Alibaba и умный бизнес будущего - стр. 12

. 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.

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.

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.