Текст книги "Цифровая трансформация для директоров и собственников. Часть 1. Погружение"

Блокчейн, умные контракты

Многие из вас слышали это название и ассоциируют его в первую очередь с биткоином и криптовалютами. Но это лишь частный случай его применения.

На самом деле блокчейн – это просто способ хранить и обрабатывать информацию, при котором все данные хранятся у всех участников, а при любых изменениях также перезаписываются у всех участников. И каждый новый блок данных связывается с предыдущим.

Зачем такая сложность?

Для гарантии достоверности. Этот подход исключает возможность корректировать информацию и вносить правки задним числом.

Чувствуете напряжение? И я нет. А оно есть. Очень многие будут против такого подхода.

Эта технология нужна, если мы не доверяем администратору базы данных или хотим исключить риски недобросовестного исполнения контрактов между компаниями.

Например, в 2020 году Youtube ввёл ряд мер по цензурированию контента, связанного, прежде всего, с медицинской информацией. Тем самым он подорвал доверие своих пользователей, и в среде блогеров возникли сомнения относительно политики Youtube. Они считали, что он действует с позиции диктатора, препятствуя свободе слова и самовыражения.

Ответом на запрос стало внимание к новой площадке Bastyon от Pocketnet Team. Это децентрализованная соцсеть, работающая на технологии блокчейн. «Бастион» нельзя заблокировать, поскольку у него нет единого сервера. Внутри «Бастиона» действует зашифрованный чат, не привязанный к адресу электронной почты или телефону пользователя (как принято в Whatsapp и Telegram), а все расчёты между создателями контента и зрителями ведутся в криптовалюте, также связанной с технологией блокчейн. Таким образом, «Бастион» создал для своих пользователей безопасную среду путём децентрализации серверов, финансов и аккаунтов.

Более того, на смену существующему способу организации Интернет-пространства постепенно приходит новая концепция – web3, всецело связанная с технологией блокчейн. В будущем любой пользователь, у которого дома есть компьютер, способный быть сервером, сможет стать полноправным участником сети и получать от этого выгоду.

Но у данной технологии есть и минусы. Они обусловлены самим принципом технологии (в массовых блокчейн-сетях), так как миллионы ПК обрабатывают одни те же данные.

1. Это очень энергозатратная история. Множество устройств параллельно обрабатывают одну и ту же операцию. И чем дальше, тем больше.

2. Эта технология будет требовать всё большего количества памяти для хранения и всё большей производительности для обработки.

3. Низкая производительность системы вкупе со сложностью транзакций ограничивает применение технологии.

Где могут применяться технологии блокчейн?

• Организация голосований и выборов.

• Ведение реестров, например, недвижимости; государственное управление.

• Создание смарт-контрактов для крупных проектов, где необходимо исключить риски судебных споров.

• Цифровая идентичность, проверка подлинности и подтверждение прав доступа.

• Защита авторского права.

• Интернет вещей.

• Управление биржей и торговлей.

В результате на данный момент наиболее востребованная область для блокчейна – индустрия документооборота. Вся информация может находиться в определённой записи, а запись в блоке, и всё это защищено. Не нужно оформлять счета-фактуры, подписывать бумажные акты, а потом отправлять целые машины документов в налоговую.

Вся информация прозрачна, и аудиты теряют смысл. Это снижает нагрузку и на бизнес, и на государство. А если операции будут заноситься в государственный блокчейн для учёта, то и самописные решения не нужны. Можно держать всё в облаке, и при этом необходимая отчётность будет формироваться автоматически. Нужна ли тогда армия счетоводов, которая не создаёт никакой дополнительной ценности и чей профессиональный навык заключается в хорошей арифметике и способности разбираться в ею же созданных таблицах?

Машинное зрение

Машинное зрение – ответвление компьютерного зрения. Если компьютерное зрение – это общий набор методов, позволяющих компьютерам «видеть», то машинное зрение – это компьютерное зрение для производства.

Здесь используется сочетание цифрового видеосигнала и работы нейросети.

Машинное зрение может решать такие задачи, как:

• распознавание элементов, например наличие в кадре посторонних вещей или нарушений техники безопасности;

• идентификация и обнаружение, в том числе конкретных людей, номеров машин;

• распознавание текста на сканах документов;

• создание объёмных форм по 2D-схемам или изображениям.

