Модели на подиуме

Знать, что день грядущий нам готовит, хочет не только обычный человек, но и любой, даже самый крупный бизнес. Гадание тут не поможет, придется заняться прогнозированием. А чтобы прогнозы сбывались, нужно иметь модели, наблюдение за которыми позволит яснее увидеть настоящее и даже заглянуть в будущее. На этот раз мы обсудили с экспертами анализ процессов в ритейле с помощью Process Mining.

Моделирование и продуктовая розница – казалось бы, нет более далеких друг от друга понятий, чем эти. Первое – это наука, промышленность, дизайн в конце концов, но никак не торговля хлебом и молоком. Раньше так и было. Но мы живем в очень быстрое время: на наших глазах происходит множество трансформаций, бизнес становится технологичным, а то, что было сферой науки, проникает в практику компаний самых далеких от теоретических построений.

Сейчас в ритейле моделируют практически все: создаются 3D-модели складов, виртуальные и полуреальные магазины. Полуреальные – это с использованием технологий дополненной реальности, AR. Напомним, что именно так недавно строили новую торговую точку «Ашана» – применяя интерактивные голограммы. С их помощью создали модель магазина в реальную величину, походили между призрачными полками, сделали выводы и исправились еще до начала строительства. Заманчиво. Но мы поговорим о других моделях. О тех, что выглядят максимально абстрактно, как будто бы далеко от жизни, математично. О тех, что стали возможны благодаря современным технологиям.

На каждой профильной конференции твердят: собирайте данные, накапливайте, сливайте в одно место все, что можно, из всех систем компании. Big Data – это золотой прииск в умелых руках. И одно из применений, которые находят себе данные, как раз лежит в области моделирования. Назовем такое моделирование цифровым, чтобы противопоставить его моделированию мира физического с помощью моделей, похожих на свой объект визуально, таких как виртуальный магазин, который похож на свой «каменный» аналог.

У ритейлеров много данных, которые можно анализировать и использовать для построения цифровых моделей: это и видео, и данные из соцсетей, из мобильных приложений, программ лояльности, наконец, от вещей, подключенных к Интернету (IoT). И здесь перечислена только часть источников. Данных много, типов и видов моделирования – тоже. Как известно, слишком большой выбор – зло похуже выбора узкого.

Очевидно, что взять и построить одну глобальную модель «всего» и работать с ней – это утопия. Вернее, не утопия, но модель получится слишком уж примерной: узкие места скроются. «Существуют разные подходы к процессу моделирования. Например, универсализация, когда все потребности можно покрыть одной универсальной моделью. У этого подхода есть преимущества: простота и отсутствие необходимости строить множество моделей. С другой стороны, универсальная модель подразумевает упрощение и сглаживание результатов, – говорит Максим Захир, генеральный директор «Ланит Омни» (группа «Ланит»). – С моей точки зрения, вместо универсальных решений для каждой задачи стоит попытаться разработать собственные методы анализа данных и продумать свои способы достижения результата».

«Я не верю в общую универсальную модель. Проектный опыт показывает, что эффективнее делить деятельность на «слои», – уверяет Андрей Чепакин, коммерческий директор ELMA.

Уровень торговой точки – один из таких слоев. Например, на этом уровне компания по RFID-меткам в корзинах анализирует среднее время, которое покупатель проводит на кассе, и, основываясь на этом, предпринимает меры по улучшению клиентского опыта.

Уровень бизнес-процессов – еще один такой слой, на котором можно выстраивать, к примеру, персональные программы Up-sell. В BPMS (Business Process Management System) ритейлер проектирует правила, по которым клиенту, купившему определенный продукт, предлагаются дополнительные товары. В зависимости от ситуации и бизнес-задачи ритейлер рассматривает тот или иной слой и использует соответствующие модели.

Клюем по зернышку

Первый шаг к моделированию – сбор данных и никак иначе. «Нужно составить список внешних и внутренних источников, которые могут повлиять на формирование моделей», – объясняет Максим Захир. По его словам, к внешним источникам относятся, к примеру, данные о погоде. Типов внутренних данных великое множество: транзакционные данные, данные из программы лояльности, сведения о продажах, данные из справочника магазинов (размер торговой точки, число представленных товарных категорий, количество касс, трафик и его конверсия в покупателей). Не последнее место занимает сайт, в котором с помощью метрик и специальных сервисов отслеживаются трафик и его источники, потребительское поведение, заказы, их исполнение.

Big Data изменила не сами модели, а результаты, которые можно получить. «Принципиальный подход к моделированию не меняется, – утверждает Алексей Николаев, директор центра компетенций по системам управления ИТ и мониторинга компании «Техносерв». – Выбор метода, как и раньше, зависит от той задачи, которую решает компания. Например, сокращение затрат и анализ исследования customer journey потребуют использования разных инструментов и подходов. Позитивные изменения заключаются в том, что большой объем накапливаемых данных позволил в разы увеличить точность моделей и сократить время на их построение и проверку».

