Статья

Победит ли реальный бизнес ИТ-моду? Мнение скептика

Бизнес Интеграция
мобильная версия
, Текст: Алексей Галущенко

В ИТ своевременность и актуальность востребована как нигде. Вопросом, что сейчас в тренде, задается каждый, но в качестве ответа предлагаются, как правило, инновации второй свежести. Блокчейнам как концепции распределенных баз данных минимум сорок лет. SaaS – это мейнфреймы с терминалами 60-х годов прошлого века. Методики выявления закономерностей в больших объемах данных разработаны в рамках математической статистики еще до появления компьютеров как таковых. Так за чем будущее и на что ставить сегодня?

Начнем поиск перспектив с «искусственного интеллекта». Поскольку с научной точки зрения рассуждения об «искусственном интеллекте» не имеют смысла в принципе (AI — Artificial Intelligence, а intelligence не равно intellect, да и сам термин AI не определен), то далее используем понятие в его бытовом смысле: функциональный аналог человеческого интеллекта искусственной природы.

Настоящий «искусственный интеллект» – когда и если он появится – будет востребован исключительно в связке с человеческим разумом: либо для коррекции эволюционно унаследованных пороков мыслительного процесса homo sapiens, либо для их имитации. Иными словами, искусственный интеллект — это либо аналог экзоскелета, то есть усилитель слабенького мозга homo, либо сфера развлечений: имитация характерных поведенческих реакций ненадежного биологического компьютера.

AI без взаимодействующего с ним натурального интеллекта просто не имеет смысла, как обувь без ноги. Самолеты, корабли и поезда по причине отсутствия «ног» в «обуви» не нуждаются, и рациональные нужды промышленной генерации материальных благ будут полностью удовлетворены прогрессом роботизации: будь то конвейерные роботы для заводов, или быстро перенастраиваемые алгоритмы исполнения человеческого функционала, зашитые в интеллектуальных системах, заменяющих офисных сотрудников.

Именно в такой интеллектуальности (intelligence) и нуждается реальный бизнес: не меньше, но и не больше. Кассир метро идеально заменяется автоматом по продаже жетонов, а не искусственным интеллектом робота Бендера из известного мультсериала.

Target и беременная школьница
По рассказам в СМИ, в 2012 г. в ритейловой сети Target отец американской школьницы устроил скандал, потому что магазин стал присылать его дочери купоны со скидками на товары для беременных и для молодых матерей. Менеджер магазина извинился перед мужчиной и через несколько дней позвонил, чтобы повторно принести извинения. Тут и выяснилось, что отец просто не знал о беременности своей дочери. Оказывается, это аналитическая система магазина по списку товаров, которые покупала девушка, определила, что она находится в положении.

Действительные успехи индустрии больших данных относятся, в основном, к предприятиям финансовой сферы. В реальном секторе их куда меньше. Разве что знаменитая и повторенная в тысяче мест история про школьницу, о беременности которой отец узнал из скидочной рассылки Target? Правда, кинематографическая яркость истории наталкивает на сомнения в ее реальности, но… оставим это на совести PR-работников.

В любом случае, как декларируемые успехи Target в больших данных повлияли на профильный бизнес компании? Ответ не вдохновляет: Target не входит в пятерку крупнейших ритейлеров США. В то время как Walmart как был номером один, так и продолжает им оставаться.

ERP не то, чем они кажутся

В материалах популярных СМИ о могуществе больших данных крайне редко сообщается, что сырьем для анализа должны быть идеально согласованные, нормализованные, отфильтрованные, и, в итоге, — достоверные в математическом смысле данные. А если исходные данные этим критериям не удовлетворяют, то… Базовый принцип кибернетики: «мусор на входе — мусор на выходе».

«Истории», адресованные неподготовленному читателю, либо предполагают существование идеальных сырых данных a priori, либо столь несущественный вопрос не затрагивается вообще. Что ж, тогда его затронем мы. Итак, откуда ритейлеру взять качественные исходные данные? Казалось бы, детский вопрос. Естественно, из корпоративной информационной системы. Но сразу начинаются сложности.

Типовая отечественная сеть магазинов, как правило, располагает ERP-системой, покрывающей набором модулей бизнес-процессы центрального офиса (модуль SCM, взаиморасчеты, CRM, финансовый модуль и т.д.). Иногда добавляется модуль WMS на распределительном складе. Вообще, количество и функциональное разнообразие модулей ERP ограничены лишь платежеспособностью компании и склонностью руководства к поиску ИТ-эликсира.

В сотнях магазинов стоят сотни же локальных систем, из которых данные о продажах с определенной периодичностью загружаются в центральную ERP-систему. Однако именно в силу модульности конструкции центральная ERP не является «системой» в популярном понимании. Это не более чем совокупность зависимых, полузависимых и вовсе независимых отдельных программ (модулей) с собственными наборами данных, которые тоже требуют постоянной синхронизации между собой: параллельно существует множество отдельных механизмов синхронизаций (интеграций), взаимодействующих и взаимно реагирующих на изменения слабо предсказуемым образом. В результате все эти синхронизации ежедневно плодят нестыковки и расхождения. Или, выражаясь строже, однонаправленно наращивают энтропию и без того так мало упорядоченной системы.

Достоверный срез, релевантно интегрируемый по всей сети магазинов, могут дать лишь кассовые аппараты: данные чеков из магазинов. Характерно, что это можно сделать вопреки, а не благодаря монстрообразной корпоративной ИС: кассы живут вне ее периметра (связь односторонняя read only), и коррумпировать данные чеков КИС не в состоянии.

Из чеков мы получаем дату, время, контрагента, товары с ценами – крайне узкая база для анализа. Поэтому, хотя результаты могут выглядеть как точные цифры (массив цифр), но достоверность их вполне соответствует результатам плодотворного «метода научного тыка».

Например, полезная интерпретируемость данных о продажах, выгружаемых из касс, без точных и достоверных данных о динамике складских остатков за анализируемый период равна нулю. Отсутствие продаж товара Х на прошлой неделе может означать как его невостребованность, так и неконкурентную цену, или вовсе отсутствие на складе в этот период.

Более того, даже если на основе анализа узкого среза чековых данных получится обнаружить что-то толковое, то это, очевидно, будут либо со-зависимости продаж (пиво с чипсами) — полезные для редактирования выкладки в торговом зале, – либо материал для генерации успешных маркетинговых акций, рассылаемых клиентам и анонсируемых в магазинах. И ничего более: потому что в чеке другой релевантной информации просто нет.

Скажете, это лучше, чем ничего? И тут поспорим: новации с подтвержденной эффективностью будут мгновенно скопированы конкурентами в силу предельной очевидной наглядности сути и логики этих новшеств. В итоге конкуренты, может быть, скажут спасибо, а вот акционеры — вряд ли.