Если сместиться в фокус практического применения, можно выделить следующие сценарии:

• организация контроля промышленных процессов и выявление отклонений, в том числе для повышения эффективности (например, оптимизация загрузки производственной линии, считывание штрихкодов);

• выявление нарушений требований промышленной безопасности и фиксация точного места, даты и времени события;

• контроль качества продукции и выявление нарушений;

• анализ работы оборудования и предотвращение аварийных событий.

Ограничения тут всё те же – цена и люди.

Цена постепенно снижается, а люди продолжают сопротивляться из-за страха сокращений и недопонимания «а для чего?».

Перспективы у технологии отличные, так как внедрение становится всё более дешёвым, практический результат можно увидеть и почувствовать быстро, а сценариев применения бесчисленное множество. В статье по QR-коду в начале главы есть ссылки на реальные примеры использования этой технологии.

Роботизация процессов (RPA)

А теперь про роботов.

Мы намеренно не будем касаться промышленной роботизации в привычном нам с вами понимании. В этой сфере много вопросов, в том числе к срокам окупаемости. А вот RPA – интересная тема.

RPA (robotic process automation) – автоматизация бизнес-процессов с помощью роботов, которые могут применять пользовательский интерфейс для сбора данных и управления приложениями.

В традиционных системах разработчик создаёт список действий, чтобы автоматизировать задачу на уровне системы, без видимых для человека операций. В RPA же сначала фиксируют порядок работы человека, а затем создают робота, который повторяет его действия в том же пользовательском интерфейсе.

Например, робот может отсканировать электронное письмо, понять, о чём запрос, подготовить и сразу направить ответственным сотрудникам необходимый пакет документов.

С помощью RPA можно убрать ручной труд в повторяемых и простых процессах, которые будут выполняться автономно по написанной инструкции, или автоматизировать отдельные этапы более сложных процессов.

Ниже приведён пример «разгрузки» сотрудника в течение 30 дней на конкретном бизнес-процессе по оцифровке и внесению в базу PDF-документов.

Эффект от роботизации процесса

Роботизация конкурирует с двумя направлениями:

• ручной труд – предпочтителен в сложных задачах, где необходимо принимать неоднозначные решения, есть исключения, различные вариации, нужно думать головой;

• классическая автоматизация бизнес-процессов – предпочтительна, если работа выстроена внутри одного IT-решения или есть развитая система обмена данными, а также процессы стабильны и не будут меняться длительное время.

Преимущества RPA перед классической автоматизацией:

• простота и скорость реализации (средний срок роботизации одного процесса занимает 2—4 недели, а весь процесс с согласованием, описанием и так далее занимает до двух месяцев), здесь многое зависит от вашей бюрократии;

• период окупаемости – от 1 до 6 месяцев;

• не требуются изменения и перепрограммирование действующих IT-систем;

• не требуются сложные технические задания, можно просто записать видео процесса.

Также принято считать, что есть 4 поколения RPA-инструментов.

• RPA 1.0 – автоматизация простых процессов с помощью ручных сценариев. Требует участия человека. Помогает повысить производительность конкретного сотрудника.

Как работает: фактически сама программа устанавливается на ПК или ноутбук сотрудника.

Ограничения: частичная автоматизация ручных операций, которую сложно масштабировать.

• RPA 2.0 – используются описанные условия запуска или события, чтобы автоматически запускать роботов, например получение письма на специальную почту. Не требует участия человека. Полная автоматизация целого процесса, эмуляция участия человека в процессе.

Как работает: платформа для организации работы роботов, в которой каждому роботу назначается отдельная задача или небольшой процесс.

Ограничения: нужно вручную следить за тем, чтобы все роботы запускались и работали корректно, вручную исправлять их сценарии и расписание. Это нудно, кропотливо и не очень интересно.

• RPA 3.0 – автономный робот, которой запускается по команде нейронной сети. Например, робот прогнозирует снижение уровня жидкости до критической отметки и автоматически включает насосы.

Цель: устранить работу человека по настройке и сопровождению роботов. Робот следит за роботом. Можно автоматизировать целый цех или отдел.

Как работает: чаще всего поставляется в составе комплексного облачного решения, которое не требует участия человека и может самостоятельно вести учёт и анализ отклонений.

Ограничения: невозможно полностью исключить риск поломок, предусмотреть и проанализировать абсолютно всё. Например, поступление данных без структуры и явного формата.

• RPA 4.0 – умный робот. Нейронная сеть не просто использует данные для активации робота, а проводит анализ событий и данных, их взаимосвязей. Например, получение запроса в техническую поддержку на доступ или активацию нового аккаунта. Искусственный интеллект сам поймёт запрос и даст команду роботам.

