Почему современным цифровым системам ещё не хватает данных

Часть I. Человеку данных уже достаточно. Цифровой модели — ещё нет

Совсем недавно в своих статьях я писал, что современным предприятиям уже не столько не хватает данных, сколько способности человека их обрабатывать.

И это действительно так.

Сегодня руководители получают огромный объём информации. Цифровые системы фиксируют множество производственных событий.

Мы знаем:

• где находится техника;
• сколько топлива израсходовано;
• сколько гектаров обработано;
• какие операции выполнены;
• как изменились финансовые показатели;
• где появились отклонения.

Постепенно начинает казаться, что проблема уже решена: информация для управления есть, осталось только научиться быстрее её анализировать.

Но объём данных продолжает расти, а внимание, память и время человека остаются ограниченными.

Руководителю всё сложнее одновременно удерживать десятки процессов, замечать взаимосвязи и выделять изменения, которые действительно требуют решения.

Казалось бы, следующий этап цифровизации должен заключаться лишь в ускорении обработки уже собранной информации.

Но здесь возникает парадокс.

Современным цифровым системам всё ещё не хватает данных.

На первый взгляд это противоречит сказанному выше.

Человеку информации уже достаточно. Во многих случаях — даже слишком много.

Но цифровая модель предприятия находится в совершенно другой ситуации.

Предприятие значительно сложнее той его части, которую сегодня способны наблюдать цифровые системы. Поэтому даже при огромном количестве записей цифровая модель остаётся неполной.

Цифровая система видит значительно меньше, чем кажется

Мы привыкли считать, что современная цифровизация уже видит почти всё.

Но действительно ли это так?

Представим обычную ситуацию.

Трактор остановился.

Система зафиксировала остановку. Но знает ли она, почему это произошло?

Идёт дождь?

Закончилась смена?

Техника сломалась?

Механизатор ждёт топливо?

Машина застряла?

Для системы это может быть одно и то же событие — неподвижная точка на карте.

Для предприятия — несколько совершенно разных ситуаций, каждая из которых требует своего решения.

Сам факт остановки ещё ничего не объясняет.

Человек способен оценить дополнительные признаки: погоду, место, продолжительность остановки, сообщения механизатора, состояние техники, текущий этап работы. Часть этих признаков он использует осознанно, часть — автоматически, опираясь на опыт.

Цифровая система сможет сделать подобный вывод только тогда, когда необходимые признаки также станут доступными для наблюдения и превратятся в данные.

В этом и заключается одно из главных ограничений современной цифровизации.

Любая цифровая модель начинается не с данных, а с наблюдения

Цифровая модель не является прямой копией предприятия.

Она возникает в результате последовательного преобразования реальности:

фактическая реальность → наблюдение → данные → цифровая модель → анализ → управленческое решение.

Эту последовательность будем называть Моделью №1 — «Цепочка формирования и использования цифровой модели предприятия».

Рисунок 1. Графическое представление Модели №1 (смотрите фото)

Независимо от отрасли, цифровая система сначала должна воспринять определённую часть фактической реальности. Затем результаты наблюдения фиксируются в виде данных, из которых формируется представление о состоянии предприятия.

Только после этого становятся возможными анализ и подготовка управленческого решения.

При этом управленческое решение не завершает цепочку. Оно изменяет фактическую реальность, а результаты действия становятся новыми событиями, наблюдениями и данными. Поэтому процесс формирования и использования цифровой модели постоянно повторяется.

На каждом этапе часть реальности может быть потеряна, упрощена или неверно истолкована.

Если объект, событие или процесс не попали в наблюдение, они не появятся в данных. Если их нет в данных, они не войдут в цифровую модель и не будут учтены при анализе.

Искусственный интеллект способен предположить недостающий фрагмент по косвенным признакам. Но такое предположение не равно непосредственному наблюдению и всегда требует допущений.

Поэтому качество цифровой модели определяется не только количеством программ или мощностью алгоритмов.

Оно зависит прежде всего от того, какую часть фактической реальности предприятие способно наблюдать.

Чем полнее наблюдение, тем ближе цифровая модель к реальному состоянию предприятия.

Чем больше остаётся слепых зон, тем чаще системе приходится переходить от знания к предположению.

Мы оцифровали отдельные участки, но не всё предприятие

Сегодня часто говорят:

— предприятие цифровизировано;

— процессы находятся под контролем;

— информация собрана в системе.

Но если посмотреть глубже, становится заметно, что цифровые инструменты наблюдают не предприятие целиком, а отдельные его части.

GPS знает местоположение техники.

ERP фиксирует движение ресурсов.

Бухгалтерская система отражает финансовые операции.

Складская система показывает остатки.

Каждая из них хорошо отвечает на свой вопрос. Но значительно хуже видит связи между полученными ответами.

В результате предприятие получает не единую цифровую картину, а множество отдельных цифровых островов.

Человеку по-прежнему приходится объединять эти фрагменты, учитывать контекст и восстанавливать то, что не попало ни в одну систему.

Не потому, что цифровые инструменты бесполезны или недостаточно умны.

А потому, что каждый из них наблюдает только ограниченную часть происходящего.

Следующий этап цифровизации, вероятно, будет связан не только с развитием алгоритмов и искусственного интеллекта.

Он потребует последовательного расширения наблюдаемой реальности предприятия и объединения отдельных наблюдений в более целостную модель.

Потому что цифровая система не может достоверно понять ту часть предприятия, которую она ещё не умеет наблюдать.

Продолжение

Если полнота цифровой модели зависит от наблюдения, возникает следующий вопрос:

что именно должна видеть современная цифровая система, чтобы её модель действительно начала приближаться к реальному предприятию?

Этому посвящена вторая часть статьи.