Что является источником бизнес-эффекта в рамках цифровой трансформации?

Одним из основных драйверов бизнес-эффектов в рамках цифровой трансформации является использование продвинутой аналитики и искусственного интеллекта для поддержки принятия бизнес решений.  

Каждый день в компании принимаются десятки и сотни решений на базе интуиции и опыта конкретных менеджеров. С помощью анализа данных и модельных аппаратов принятие этих решений можно сделать точнее, быстрее и дешевле, то есть с использованием наименьшего количества дорогостоящего управленческого ресурса. Как следствие, это дает эффект, выраженный как в сокращении расходов, так и в повышении продаж. 

Использование продвинутой аналитики и технологии искусственного интеллекта для анализа больших данных - это сердце и мозг цифровой трансформации. Элементарной единицей системы для поддержки принятия управленческих решений является модель. Модель - это изолированное использование продвинутой аналитики и искусственного интеллекта для автоматизации принятия решений в конкретном бизнес-процессе. 

Сотрудник организации сможет использовать модель, которая отрабатывает задачи в его зоне ответственности и предоставляет оптимальные варианты решения для заданной проблемы. Убедившись, что решение, построенное на основе технологии искусственного интеллекта, действительно оптимально в данной ситуации и имеет выгоду для бизнеса, сотрудник акцептует решение. 

Использование моделей в точках притяжения данных является следующим шагом в цифровизации бизнеса. У каждой модели есть своя роль и задача, которую модель должна решить оптимальным образом. Передать оптимальное решение по цепочке для другой модели и до ответственного сотрудника. По мере роста бизнес-эффекта от, предоставленных системой, решений и будет расти доверие к конкретным моделям и ко всей системе в целом. 

С ростом доверия к системе менеджмент организации сможет создавать правила, которые описывают диапазон ситуаций, и система для поддержки принятия решений постепенно превратится в систему принятия бизнес решений. В финале цифровая система будет не только принимать большинство решений и объяснять причины, но и служить бизнесу в роли оракула. 

Какие причины сдерживают развитие продвинутой аналитики и использование технологии искусственного интеллекта в бизнесе?

С точки зрения компетенций, есть мнение, что на рынке не хватает специалистов: дата-саентистов и дата-инженеров. Это верно и все видят эту проблему. Но главный сдерживающий фактор, на мой взгляд, это недостаток доверия к новой технологии со стороны менеджмента и управленцев бизнеса, которые несут ответственность за финансовый результат в компании. Поэтому цифровизация начинается с внедрения одной модели и рождения первого доверия к ней. 

Вторая большая проблема - это недостаточное число связей внутри организации, что приводит к разбалансировке в достижении бизнес-цели. Уже недостаточно иметь большой отдел аналитики. Оптимальное решение принимается системой, которая состоит из моделей, которые мониторят ситуацию (читают данные) в режиме реального времени. 

К сожалению, быстрого рецепта трансформации без особых усилий и затрат не существует. Это многолетняя работа от создания первой модели и до оракула, отвечающего на запросы бизнеса. При этом если это не сделаете вы, то это, скорее всего, сделают ваши конкуренты. 

Не получится игнорировать фундаментальные факторы: с каждым годом данных будет все больше, стоимость хранения и обработки данных падает в геометрической прогрессии, а математический аппарат готов уже многие годы и продолжает развиваться.