Цель: полностью исключить влияние человека, чтобы робот сам учился и развивался.

Как работает: фактически это улучшенная версия RPA 3.0 с более сложной нейронной сетью, имитирующей мышление человека.

Ограничения: для создания и настройки нужно разбираться в математике, уметь строить модели. Это выход за пределы анализа бизнес-процессов. А значит, требуется либо время на обучение, либо увеличение издержек на дорогих специалистов.

Эволюция RPA

Основные преимущества роботизации для бизнеса

• Освобождение сотрудников от рутинной работы

Сотрудники могут сосредоточиться на более сложной работе, создающей ценность, а не на повторяющихся рутинных задачах. То есть устраняются потери (в терминах бережливого производства). Производительность труда и мотивация в таком коллективе возрастают.

• Уменьшение количества ошибок в процессах

Человек может некорректно вводить текстовые и цифровые данные, робот же действует по указанной инструкции.

• Снижение внутренних издержек

Робот выполняет операции намного быстрее человека и ограничен только скоростью работы интерфейса. Он не требует выходных, перерывов на обед и сон. А это даёт ключевое преимущество – возможность масштабироваться и увеличивать выручку без дополнительных издержек.

• Повышение качества бизнес-аналитики

Каждая транзакция, совершённая с помощью RPA, записывается в журнал. Эти данные позволяют анализировать любые завершённые процессы и устранять потери.

• Остаётся доступ к человеку для нетиповых запросов

При необходимости робот может запрашивать у человека помощь и ждать его ответа.

• Снижение стоимости входа в автоматизацию

RPA-алгоритмы позволяют автоматизировать процессы даже с устаревшими IT-системами. Это даёт преимущества для малого и среднего бизнеса, промышленных компаний. А после получения ресурсов можно заниматься и более сложной автоматизацией.

Ограничения

• У людей отсутствует понимание, какие задачи можно решать с помощью RPA, а какие нельзя. То есть речь опять идёт о цифровой грамотности.

• Для работы надо оцифровать ваши процессы и данные, чтобы как можно меньше информации осталось на бумаге. Необходимо проработать структуру данных.

• Постоянно меняющиеся процессы. Ваши бизнес-процессы должны быть хоть как-то стандартизированы и меняться в рамках каких-то вариаций, а не в хаотичном порядке.

• Нереалистичные ожидания от роботизации. Это не волшебная палочка. Если вы кому-то пообещали, что сейчас сократите 30% всех затрат, то лучше верните обещание обратно. Об этом мы ещё поговорим в отдельной главе.

• Необходимо убедить ваших сотрудников, что это приведёт не к их сокращению, а к занятию их более полезной и интересной работой, которая позволит компании стать устойчивее. А значит, их будущее будет более безопасным.

• Так как RPA просто копирует действия пользователя и взаимодействует непосредственно с интерфейсами систем, то робот напрямую зависит от быстродействия и стабильности целевой системы.

• Также робот не исправит «кривых» процессов. По сути это просто автоматизация, только более «дешёвая».

• Очень трудно автоматизировать сложные задачи, в которых много взаимосвязей и ограничений. С этим RPA не умеет работать. Нужна связка с BPM (о ней позже).

• RPA – это быстрая, «лоскутная» или тактическая автоматизация, она не позволяет построить сквозные бизнес-процессы. Стратегическое развитие остаётся за платформами, но если надо решить задачу быстро, здесь и сейчас, с последующей автоматизацией, то боты подходят идеально.

В итоге для малого и среднего бизнеса это уже сейчас одна из наиболее перспективных технологий. RPA сможет за относительно небольшие деньги предоставить возможности для роста, без необходимости увеличивать затраты на ФОТ, расширения офиса и т. д.

3D-печать

3D-печать – это подвид аддитивных технологий.

Аддитивными называются технологии послойного наращивания и синтеза объектов. И по своей сути 3D-печать имеет очень много общего с литьём колёсных дисков, лепкой из глины и тому подобным.

При этом, чтобы технология классифицировалась как «3D-печать», необходимо построение конечного продукта из сырья, например из порошка, а не из заготовок. А формирование объектов должно быть произвольным, то есть без использования форм. Это означает, что аддитивное производство требует программной составляющей.

Какие преимущества даёт эта технология?

• Экономия

Изготовление уникальных деталей уже не требует сложной перенастройки или обновления оборудования, изменения технологий. То есть это кастомизация деталей под каждого заказчика практически без ограничений по сложности. Единственное, что вам надо, – создать цифровую модель.

