Куртис Фейс
«Путь черепах»
Дженнифер Ротондо, Майк Ротондо
«Презентация бизнес-проектов: Краткое руководство для менеджеров»
|
Владельцы Кейсов могут не только распечатывать понравившиеся статьи и обсуждать их в форуме, но и сложить их в свой Кейс, послать другу и сохранить в pdf-формате. Введите имя Владельца и код или зарегистрируйтесь, и у Вас также появится эта возможность!
Кейс №10
Поверхностные данные
 |
Гениальная бизнес-модель, которая столь очевидна, что ее никто не замечает |
 |
Бизнес-модели неизбежно устаревают, и приходится искать новые пути к успеху. Топ-менеджерам нередко кажется, что перепробовано уже все: все уже поработали над издержками, все знают, как использовать Интернет, и все отладили процессы. Что еще сделать, чтобы отличаться от конкурентов?
В поисках ответа руководители неизбежно вспоминают про новые технологии. Однако, как убедительно показал Николас Карр*, большинство информационных технологий, по своей сути, — обычный потребительский товар, и они не могут быть реальным конкурентным преимуществом. Впрочем, присмотревшись внимательнее, мы обнаружили как минимум одно применение технологии, используя которое, некоторые компании получают колоссальные преимущества. И вот что интересно: оно настолько очевидно, что люди его не замечают. Эта бизнес-модель, которую я называю «Данные как детонатор» (Data as a disrupter), основана на нетрадиционном сочетании двух возможностей, даваемых информационными технологиями:
 1) Получение и/или использование данных, которые ранее не использовались;
2) Анализ данных с применением новых, сложных алгоритмов для получения практических выводов
Каким бы банальным это ни казалось, эти преимущества пока используют лишь единичные компании, так что метод остается перспективным, а возможности взорвать рынок с выгодой для себя практически безграничными. Итак, несколько случаев применения данной бизнес-модели.
Первый вопрос: кто безусловный лидер ИТ-индустрии последних лет (по такому параметру, как рост рыночной капитализации)? Ответ очевиден: Google. Почему? Потому, что Google использовала «бесхозные» данные (ссылки, созданные на веб-страницы) для оценки социальных предпочтений и улучшения результатов поиска по сравнению с конкурентами. Да, любой крупный игрок на рынке ИТ мог поступить так же, но они этого не сделали. Они сфокусировались на контенте самих веб-страниц, а не на тех данных, которые можно было извлечь из связей между этими страницами. По сути, они не заметили информацию, находившуюся у них прямо под носом. Возьмем пример из другой отрасли рекламы. Кто впереди здесь? Снова Google. Почему? Потому, что Google может судить о желаниях адресатов рекламных сообщений лучше, чем традиционные рекламщики. Это позволяет выдавать более релевантные, а значит, и более ценные объявления. 
Ладно, довольно о Google. Взглянем на традиционные отрасли скажем, розничную торговлю. Кто правит в мире ритейла? Wal-Mart. Почему? Как утверждается в большинстве исследований, благодаря более совершенной системе организации поставок. Однако преимущества такого рода, в конце концов, можно скопировать. Устойчивое преимущество — это информация о поведении потребителей, собираемая и используемая компанией, чтобы лучше понять их предпочтения.
Эти данные есть только у Wal-Mart, что дает компании стабильное преимущество перед поставщиками. Еще одна отрасль, на этот раз финансы. Кто здесь «в шоколаде»? Серьезный претендент на эту роль — Goldman Sachs (и несколько специализированных брокерских компаний). Почему? Главным образом, благодаря лучшему «количественному анализу», т.е. наиболее эффективному применению алгоритмов для вычленения актуальных для прогноза данных. Причем в данном случае речь идет об анализе общедоступных рыночных данных — просто у Goldman алгоритмы лучше. А как насчет быстро растущей отрасли медико-биологических наук и конкретно фармацевтики? Здесь успех приносит НИОКР. А в НИОКР преуспевают благодаря более глубокому (по сравнению с конкурентами) пониманию сложных феноменов. Достигается это путем сбора большего объема экспериментальных данных и извлечению из них более правильных выводов.