Сбор данных – это большой и сложный этап. Ведь данные могут быть какие угодно: от сведений обо всех действиях сотрудников, которые заносятся в информационные системы предприятия, до банального наблюдения. Кстати, если сам факт наблюдения банален, то вот интересные сведения, которые можно почерпнуть, могут быть весьма оригинальны. Интересным кейсом несколько дней назад поделилась компания Ozon, рассказывая в ходе CNews Forum 2019 о своем опыте построения моделей.

Организация доставки в компании с восемью фулфилмент-фабриками и 31 распределительным центром – процесс весьма захватывающий. Поэтому в Ozon все считают и на основе посчитанного пытаются делать прогнозы.: сколько будет собираться посылка, сколько должен работать над каждым заказом распределительный центр, как быстро курьер возьмет свою ношу и сколько будет добираться до конечной точки. Все ходы записаны, прогнозы сбываются, но вдруг – сбой. В одном из центров курьеры постоянно задерживаются на полчаса дольше обычного. Что такое? Кто-то плохо работает? Но все посылки доставляются вовремя, а курьеры по-прежнему сидят в центре сверх рассчитанного. Причины необъяснимы.

Для того чтобы выяснить, какие такие обстоятельства держат сотрудников, на место нужно ехать лично. Поехали. Расследование выявило: именно эта сортировочная точка завела у себя слишком хорошую столовую, и курьеры старались все успеть, чтобы потом с чистой совестью подольше посидеть в приятном месте и отлично поесть.

Ту часть процессов, которую можно назвать «нерегламентированной», тоже стоит учитывать, а данные, подобные описанным выше, – сохранять и записывать. Для построения точных моделей необходимо взять как можно больше информации.

Жадность погубит

Данные накопили, можно моделировать. Что и как? «К сожалению, нет универсального метода моделирования, под каждую задачу требуются свои методики, алгоритмы и инструменты», – говорит Андрей Коптелов, вице-президент ABPMP Russia, бизнес-тренер компании Luxoft.

Если бы можно было внедрить одну цифровую модель на все случаи жизни, то все бы давно это сделали. «Организация логистики – это один процесс со своими переменными и прогнозами, а персонализация предложения покупателю – совсем другой. Никакой универсальности при моделировании нет, – подчеркивает Вадим Каиров, руководитель направления цифровой трансформации бизнеса компании «Рексофт». – В этом-то и заключается сложность его внедрения».

Чем больше гора информации, тем больше искушений. Хочется строить модели всего и сразу: бизнес-процессов, покупательского спроса, поставок. «Набрасываться на все сразу было бы неправильным: в первую очередь необходимо сконцентрировать усилия на одной или нескольких инициативах, призванных решить конкретные, наиболее критические для бизнеса проблемы, – рекомендует Андрей Железняк, эксперт компании «Витте Консалтинг». – Это позволит минимизировать первоначальные инвестиции, не распылять доступные ресурсы и оперативно корректировать стратегию, а в случае подтверждения эффективности предпринятых усилий постепенно расширять круг решаемых задач, используя как уже отлаженные, так и новые технологические подходы».

Анализ больших данных позволяет выполнять широкий спектр задач. «Это может быть работа с оттоком покупателей, повышение эффективности продаж в магазине, подбор персональных предложений. Ритейлеру требуется составить список задач, ранжировать их, понять, с какой начинать и в какой последовательности они будут выполняться», – делится опытом Максим Захир.

Далее возникают вопросы: какие данные у розничной сети есть прямо сейчас, какие она может накапливать для анализа, а какие нужны для достижения результата и решения конкретной задачи? Так, данные в виде аналитики, полученные из магазинов, могут повысить эффективность работы розничных точек, на их основе подбираются персональные предложения. При этом они не принесут пользы в работе с оттоком покупателей. В то же время данные для работы с оттоком не сильно влияют на повышение эффективности магазина. «Отмечу, что крайне важно правильно собирать, структурировать и связывать друг с другом данные, а также использовать именно тот набор данных, который необходим для решения конкретной задачи», – советует Максим Захир.

Неповторимые модели

Некоторые данные без моделирования ритейлер может не получить никогда. Зарубежные игроки вроде Walmart, Amazon и профессиональные ассоциации так или иначе делятся с рынком моделями бизнес-процессов, составляя «эталонные» модели. «В качестве примера можно упомянуть ARTS Retail Model. Российские ритейлеры могут использовать эту и подобные модели для бенчмаркинга, сопоставляя свою процессную архитектуру с эталонной и выявляя участки, которым сейчас не уделяется должного внимания», – говорит Андрей Чепакин.

