У других наших собеседников были похожие взгляды. В первую очередь они были сфокусированы на том, чтобы сделать людей здоровыми, поддержать их образование или помочь с финансовой безопасностью, только потом решали, как использовать данные, новые машины и новые бизнес-модели, чтобы это случилось. И дальше следовал успех.
Станьте «всезнайкой»
Зачем инструментировать все и выстраивать решения вокруг информации? Потому что, делая так, вы встаете на путь бизнеса «всезнаек». С сенсорами и измерительными инструментами сегодня возможно знать и анализировать информацию о чем угодно, знать все обо всем.
До наступления бизнеса «всезнаек» ответы на многие вопросы (например, состояние оборудования в реальном времени на находящемся в полете самолете, немедленное воздействие экономического события, результат учащегося по выполняемому заданию в реальном времени) зачастую были всего лишь догадками и требовали времени на проверку.
Выше мы представили несколько примеров этого. Например, чтобы определить работу конкретного самолетного двигателя в полете, бригада в Хитроу стала бы собирать какую-то постполетную информацию и что-то предположила бы о цифровых показателях полета, но многое в их мнении было бы основано на ощущениях и догадках и стало бы доступно через восемь часов после приземления самолета.
Чтобы определить, как изменение процентной ставки в Новой Зеландии повлияет на государственные облигации в Калифорнии, трейдерам на вашей местной бирже нужно будет проверить свои таблицы в Exсel со сложными расчетами, показывающими отношения между x и y или a и b. Но задайте вопрос о влиянии x на b и попросите ответить сейчас, и телефонная линия, вероятно, замолчит.
Если спросить учителя, как Джонни сегодня справляется с дифференциальным исчислением, то у преподавателя традиционной школы, вероятно, будет какое-то мнение о работе ученика от семестра к семестру, но он наверняка не будет знать, точно ли Джонни понимает разницу между локальным максимумом и минимумом в это самое время.
Давайте посмотрим, как General Electric (GE), один из самых авторитетных брендов в мире, адаптирует эту модель, чтобы получать от своих машин больше.
Передвижной центр сбора и обработки данных GE
General Electric может быть на век с четвертью старше, но сегодня он видит себя софтверным стартапом. Мышление – и действие – ореолами сегодня распространяется на все подразделения компании, поскольку, чтобы вновь определить взаимоотношения клиента с «цифровыми близнецами» этих машин, GE инструментирует свои самолетные двигатели, компьютерные томографы, силовые турбины, буровые станки и локомотивы. GE ведет за собой Промышленный интернет и реализовывает возможности на рынке стоимостью двести двадцать пять миллиардов долларов3.
Создав Ореол кодов вокруг своих двигателей для поездов, GE может использовать технологию и аналитику сенсоров, чтобы обеспечить кажущиеся маленькими улучшения, которые все вместе приводят к бизнес-победам, приносящим миллиарды. Последний локомотив компании, Tier 4, вооружен более чем двумястами сенсоров, и этот «передвижной дата-центр» преобразует взаимоотношения с клиентами в нескольких направлениях.
• Нулевой незапланированный простой. Оснащенная измерителями машина может предоставить информацию о собственных потребностях в профилактическом обслуживании. С помощью постоянного сбора и анализа генерируемых сенсорами данных машина может как будто «махнуть рукой», сообщив работающим с ней инженерам: «Вот там у меня маленькая проблема, которая вскоре может превратиться в большую проблему» – будь то западающий клапан, забитый трубопровод для подачи горючего или перегревающееся колесо турбины. Через это инструментированное и автоматизированное обслуживание GE может быть уверенной, что маленькие проблемы не перерастут в большие и что машина GE, часто играющая для операций клиента центральную роль, никогда не подведет.
• Найти 1%. Мы все знаем, что в наших ежедневных действиях есть неоправданные потери. Пользуясь интеллектуальной машиной, GE может обратиться к клиентской базе и сказать: «Давайте вместе найдем этот низко висящий фрукт. Давайте найдем первый 1%». Если распространить его по всей железнодорожной отрасли, такой как BNFS Railway, то этот 1% может быстро превратиться в десятки миллионов долларов экономии издержек, которые снижаются незамедлительно.
