Алгоритмы против «черных лебедей»: как большие данные могут опровергнуть
Нассима Талеба

Часто цитируемый философ и бывший трейдер Нассим Талеб утверждает, что ученые, политики, бизнесмены и финансисты переоценивают возможности рационального применения объективных данных и недооценивают закономерное влияние необъяснимой случайности, так называемого «черного лебедя». Но теории «черного лебедя» уже больше десяти лет, за это время технологии сильно ушли вперед, и я знаю, что автоматизированные прогнозирование и предписания на его основе зачастую уже дают лучший эффект, нежели интуиция менеджмента или консалтинговая экспертиза. И я уверен, что инструменты новейшей аналитики чем дальше, тем быстрее будут завоевывать рынок подготовки, принятия и даже исполнения управленческих решений.

Сейчас много говорят о новых технологиях на основе big data. Действительно, сбор и обработка данных на глазах меняет жизнь человечества. Машинные подсказки теперь всегда вокруг нас. Изучив информацию о нашем поведении, провайдер рекомендует новый сериал; почтовый сервис — товары в интернет-магазине; социальная сеть — места отдыха; навигатор — маршруты и режимы вождения. Наши действия фиксируются невидимыми ИТ-системами в интересах продаж, безопасности, регулирования и планирования.

Но самые инновационные организации используют big data уже не для того, чтобы продать товар. Бизнес, ведомства и госструктуры работают над тем, чтобы сделать надежными удобство и выгоду от предлагаемых решений, выполнить конкретные задачи индустрий, хозяйств и территорий. Обработать с пользой данные всех технологических, социальных, бизнес-процессов, автоматически согласовать их — задача гораздо более сложная, но именно ради нее и нужна аналитика. И именно здесь проходит водораздел между традиционной аналитикой (предиктивной, или прогнозной) и аналитикой новой (прескриптивной, или предписывающей).

С появлением массы доступных объективных текущих данных и мощных средств их одновременной обработки впервые в ИТ появилась возможность автоматически объединить прогнозы и указания к результативным действиям. Прежняя (прогнозная) аналитика объясняла текущую ситуацию и строила сценарии будущего, новая (прескриптивная) дает рекомендации правильных действий, кратчайшего пути к запланированным результатам и KPI.

Так, например, навигатор прокладывает маршрут по запросу конкретного водителя, но благодаря прескриптивной аналитике он может делать это с учетом маршрутов сотен тысяч обратившихся к сервису водителей. И весь транспорт в городе начинает двигаться согласованно, без пробок, безаварийно и намного быстрее. При этом с учетом обстановки по динамически создаваемым предписаниям будут работать все субъекты дорожного движения. «Умные» светофоры уже анализируют трафик, прогнозируют потоки и пробки, без участия человека меняют режимы работы. И это происходит не где-то, а уже в России: в Москве, Татарстане и некоторых других регионах.

Ритейл, банковский бизнес, промышленность — прескриптивная аналитика может применяться везде, где нужно оптимизировать вложения, увеличить эффективность, максимизировать прибыльность бизнеса, управляемость организации, дивиденды акционеров. Огромное поле применения такой аналитики — в цепочках капиталоемких отраслей с вариативными процессами: металлургии, химии, нефтегазовой отрасли, горном деле, на транспорте.

Системы на базе прескриптивной аналитики уже работают на металлургических предприятиях России — например, на заводах «Северстали», исключительно точно добавляя ферросплав в процессе выплавки стали, автоматически получая заданное качество металла.

Особая отрасль — медицина, где с ростом качества жизни людей, удорожанием и усложнением задач растет сложность аналитических систем и алгоритмов, число используемых источников данных — от классических историй болезни, биометрического мониторинга до геномных и семейных данных и информации социальных сетей.

Мы в SAP довольно давно знаем, что прогнозная аналитика без систем обнаружения и исполнения правильных шагов недостаточна для управления. Критически важны качество и оперативность управляющих действий. Прескриптивная аналитика призвана повысить полезное применение больших данных, которые компании благодаря ИТ-системам теперь накапливают с колоссальной скоростью.