Не имея четкой имитационной модели (хотя мы и договорились обсуждать более абстрактное моделирование, но все же), крайне сложно получить знания на основе так называемых сценариев «что, если?», в которых учитываются все известные и подробно описываемые факторы взаимного влияния. «Классические BI-системы, конечно, давно позиционируются в качестве пригодного для этого инструмента, однако обилие сущностей и связей в современных бизнес-процессах таково, что получаемая в результате аналитика чаще всего неприменима и не вполне достоверна, даже если на нее затрачиваются значительные средства», – рассуждает Андрей Железняк.

Без моделей сложно делать персонализированные предложения. Их и не делают. Почти не делают. «Исходных данных об истории покупок и их комбинаций так много, что простой аналитики недостаточно. Многие из читателей наверняка совершают покупки в «Перекрестке» и «Пятерочке» и являются участниками программ лояльности. Думаю, что многие могут сделать личные выводы о формировании персонализированных сообщений для вас. Чаще всего мы видим все-таки пока общие товарные предложения либо скидку, которая варьируется от среднего чека конкретного покупателя. Пока здесь нет какого-то глубокого моделирования», – сетует Вадим Каиров.

Творим

Можно выделить три вида моделей. По крайней мере именно столько насчитывают в компании ELMA. По словам Андрея Чепакина, первый вид моделей и самый простой – операционная модель торговой точки. Различными автоматическими способами – от видеонаблюдения в торговых залах до встраивания RFID-меток в корзины – ритейлеры определяют поведение покупателя, «холодные» и «горячие» зоны магазина, оптимальную выкладку товара.

Второй вид моделей возникает, когда мы говорим уже о сети в целом. Это модель бизнес-процессов, ее также принято называть «архитектурой (структурой) бизнес-процессов». Аналитики начинают разбираться, какие сквозные процессы существуют у ритейлера: как компания взаимодействует с поставщиками, как происходит управление ассортиментом, заявочной кампанией, претензиями покупателей, что представляют собой процессы бюджетирования и цепи поставок. В результате получается связанная модель регламентов описания бизнес-процессов.

Операционная модель магазина предполагает серию достаточно быстрых изменений. «Грубо говоря, мы анализируем маршруты посетителей магазина и меняем стеллажи местами. Модель бизнес-процессов, наоборот, статичная, мы договорились, как будет работать вся компания на процессном уровне», – говорит Андрей Чепакин.

Третий вид – модель Customer Journey – основана на изучении больших объемов клиентских данных для взаимодействия с аудиторией в режиме реального времени. Используя эту модель, мы пытаемся понять, как воспринимает магазин покупатель, расписываем его поведение на разных стадиях и выстраиваем гипотезы воздействия.

Археологические раскопки

Интересный вид моделей можно построить в ходе Process Mining, или, если по-русски, в ходе процессной аналитики. Сама технология возникла в 2001 году, через девять лет ее попытались внедрить в России, но тогда эта тема не смогла захватить умы отечественных корпораций. И совершенно зря. В чем суть? У ритейлера уже внедрено множество информационных систем, куда сами собой по факту совершения записываются различные действия сотрудников, тем самым формируя так называемый журнал логов. На самом деле на бытовом уровне с этим процессом сталкиваются все, кто включил компьютер. Вы пошли на сайт? Это записалось в историю браузера. Открыли текстовый редактор и напечатали пару фраз? Действие можно отменить именно потому, что программа его запомнила и записала, иначе и отменять было бы нечего: что не записано, то не существует, по крайней мере в цифровом мире дела обстоят именно так.

Раз системы уже полны такими сведениями, отчего бы их не применить на практике? Например, для того, чтобы посмотреть: а точно ли наши бизнес-процессы в реальности соответствуют тому, что мы придумали себе в ходе теоретизирования. Компании, заглянувшие в логи и построившие модели бизнес-процессов на их основе, бывали поражены открывшимися взору истинами. Сотрудники отфутболивают неугодные задачи, в ходе скитаний по отделам заявки не исполняются месяцами, а после и вовсе теряются, то, что должно занимать минуты, занимает часы – и наоборот. Копеечные действия на деле обходятся дорого. И это только часть инсайтов.

«В ритейле Process Mining обычно применяется для анализа поведения покупателей. В корейском ритейле, например, есть проекты по анализу прохождения покупателя по магазину. Специальные датчики отслеживают по WiFi позиционирование смартфонов покупателей, чтобы составить карту их перемещений от товара к товару», – говорит Александр Черкавский, эксперт по цифровой экономике РАНХиГС при Президенте РФ, преподаватель кафедры «Управление бизнес-процессами» экономического факультета РАНХиГС.

