить из документации или из традиционного кредитного скоринга.

Машинное обучение в Ant-стиле

Секрет успеха микрокредитного бизнеса Alibaba кроется не просто в горах данных о продавцах на Taobao, но и в искусственном интеллекте, встроенном в его модель. Специалисты по обработке и анализу данных в MYbank сравнивают группы хороших заемщиков (тех, кто возвращает деньги в срок) и плохих (тех, кто допускает просрочку), выделяют характерные черты этих групп и рассчитывают кредитный скоринг для всех клиентов. Такой подход к кредитному скорингу может показаться простым и даже старомодным. Однако в нем есть революционный момент – сравнения выполняются в реальном времени машинными программами, или алгоритмами, по всем заемщикам, а не по выборкам, и по всем имеющимся данным об их поведении по тысячам характеристик, а иногда и по сотням тысяч. Транзакции, контакты с покупателями, товарный ассортимент в магазине, связи с другими сервисами на Taobao, все, что регистрируется на платформе, влияет на их кредитный скоринг.

Алгоритмы, которые рассчитывают кредитные скоринги, эволюционируют в реальном времени, постоянно повышая качество принимаемых решений. Модель MYbank построена на вероятностном рассуждении, а не на точной теории, определяющей, почему различаются определенные характеристики у хороших и плохих заемщиков. Алгоритмы непрерывно улучшают собственную предсказательную способность. Если продавец с ужасным кредитным скорингом погашает кредит вовремя или продавец со звездным скорингом допускает катастрофическую просрочку, алгоритмы должны внести коррективы. Они построены так, что очень просто проверить исходные допущения и сделать небольшие, но важные изменения. Какие параметры следует добавить или удалить? Каким параметрам, связанным с тем или иным поведением пользователя, следует присвоить больший вес? Большинству банков для перекалибровки моделей требуется не менее полугода.

MYbank использует аналогичные методы определения размера предоставляемого кредита и процентной ставки. Для расчета кредитного лимита специалисты MYbank должны проанализировать множество дополнительных видов данных: валовую маржу, оборачиваемость запасов, а также более туманную с математической точки зрения информацию вроде жизненного цикла продуктов и качества социальных и деловых связей продавца. В отношении жизненного цикла продукта аналитики могут поинтересоваться, является ли тот или иной продукт новым, завоевывающим рыночную долю. Выставлен ли продукт на распродажу? Насколько близок момент его устаревания и снижения цены? В плане оценки качества взаимосвязей интерес представляют частота, продолжительность и тип коммуникации (мгновенные сообщения, электронные письма или другие, более привычные для китайского интернета, чем для американского, виды взаимодействия). Аналитики изучают и выясняют, какие элементы данных несут нужную им информацию, и разрабатывают алгоритмы для их обработки. Чем больше данных и лучше модель, тем точнее можно определить, какую сумму предоставить и под какой процент. Машинное обучение позволяет MYbank стабильно снижать риск и затраты. В результате повышается удовлетворенность клиентов – они получают необходимые деньги, когда им нужно, и под приемлемый для них процент.

Три краеугольных камня смарт-бизнеса

Для функционирования бизнес-модели MYbank необходимы три фундаментальных аспекта: адаптируемые продукты, датафикация и машинное обучение (итеративные алгоритмы). Все они имеются у MYbank. Во-первых, это кредиты переменных размеров с переменными условиями, зависящими от потребностей клиентов. Во-вторых, данные обо всех сторонах бизнеса заемщиков MYbank находятся в сети. И в-третьих, все данные обрабатывают с помощью тщательно сконструированных алгоритмов машинного обучения[27]27
  Эти три фундаментальных аспекта – данные, алгоритмы и адаптируемые продукты – представлены в моей собственной формулировке. Дополнительную информацию о машинном обучении и алгоритмах см. в: Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World (New York: Basic Books, 2015); и John MacCormick, Nine Algorithms That Changed the Future: The Ingenious Ideas That Drive Today’s Computers (Princeton, NJ: Princeton University Press, 2011).


[Закрыть].

