Choose your location to get a site experience tailored for you.

Remember my region and language settings

ПЕРСПЕКТИВНАЯ АНАЛИТИКА: КАК ПОВЫСИТЬ КАЧЕСТВО ОПЕРАЦИОННЫХ РЕШЕНИЙ

Рави Шривастава, старший партнер и управляющий директор, BCG Нью-Дели
Влад Лукич, партнер и управляющий директор, BCG Бостон
Саймон Миллер партнер и управляющий директор, BCG Сидней
Майкл Даллимор партнер-учредитель и директор компанииThe Simulation Group, Мельбурн
Рохин Вуд, главный эксперт, BCG Сидней
Адам Уайбру эксперт, BCG Сидней

Многие решения руководителей операционных подразделений оказывают влияние на всю цепочку создания стоимости. Какое сочетание исходных материалов позволит минимизировать затраты? Какой производственный план приведет к максимальному увеличению выработки? Как спланировать график технического обслуживания, чтобы свести простои к минимуму? При принятии подобных решений обычно приходится учитывать целый комплекс факторов, но вплоть до последнего времени менеджеры были вынуждены исходить из практического опыта или простейшего анализа данных. Однако значительное повышение качества имеющихся в наличии компаний данных и снижение стоимости вычислений привели к появлению современных методов перспективной аналитики (advanced analytics), способных значительно улучшить качество управленческих решений.

Впрочем, освоить эти технологии не так-то просто. Руководителей, у которых нет практического опыта работы с количественными методами анализа операций, может удивить даже терминология. Понятия «большие данные», «исследование операций», «поддержка принятия решений» и «Промышленность 4.0» часто используются произвольно. В результате многие компании так и не добиваются максимального экономического эффекта от использования современных аналитических методов.

Большинство руководителей операционных подразделений не считают своей прямой обязанностью глубоко изучать доступные им аналитические методы. Но во многих случаях без их использования точные и по-настоящему обоснованные коммерческие решения практически невозможны.

Мы рекомендуем разделить технологии перспективной аналитики на три категории: анализ, моделирование и оптимизация. Каждой из них соответствует отдельный этап практического использования аналитических методов: измерение эффективности, прогнозное моделирование и поиск оптимального решения.

Большинство руководителей операционных подразделений не считают своей прямой обязанностью глубоко изучать доступные им аналитические методы. Но во многих случаях без их использования точные и по-настоящему обоснованные коммерческие решения практически невозможны.

Анализ: что было в прошлом?

К числу самым самых очевидных аналитических методов относятся сбор и анализ данных о результатах, полученных компанией за прошедшие периоды времени. В таком случае, как правило, определяются несколько ключевых показателей эффективности (КПЭ), которые отслеживаются в ретроспективе. Это помогает выделить факторы, влияющие на создание стоимости, а иногда и предложить рекомендации, направленные на ее увеличение. Кроме того, компания получает в свое распоряжение фактическую базу для моделирования различных аспектов работы и поиска оптимальной конфигурации цепочки создания стоимости.

Фактическая база обычно формируется с помощью специального программного обеспечения (например, Tableau, QlikView или Tibco Spotfire). Благодаря понятным панелям управления эти и им подобные программы помогают проводить довольно сложный анализ данных даже не специалистам. Аналитические выводы, основанные на миллионах контрольных точек, можно сформировать буквально за несколько щелчков мыши. Каких-нибудь пять лет назад квалифицированному программисту пришлось бы потратить на решение аналогичной задачи несколько часов.

На самом элементарном уровне аналитические методы можно использовать для выявления «утечек» стоимости. Именно так один из производителей, с которым работала BCG, выяснил, например, что по пятницам эффективность работы сварщиков снижается на 15%. Другая компания обнаружила, что ее торговый персонал обычно предоставляет клиентам максимально разрешенную скидку, вместо того чтобы договариваться о цене, — это довольно широко распространенная проблема. Подобные выводы свидетельствуют о необходимости корректировочных мер, таких как совершенствование обучающих программ или дополнительная мотивация сотрудников.

Моделирование: что ждет нас в будущем?