Технология Process mining коренным образом меняет подход к созданию моделей бизнес-процессов. Вместо традиционных методов сбора информации (интервьюирование, наблюдение), требующих больших временных затрат от консультантов и поэтому дорогостоящих, Process Mining требует времени только на выгрузку и обработку данных из информационных систем (а в случаях, если используется корпоративная система типа SAP, и этого не требуется, система Process Mining получит данные через специальную программу-коннектор). «Тем не менее совсем без консультантов не обойтись: необходимо правильно определить процессы для анализа, исследование которых может привести к решению именно проблемы, интересующей заказчика», – отмечает Александр Гончаров, старший бизнес-аналитик компании ICL Services.

По его мнению, Process mining имеет и ограничения: технология неприменима при проектировании новых процессов, нужно использовать классические методы. Также есть требование к автоматизации бизнес-процессов: если некоторые операции процессов выполняются вручную или не вся информация попадает в логи информационных систем, есть риск не получить достоверную модель процессов.

Поднимите мне веки

Когда говорят о BPM, то часто упоминают, что бизнес-моделирование – процесс дорогой, поэтому сначала надо выстроить бизнес-модель, а потом уже действовать (сначала теория, а потом практика). Однако в случае с Process Mining процесс обратный: сначала мы исследуем логи реальных процессов, потом строим модель, затем – выводы. Process mining является автоматизированным систематическим подходом по определению фазы «как есть» улучшения бизнес-процессов (BPI) и измерению воздействия сопутствующих изменений в ходе этого улучшения. Process mining помогает находить точки роста или улучшения. «Вы либо начинаете применять этот подход, либо нет. Моделирование бизнес-процессов от этого не меняется», – комментирует Александр Черкавский.

«Здесь нет противоречия, – подтверждает Андрей Чепакин. – Да, бизнес-моделирование производится по канонам BPM: создается модель, в рамках единой архитектуры которой все бизнес-процессы предприятия связываются между собой. Чтобы разобраться в логике работы отдельного процесса в этой модели, как раз и используется Process Mining. Условно, у нас есть небольшой процесс «Обработка рекламаций к поставщику», и мы с помощью Process Mining изучаем, как этот процесс проходит. Интересно, что этот инструмент не гарантирует правильности построения модели, он лишь позволяет зафиксировать текущее состояние процессов. То есть эту же задачу на проекте может выполнить и аналитик».

Однако, как отметил Андрей Чепакин, у Process Mining есть одно серьезное преимущество: полученные данные могут служить важным аргументом в разговоре с топ-менеджментом. По сути, инструментарий Process Mining дает исчерпывающую объективную картину того, как работает компания. «Мы вдруг выясняем, что в 2019 году лишь малая часть экземпляров процесса проходит так, как мы рассчитывали, а большинство задач зациклились и требуют больших операционных расходов. Process Mining позволяет собрать некую доказательную базу, для того чтобы у топ-менеджмента «открылись глаза», – говорит он.

Process Mining дополняет подходы к моделированию новым инструментарием и новыми возможностями. «Применение этой технологии позволяет сократить затраты на сбор первичной информации о том, как устроен процесс сейчас. Причем речь идет не только о финансовых, но и о временных затратах на привлечение консультантов и выполнение обследования», – рассуждает Алексей Николаев.

По его словам, понимание того, как устроен бизнес-процесс, может быть получено за одну-две недели после нескольких итераций автоматического восстановления карты процесса и ее верификации с его владельцами и участниками. При этом точность получаемого результата будет существенно выше. Кроме того, Process Mining позволяет сократить время на получение обратной связи: информации о том, как повлияли внесенные изменения на реализацию процесса.

«Преимущество Process Mining заключается в поиске исключительных ситуаций, которые негативно влияют на показатели процесса, ведь эксперты часто не скажут о негативных сценариях бизнес-процесса. Применение Process Mining дает более подробный анализ бизнес-процесса с опорой на фактические данные из информационных систем», – считает Андрей Коптелов.

Process Mining как технология, без сомнения, представляет иной подход к бизнес-моделированию по сравнению с BPM. При этом на уровне конкретных программных продуктов мы наблюдаем взаимопроникновение и взаимодополнение этих технологий. Об этом говорят эксперты компании «Витте Консалтинг». «Тут одно должно дополнять другое. Мы не можем приступить к Process Mining, не имея тех самых логов или других информационных артефактов существующих процессов. Более того, построенная в результате модель во многих случаях будет требовать доказательства эффективности посредством проведения A/B тестирования, для которого необходимо наличие контрольного варианта процесса, не затронутого трансформацией. Так что, на мой взгляд, необходимо в любом случае начинать с выстраивания базовой бизнес-модели и в дальнейшем совершенствовать ее при помощи Process Mining», – заключает Андрей Железняк.