Адаптируемые продукты

Алгоритмы не могут выполнять итерации без продуктов – онлайнового потребительского интерфейса, который непосредственно взаимодействует с клиентом и одновременно получает от него обратную связь, необходимую для подстраивания алгоритмических моделей. Знаменитая поисковая строка Google – классический пример продукта (рис. 3.1). Клиенты вводят ключевые слова в строку и сразу видят продукт – искомую страницу. Google вкладывает огромные ресурсы в разработку этого продукта, с тем чтобы клиенты могли находить нужную им информацию как можно быстрее и с наименьшими затратами сил.

Когда Alibaba начала создавать свой онлайновый кредитный бизнес, мы шли примерно тем же путем. Кредитный продукт встраивался в онлайновый рабочий стол продавцов Taobao. Все, что требовалось от клиента, это кликнуть по продукту и практически тут же получить средства. Смарт-дизайн компьютерных интерфейсов критически важен для успеха интернет-компаний: лента новостей на Facebook, несколько сотен символов в сообщении Twitter, функция «delete after you read» в Snapchat – все это привлекательные и удобные интерфейсы для клиентов. Еще важнее то, что они работают совместно с системой интеллектуальной обработки данных в облаке (внутренние вычисления не видны потребителям). Кроме того, в них предусмотрена система обратной связи с алгоритмами машинного обучения. Полученные в результате новые знания используются в продукте для улучшения обслуживания пользователя. В этом смысле продукты будущего, умеющие самостоятельно адаптироваться к потребностям пользователя и к окружающей среде, приобретают качество, которое обозначают словом «смарт».

У таких продуктов общая философия дизайна. Для компаний онлайновые продукты являются критически важным интерфейсом между технологией машинного обучения и бизнес-проблемами. С деловой точки зрения интерфейс связывает клиента с фирмой, которая получает возможность наблюдать за поведением клиента и его предпочтениями с прицелом на ключевую проблему, решаемую ею в интересах клиента. Данные, генерируемые в результате такого взаимодействия, становятся исходным материалом для алгоритмов. Таким образом, дизайн интерфейса определяет объем, особенности и качество данных, собираемых о клиенте. С точки зрения технологии продукты являются средой, через которую результаты машинного обучения представляются клиенту. В какой мере технология машинного обучения может реально влиять на качество обслуживания клиента, зависит от дизайна продукта и его реализации. Хорошо продуманный продукт обеспечивает машинному обучению широкие возможности по созданию реальной стоимости, как это происходит в случае адаптируемых кредитов MYbank.

Для многих традиционных отраслей создание адаптируемого продукта является сложной проблемой. Для смарт-компаний – это источник жизненной силы. Компании будущего немыслимы без интернет-компонента, обеспечивающего прямое взаимодействие с клиентами, независимо от того, какие физические продукты они станут создавать и продавать. Даже в случае продажи продуктов не конечным потребителям у компании все равно остается возможность получать информацию и взаимодействовать с клиентами. Интеллектуальная обработка данных, осуществляемая по всей цепочке создания стоимости, будет усиливать сетевую координацию.

Датафикация и живые данные

Отправной точкой для создания смарт-системы, которая лежит в основе функционирования MYbank, является представление бизнес-проблем в цифровой форме. Как превратить офлайновую коммерческую деятельность в данные? Оцифровывание простых операций и показателей объема продаж, которые и так существуют в численной форме, не представляет проблемы, а вот другие ценные аспекты придется описывать косвенным образом. Например, для измерения серьезности и активности продавца наш кредитный продукт поначалу оценивал, сколько секунд он тратит на ответ клиенту и как клиент отзывается о продуктах и обслуживании. Использование таких данных было бы немыслимо, если бы стоимость их получения в сети не стала пренебрежимо малой. Постепенно Ant и MYbank перешли на более сложные данные, на основе которых воссоздавался круг общения продавцов и оценивалась валовая маржа их компаний.

