Книга Человек + машина - Джеймс Уилсон

Знание данных — это четвертый метод управления, однако в конечном счете именно данные позволяют предпринимать действия, и «действия» здесь ключевое слово. Ниже перечислены действия, о которых идет речь.

Динамичное мышление

Цепочка снабжения данными должна быть динамичной, постоянно развивающейся и непрерывно подпитываемой новыми данными, поступающими в режиме реального времени. Разные технологии, в том числе сбора (сенсоры), хранения, подготовки, анализа и визуализации данных, позволяют компаниям по-новому собирать и использовать информацию.

Итальянская компания Ducati, которая занимается разработкой и производством мотоциклов премиум-класса, поставила перед собой задачу найти более быстрый, дешевый и эффективный способ испытания гоночных мотоциклов. И специалисты гоночного подразделения компании Ducati Corse обратились к искусственному интеллекту. Интеллектуальный испытательный комплекс состоит из аналитической системы, в которой используются инструменты машинного обучения и визуализации данных, обеспечивающие интуитивно понятный пользовательский интерфейс. Почти сто IoT-датчиков (датчиков интернета вещей), установленных на мотоциклах, позволяют получать в режиме реального времени комплекс данных, таких как скорость вращения двигателя, температура при торможении и т. д.[142]

Эта новейшая технология дает возможность инженерам-испытателям поддерживать взаимодействие с системой, чтобы проверить те или иные гипотезы, а также определять, как мотоцикл будет вести себя на разных гоночных трассах при разных погодных условиях. Теперь инженеры могут получить больше результатов при меньшем количестве испытаний на трассе, что позволяет им экономить время, усилия и деньги. Благодаря таким данным и моделям система составляет все более точные прогнозы ходовых качеств мотоциклов.

Безусловно, создание такой динамичной цепочки снабжения данными, как у Ducati Corse, требует значительных усилий и ресурсов, однако вы можете начать процесс переосмысления с гораздо меньших масштабов. И без того большой объем данных может постоянно увеличиваться, однако компании должны фокусироваться на небольших проектах по работе с данными. Чтобы успешно стартовать, определите простой конечный результат, при котором система искусственного интеллекта позволит вам достичь практических целей.

Создатели приложения-календаря Tempo пошли именно по такому пути. Это приложение для iPhone использует информацию, полученную с самого телефона: данные из социальных сетей, содержимое электронной почты, геолокацию и другую информацию, позволяющую «узнать» о тех или иных событиях. Затем приложение предоставляет пользователю iPhone актуальные данные о соответствующем событии в надлежащее время. Приложение Tempo управляет огромным объемом сложных данных, однако компания задалась простой целью, ограничившись только информацией о событиях[143]. Пусть вас не пугает масштаб данных, с которыми вы имеете дело. Сфокусируйтесь на простых задачах, которые система искусственного интеллекта поможет вам решить, и затем двигайтесь дальше.

Расширение доступа и увеличение разнообразия

Когда ваши эксперименты с искусственным интеллектом станут более масштабными, позаботьтесь о том, чтобы цепочка снабжения данными состояла из независимых друг от друга, легкодоступных источников информации.

В настоящее время руководители могут получить доступ даже к тем данным, которые они не контролируют или которыми не владеют. Например, если региональная сеть продовольственных магазинов планирует проанализировать ежедневные операции за прошедший месяц, она не должна ограничиваться цифрами из своей базы данных. Многие компании отслеживают настроения клиентов в социальных сетях; кроме того, они анализируют данные в контексте погоды, особенностей покупателей, новостных событий или любого другого параметра данных — если только обнаруживают информацию, имеющую отношение к их бизнесу. В некоторых случаях можно обратиться к поставщикам данных или прибегнуть к помощи открытых источников данных (которые может бесплатно использовать любой желающий по своему усмотрению).

Например, глобальный производитель средств по уходу за кожей Beiersdorf использует свои внутренние данные наряду с синдицированными данными таких исследовательских компаний, как Nielsen, чтобы помочь членам совета директоров составить представление о развитии разных продуктов и брендов (функция расширения возможностей). Компания планирует автоматизировать этот процесс, что обеспечит быстрое получение более точной информации[144].

Работая над увеличением разнообразия источников данных, компании должны знать о любых препятствиях, которые могут возникнуть на пути потока информации. Одни препятствия носят технический характер (например, инфраструктура может не справляться с обработкой больших объемов данных), тогда как другие могут быть социальными (при росте общественного недоверия из-за того, что компании накапливают все больше персональных данных и делятся ими).

Повышение быстродействия

Некоторые данные поступают очень быстро — например, новости о стихийном бедствии. Перемещение таких важных данных, требующих немедленной обработки, необходимо ускорить по всей цепочке снабжения данными. С другой стороны, медленные данные менее актуальны и могут быть менее полезными. В прошлом IT-специалисты решали проблему данных со смешанной скоростью, присваивая более высокий приоритет «горячим» данным, которые часто используются и хранятся на высокопроизводительных системах, обеспечивающих быстрое извлечение данных. Напротив, «холодные» данные (такие как налоговые отчеты) можно хранить на менее быстродействующих серверах.

Компания Facebook знает, как установить приоритетность данных и реорганизовать в соответствии с этим свои процессы. Например, там обнаружили, что на 8% всех фотографий, публикуемых в этой социальной сети, приходится 82% сетевого трафика. Очевидно, по мере устаревания фотографий их популярность падает, поэтому в Facebook разработали трехуровневую систему хранения данных. Система искусственного интеллекта маркирует фотографии и сохраняет их на соответствующем уровне. Самые популярные фотографии сохраняются на высокопроизводительных серверах и могут быть извлечены мгновенно, тогда как менее популярные сохраняются на немного более медленных, энергосберегающих серверах. Благодаря такому подходу удовлетворенность пользователей остается на должном уровне, а компания получает экономию за счет сбережения энергоресурсов[145].