Развлечения для взрослых

Звучит все это здорово, но если посмотреть на внедрения, особенно именно этой технологии – Process Mining, их практически нет. Часто ли вообще продуктовые ритейлеры строят цифровые модели для моделирования процессов в организации, для изучения customer journey, иных целей? «Построение модели бизнес-процессов – первоочередной по важности шаг, без которого ритейлеру невозможно добиться операционной эффективности. Только после того, как модель выстроена и компания понимает, как она работает, появляется относительное спокойствие, необходимое для дальнейшего совершенствования, – другими словами, сложно улучшить то, что непонятно как работает. Следующий шаг – использование модели Customer Journey для улучшения работы с покупателями», – говорит Андрей Чепакин.

Но если торговые сети из списка топ-5 крупнейших ритейлеров могут позволить себе все что угодно, то это еще не значит, что обращение к моделированию – это обычная практика ритейла. «В нашей стране действительно моделированием занимаются пока не так часто, если речь не идет, как вы заметили, о лидерах рынка», – соглашается Андрей Железняк. По его словам, у нас есть лишь отдельные примеры того, как ориентированные на инновации руководители начинают делать осторожные шаги в этом направлении в стремлении обеспечить себе конкурентные преимущества. Другие, оглядываясь на лидеров и зарубежные кейсы, пытаются, конечно, что-то перенимать, но подходят к этому довольно бессистемно, и очень часто их усилия толком ни к чему не приводят. При этом многие по-прежнему считают подобные инициативы слишком затратными, а в обозримом будущем даже малоперспективными для компаний, в которых уже укоренились определенные бизнес-подходы, выработанные за годы проб и ошибок. Однако даже для небольших сетей подобные инициативы были бы полезны, и это понимают глобальные технологические вендоры, такие как SAS и Informatica, выпуская специальные пакеты решений в области продвинутой ритейл-аналитики для среднего и малого бизнеса.

В обозначенной группе (секторе СМБ) моделирование – зверь редкий. «Единственное, надо уточнить, что составление бюджета P & L и моделирование процессов – это две разные задачи. Бюджеты делают все. А вот построение цифровой модели для моделирования процессов является достаточно сложным процессом. Необходимо использовать специализированное ПО, привлекать отдельные ресурсы. Цифровая модель как одна из задач создания цифрового двойника в последнее время стала применяться на новых современных производствах, когда цена ошибки или издержек слишком велика. В ритейле же моделирование применяется только в самых больших сетях в области логистики и закупок», – поясняет Вадим Каиров.

«Мы чувствуем, что на рынке есть спрос на построение цифровых моделей. Но в действительности это формирующийся процесс, и ритейлеры, которые не входят в топ-5, находятся в самом начале пути», – добавляет Максим Захир.

Большинству небольших розничных компаний пока вполне достаточно «классического» моделирования бизнес-процессов для регламентации операционной деятельности магазинов и автоматизации логистических цепочек. «Применение более серьезных инструментов, боюсь, в ближайшее время не окупится», – подчеркивает Андрей Коптелов.

Достаем калькуляторы

В попытках понять, насколько затратным для ритейлера будет это развлечение – построение цифровых моделей, мы спросили наших экспертов, как быстро окупаются затраты на разработку и построение модели в продуктовом ритейле? «Традиционно стоит ориентироваться на срок до одного года, – отвечает Андрей Чепакин.

По его мнению, источников окупаемости в построении модели бизнес-процессов несколько. Главный – снижение операционных расходов. Выстраивая процессы, компания наводит порядок внутри себя. Теперь сотрудники четко и слаженно выполняют задачи по процессу, вместе с задачей приходят все данные для исполнения, не возникает вопросов, кто ее должен делать. За счет того, что в ритейле много транзакций – компания каждый день принимает товар и продлевает договоры с поставщиками, – окупаемость достигается быстро.

Второй источник окупаемости – создание уникальных бизнес-моделей. Когда компания осознанно перестраивает процессы логистики или коммуникации с клиентами, чтобы получить конкурентное преимущество.

Ритейл характеризуется интенсивностью и однотипностью операций: продажи, закупка товаров, доставка, возвраты. Поэтому даже незначительное улучшение процесса приводит к быстрой финансовой отдаче. «Опираясь на нашу практику, могу отметить, что анализ новогодних продаж в одном из магазинов показал, что потенциальная выгода от оптимизации процесса и соответствующего сокращения объема отказов от покупки на примере всего лишь одной популярной товарной позиции окупала проект за три-четыре месяца», – делится Алексей Николаев.

Со сроками определиться трудно, считает Александр Черкавский: «По сути, моделирование – это часть функции «Разработка и исследования» (R & D). Поэтому затраты на моделирование зависят от того, сколько денег организация тратит на R & D. Без уточнения конкретики по решаемым в ходе моделирования задачам оценить затратность не получится. Но скажу, что, например, исследователи по данным (Data Scientists) могут собирать и анализировать данные, а потом строить только одну модель для проверки какой-то гипотезы от одного до трех месяцев».