Параллельные эксперименты (например, опыты с высокой производительностью и комбинаторная химия) позволили получать на порядки больше данных, а «продвинутые» статистические методы обеспечивают большую точность прогнозирования. Ряд фармацевтических гигантов и многие биотехнологические компании уже добились так серьезных преимуществ, у тех же, кто отстал, объемы производства существенно ниже. Этих примеров достаточно, чтобы сделать следующие выводы относительно модели «данные как детонатор»:
+ она применима практически во всех отраслях;
+ одной рыночной капитализации названных компаний достаточно, чтобы считать данную модель самой успешной бизнес-моделью прошедшего десятилетия;
+ она явно выходит за рамки отдельных компаний и оказывает трансформирующее влияние на отрасль в целом. Приведенная ниже схема отражает существующие возможности. Она показывает, как можно улучшить вашу действующую бизнес-модель, а порой и создать качественно новую путем 
1) использования новых рядов данных;
2) применения новых алгоритмов анализа данных;
3) сочетания новых данных с новыми алгоритмами. Итак, если утверждение, что модель «данные как детонатор» вполне может быть самой успешной бизнес-моделью последних 10 лет, — не преувеличение, почему об этом ничего не слышно (что, впрочем, плюс для читателей данной статьи)?
Возможно, одна из причин этого — потребность в высококвалифицированных специалистах. Отчасти это верно. Однако определить возможность — еще не значит ее использовать. Прорыв вышеназванных компаний в том, что они распознали возможность там, где другие ее не видели. Практическое использование происходило постепенно и совершенствовалось с опытом. Иными словами, успешные бизнес-модели — вещь более дефицитная, чем квалифицированные кадры, так что не бойтесь искать возможности для вашей компании; специалистов, которые нужны, чтобы использовать их, вы найдете. Как применить эту модель на практике? Начините с определения потенциальных возможностей, причем лучше всего начать с данных. Подумайте, какое новое применение можно найти той информации, которой вы уже располагаете. Это могут быть ваши собственные данные или данные в открытом доступе, неиспользуемые в полной мере. Отбросьте стереотипы и оцените, какие выводы можно из них сделать. Затем подумайте о данных, которых пока нет, но которые можно получить или создать.
Естественно, поиск информации в современном мире обычно начинается с Интернет, где нет недостатка в данных о поведении пользователей. Однако не забывайте и о других источниках информации. Перспективными направлениями могут стать данные операционных процессов, систем обработки транзакций, систем, основанных на радиочастотной идентификации, и мобильных устройств. В целом источники данных сводятся к людям, аппаратуре и окружающей среде, так что учтите возможности, связанные со всеми этими сферами. В любой из них объем полученных данных может быть очень велик, а полезной информации — немного, так что задача ее извлечения может представлять серьезные сложности (ну так, если бы это было просто, все бы это делали!).
 Помочь вам могут новые методы формирования логических выводов в частности, модели статистического обучения, которые были математически обоснованы в последние десять лет. Основой для некоторых из них выступает, возможно, самое крупное достижение в области прогнозного моделирования за последние 500 лет! Древние греки подарили нам дедукцию, Ренессанс — индукцию, а теперь теория статистического обучения знакомит нас с трансдукцией. Этот метод позволяет обрабатывать данные совершенно по-новому.
И традиционный бонус для руководителей и менеджеров компаний: вам совершенно необязательно разбираться в деталях методики, чтобы использовать ее. Резюмируем: бизнес-модель «данные как детонатор» принесла успех некоторым из самых прибыльных компаний последнего десятилетия. При этом ее потенциал пока практически не раскрыт: колоссальные объемы информации до сих пор не используются, а самые совершенные механизмы формирования логических выводов созданы буквально вчера. В общем, гонка только началась так станьте первыми, кому на вашем рынке удастся реализовать взрывной потенциал очевидной информации.
* Никалас Карр – бывший главный редактор Harvard Business Review, автор бестселлера «Блеск и нищета информационных технологий» М., 2005 (Does IT Matter? Information Technology and the Corrosion of Competitive Advantage), постоянный автор статей об инновациях и информационных технологиях в журналах New York Times, Financial Times, MIT Sloan Management Review, Wired, Business 2.0, The Banker, Journal of Business Strategy и т.д. Ведет колонку в журнале Strategy & Business и популярный блог «Rough Type». В 2005 году был признан журналом Optimize одним из ведущих современных исследователей инновационных процессов и информационных технологий. Н.Карр ведет авторские курсы и читает лекции в Гарварде, Массачусетском Технологическом Институте, в Институте Сиднея и других учебных заведениях, выступает в качестве бизнес-комментатора на телеканале CNN, CNBC, на BBC Radio.