Датафикация, под которой понимается перевод деятельности или явления в понятную для компьютеров форму, редко дается легко и обходится дешево, однако это самая важная часть интеллектуальной обработки данных. Я оперирую словом «датафикация» вместо более распространенного понятия «оцифровывание», которое ассоциируется с преобразованием слов и чисел в бинарный код, с тем чтобы подчеркнуть широту типов регистрируемых данных и намерение использовать их в приложениях и для генерирования знания. Для датафикации необходимы изобретательность и упорная работа. Google превратила целое море веб-страниц в данные с помощью своих поисковых роботов (простых программ, которые выискивают определенную информацию в сети). Facebook перенес социальные взаимосвязи в сеть; Fitbit со своими фитнес-трекерами начала датафицировать функционирование нашего тела. Сигеоми Косимидзу из японского Института передовых технологий создал цифровой образ пятой точки человека. Шутки шутками, но эта технология позволяет распознать, действительно ли за рулем автомобиля находится его владелец, или подать сигнал, если сидящий на месте водителя уснул или потерял сознание[28]28
  Я впервые узнал о работе Сигеоми Косимидзу из книги Victor Mayer-Schönberger and Kenneth Cukier, Big Data: A Revolution That Will Transform How We Live, Work, and Think (Boston: Houghton Mifflin Harcourt, 2013). Дополнительная информация доступна на веб-сайте Института передовых технологий (www.aait.ac.jp).


[Закрыть].

Получение данных, необходимых бизнесу, может оказаться сложной задачей. Деревня все еще нуждается в электрификации, в переносном смысле, конечно. Я буду обсуждать шаги в направлении датафикации, которые позволят бизнесу справиться с этой проблемой, в главе 4. Вряд ли Alibaba смогла развернуть микрокредитование, если бы Ant пришлось добывать необходимые для ее моделей данные самостоятельно. Данные даже на самом базовом уровне (функционирование витрины) являются результатом более чем десятилетнего развития Taobao. Рекламная система Google работает так четко потому, что она уже бесчисленное множество раз использовала свою поисковую функцию. Смарт-бизнес раскрутить очень тяжело, поскольку трудно даже сказать, какие именно данные нужно собирать. Датафикация – творческий и дорогостоящий процесс проб и ошибок. Впрочем, сложность датафикации резко уменьшается по мере того, как все больше и больше данных оказывается в сети, например в результате развития интернета вещей. Чем больше источников данных окружает бизнес, тем меньше средств приходится вкладывать компании, чтобы создать новую стоимость.

Машинное обучение: итеративные алгоритмы

Данные позволяют создавать стоимость только тогда, когда они обрабатываются в системе машинного обучения. С точки зрения бизнеса алгоритмы должны выявлять базовую логику продукта или маркетинговую динамику, которую компания пытается оптимизировать. Помимо постоянного самосовершенствования алгоритмические системы могут тестировать различные сценарии для улучшения результатов деятельности компании. Например, специалисты MYbank по обработке и анализу данных экспериментируют с кредитным интерфейсом, предлагая разным группам продавцов разные процентные ставки и оценивая в реальном времени долю ответивших. Каждый раз, когда модель предлагает продавцу конкретную процентную ставку, платформа в реальном времени фиксирует его реакцию – от момента принятия условий кредита до момента погашения. Полученные данные вводятся в модель кредитования с целью корректировки ее параметров, порождая постоянный поток микроизменений.

Широко распространенную в интернет-компаниях практику, при которой исследователи сравнивают два варианта (A и B) и смотрят, какой из них дает лучшие результаты, нередко называют A/B-тестированием. В результате онлайновых экспериментов в реальном времени алгоритмы могут получать прямую обратную связь от потребителей и, таким образом, непрерывно самоподстраиваться. Цифровой ответ инициирует корректировку, которая дает новый ответ потребителю, инициирующий еще одну корректировку, и т. д., порождая бесконечный процесс совершенствования продукта и улучшения обслуживания пользователя.

