Alibaba и умный бизнес будущего

Мин Цзэн

 Alipay: в 2004 г. эта эскроу-система стала независимой компанией. Alipay осуществляет платежи в стране без использования кредитных карт и/или дистанционных платежных инструментов.

 Tmall: в 2008 г. Tmall отделился от Taobao как веб-сайт для крупных брендов и розничных продавцов. Продавцы на нем платят комиссию за улучшенное обслуживание, обычно 0,4–0,5 %.

 AliExpress: это международный веб-сайт для электронной коммерции. Запущен в 2010 г., связывает китайских продавцов с остальным миром.

 Cainiao Network: Alibaba запустила эту логистическую смарт-платформу в 2012 г.

 Ant Financial: в 2014 г. Alibaba запустила Ant Financial Services.

Эта компания в настоящее время кредитует потребителей и малый бизнес по всему Китаю.

 Компании веб-знаменитостей: 2014 г. ознаменовался появлением первой волны веб-знаменитостей, которые основали собственные компании.

Дополнительную информацию об Alibaba и ее истории см. в приложении А.

Сущность смарт-бизнеса

В обобщенном виде формула смарт-бизнеса выглядит так:

Сетевая координация + интеллектуальная обработка данных = смарт-бизнес.

Эта простая формула показывает, что лежит в основе успеха Alibaba, и отражает все, что нужно знать о бизнесе будущего. Как я расскажу далее, сетевая координация и интеллектуальная обработка данных, две новые возможности, предоставленные технологией, обладают серьезными преимуществами по сравнению с традиционными бизнес-процессами и структурами.

В самом широком смысле сетевая координация – это разбивка сложной коммерческой деятельности так, чтобы группы людей или фирм могли осуществлять ее более эффективно [11] . Функции, исторически запертые в вертикально интегрированных структурах или жестких цепочках поставок, значительно проще координировать через онлайновые связи. Лауреат Нобелевской премии Рональд Коуз показал, что компании структурируются так, чтобы выживать в условиях непомерно высоких транзакционных издержек [12] . Новые технологии снижают эти издержки, делая возможными сетевые подходы. С помощью сетевой координации такие виды коммерческой деятельности, как продажи, маркетинг и все аспекты производства, превращаются в децентрализованные, гибкие, масштабируемые и глобально оптимизируемые процессы.

11

Сетевая координация – это перевод китайского термина ванло сетун, который я предложил для внутрикорпоративного использования в июне 2007 г. Эта идея основывается на теориях из таких классических дисциплин, как организация производства, а также из более новых междисциплинарных сфер, таких как анализ сетевых структур. Дополнительную информацию по сетевым бизнес-моделям см. в: David Easley and Jon Kleinberg, Networks, Crowds, and Markets: Reasoning About a Highly Connected World (Cambridge: Cambridge University Press, 2010).

12

Основополагающей работой по такой структуризации компаний была статья Рональда Коуза, см. Ronald H. Coase, “The Nature of the Firm,” Economica New Series, 4, no. 16 (1937): 386–405 (Blackwell Publishing). Впоследствии он написал еще одну очень важную статью: Ronald H. Coase, “The Problem of Social Cost,” Journal of Law and Economics 3 (October 1960): 1–44. Значительный вклад в организационную экономику внесли многие экономисты, в том числе лауреат Нобелевской премии Оливер Уильямсон.

Организация распродажи в День холостяка, за которой стоят Tmall и Taobao, – идеальный пример сетевой координации. Taobao не создает никаких запасов – вместо этого она объединяет в огромную сеть более 10 млн продавцов. Эти продавцы координируют свои действия с миллионами партнеров, и все стороны занимаются вместе реализацией сложного процесса онлайновой розничной торговли, обработкой транзакций и дистрибуцией вплоть до двери покупателя. Такой уровень взаимодействия и составляет существо сетевой координации: автономной координации через интернет практически без ограничений масштаба и с участием бесконечного числа партнеров.

Чем больше сеть бизнес-игроков координируется через интернет, тем больше становится смарт-составляющая коммерческой деятельности. Иначе говоря, постоянный поток данных, возникающих в результате взаимодействий и обрабатываемых в реальном времени, создает цепь обратной связи, которая автоматически генерирует все более и более «интеллектуальные» решения. Например, сегодня значительную часть рутинного поиска и представления продуктов клиентам на Taobao выполняют машины. Традиционным розничным продавцам для этого нужны тысячи покупателей, дизайнеров витрин, редакторов стиля, персональных консультантов и т. п. Машинное обучение – инструмент, который позволяет делать это на Taobao. На пике продаж в День холостяка в 2017 г. в базах данных Alibaba выполнялось 42 млн операций в секунду. Такой объем операций говорит

о том, что алгоритмы машинного обучения осуществляли миллиарды итераций, принимая решение, что еще представить на экране вашего смартфона после того, как вы приобрели сотовый телефон, билеты на Бали и пижаму с ярким рисунком, которой любовались на протяжении последнего месяца. Я называю такую возможность эффективного выбора товаров и услуг в соответствии с запросами и реакцией клиентов интеллектуальной обработкой данных [13] . Она кардинально отличается от того, как большинство фирм подходят сегодня к отбору товаров и услуг.

13

Интеллектуальная обработка данных – это перевод китайского термина шуцзюй чжинэн, который я предложил для внутрикорпоративного использования в 2014 г. Он обозначает определенный стратегический подход к применению технологий машинного обучения. Как я объясняю в главе 3, в отличие от таких родственных терминов, как искусственный интеллект, анализ и обработка данных и большие данные, интеллектуальная обработка данных фокусируется в большей мере на практических аспектах применения данных и алгоритмов для получения адаптивных бизнес-результатов. Дополнительную информацию по машинному обучению и анализу и обработке данных см. в: Pedro Domingos, The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World (New York: Basic Books, 2015).

Под интеллектуальной обработкой данных я имею в виду предоставление компаниям возможности быстро и автоматически совершенствоваться с помощью технологии машинного обучения. Вы должны иметь представление о том, как действует интеллектуальная обработка данных, если когда-нибудь сталкивались с системами рекомендаций. Это самая примитивная форма интеллектуальной обработки данных, стандарт для любой онлайновой компании, я же говорю о значительно более сложной системе. Компании могут выйти на более высокий уровень интеллектуальной обработки данных, если автоматизируют принятие решений на основе непрерывного потока поступающей в реальном времени информации, например о времени отгрузки продукции поставщиками, об уведомлениях о выполнении заказа производителями, об отслеживании логистических операций и о предпочтениях клиентов. Такая автоматизация достигается в результате использования алгоритмов машинного обучения, повышающих координацию и оптимизацию каждого звена цепочки создания стоимости. Поскольку все больше видов деятельности становятся онлайновыми, связанные с ними решения можно автоматизировать и непрерывно улучшать. Вот что я подразумеваю под интеллектуальной обработкой данных.

Прогресс в сфере машинного обучения (направления компьютерной технологии, которое нередко считают подразделом более широкой области искусственного интеллекта) в последнее десятилетие привел к скачкообразному расширению возможностей того, что компании могут делать с данными. Машины освоили игру в го и шахматы, появились алгоритмы, позволяющие справляться с чрезвычайно длинными цепочками вычислений, анализировать многочисленные сценарии и быстро находить оптимальные решения. Получив новые результаты, алгоритмы перенастраиваются с их учетом. Они обучаются в процессе непрерывного выполнения итераций, а их результаты улучшаются с увеличением объема и разнообразия данных. Таким образом, машинное обучение углубляет интеллектуальную обработку данных. По мере того как все больше бизнес-процессов переходит в онлайн, а для успеха коммерческой деятельности все больше требуется координация взаимосвязанных игроков, компании трансформируются, передавая принятие рутинных решений компьютерам. В этом и заключается сущность смарт-бизнеса.

Рождение смарт-бизнеса и последствия этого явления

В Alibaba звенья цепочки создания стоимости превращаются одно за другим в модули и встраиваются в оптимизированные с технической точки зрения сети, а значительная доля бизнес-решений принимается автоматически. Такое масштабное использование инновационной технологии изменяет все. Данные становятся главным активом, критическим фактором производства. Стратегия приобретает новый смысл – теперь это не анализ и планирование, а процесс экспериментирования и привлечения клиентов в реальном времени.

В смарт-компаниях, как я покажу в этой книге, привычные силы конкуренции исчезают и уступают место новым формам сотрудничества между компаниями и мириадами других игроков. Когда в основе стратегии лежит не конкуренция, а центры сотрудничества, способы создания стоимости полностью меняются. А когда компании используют машинное обучение не только для автоматизации рутинных бизнес-процессов и взаимодействия с клиентами, но и для непрерывного их совершенствования, роль руководства в создании стоимости становится совершенно иной. Организации превращаются из статичных иерархических структур, нуждающихся в управлении и контроле, в динамичные, подвижные сети взаимосвязанных игроков, которых объединяет миссия и деловая возможность.