Цифровой Доппельгангер

Если строить модели – дорого, то, может быть, тут поможет технология, о которой тоже заговорили не так давно? Цифровой двойник организации. Технология, которая проникла в бизнес из промышленности. С последней все понятно: если у тебя есть турбина и есть все данные о ее работе, может быть, она сама поставляет все данные о том, что происходит с ней прямо сейчас, то построение цифрового двойника, который можно покрутить, обследовать удаленно и сделать прогнозы о его дальнейшем жизненном цикле, – это то, что нужно.

Но сейчас заняться цифровыми доппельгангерами предлагают компаниям самого разного профиля – это один из трендов. Может ли ЦДО – цифровой двойник организации – стать одной всеобъемлющей моделью? Тогда ритейлер оставит в прошлом всю возню с построением моделей на каждый отдельный процесс или каждую область в своей компании.

«Существующие информационные системы не позволяют выстроить цифрового двойника, в полной мере удовлетворяющего пожеланиям бизнеса, – сомневается в успехе этой затеи Андрей Чепакин. – Они дают возможность взглянуть на организацию только с одной стороны. Например, цифровой двойник логистических операций показывает организацию с точки зрения движения ТМЦ. Я бы рассматривал ЦДО как еще одного поставщика данных для принятия стратегических решений при реализации корпоративных преобразований. Искать новые ниши и модели бизнеса, управлять переходом из традиционной розницы в онлайн – эти задачи с руководителей никто не снимет».

Цифровой двойник – это сложная и затратная вещь. «Внедрение ее в ритейле во всех процессах неочевидно. ЦДО оправдан там, где процессы меняются редко, данных, получаемых в результате работы процессов, много, и цена ошибки из-за неверного процесса слишком высока, так как процесс нельзя быстро и дешево изменить», – считает Вадим Каиров.

В ритейле же процессы меняются часто. Как только процесс «начал давать сбой», это быстро выясняется, и его сразу оптимизируют, поэтому цена ошибки довольно низка. Постоянная адаптация ЦДО под изменения рынка может не окупаться у большинства ритейлеров. Получается, что технология без понятного экономического эффекта не нужна. Ведь кто-то должен оплатить ее внедрение.

«Все продуктовые ритейлеры в России находятся на разном уровне зрелости, – говорит Александр Черкавский. – Виртуальные модели или представления в понимании концепции цифровых двойников они практически не строят, поскольку на их уровне зрелости им хватает работы над традиционными операционными моделями: логистика, ценообразование, производственный цикл». По его убеждению, процессы создания виртуальных моделей в концепции цифровых двойников, моделей бизнес-процессов, моделей в рамках обработки Big Data подразумевают постоянное выполнение экспериментов. Большая часть этих экспериментов вообще не окупается. А то, что сработало, дает эффект улучшения операционных показателей от 1 до 4%. Обычно этого достаточно, чтобы обосновать продолжение таких занятий.

«А я соглашусь с утверждением, что цифровой двойник организации необходим всем», – говорит Сергей Половников, заместитель генерального директора компании «СевенПро». – Но здесь другой вопрос очень важен. Вопрос цены данной задачи для конкретного ритейлера. Ведь ЦДО решает совершенно конкретный круг задач. И чтобы создать ЦДО, тоже необходимо потратить ресурсы, время. Но ведь вполне справедливо, когда ритейлер сам себя спрашивает и тут же отвечает: а нужен ли мне ЦДО? Что он сделает такого, чего я сам не смогу? Возможно, что конкретно взятый ритейлер и без всякого ЦДО настолько хорошо понимает своего клиента и свой рынок, настолько хорошо понимает своих контрагентов и свои продукты, что никакой двойник не принесет ему добавленной стоимости. Таких компаний-ритейлеров очень и очень мало… Не будем называть их имени».

Но все-таки для многих ритейлеров создание ЦДО – это действительно конкурентное преимущество. Ритейл сейчас переживает не лучшие времена, рынок потребления очень сильно трансформируется по причине того, что меняется поведенческая модель покупателя, и тот, кто будет успевать за трансформацией этой модели, кто сможет предвидеть ее будущие изменения, будет иметь максимально высокую возможную рентабельность бизнеса.

Построение цифрового двойника организации – еще одна глобальная технологическая тенденция. Однако для ее полноценной реализации потребуется решить множество аспектов, связанных с формализацией всех процессов организации, унификацией стратегий, внедрением единых метрик, обеспечением соблюдения регуляторных требований, корпоративных и отраслевых норм и правил, которые в сфере ритейла, да и в любых других сферах еще не выработаны окончательно или вовсе отсутствуют. «Одним из первых шагов в эту сторону как раз и видится построение моделей, которые в дальнейшем не будут заменены цифровым двойником, а станут одной из его полноценных функциональных составляющих», – говорит Андрей Железняк.

