Ускорение после остановки требует гораздо больше топлива, чем просто для движения. Кинетическая энергия – мощная сила! Однако, интегрируя GPS-технологии на грузовых составах с уточненной информацией о текущем графике движения поездов по всей сети железных дорог, железнодорожные компании получили возможность экономить больше топлива. Алгоритмы непрерывно просчитывают, с какой скоростью поезд должен ехать, чтобы ему не пришлось задерживаться на следующей остановке в пути следования. Это означает, что на некоторых участках он может двигаться гораздо медленнее, чем возможно, что на первый взгляд может показаться странным. Однако топливо, сэкономленное за счет устранения торможения и последующего возобновлении движения с потерей движущей силы, оправдывает изменения. Кроме того, в конечном итоге поезд прибывает в пункт назначения вовремя, поскольку он двигался медленнее только тогда, когда все равно бы простаивал на остановках.

Когда алгоритмы диктуют выбор скорости, чтобы оптимизировать эффективное расходование топлива, выигрыш опять же получается небольшим. Тем не менее с учетом масштабов железнодорожных перевозок и объемов потребляемого топлива экономия может быть весьма существенной. Также важно отметить, что повышение топливной эффективности при помощи аналитики положительно отражается не только на прибылях компаний. Аналитика служит всем нам, поскольку чем меньше сжигается топлива, тем лучше для окружающей среды.

Наконец, последний пример, иллюстрирующий повышение операционной эффективности, принадлежит совершенно к другой области. До того, как мне об этом рассказали, я и понятия не имел, что подобное происходит сегодня. Большинство людей знают, что сейчас колл-центры в обычном порядке записывают все разговоры с клиентами. Как правило, звонящих предупреждают: «Ваш разговор с сотрудником может быть записан для улучшения качества обслуживания или для использования в целях обучения». Другими словами, вам сообщают, что разговор не будет конфиденциальным.

Однако организации вышли за рамки простой записи разговоров с клиентами и перешли к их анализу. Теперь алгоритмы могут сообщить многое о позвонившем клиенте и его настроении, исходя из манеры его речи. Они даже способны определить акцент клиента, и колл-центр переключит его на сотрудника, разговаривающего с похожим акцентом. Но зачем это нужно?

Оказывается, исследования показали, что люди больше доверяют незнакомым людям с похожим, чем с непохожим акцентом{31}. Следовательно, соединение клиентов с сотрудниками, имеющими похожий акцент, увеличивает шансы на успешное разрешение проблемы. Если вы на минуту задумаетесь, то поймете, что в этой идее есть смысл. Только представьте себе, как легко может возникнуть недопонимание в разговоре между жителем города Мобил в штате Алабама и обитателем острова Лонг-Айленд в штате Нью-Йорк, учитывая, как сильно отличается их речь по скорости и манере говорить. Интуиция подсказывает, что менее рискованно будет соединить клиента из Алабамы с сотрудниками из южных штатов, то же касается и ньюйоркцев. Сходный акцент поспособствует установлению доверительных отношений – и для этого надо востребовать операционную аналитику.

Многие примеры, рассмотренные в этой главе, не имеют прямого отношения к нашей частной жизни. Улучшение обслуживания клиентов или восприятия в онлайне, безусловно, приятно, но не добавляет благополучия нашему повседневному бытию. К счастью, в некоторых случаях операционная аналитика будет оказывать на него заметное воздействие. И в этом разделе мы рассмотрим два таких примера, когда операционная аналитика, хотя она еще и находится в периоде становления, уже готова влиять на вашу жизнь и жизнь ваших близких.

Беспилотные автомобили уже стали реальностью{32}. Хотя у вас такой машины еще нет и пройдет несколько лет, прежде чем она у вас появится, но уже существуют технология и аналитика, поддерживающие беспилотные автомобили. Вас удивляет, почему я связал аналитику с беспилотными автомобилями? Здесь нет ничего удивительного. Объем и разнообразие аналитики, призванной помочь автомобилю самостоятельно и безопасно передвигаться по улицам города без участия человека, поражают воображение.

Как беспилотный автомобиль сможет определить, что разметка на дороге разграничивает полосы движения, а не является маркировкой, оставшейся после строительных работ, или же пролитой краской либо грязью? Все сводится к аналитике. Автомобиль сканирует дорогу впереди себя, анализирует изображения в режиме реального времени и решает куда направиться, определив компоненты изображения в качестве разметки полос.

Автомобиль также должен постоянно определять, не нужно ли ему ускориться, притормозить или остановиться. Чтобы остановиться, ему нужно рассчитать, с какой силой жать на тормоза в зависимости от расстояния до объекта, к которому он приближается, и скорости этого объекта. Расчеты должны постоянно обновляться, чтобы учесть любые изменения, например если резко затормозит едущий впереди автомобиль или внезапно выскочит на дорогу олень. Таким образом, беспилотные автомобили требуют многочисленных и зачастую очень сложных аналитических процессов, которые при этом должны быть очень надежными, стабильными и точными, поскольку от них зависит жизнь людей.

Многие пассажиры беспилотных автомобилей не будут знать о том, какую сложную работу выполняют данные и аналитика. Но в этом-то и суть. Хорошо выполненная операционная аналитика способна настолько управлять процессами и восприятием, что людям не надо будет знать о том, какая работа происходит под капотом.

Как вы помните, в первой главе мы говорили о растущей популярности фитнес-браслетов. Сфера здравоохранения начинает предлагать широкий спектр возможностей для изменения наших взглядов на здоровье и предоставление медицинской помощи. На стыке медицины, Интернета вещей и операционной аналитики создается огромный потенциал. Через несколько лет мы совсем по-иному будем прибегать к медицинской помощи и пользоваться ею. Давайте рассмотрим сценарий, который будет реализован в ближайшее время. Причем отдельные части этого сценария уже сегодня начинают претворяться в реальность, пусть и в небольших масштабах.

Хронические заболевания, такие как сахарный диабет, не только ведут к серьезным проблемам со здоровьем и ухудшению качества жизни у страдающих ими людей, но и влекут за собой значительные расходы на лечение. Современные глюкометры позволяют легко контролировать уровень сахара в крови. Кроме того, сегодня появились носимые устройства, которые ведут постоянный мониторинг уровня глюкозы, анализируют данные и подают предупредительный сигнал, если требуется вмешательство{33}. Это не только повышает безопасность для пациентов, но и позволяет избежать дорого обходящихся медицинских проблем.

Также пациенты получают возможность проходить реабилитацию после серьезных травм или болезней дома, а не в медицинском учреждении. Многочисленные датчики могут контролировать показатели жизнедеятельности, назначать лекарства и т. д. Состояние пациентов отслеживается автоматически, без постоянного присутствия врачей и медсестер, от которых в реабилитационный период часто требуется только прописывать таблетки или делать уколы. Лекарства могут назначаться автоматически, на основе анализа текущей информации о состоянии здоровья.