Инструкция: в каком порядке внедрять цифровые системы (и почему нет смысла начинать с ИИ)

Исполнительный директор ALP Group Александр Казеннов объясняет, как выстроить объективный учет на всех уровнях для принятия управленческих решений, и рассказывает, на каком этапе автоматизации сегодня находится большинство российских компаний.

Сегодня бизнес не может обходиться без автоматизации. Но важно помнить, что ее внедрение должно быть последовательным и продуманным. Вместо того чтобы сразу бросаться в сложные системы аналитики с интегрированным искусственным интеллектом, нужно начинать с базовых процессов, а уже потом двигаться к более продвинутым решениям. Почему? Потому что, если на старте у компании нет автоматизированных процессов, если у нее нет накопленных чистых данных о функционировании разных аспектов бизнеса, то высокотехнологичные аналитические системы окажутся бесполезными — им просто будет нечего анализировать.

Принятие решений на основе данных — это не просто модный тренд, а необходимость для успешного бизнеса. Но чтобы решения были действительно обоснованными, важно собирать и анализировать не только внутренние данные компании, но и учитывать внешние факторы: как меняется рынок, какие тенденции наблюдаются в отрасли, что говорят аналитики о будущих сложностях, возможных «черных лебедях» или новых трендах. Именно на основе этих прогнозов компании могут строить свою цифровую стратегию и закладывать в нее все возможные риски.

Согласно опросу консалтинговой компании NewVantage Partners, 98,6% руководителей стремятся к бизнес-модели, основанной на больших данных, в то время, как только 32,4% сообщают об успехе внедрения автоматизированных процессов их обработки. Как правило, проблемой становятся некачественные данные, плохо работающая система управления ими, а также неправильная последовательность автоматизации.

Итак, чтобы реализовать действительно эффективную автоматизацию, важно начинать с самых простых и понятных систем. В первую очередь — с автоматизированных систем управления предприятием (АСУП). Это базовый уровень автоматизации, который позволит отслеживать и контролировать производственные процессы и оптимизировать ресурсы. Здесь важно использовать то оборудование и тот софт, которые периодически проходят поверку, — это избавит от ошибок, связанных с ручным вводом, и даст большую гарантию качественных данных, которые будут передаваться на следующие уровни автоматизации.

Далее мы переходим к оперативному учету. Это уже более сложные системы, которые охватывают такие бизнес-процессы, как продажи, логистика, закупки, маркетинг и ценообразование. Здесь критически значима надежная схема контроля данных, которая поможет не допустить искажений. Например, если мы говорим о логистике для компании, занимающейся производством и доставкой электроники, важно контролировать параметры упаковки и хранения товаров, такие как влажность и температура, чтобы предотвратить повреждения чувствительных компонентов. Если на этом этапе допустить ошибку, на следующих уровнях она обязательно отразится, и исправить ее будет сложно и дорого. О том, как мельчайшее несоответствие (вроде расхождения массы и объема продукции из-за некорректного учета) может поссорить оптовое и розничное направление бизнеса, я уже рассказывал.

После того как оперативный учет настроен, можно переходить к бухгалтерскому и налоговому учету. На этом контуре происходит формирование финансовой отчетности по российским (РСБУ) и международным стандартам (МСФО). И только после этого все данные могут быть переданы в систему управленческого учета.

Таким образом, стандартная цепочка получения данных для анализа деятельности и формирования отчетов для собственников и регуляторов состоит из сбора этих данных, разработки системы их контроля и последовательного построения контуров оперативного, бухгалтерского и налогового учета. Но даже это не предел возможной автоматизации.

Следующий уровень — это аналитические системы класса process mining и решения, использующие технологии машинного обучения. Например, с помощью систем, которые анализируют все данные о расходах, можно точно определить, какой должна быть цена выбытия товара с необходимой долей прибыли и с учетом всех факторов — от себестоимости до скрытых расходов, таких как затраты на обслуживание оборудования, амортизация и стоимость труда. Однако такие системы будут работать эффективно только в том случае, если все предыдущие уровни учета настроены безупречно. Только при наличии качественных, очищенных и структурированных данных аналитические системы смогут предоставить действительно полезную информацию и прогнозы.

Для того чтобы автоматизировано рассчитывать цены и досконально оценивать эффективность всех бизнес-операций, компании нужны системы, собирающие и анализирующие большие объемы данных. Часто такие системы строят на основе «озер данных» (data lakes), которые обеспечивают мощную базу для прогнозирования и принятия решений.

В последнюю очередь стоит внедрять предиктивные системы, которые не только анализируют текущие данные, но и могут предсказать будущие изменения на рынке. Например, если мы хотим прогнозировать изменения цен, система должна учитывать не только текущую информацию, но и такие внешние факторы, как изменение ключевой ставки или возможные экономические потрясения.

На сегодняшний день автоматизация для нужд топ-менеджмента (то есть для принятия взвешенных управленческих решений, а не просто для минимизации ручного труда) только начинается. Многие крупные компании, несмотря на желание внедрять новые технологии, сталкиваются с проблемами в организации правильного подхода к автоматизации. В частности, это касается таких отраслей, как конструирование, производство и даже ИТ (хотя казалось бы), где многие процессы ведутся по старинке, а комплекс программных средств охватывает лишь отдельные этапы производства. Часто в отечественных компаниях автоматизированы только бухгалтерия, налоговый учет и кадры, а вот до более сложных систем руки пока не доходят.

В России сохраняется большое количество организаций, для которых Excel — это уже автоматизация. Айтишников предприятия, может, в этом всё и устраивает: чем меньше процессов автоматизировано, тем меньше для отдела ИТ и работы, и ответственности. Но если бы я был топ-менеджером холдинга, то текущий уровень цифровизации предприятий меня бы категорически не устраивал.

На мой взгляд, переход к data-driven моделям управления неизбежен. Внедрение таких систем автоматизации уже невозможно игнорировать, если компания хочет оставаться конкурентоспособной. Мы видим, как даже среди крупных игроков рынка качество автоматизации нередко оставляет желать лучшего, и это уже сказывается на их рыночной стоимости. Компании, которые в свое время пренебрегали автоматизацией, сейчас отстают.

В ближайшие несколько лет российские компании будут продолжать дорабатывать корпоративные шаблоны, снижать зависимость от иностранных решений и повышать внутреннюю эффективность. Кто-то будет делать это последовательно и обдуманно, а кто-то — в режиме «тушения пожара».

Важно понимать, что автоматизация — это не внедрение технологий ради технологий. Это — способ работать более эффективно, быстро и точно, принимая решения на основе объективных данных. Просто начинать стоит с малого, постепенно выстраивая собственную цифровую экосистему и увеличивая ее сложность. Тогда в будущем она будет не просто работать, но и помогать бизнесу принимать решения, которые действительно способствуют его развитию. Компании, которые научатся это делать, окажутся на галактику впереди. А мы можем помочь.