Любой бизнес можно представить в виде упрощенной абстрактной модели. Ее можно использовать для прогнозирования результатов при различных сценариях. По сути, такое моделирование дает компаниям возможность проводить разные эксперименты и даже совершать ошибки, не подвергая себя риску. Но чтобы действительно проверить, насколько разные параметры бизнес-среды могут повлиять на результаты компании, модели должны быть достаточно подробными и надежными. Разработчики должны быть готовы доказывать реалистичность подобных прогнозов руководителям, многие из которых настроены скептически. Следовательно, модель должна обеспечивать достаточно точное для целей эксперимента представление конкретной бизнес-системы. Кроме того, в распоряжении разработчиков должны быть все необходимые данные. Выбор того или иного инструмента моделирования зависит от характеристик изучаемой системы. Например, в случае насыпных грузов цепочки поставок принято описывать в виде дискретных событий. Этот метод часто используется для моделирования и других комплексных динамических систем.

Проиллюстрировать использование аналитических методов поддержки принятия решений можно на примере приложений для моделирования цепочек поставок и эксплуатации оборудования.

Моделирование цепочек поставок.
Структура спроса и предложения постоянно меняется, а работа различных звеньев цепочек поставок подвержена сбоям. Чтобы управлять такими комплексными динамическими системами, компании вынуждены создавать материально-технические запасы. Хорошая модель цепочки поставок должна корректно отражать ее динамику и структуру.

Горнодобывающие предприятия часто задумываются о том, как наиболее целесообразно инвестировать капитал. Аналитическая модель помогает им в этом случае понять, что может произойти при различных сценариях использования оборудования. Используя именно такую модель, одна из ведущих горнодобывающих компаний пришла к выводу, что сможет обойтись монорельсом там, где инженеры-проектировщики изначально предлагали построить двухколейную железную дорогу. В результате компания избежала капитальных затрат в размере 500 млн долл. США.

Используя аналитическую модель, одна из ведущих горнодобывающих компаний смогла избежать капитальных затрат в размере 500 млн долл. США.

Моделирование цепочек поставок также позволяет протестировать различные стратегии операционной деятельности. Например, администрация одного из портов на основе выводов, полученных в результате моделирования, изменила правила, согласно которым суда были вынуждены проходить через канал, подверженный действию приливов. Утвердив новые правила, порт увеличил свою пропускную способность на 5%.

Методы машинного обучения.
Моделирование работы очень сложных систем, таких как реактивные двигатели и медеплавильные печи, требует более сложных подходов. Например, для установления и изучения комплексных нелинейных зависимостей между данными на входе и на выходе из системы можно использовать алгоритмы машинного обучения. Именно так нам удалось помочь металлургической компании смоделировать работу медеплавильной печи с учетом очень сложных зависимостей между скоростью подачи материалов, температурой, содержанием кислорода и примесей. Алгоритмы машинного обучения позволили значительно улучшить точность прогнозов. Это помогло компании увеличить выработку на 0,5–1,0%. Экономический эффект измеряется десятками миллионов долларов.

Оптимизация: какие решения приносят максимальную выгоду?

Современные аналитические методы позволяют компаниям принимать более точные решения, что, в свою очередь, приносит им выгоду. Возможность ставить эксперименты и изучать последствия тех или иных решений может привести к увеличению их точности и снижению количества ошибок. В современном крупном бизнесе количество возможных вариантов решений может без преувеличения исчисляться триллионами. Методы оптимизации позволяют выбрать лучшие из них.

Методика оптимизации основана на математических алгоритмах, способных вычислить сочетание параметров, приносящее максимальную выгоду с учетом поставленных целей и имеющихся ограничений. Если моделирование позволяет вычислить последствия каждого принятого решения, то в случае оптимизации в качестве исходных данных выступает экономический эффект, а решением задачи становится последовательность действий, ведущая к поставленной цели.

Методы оптимизации быстро совершенствуются на протяжении последних десяти лет. Сегодня с их помощью можно решать очень широкий круг задач. Ниже приведены примеры решений, которые нашли компании из разных отраслей, а также масштабы полученного экономического эффекта.