Помимо прочего административный опыт организации, наличие квалифицированного персонала и организационных ролей в области информации, а также внедренные технологические платформы и наработки, связанные с моделированием бизнес-процессов, станут серьезным подспорьем в процессе цифровой трансформации ритейлера, в частности при создании его цифрового двойника.

Как игра

Строить только одну модель несколько месяцев – это то, чем славится настоящая наука, которой нет дела до сроков и суеты коммерческого мира. Месяцы для науки – это секунды, потому что тут для подтверждения гипотез могут понадобиться годы и столетия. Бизнес такие сроки не устраивают. Современное ПО позволяет вести разработку моделей с помощью развитых графических средств и не требует от специалистов обязательного знания языков программирования.

Можно ли ожидать того, что в будущем процесс бизнес-моделирования настолько упростится, что его можно будет сравнить с игрой в компьютерную стратегию, которая доступна рядовому пользователю? Или такого не будет никогда, и ритейл по-прежнему будет нуждаться в высококвалифицированных специалистах и бизнес-консультантах?

Как считают многие исследователи, в ближайшем будущем появится целый класс «гражданских» специалистов по данным, не обладающих глубокими знаниями в области data engineering и data science, но способных решать различные задачи с использованием именно визуальных средств моделирования и диагностики. «Дело в том, что технологии машинного обучения (точнее, нейронных сетей) динамичны по своей природе и позволяют адаптироваться к изменяющимся или новым данным, и, несмотря на то, что подобные решения напоминают многим руководителям «черный ящик», именно они позволят автоматизировать многие задачи, связанные с наукой о данных. Это не значит, что высококвалифицированные специалисты более не будут нужны, однако они, скорее всего, сконцентрируются на обучении и контроле этих простых в применении, но сложных по своему устройству решений, порождающих целый комплекс совершенно новых задач», – объясняет Андрей Железняк.

С развитием Low-Code работа аналитика трансформировалась. BPMS позволяет без программирования переводить бизнес-процессы в исполняемый вид. «От специалиста уже не требуется долгой отрисовки блок-схем и написания кода. Вместо этого аналитик превращается в человека, который отвечает за логику процессов и предлагает улучшения. От него требуются в первую очередь компетенции понимания бизнеса, потому что аналитик, работая над процессами, должен разговаривать с бизнесом на одном языке», – делится своей точкой зрения Андрей Чепакин.

Уже сейчас появились решения, которые на основании видеопотока работающих сотрудников предлагают оптимизацию отдельных операций. «Есть примеры применения инструментов Process Discovery, которые анализируют экраны рабочих станций сотрудников, что позволяет найти рутинные операции для дальнейшей автоматизации», – рассказывает Андрей Коптелов.

Но несмотря на это, успешное моделирование случается только при наличии сложившейся пары: бизнес-аналитика, который глубоко понимает предметную область и обладает навыками анализа, и эксперта по моделированию, способного сформировать саму модель и необходимые для ее анализа инструменты. Об этом рассказывает Илья Хает, эксперт компании «Витте Консалтинг». По его мнению, развитие инструментов моделирования действительно упрощает жизнь и первому, и второму.

Отказ от бизнес-аналитика приведет к невозможности правильной трактовки результатов моделирования. Избавиться от экспертов по моделированию в ближайшее время тоже не получится: стремительно растет состав данных, состав доступных к применению методов и инструментов, потребность в интеграции разных моделей. «Да, процесс бизнес-моделирования может превратиться в подобие компьютерной игры, но только для очень типизированных задач (тогда что в них оптимизировать и на чем конкурировать?) или для простых задач (а число таких нерешенных задач стремительно падает), – говорит Илья Хает.

На самом деле будущее ближе, чем кажется. В этом уверен Александр Гончаров. Как он рассказал, системы документооборота и некоторые современные системы BPMS для настройки бизнес-процессов уже давно не требуют программирования, бизнес-процессы можно собирать из блоков-операций, как конструктор. Но более интересные возможности появляются с развитием искусственного интеллекта и систем машинного обучения. «Например, ведущие производители систем Process Mining уже начинают подключать ИИ к анализу эффективности бизнес-процессов, выявлению отклонений и их причин, по сути, выполняя одну из задач бизнес-консультанта. Потребность в бизнес-консультантах не исчезнет совсем, для них всегда останется работа по решению многоаспектных проблем по управлению организацией, но повышать эффективность рутинных бизнес-процессов пользователи смогут сами», – с уверенностью смотрит в будущее Александр Гончаров.

Две головы – лучше?