Пример — проект итальянского перевозчика Trenitalia. Он предполагает внедрение аналитической системы, интегрированной с шестью миллионами датчиков на двух тысячах локомотивов и вагонов. Аналитика позволяет организовать полный мониторинг оборудования и четко планировать ремонтные работы. Допустим, поезд только прибывает в столицу, а римские ремонтники уже получили указания, что нужно заменить, заранее заказаны агрегаты, инструменты и материалы. Так с помощью ИТ-систем мы решаем задачу уже не прогнозирования, а достижения требуемого качества и доступности оборудования, и обеспечиваем автоматическое исполнение и улучшение сквозных бизнес-процессов в меняющейся обстановке. Подобные решения, кстати, работают уже на некоторых сельхозпредприятиях России: осуществляют подбор агротехнических решений с учетом меняющейся влажности почв, доступных видов удобрений и последних культиваций.

Уверенность в успехе проектов прескриптивной аналитики дает нам технологическая готовность к новым вызовам рынка. Этот ИТ-инструментарий в различных комбинациях мы передаем клиенту, в зависимости от его целей, бюджета, а главное — готовности воспринимать идеологию автоматизации на новом технологическом витке, выстраивать бизнес-процессы на основе новых аналитических инструментов.

Дальше — больше. Системы на базе прескриптивной аналитики впервые позволяют заменять интеллектуальный труд в его рутинной части. И они скоро изменят рынок труда так, как роботы некогда изменили рынок труда физического. Чтобы перемолоть все более мощные информационные потоки, менеджменту компании придется использовать ИТ-средства первичной обработки информации. Здесь традиционно работало много людей, всегда было большое число ошибок и сложно отслеживаемых неверных интерпретаций. Но есть системы, агрегирующие информацию и делающие ее срезы в считанные секунды. Еще одна важнейшая задача менеджмента — понять, «что делать» — долго была вопросом творчества. Талантливый руководитель должен был проявить смекалку, креативность и показать неординарное видение. Теперь и это подвергнуто сомнению.

Уже ведутся разработки инфороботов, которые заменят бухгалтеров. Программы будут собирать информацию о деятельности компании, правильно интерпретировать ее и разносить по бухгалтерским счетам. То есть они будут брать информацию из системы планирования ресурсов предприятия, производить интеллектуальный продукт на основе генерируемых машиной предписаний и вновь загружать информацию в систему. Такой проект в одной из нефтегазовых компаний России завершится не через 20 лет, а через два года. И это и есть стопроцентная предписывающая аналитика. Кстати, Минфин РФ уже рекомендовал вузам пересмотреть программы подготовки экономистов и бухгалтеров: потребность в них сильно снизится в ближайшие пять лет.

Все новые и новые процессы вскоре можно будет полностью передать от управленца машине: изменение суточных заданий, учет материалов на складах и многое другое. Следующий этап развития индустрий — преимущественно безлюдные производства. Есть мнение, что такие системы позволят заменить менеджмент компании, так как любой управленец действует в рамках какой-то модели. В шахматы робот уже играет лучше человека, потому что там есть правила и четкие ограничения. В менеджменте и бизнесе тоже есть правила и ограничения, но в них есть и набор человеческих отношений, которые лежат вне системы, поверх модели: построенный на ненаписанных договоренностях, скрытой конкуренции, ничем формально не регламентированный.

Где границы предстоящих потрясающих изменений? Пока это никому не ясно. Человечество занимается визуализацией, передачей, хранением анализируемых данных, а извлекать выгоду из информации все еще учится. Но меня сильно впечатляет рукотворность прескриптивных ИТ-систем. Их существование доказывает, что человек способен создать нечто, что может работать, выдавая решения (при этом в величайшей степени валидные решения) без его участия. И самое важное: прескриптивная модель может быть быстро улучшена и дополнена. Человека так быстро не изменишь. Именно поэтому прескриптивная аналитика сильно увеличит потенциал всего человечества в самом ближайшем будущем.

Об авторе: Юрий Бондарь — заместитель генерального директора, директор департамента аналитических решений SAP СНГ.