  • Литейное производство. Производственные процессы, связанные с литьем, отличаются высокой сложностью. Оператор, как правило, практически не в состоянии самостоятельно определить оптимальную последовательность действий. Алгоритм оптимизации, использованный одним из литейных заводов, помог ему составить точный производственный график. В качестве исходных данных использовался недельный план литейного предприятия по ряду компонентов.
    Были учтены также ограничения, связанные с использованием материалов и трудовых ресурсов. Реализации найденного решения помогла литейному заводу увеличить выпуск на 20%, сократив при этом сроки поставок.
  • Национальный интернет-оператор. Крупный оператор связи участвует в проекте по запуску интернет-услуг по всей стране, рассчитанном на несколько лет. Работа сети обеспечивается разнообразными технологическими решениями, скорость работы и стоимость которых, как, впрочем, и график работы инженеров, рабочих-строителей и менеджеров, может варьироваться в широких пределах. Чтобы определить последовательность реализации различных этапов проекта, использовался один из алгоритмов оптимизации.
    Целью, которую поставила перед собой компания, было увеличение показателя NPV (net present value — чистая приведенная стоимость). Ограничивающими условиями выступали количество работающих инженеров и предельный размер задолженности. Результатом стал подробный план действий, описывающий, какие именно технологии следует использовать и в каких регионах страны, а также какова должна быть последовательность внедрения. Компании удалось сократить потребность в финансировании на 2 млрд долл. США.

  • Птицефабрика. Птицеводческое хозяйство — это сложный бизнес с серьезными ограничениями. Компания стремилась удовлетворить потребности своих клиентов и заработать максимальную прибыль. Например, представьте себе, что группа сбыта заказывает у производственного подразделения дополнительные 100 т мясных грудок. Указанное увеличение приводит к дополнительному производству 150 т ножек и 40 т крылышек. Если группа сбыта не проанализирует, где можно реализовать дополнительную продукцию, это приведет к значительным убыткам. Компания использовала алгоритм оптимизации, чтобы найти решение этой задачи. Было определено количество каждого типа мяса, которое должно производиться на каждой фабрике, размер птиц, поступающих на переработку, и описание оптимального способа транспортировки продукции клиентам. Кроме того, была получена информация, каких клиентов обслуживать невыгодно. Согласно расчетам, увеличение показателя EBIT составит 20 млн долл. США. Этот подход позволил компании начать обслуживать нового крупного клиента, что прежде считалось невозможным из-за недостаточных мощностей. Это привело к заметному увеличению прибыли, причем без дополнительных капиталовложений.
  • Сталелитейное производство. Сталелитейная компания хотела модернизировать свою цепочку поставок так, чтобы удовлетворять покупательский спрос с минимальными затратами. С учетом ограничений по мощности производственных линий и емкости складов алгоритм определил оптимальную конфигурацию цепочки поставок на 2025 год, которая обеспечит необходимый поток товаров в сети. Повышение точности решений о том, где именно и что именно целесообразно производить и как затем продавать, уже привело к сокращению логистических расходов на 10%.

С чего начать

Первым шагом к использованию современных аналитических методов может стать диагностика цепочки поставок и выявление бизнес-решений, которые:

  • трудно принимать из-за их сложности;
  • достаточно значимы, поскольку использование лучших (то есть оптимальных) решений может привести к материальным последствиям для бизнеса;
  • на данный момент принимаются на основе интуиции или с помощью простейших аналитических инструментов (таких, как электронные таблицы).

Для превращения выводов в действия понадобятся процессы, позволяющие руководству компании принимать оптимальные решения на уровне всей организации.

Если все три условия выполнены, применение методов перспективной аналитики почти наверняка может принести компании пользу. После выявления приоритетных решений большинству компаний потребуются новые специалисты (штатные либо привлеченные), которые смогут подобрать наиболее подходящие методы с учетом стоящих перед компанией задач. При создании аналитического отдела важно сформировать механизмы обратной связи между ним и группами, отвечающими за производство на местах. Это позволит новому подразделению эффективно функционировать и непрерывно работать над увеличением стоимости.

Необходимо помнить о том, что подготовка инструментальных средств поддержки решений — это лишь малая часть полноценной аналитической работы. Для превращения выводов в действия понадобятся процессы, позволяющие руководству компании принимать оптимальные решения на уровне всей организации. Компания также должна сделать так, чтобы связанные с решениями права и обязанности способствовали применению этих процессов и аналитических систем. Наконец, необходимо установить КПЭ, которые будут стимулировать сотрудников использовать аналитические методы и выполнять рекомендации аналитического отдела.

Применение современных аналитических методов уже помогло ведущим компаниям добиться заметной экономии и укрепить конкурентное преимущество. Но это лишь отправная точка. Умелое использование инструментов перспективной аналитики способно полностью изменить процесс управления компаниями из многих отраслей. В условиях растущей конкуренции предприятия, которые не хотят изучать и использовать эти возможности, рискуют навсегда отстать от лидеров рынка. Применение современных аналитических методов становится одним из необходимых условий операционной эффективности.

BCG Review
Previous Page