• Скорость

Вы не занимаетесь переналадкой оборудования. А это зачастую занимает больше времени, чем сам производственный процесс, если у вас нет системы быстрой переналадки.

Давайте приведу пример. При производстве столешницы для кухни необходимо делать кромкование – наклеивать на торец столешницы специальную защитную полоску, чтобы дерево не разбухло от влаги. Так вот, сам процесс кромкования длится около 1 минуты на все 4 стороны. А вот подобрать защитную кромку, «зарядить» её в станок, выставить режимы – всё это может занять целых 3 минуты. Интересная получается картина, когда из 4 минут целевая работа, создающая ценность для клиента, занимает всего 25%. Всё остальное – потери. Подробнее о них, а также о бережливом производстве и системе быстрой переналадки можно почитать на портале моей компании.

Бережливое производство. Часть 1

Для организации опытных производств 3D-печать сможет существенно ускорять производственный цикл. Ведь иногда переналадка занимает не минуты, а часы или сутки, а для некоторых опытных образцов необходима реконструкция всей производственной линии.

• Качество

Ваше изделие будет без скрытых дефектов и практически со 100-процентной вероятностью будет иметь необходимые габариты.

3D-печать может эффективно применяться в следующих областях.

• Исследовательские проекты и тестирование прототипов

Изготовление тестовых прототипов без высоких затрат на модернизацию производственной линии позволяет кратно снизить стоимость и сроки исследований, а также делать больше исследований, а следовательно, повышать итоговое качество продукции. Кроме того, возможно уникальное производство «прозрачных» узлов, чтобы изучать внутренние процессы, протекающие в узлах и агрегатах. Так компания Porsche изучала работу масла в коробке передач при проектировании.

• Мелкосерийное производство с высоким уровнем «индивидуализации»

3D-печать – отличное решение для производства мелкосерийных партий товаров, особенно связанных с «уникальными» свойствами: частные дома, искусственные органы, протезы, оружие специального назначения, формы для литья.

Однако, говоря о преимуществах, нельзя умолчать и о недостатках:

• относительно низкая точность, 100—200 микрон – варьируется высота печатного слоя; если вам необходимы изделия с очень высокой точностью, то это не лучший способ изготовления;

• недостаточная геометрия изделий из-за проблем с усадкой;

• неоднородность материала и возможные расслоения, детали получаются более хрупкими в сравнении с традиционными изделиями;

• ограниченный выбор материалов;

• невыгодно и слишком медленно для серийных производств.

На мой взгляд, это достаточно нишевая технология, в первую очередь для применения в опытно-конструкторских работах лабораторий или для изготовления индивидуальных заказов. Такой же массовой и революционной, как интернет вещей, нейросети или дополненная реальность, она не станет.

Озёра и хранилища данных

Мы рассмотрели уже много технологий и понимаем, что ключевой критерий в цифровизации и цифровой трансформации – это работа с данными, сквозная аналитика, помощь и поддержка в принятии решений.

Но мы не рассмотрели самого главного: где все данные должны храниться, как с ними работать?

Опять же, мы сейчас не будем погружаться в реляционные логики, документоориентированные хранилища, графы и так далее. Мы рассмотрим, какие существуют типы хранилищ. Это ключевой критерий, который будет влиять на ваши возможности и необходимые затраты.

Так, условно, существует два подхода к хранению и обработке данных – хранилище или озеро данных. Также сейчас плавно возникает гибридный подход. Как в нашей любимой поговорке – и рыбку съесть, и на стул присесть.

Хранилище данных

Хранилище данных (data warehouse) – это место, где данные хранятся в едином и структурированном формате, с прописанными взаимосвязями. Например, огромное количество связанных между собой Excel-таблиц.

Такие данные можно использовать для исследований, бизнес-аналитики, обучения искусственного интеллекта.

В данной технологии используется ETL-подход к обработке данных. Подробнее об этом ниже.

Также надо отметить понятие витрины данных (data mart), которая является срезом хранилища данных по определённой тематике для конкретного круга пользователей.

Принцип работы хранилища и витрины данных.

Озеро данных

Озеро данных (data lake) – это большое хранилище необработанных исходных данных, как неструктурированных, так и частично структурированных.

Для аналитики данных в озере требуется предварительная подготовка, очистка и форматирование загруженных данных.

Основная область применения – «глубокая» аналитика, исследования.

В данном случае для обработки данных используется подход ELT (извлечение, загрузка, трансформация).

Если собирать слишком много данных «просто так» и никак с ними не работать, озеро может стать бесполезным болотом. Поэтому важно заранее определить, для чего именно вы собираете данные, а не накапливать их просто так.

