Компании, которые хотят оставаться конкурентоспособными, должны уже сегодня внедрить технологии, позволяющие более глубоко понимать операционные процессы, а значит — эффективнее принимать решения. Аналитика дает им возможность результативно использовать главный актив — данные, чтобы предоставлять инновационные продукты и услуги и полностью раскрыть цифровой потенциал. О том, как производственная аналитика помогает промышленным компаниям в построении успешного бизнеса, рассказал в беседе с CNews Дмитрий Бражников, руководитель направления «Решения для химической и нефтегазовой отраслей» SAS в России и СНГ.
Условия диктуют тренды, повестка и данные
CNews: SAS давно и успешно работает с такими компаниям как РЖД, «Интер РАО», Shell, BP, Centrica, British Airways, Rolls-Royce Ltd и другими. С какими основными вызовами сегодня сталкиваются компании реального сектора? Как эти вызовы меняют конкурентную среду?
Дмитрий Бражников: Вызовов много, они связаны и с самими данными, и с новыми трендами, и с новой общемировой повесткой. Идет переход к «Индустрии 4.0», что подразумевает больший уровень автоматизации сбора информации с объектов производства. Объем информации продолжает увеличиваться, соответственно, для большинства промышленных компаний обостряется актуальность вопросов управления данными. Просто с ростом данных не у всех компаний получается формировать ценные для бизнеса цифровые озера. Нередко можно видеть растущие в объемах цифровые болота.
Далее — интерес к интернету вещей (Internet of things, IoT). В промышленности сейчас активно реализуется много проектов в области IoT. Практически все такие проекты носят пилотный, тестовый характер. Рабочих устойчивых платформенных решений на уровне крупной компании пока не внедрено. Тем не менее, появились уже классические кейсы. Например, кейс, когда поиск аномалий в работе оборудования надо применять на потоке данных. Но трендом прошедшего года стало использования edge-вычислений в части решения трудоемких задач, к примеру — вибродиагностика прокатного стана.
И конечно, нельзя не упомянуть импортозамещение. Хотя, наверное, это даже не тренд, а некие рамки, в которых компании вынуждены действовать. Несмотря на импортозамещение, в нашем финансовом и страховом секторе, где внедренные ИТ-решения напрямую влияют на уровень эффективности, абсолютное большинство компаний работают на решениях SAS. Кто-то больше, кто-то меньше, но, когда компания стремится быть в числе лучших, она ищет соответствующие ее запросам и стандартам технологии. При этом большинство компаний промышленного сектора пришло к выводу о том, что не все нужно стараться заместить. Потому что это «больно» — сложно и дорого.
CNews: Какая стратегия должна быть у компаний, которые хотят, чтобы и процессы работали, и требования были соблюдены?
Дмитрий Бражников: Нужно разбираться, какие процессы критичны с точки зрения импортонезависимости: что заменить можно и нужно в среднесрочном периоде, а что заместить нереально, потому что российских разработок в некоторых направлениях просто нет. При этом крупнейшие мировые вендоры разрабатывали специализированные решения десятки лет и эти подходы помогают опережать конкурентов. И тут нет какого-то универсального ответа, каждая компания сама ищет для себя решение, ориентируясь на свои процессы и свои приоритеты. Также стоит добавить, что сегодня есть выраженное движение в сторону внедрения платформенных решений с широкими возможностями в области аналитики, поддерживать и развивать которые компания способна самостоятельно, без привязки к вендору.
CNews: В чем основные проблемы запуска аналитических проектов в промышленности? Где наиболее активно используются прогнозные и оптимизационные модели?
Дмитрий Бражников: Помимо проблем с данными и административных ограничений, возникают вопросы операционализации: как готовые модели быстро встраивать в бизнес-процессы, как сделать аналитику доступной для рядовых пользователей (поскольку вопрос нехватки кадров актуален во всех отраслях и по всему миру). Но промышленным компаниям есть у кого учиться и есть куда обращаться.
По сравнению с пионерами внедрения инструментов продвинутой аналитики, компании промышленного сектора относительно недавно начали использовать аналитические технологии. Кто является пионерами? Отрасли, где цифровизация и быстрое принятие решений на основе потока данных — это фундамент успешности бизнеса. Так, в компаниях финансового, телекоммуникационного секторов или даже в розничной торговле опыт работы с инструментами продвинутой аналитики исчисляется уже десятилетиями. Крупные промышленные компании начали хвастаться своими успехами в данной области со значительной задержкой. В том числе и потому, что долгое время приоритетом были трудоемкие процессы внедрения основных производственных и ERP-систем. Но это дает им преимущества, в частности, возможность воспользоваться опытом других индустрий, учитывать их ошибки, адаптировать под себя уже выверенные процессы и приложения.
Сегодня мы видим, что количество аналитических моделей в продвинутых промышленных компаниях растет с высокой скоростью. Однажды начав использовать модели в рамках операционных процессов, компания продолжает быстро наращивать их количество. Модели, настроенные для решения широкого спектра задач — от предсказания поломок и контроля качества изделий до управления рисками в масштабах предприятия и построения цифровых двойников.
Например, задачи управления операционными рисками, охраны труда и экологии актуализировались как в связи недавними произошедшими в России инцидентами, так и в связи с резким ростом ответственного отношения к ESG-инициативами. Компании озабочены созданием понятных и практичных систем управления рисками для снижения возможных потерь и повышения качества своей работы. SAS исторически имеет сильные позиции по данному направлению, такие внедрения есть в том числе и в России, поэтому заказчики обращаются к нам напрямую.
«Отличия и преимущества платформенного решения в конечной пользе»
CNews: Как решения SAS используются для оптимизации использования ресурсов, прогнозирования спроса, мониторинга эффективности процессов?