Кейс №10
 Часто приходится сталкиваться с ситуацией, когда иностранные бизнес-эксперты «изобретают» что-то новое. Желая сделать бизнес лучше, они находят причинно-следственные связи там, где их нет, доказывают, что круглое колесо значительно лучше квадратного. Самое удивительное, что иногда у них появляются последователи и что их предположения даже облекаются в наукообразную форму. Я не имею в виду ситуацию, когда очевидные вещи начинают называться по-новому: примером этого может выступать известная всем Система Сбалансированных Показателей. Всем делающим бизнес прекрасно известно, что надо оценивать показатели деятельности компаний по некоторой системе, что часть показателей может оцениваться только качественно, а не количественно. Слава разработчикам Balance Score Card. Слава маркетологам, трубящим о пользе от внедрения BSC и ССП. Но эта статья о другом: о тех случаях, когда терминами типа «Data as a disrupter» нам пытаются навязать некое новое понимание сути вещей. Почему я вынужден быть таким критичным? Потому что нельзя менять местами причину и следствие и уж тем более нельзя искать причинноследственную связь там, где ее нет. Любая теория, а тем более – научная, в своей основе содержит набор определений, констант, аксиом, на основании которых уже доказываются теоремы и делаются какие-либо выводы.
Но обязательно в контексте существующей системы определений. Невозможно и не имеет смысла (т.е. ничтожно) из выводов получать набор аксиом. Теперь о сути рассматриваемых в статье Стива Флинна мыслей. В науке известно понятие системы. Это может быть и техническая система, и организационная, и организационно-техническая, и даже виртуальная. Рассматриваемые автором компании типа Google или Wal-Mart относятся к понятию «бизнес-система». И, соответственно, к ним применимы все положения системотехники. Для того, чтобы оценить мысль автора, необходимо понять структуру этих систем, интерфейсы между элементами системы, функции, выполняемые системами и цели их функционирования. Очевидно, что якобы незамеченные никем «ряды данных» это простой поток информации: как между элементами, так и наружу/снаружи системы. Так как рассматриваемые системы искусственные, они являются целенаправленными. Соответственно имеются цели создания и развития этих систем. И вот как раз от того, насколько правильно сформулированы цели, и зависит успешность искусственных систем. Из краткого экскурса в понятийный аппарат мы имеем: структуру системы с ее внутренними связями (морфологию) и сформулированные цели. Теперь, имея полное, непротиворечивое, корректное дерево целей, мы должны оценить успешность той или иной системы. В нашем случае в качестве «успешных» приводятся компании, лидеры в своей области в первую очередь по объему выручки и прибыли. Что ж, это нормальные для бизнеса цели.
Только рассматривать их (цели, критерии) по отдельности друг от друга, да еще и делать вывод, основываясь только на одном, узком критерии бессмысленно и ошибочно. Подобная ошибка заключается и в рассмотрении первоисточника успешности компаний. Этот первоисточник – набор данных, который «никто не заметил». Можно привести множество наборов данных, которые «никто не замечает», но почему же примеров успешных компаний на порядки меньше? Да потому, что идея сама по себе бизнес не делает. Бизнес делают люди. Не только «профессионалы, которых можно найти … после открытия идеи», но и руководство, и секретари, и уборщицы, и т.д. И не только люди (которые лишь элементы системы), но и правильные потоки информации, инфраструктура, бизнес-правила. Как же правильно построить ту модель, которую пытается представить автор статьи? Первое надо правильно сформулировать цели, которых должна достигать система. В рассматриваемом случае цели лежат в плоскости прибыли и оборотов компаний. Второе надо понять состав элементов системы, исходя из набора функций, которые необходимо выполнять для достижения целей. Третье информационный анализ даст возможность понять, какая информация обрабатывается и что выдается наружу системы. Думаю, именно здесь заключена истинная причина успешности перечисленных компаний. В самом начале развития бизнеса были четко сформулированы желаемые цели, правильно подобран элементный состав системы и, конечно, правильно выбран источник информации. Причинно-следственная связь между результатом и источником именно в правильном построении бизнессистемы, даже если сам термин «система» и не употреблялся при развитии бизнеса.
Михаил Токарев
Директор регионального
представительства «КОРУС Консалтинг»
Еще на эту тему:
|
 |
| Дмитрий Слиньков |
| член совета директоров «КОРУС Консалтинг» |
| « |
Стратегия - это не эфемерные мечтания, это конкретные цифры, люди и дела. |
» |
|
Читать подробнее
|
|
02.02.12 ГК «КОРУС Консалтинг» внедрила мобильные терминалы сбора данных в сети магазинов «Кораблик»
пресс релиз
31.01.12 ОАО «Вертолеты России» завершает проект по оптимизации системы бюджетного планирования на основе Oracle Hyperion Planning
пресс релиз
24.01.12 «Техносерв» и ГК «КОРУС Консалтинг» создают программно-технический комплекс для Ситуационно-аналитического центра Минэнерго России
пресс релиз
24.03.10 Web-семинар «Создание архива документации на базе платформы Alfresco»
подробнее
18.03.10 Бизнес-тренинг «Управляемый отдел продаж». Выполняется только то, что контролируется
подробнее
10.03.10 Петербургский промышленный конгресс.
подробнее
|
СОВЕТ для ДИРЕКТОРОВ