Мы уже несколько раз упоминали в тексте консультантов. Но все ИТ-компании, которые внедряют системы по выстраиванию моделей, обещают, что клиент «вычислит узкие места», «получит инсайты», «узнает все, что скрыто» и так далее. Каким образом ритейлер должен понять, какая модель подойдет его ситуации лучше всего? Скажем, клиентов долго обслуживают. Что делать? Обратиться к логам ИС и посмотреть, правильно ли выстроен бизнес-процесс по данному направлению? Сделать имитационную модель? Анализировать видеопотоки? Какую модель строить и строить ли вообще? Ведь на этом месте у собственника бизнеса есть большое желание не строить модели, а обратиться к консалтингу, чтобы тот пришел, быстренько решил проблему и не важно, каким способом. «Как представитель консалтинга, конечно, скажу: обращение к профессионалам – правильный шаг, – подхватывает Илья Хает. – Сторонний консалтинг обладает «незамыленным» взглядом и может посмотреть на задачу под непривычным для клиента углом зрения. Другая причина привлечения консалтинга – возможность сравнения (бенчмаркинга) организации с другими аналогичными в отрасли и мире. Это может стать хорошей отправной точкой для поиска сферы приложения усилий».

Но если мы говорим о самостоятельном решении задач, то есть простой и действенный подход: необходимо решать задачи теми способами и инструментами, которыми вы уже обладаете (а это 80% усилий). Их выбор под конкретную задачу в этом случае достаточно прост. Оставшиеся 20% усилий нужно тратить на изучение новых методов и программных продуктов, аналогичных проектов, общение в профессиональных сообществах, подбор и наем новых сотрудников – иными словами, расширять ваш арсенал.

«Кроме того, важно помнить, что не все задачи могут быть решены через моделирование. Скажем, никакие каналы общения (в том числе программы лояльности и мобильные приложения) не способны выявить «честной» мотивации различных групп клиентов – тут необходимы глубинные интервью, дизайн-мышление и другие методы «получения инсайтов», – уверен Илья Хает.

«В нашей компании вообще используется другой подход, – рассказывает Александр Гончаров. – Мы не предлагаем внедрять системы, а начинаем с анализа проблем, стоящих перед заказчиком, находим причины проблем и подбираем конкретные инструменты для их решения, это совсем не обязательно должны быть «системы по выстраиванию моделей». Модели сами по себе не нужны, более того, если они не решают проблему, это затраты и вред для бизнеса. Однако не во всех случаях».

Возьмем проблему «клиентов долго обслуживают». Причин у нее может быть множество: необученный персонал, его нехватка, низкая степень автоматизации процессов, неправильно организованные рабочие места, лишние операции. Здесь моделирование помогает, но далеко не всегда. Консалтинг же помогает понять, какую именно проблему нужно решать. «Возможно, ситуация «клиентов долго обслуживают» вообще не является проблемой, например, если ускорение обслуживания не принесет клиенту такой ценности, как решение других проблем», – замечает Александр Гончаров.

Бизнес-процессы каждой компании уникальны. И любому внешнему консалтингу требуются месяцы на погружение в жизнь компании, сбор необходимой информации и формулирование выводов. «В случае построения новых процессов или глобальной трансформации бизнеса эти затраты оправданны. Однако в случае их оптимизации компании обычно справляются своими силами: владельцы и менеджеры самостоятельно исследуют процессы и находят области, требующие улучшений», – полагает Алексей Николаев.

Необходимо лишь понимание существующих методологий и инструментария. При этом их выбор зависит от конкретной задачи. Если рассматривать пример с длительным временем обслуживания клиента, то первым шагом обычно является восстановление карты бизнес-процесса с помощью Process Mining и выявление типовых проблем: самых медленных участков, лишних шагов, множественных циклов. По итогам анализа формируется перечень мероприятий первой очереди. Затем, после их реализации, речь может пойти о применении средств анализа «что, если». И далее процесс можно продолжать до тех пор, пока мероприятия по оптимизации имеют экономический смысл.

Что такое Process Mining

Process mining, или, в переводе, извлечение сведений о процессах, основанное прежде всего на изучении журнала логов информационных систем компании. На основе полученных данных можно построить модели реальных бизнес-процессов и сравнить, похожи они на реальные или нет. Голландский профессор Уил ван дер Аалст, написавший книгу о Process Mining, также инициировал разработку одного из инструментов для анализа процессов – ProM. Инструмент можно бесплатно скачать и пробовать работать, а если не получается, на том же сайте есть бесплатные обучающие онлайн-курсы. http://promtools.org/

Типы Process Mining

• Воспроизведение (play out) – у вас есть готовая модель и вы на ней пробуете разные сценарии выполнения процессов.

• Проигрывание (play in) – у вас есть логи из журнала событий, на их основе строится модель процессов.

• Переигрывание – у вас есть и информация из журнала событий, и готовая модель процессов. Вы воспроизводите реальную последовательность событий и смотрите, как она соотносится с моделью.