Дмитрий Бражников: Решение зависит от потребностей компании заказчика. К примеру, это может быть цифровой двойник предприятия и созданная на его основе комплексная система планирования, которая позволяет быстро рассчитывать прогнозные производственные и финансовые показатели для различных сценариев развития компании. Либо это может быть решение какой-то точечной задачи — оптимизировать закупки запчастей, прогнозировать оптимальные сроки профилактических работ, расшить узкие места производственного процесса.
В нашей практике был пример, когда оптимизация ресурсов происходила в том числе за счет поиска случаев мошенничества при выполнении строительных работ. Непрерывный мониторинг процессов капитального строительства, при котором используется сочетание методов — процессная аналитика, текстовая аналитика, компьютерное зрение, машинное обучение — позволяет выявлять несоответствия в процессе и реализовывать комплексные правила по поиску злоупотреблений.
Что касается прогнозирования спроса, то здесь решение хорошо отработано как внутри нашей собственной компании (мы же тоже B2B), так и в отрасли розничной торговли и потребительских товаров.
CNews: В чем отличия платформенного подхода? Каковы преимущества платформенного решения? Что в SAS понимают под платформой цифровизации?
Дмитрий Бражников: Если коротко, то отличия и преимущества в конечной пользе, извлекаемой компаниями из аналитики, а конкретнее — в том, что аналитика приносит им не только операционную пользу, но и стратегические выгоды.
Когда компания ориентирована на тактические, то есть точечные решения для своих бизнес-задач, то постепенно формируется «зоопарк» из разных систем.Когда таких проектов порядка трех-четырех, то это еще управляемая конфигурация, но когда мы говорим про крупные производственные холдинги, то данный управляемость уже страдает и встают вопросы актуальности моделей, их переобучения, конфликты в организационных моментах.
Зрелые с точки зрения решения аналитических задач компании стремятся не просто оцифровать процессы по отдельности, а выстроить культуру работы с данными. При этом им нужна единая среда, которая позволяет навести порядок в данных и процессах и объединяет пользователей разного уровня технической подготовки. И в этом смысле к SAS обращаются как с точки зрения некой «зонтичной» системы, которая будет покрывать коробочные продукты и осуществлять их «управление», так и те компании, которые находятся в начале внедрения аналитики и хотят организовать процесс правильно.
От российских компаний мы тоже уже стали получать запросы за решения, где, с одной стороны, покрыт жизненный цикл аналитики начиная от DataOps и заканчивая ModelOps, а с другой стороны, нет необходимости отказываться от тех инструментов, к которым привыкли дата-сайентисты в своей повседневной работе.
CNews: Что дает ваше платформенное решение для работы с большими данными, машинного обучения и предиктивной аналитики?
Дмитрий Бражников: Изначально, еще на уровне концепции, платформа SAS Viya была задумана как открытое решение, которое снимает ограничения на языки программирования, среды развертывания, масштабы использования и уровень подготовки пользователей. По сути, весь 45-летний опыт разработки инструментов продвинутой аналитики компании SAS объединен в этом продукте. Платформа Viya позволяет эффективно управлять всеми видами моделей в компании, включая open-source модели, и благодаря технологии low-code она дает возможность работать с моделями их владельцам.
Продвинутые компании уже получили первый опыт оцифровки промышленных объектов, уже написали сотни цифровых моделей и сейчас вплотную подходят к вопросам операционализации моделей на корпоративном уровне. И SAS Viya дает возможность сразу выстраивать процессы управления и операционализации аналитических моделей:вести их реестр, постоянно оценивать точность, вовремя отправлять на переобучение, заменять на более актуальные, быстро выводить в производство новые модели.
Плюс, как уже упоминал, кадры — это боль всего бизнес-сообщества. Аналитиков и дата-сайентистов крайне не хватает, кроме того, эти специалисты стоят очень дорого. Встает вопрос о демократизации аналитики и создании так называемого Citizen DS. Иными словами, компании хотят максимально упростить углубленный анализ данных и работу с аналитическими моделями, а мы как вендор стремимся эту возможность им обеспечить. Поэтому среда SAS Viya понятна конечным бизнес-пользователям, не имеющим навыков программирования и настройки сложных ИТ-инструментов.
CNews: С одной стороны, растет количество данных, работать с ними становится все сложнее, с другой, компании сталкиваются с непростой экономической ситуацией. Какие аналитические решения сегодня наиболее востребованы? Можно ли бизнес-аналитику рассматривать как практический инструмент выхода из экономической неопределенности?
Дмитрий Бражников: Ее так и рассматривают. Когда в экономике фаза роста и когда компания растет, доходы ее увеличиваются, за клиентов бороться особо не нужно, то вроде бы и так все хорошо. Потребность в аналитике становится заметной, когда появляются ограничения, дефицит ресурсов, когда нужно искать новые точки роста, искать, куда утекают деньги и почему уходят люди.
Если же говорить о том, что востребовано, то это платформа, а также разнообразные прикладные решения — от систем на базе компьютерного зрения до оценки рисков контрагентов.
CNews: В чем секрет успешного бизнеса SAS в России и странах СНГ?
Дмитрий Бражников: Касательно секрета успешного бизнеса — вопрос скорее философский. Можно было бы сказать, что мы просто много и хорошо работаем, нацелены на то, чтобы принести нашим клиентам достойные результаты. Но это не то, потому что не объясняет мотивов и драйверов, которые стоят за действиями сотрудников. К тому же очень много компаний, которые тоже предлагают достойные решения и имеют хороший опыт. Возможно, дело в ценностях, на которые мы опираемся и которые транслируют основатели компании. Любознательность, стремление найти ответы на поставленные вопросы, увлеченность своим делом, желание изменить мир к лучшему. По сути, все инициативы SAS на этом базируются.