В 1990-е годы организация Product Supply Organization при корпорации Procter & Gamble запустила широкомасштабный проект, похожий на инициативу Toyota. Собрали данные по всем своим производственным предприятиям, проанализировали и попытались понять, как будут себя «вести» различные устройства и что можно оптимизировать. Аккумулируя данные о сбоях производства как вручную, так и с помощью PLC (программируемых контроллеров), команда сумела выстроить кривые статистического распределения, которые предсказывали вероятность отказа того или иного механизма и конкретную причину. Более того, соединив все устройства в единый отчет, удалось спрогнозировать, а затем и наладить надежность всех цепочек и качество продукции. Для этого понадобились новые приборы — умные, подключенные в стратегических точках датчики и сенсоры, которые отслеживали, контролировали и помогали оптимизировать различные узлы. Автономность этих приборов постоянно нарастала, так как они были самообучаемыми.
Интернет вещей — это словосочетание уже превратилось в клише. В последнем номере HBR вышла статья Майкла Портера и Джеймса Хеппельманна, где авторы рассуждают о том, что означает понятие «интернет вещей» на самом деле. По их мнению, это совокупность умных, взаимоподключенных гаджетов, которые при правильном взаимодействии могут обеспечить такую функциональность, надежность, эффективность, о которых мы раньше и не мечтали.
Организации довольно потирают руки при одной только мысли о том, как все больше данных будет загружаться в глобальную сеть интернета вещей и как преобразятся целые отрасли. Но есть и сомнения: оправдаются ли результаты? The Wall Street Journal даже опубликовала большую скептическую статью: мол, едва ли все собранные данные можно оценить и коммерциализировать.
Как же за громкими сенсациями разглядеть реальные возможности? Необходимо понимать: нечто подобное уже с нами было. Вспомним первые опыты с подключением гаджетов ко Всемирной паутине и насколько ценны оказались полученные данные.
P&G затевала первые опыты с подключением устройств явно не под лозунгом «попробуем и посмотрим, что получится». Да, провели лабораторные эксперименты, обкатали пилотные модели, но саму программу разворачивали уже с конкретными задачами улучшения, задав параметры по оптимизации производства, и в результате заметно снизили накладные расходы. То есть P&G с самого начала ставила себе целью улучшить свои показатели — вот ее ответ на вопрос, удастся ли поставить на коммерческую основу такие технологии.
Другой интересный пример из более ранней работы с данными. Основная проблема при работе с интернетом вещей заключается в том, как оценить получаемые с его помощью огромные массивы информации. Во многих компаниях такого рода данные оцениваются на глазок, в балансе бюджета они попадают в рубрику «интеллектуальной собственности». Отчасти причина состоит в том, что эти данные потенциально могут оказаться полезными, но при этом их монетизация не включается в текущий бизнес-план.
Медиакомпании, такие как Thomson Reuters и Bloomberg, само собой, давно уже поняли ценность информации. Они годами накапливают, производят и перерабатывают сырые данные, получая в итоге ценную аналитику и прогнозы, которыми затем и торгуют. И хотя исторически у этих холдингов не отмечалось особой приверженности подключенным гаджетам, на их примере можно поучиться тому, как оценивать и зарабатывать на собранной информации.
Оценка данных в этих компаниях начинаются с построения бизнес-модели. Задается вопрос: какие данные у нас есть, как ими пользуются наши клиенты, а отсюда вытекает, как их можно продать. И вырисовывается собственно бизнес-модель — подписка, лицензирование и т. д. Определяются расходы — на источники, на производство, на распространение, постоянные и однократные. Из всего этого в совокупности выстраивается итоговый счет, а из него с помощью дисконт-анализа выводится чистая стоимость. Также требуется определить, какие расходы будут отнесены к капиталовложениям, а какие к обычным операционным расходам. Метод далеко не идеальный, но для начала сойдет.
Сама идея коммерчески использовать умные и соединенные между собой гаджеты, а также собираемые с их помощью обширные базы данных не так уж нова. Некоторые компании занимаются этим годами, только в небольших масштабах. Изменилось вот что: возрос объем информации, доступность эффективных сенсорных технологий, появилась перспектива их применения во всех областях жизни. И пусть никого не пугает эта задача: это лишь следующий шаг на уже выбранном пути, а не новое, небывалое явление.
Читайте по теме:
