Вместо этого следует запастись только теми товарами, которые понадобятся вероятнее всего. Нужен точный прогноз покупательского спроса. В базе данных Otto три миллиарда транзакций и сотни других переменных (в том числе поисковые запросы и демографические данные), поэтому она смогла создать прогностическую машину. И теперь с 90 %-ной точностью прогнозирует, какие товары продадутся в ближайший месяц. Исходя из прогноза, компания изменила логистику. Перечень товаров уменьшился на 20 %, а количество возвратов в год снизилось на 2 млн. Прогностика улучшила логистику, которая, в свою очередь, сократила издержки и повысила удовлетворенность клиентов.
Мы снова видим три составляющие стратегического значения. Otto столкнулась с дилеммой (как сократить время доставки без дорогостоящего хранения запасов), обусловленной неопределенностью (в данном случае – общим потребительским локальным спросом), и, устранив эту неопределенность (то есть повысив точность прогнозирования локального спроса), смогла реорганизовать логистику, для чего понадобились дополнительные складские помещения и локальная доставка в гарантированный срок. Компания не достигла бы всего этого без использования прогностических машин для устранения неопределенности.
Милый дом?
Чтобы прогностическая машина изменила стратегию, кто-то должен ее создать – и такую, которая необходима именно вам. И это зависит от нескольких вещей, неподвластных контролю вашей организации.
Давайте посмотрим на факторы, делающие прогностическую машину доступной для вашего бизнеса. Для этого мы отправимся в 1930-е годы на кукурузные поля Айовы. Фермеры-новаторы вывели новый сорт кукурузы, скрещивая между собой разные ее сорта в течение почти двадцать лет. Гибридная кукуруза отличалась от обычной. Для ее получения скрестили инбредные
[115] линии, за счет чего улучшились такие свойства, как засухоустойчивость и урожайность в местной среде. Гибридный сорт породил серьезные перемены – он не только обещал высокую урожайность, но еще и сделал фермеров зависимыми от поставщиков семян. Чтобы получить все преимущества сорта, нужно было адаптировать семена к местным условиям.
Как видно из рис. 13.1, алабамские фермеры отставали от Айовы. Но когда гарвардский экономист Цви Грилихес внимательно посмотрел на цифры, то обнаружил, что причина отставания Алабамы от Айовы на 20 лет заключается не в медлительности фермеров, а в том, что доход от вложений в освоение сорта в 1930-х не оправдывал издержек
[116]. Фермерские хозяйства в Алабаме по размерам меньше, а их рентабельность – ниже, чем на севере и западе. Фермеры Айовы, в отличие от них, засевали большие поля и получали большую выгоду по сравнению с издержками на покупку дорогостоящих семян. На крупных фермах было проще экспериментировать с гибридными сортами, потому что они занимали меньшую площадь земли, пока не проявили свои преимущества
[117].
Источник: Zvi Griliches. Hybrid Corn and the Economics of Innovation // Science 132. 1960. June. № 3422. P. 275–280. Опубликовано с разрешения AAAs.
Рис. 13.1. Распространение гибридной кукурузы
У фермеров Айовы риски были ниже, а прибыль выше. Когда количество фермеров, освоивших новый сорт, превысило определенный предел, рынок семян расширился, покупателей и продавцов стало больше, цены упали и риски дополнительно снизились. В итоге гибридный сорт кукурузы начали осваивать фермеры на всей территории США (и за ее пределами) по мере снижения цен и предполагаемых рисков.
Компания Google – Айова мира ИИ. Для каждой категории бизнеса, от поиска до рекламы, карт и перевода, она ведет разработку тысяч проектов
[118]. С ней сравнялись и другие мировые технологические гиганты. Причина очевидна: Google, Facebook, Baidu, Alibaba, Salesforce и прочие уже внедрили инструменты ИИ. Они четко определили задачи, выполняемые в компании, и в каждой существенно улучшили прогностический элемент с помощью ИИ.
Величина прибыли этих гигантов огромна, поэтому у них есть возможность экспериментировать. Часть «земли» они отводят под разнообразные типы ИИ и могут пожать большой «урожай» в результате успешных экспериментов, масштабно применяя их к широкому ассортименту продуктов.
У других компаний путь к ИИ не такой прямой. В отличие от Google, у большинства нет двадцати лет на оцифровку всех аспектов рабочего процесса, как и четкого понимания, что следует прогнозировать. Но как только у компании появляется ясно очерченная стратегия, эти составляющие могут развиваться, закладывая основу эффективного применения ИИ.
Когда настал подходящий момент, фермеры Висконсина, Кентукки, Техаса и Алабамы последовали примеру Айовы и начали осваивать гибридный сорт кукурузы. Выгоды со стороны спроса стали достаточно высокими, а затраты со стороны предложения упали. Аналогичным образом издержки и риски, связанные с ИИ, постепенно сократятся, и компании в арьергарде разработки цифровых инструментов тоже их освоят. В этом их будет стимулировать сторона потребления: возможность разрешить фундаментальные дилеммы в своих бизнес-моделях благодаря снижению неопределенности.
Набор бейсболистов
Билли Бин из фильма «Человек, который изменил все» использовал статистический прогноз, чтобы преодолеть предубеждения скаутов по набору игроков и улучшить прогностику. Это пример применения прогноза для снижения неопределенности и повышения продуктивности команды Oakland Athletics. Позиция Бина изменила стратегию, что потребовало перестановок в явной и скрытой иерархии организации.
Улучшение прогнозов повлияло на набор инфилдеров, но само функционирование команды осталось неизменным. Бейсболисты, выбранные прогностической машиной, играли почти так же, как и предыдущие, разве что делали чуть больше уоков. А за скаутами сохранилось право голоса при наборе
[119].