Когда все бизнес-операции станут онлайновыми, данные будут поступать со всех участков и от всех процессов. Фирмам придется решать, как поступать с ними, интерпретировать и применять с пользой. Руководители компаний по всему миру видят, что многие решения уже не могут опираться исключительно на профессиональное суждение, а должны приниматься на основе интеллектуальной обработки данных. Потребности сетевой координации в интеллектуальной обработке данных становятся все больше. В будущем автоматизированные аукционы могут распределять заказы между конкурирующими производителями или организовывать необходимые поставки. Пока такие возможности находятся в зачаточном состоянии, однако у них огромный потенциал.

Интеллектуальная обработка данных в действии

Для определения применимости интеллектуальной обработки информации в вашей компании нужно посмотреть, принимаются ли конкретные бизнес-решения машинами или они пока еще возложены на людей, пользующихся аналитической информацией.

Alibaba запустила чат-бот на основе искусственного интеллекта для помощи в обработке запросов клиентов в 2016 г. Этот чат-бот, получивший название AliMe, не похож на знакомые большинству людей роботизированные службы, которые просто подбирают запрограммированные ответы из своего репертуара, подходящие к вашему запросу. AliMe обучается у опытных коммерсантов с Taobao. С помощью этих «преподавателей для роботов» чат-боты в каждом магазине знакомятся со всеми его продуктами. В то же время они хорошо осведомлены о механизмах платформ Alibaba: политике возврата, стоимости доставки, порядке изменения заказа или адреса получателя – в общем, обо всем, что может спросить клиент. Используя различные технологии машинного обучения вроде смыслового восприятия, контекстных диалогов, графов знаний и глубокого обучения, чат-бот быстро приобретает способность выявлять и устранять проблемы потребителя, а не просто давать статические ответы, подталкивающие потребителя к дополнительным действиям. AliMe получает от клиента подтверждение приемлемости предложенного решения, а затем исполняет его. Вмешательство со стороны Alibaba или коммерсанта минимально. Чат-бот может даже вносить значительный вклад в валовую выручку продавца. Одежный бренд Senma начал использовать чат-бот год назад и обнаружил, что его вклад в объем продаж составил 200 млн юаней ($30,8 млн), в 26 раз больше, чем вклад лучшего партнера коммерсанта.

Представителям по работе с клиентами на Wangwang все еще приходится участвовать в сложных или личных переговорах. Однако возможность автоматической обработки рутинных запросов очень полезна в дни с высоким объемом продаж, в частности при распродажах. Так или иначе, на время масштабных событий большинство крупных продавцов нанимают дополнительных работников для обслуживания запросов потребителей. Насколько полезен чат-бот? Во время Дня холостяка 2017 г. AliMe взял на себя более 95 % поступивших запросов и дал ответы более чем 3,5 млн потребителей. (Заметьте, хотя мы очень гордимся нашим чат-ботом, это не аналог универсального цифрового помощника, над созданием которого Apple, Google или Facebook работают уже не один год.)

Будущее уже здесь

По мере того как Taobao применяет интеллектуальную обработку данных для решения все большего числа бизнес-проблем, она приобретает все большее конкурентное преимущество. Взять хотя бы технологию распознавания образов, которая уже используется платформой во многих областях. Программы оптического распознавания символов идентифицируют вредоносную рекламу, скрытую на вроде бы безобидных фотографиях продуктов. Приложение Taobao позволяет пользователям отыскивать продукты, просто сделав снимок с помощью телефона, – алгоритмы берут на себя идентификацию «увиденного» продукта среди доступного на платформе ассортимента. Визуальный поиск продукта становится все более точным и все более популярным – к нему обращаются более 10 млн уникальных пользователей в день.

Интеллектуальная обработка данных дает огромное преимущество первопроходца из-за широкого использования цепей положительной обратной связи. Сбор больших объемов релевантных данных труден и дорог, однако чем больше данных обрабатывается, тем более ценным становится бизнес. Так, когда карты AutoNavi (картографический бизнес Alibaba) или Google Maps становятся более точными, ими пользуется больше людей, базовые алгоритмы получают больше данных и точность приложений возрастает еще больше. Этот замкнутый цикл принципиально иной, чем физические продукты. Он совершенно не снижает доходность. Крайне трудно конкурировать против смарт-бизнеса, имеющего такое преимущество уже на старте.