• Научить пользователя. Один из способов найти этот 1% – научить пользователя принимать наиболее эффективные решения. В случае с GE Transportation это может быть умный локомотив, сообщающий инженеру, как лучше пересечь конкретный горный проход. Именно так: машина может советовать, как оптимизировать расход топлива при движении вверх в гору и как лучше всего использовать тормоза на спуске. И определяется это не способом каких-то обобщений, миля за милей, поворот за поворотом, на основании истории пройденного пути, текущей погоды, стиля управления конкретного инженера и перевозимого груза. Результатом становится экономия топлива на 3–17%.
• Ни одна машина – не остров. Один только интеллектуальный GE Tier 4 может обеспечить все эти преимущества, а целый флот интеллектуальных локомотивов, соединенных друг с другом, может поднять производительность на новый уровень (как показано на рис. 8.1). В конце концов, поезд эффективен лишь настолько, насколько эффективна его сеть; через оснащение приборами флота клиенты GE Transportation могут увеличить эффективность своих станционных работ и железнодорожных сетей на 10%4.
Рисунок 8.1. Интеллектуальный локомотив GE
Очевидно, как с помощью этих усилий мероприятия GE (по-прежнему молодого), связанные с Промышленным интернетом, меняют основу конкуренции в каждой из своих отраслей. Это отличный пример того, как каждая физическая вещь может быть – и должна быть – буквально закрашена всевозможными сенсорами, чтобы стать важнейшим элементом интеллектуальной системы.
По сути, шаги GE в направлении инструментализации и оснащения сенсорами всей своей линейки продуктов и машин – в сердце их стратегии Промышленного интернета, которая лежит в центре общей корпоративной стратегии, кстати. Неудивительно, что с точки зрения GE Промышленный интернет к 2030 году должен создать рынок объемом в триллион долларов. Генеральный директор GE Джефф Иммельт, приводя в пример локомотив, говорит так: «На акциях Промышленного интернета за последние пятнадцать лет были сделаны триллионы долларов. Если вы заглянете на 10 или 15 лет вперед, то там будут созданы состояния в триллионы долларов. И мы только в первом иннинге»5.
Знайте и свой бэк-офис тоже!
В бизнесе «всезнаек» все может быть узнано, желательно, чтобы было узнано и должно быть узнано. Новые правила бизнеса основываются на знании, и знании большем, чем у вашего конкурента. Это правильно: знать и побеждать. Это неправильно: догадываться и проигрывать.
Что касается сегодняшнего дня, то в использовании данных и устройств для обновления покупательского опыта нет ничего нового. Большая предстоящая работа – применение той же философии к другим, но, может быть, менее заметным аспектам предпринимательской деятельности. Этот склад ума всезнаек уже проявляет себя в некоторых общих для предприятий процессах, протекающих в их бэк-офисах, или не взаимодействующих с клиентом подразделениях.
• Управление кадрами. Google применяет внутри компании инструментализацию для оптимизации управления сотрудниками, анализируя формальную, неформальную и личную информацию, которую генерируют в течение дня. Goggle пытается знать все о своих примерно пятидесяти семи тысячах работников более детально, чем это принято на больших предприятиях, и работает над тем, чтобы персонифицировать карьерный путь для каждого сотрудника. Ласло Бок (Laszlo Bock), старший советник в Google и бывший старший вице-президент по кадровым вопросам компании, указывает на положительный экономический эффект, вызванный данным подходом: лучший подбор, более долгий срок работы и больший уровень удовлетворенности от работы (все это с соответствующим финансовым подкреплением), чем у конкурентов. Ореол кодов вокруг людей позволяет Google также твердо принимать решения, касающиеся людей, как и решения, касающиеся разработок. Приобретение компанией Microsoft сети Linkedin в июне 2016 года за двадцать шесть миллиардов – продолжение похожей идеи: сбор данных вокруг людей, чтобы применить тот же тип сотрудничества и «социальной продажи», распространенной онлайн, в то, как большой бизнес проводит подобные процессы.