Ключевое отличие озёр данных от хранилищ – структура. В хранилищах находятся только чётко структурированные данные, а в озёрах – неструктурированные, никак не систематизированные вперемешку со структурированными.

Принцип работы озер данных

Разные подходы к обработке данных

Работа с данными включает 3 ключевых этапа:

• Extraction – получение исходных данных и перенос их во временное хранилище;

• Transformation – структурирование исходных данных, чтобы они соответствовали целевой задаче.

• Loading – загрузка структурированных данных в хранилище данных.

ETL

В ETL данные извлекаются из исходных систем, затем преобразуются в необходимый формат и только после этого загружаются в хранилище данных.

ELT

При ELT данные после извлечения сразу же отправляются в единое централизованное озеро данных.

Сравнение ETL и ELT

Подходы к сбору и обработке данных

ETL: использует промежуточные этапы, что увеличивает время на загрузку.

ELT: загрузка только один раз.

• Скорость обработки запросов и затраты

ETL: по мере увеличения объёма данных растёт и время обработки запросов, а значит, необходимо увеличение мощности «вспомогательной» инфраструктуры.

ELT: скорость не зависит от размера данных, низкие эксплуатационные расходы – все данные всегда доступны.

• Сложность реализации

ETL: на ранней стадии требует меньше места, проще обрабатывать данные для аналитики.

ELT: требует глубоких знаний инструментов и экспертного проектирования основного хранилища.

• Поддержка хранилищ данных

ETL: поддерживает, так как по своей сути подразумевает структурированное хранение данных.

ELT: нужно изначально проектировать сбор данных с учётом форматов и структуры, что довольно трудно и дорого.

• Поддержка озера данных

ETL: нет.

ELT: да.

• Удобство использования

ETL: фиксированная структура данных, удобно для аналитики в операционной деятельности.

ELT: ситуативность, гибкость, удобно для глубокой аналитики и поиска неочевидных взаимосвязей.

• Доступность бизнесу

ETL: нецелесообразно для малого и среднего бизнеса.

ELT: подходит для любого бизнеса.

Резюме сравнения

ETL помог решить первые проблемы, связанные с организацией хранения данных. Но сегодня ситуация обратная: в организациях с терабайтами данных загрузка данных может занимать часы. А если у вас ещё и удалённые филиалы…

ELT подходит для компаний любого размера. Используя эту технологию, они могут проводить анализ больших данных с меньшими затратами на обслуживание. Благодаря этому компании получают ключевые идеи для создания реальных конкурентных преимуществ в своём бизнесе.

При этом нельзя хоронить ни один из подходов. Допустим, вам надо организовать видеоаналитику на объекте. Можно пойти двумя путями:

• поставить обычные камеры и весь сигнал отправлять в озеро – это ELT-подход;

• поставить умные камеры, которые будут хранить часть информации у себя, а в хранилище отправлять только ключевые данные о том, что и когда было снято, например только фрагменты, где было движение. Это ETL-подход.

Какой из них лучше? Верного ответа нет. Всё нужно рассчитывать, исходя из того, какой у вас канал связи, сможете ли вы передавать данные сразу в базу данных, сколько это будет стоить. Возможно, выгоднее будет на каждом объекте разместить камеры чуть дороже, но сэкономить на передаче данных?

Кроме того, сейчас, в условиях дефицита серверных мощностей, следует помнить о том, что запись – самая энергоёмкая процедура. При подсчёте может оказаться, что ETL выйдет дешевле.

Итоги

• Озеро данных использует процесс ELT – извлечение, загрузка, преобразование. Хранилище данных использует процесс ETL – извлечение, подготовка, загрузка.

• Озеро данных хранит структурированные, полуструктурированные и неструктурированные данные, в то время как хранилище данных держит данные в чёткой структуре со взаимосвязями.

• Для озера данных также критична постоянная работа с данными, пересмотр источников, иначе озеро может превратиться в болото.

• Универсального подхода нет, нужно разбираться в каждом конкретном случае.

Я считаю, что озёра данных актуальны в том случае, если компания не может или для неё слишком сложно собирать и преобразовывать данные в единый формат, если есть высокая доля неопределённости в том, что нужно искать и анализировать, какие решения будут приниматься. Если же компания промышленная, данных не так много, всё чётко, определено и структурировано, то легче работать с хранилищем данных. Либо строить гибриды озера и хранилища. Технически это вполне реализуемо, но требует более высокой квалификации людей.