Alibaba и будущее бизнеса

Мин Цзэн

В сентябре 2014 года Alibaba попала в заголовки СМИ как компания с самым большим IPO в мире. На сегодняшний день она входит в десятку крупнейших компаний по рыночной капитализации, превзошла Walmart по продажам и расширилась на все основные мировые рынки. Имя ее основателя Джека Ма стало чуть ли не нарицательным.

С момента появления в 1999 году Alibaba пережила мощнейший рост своей платформы электронной коммерции. Однако еще в 2007-м, когда команда ее руководителей — к которой я присоединился за год до этого — собралась для обсуждения стратегии во второсортной гостинице у моря в Нинбо, провинция Чжэцзян, она вовсе не была похожа на мирового лидера. Во время этого совещания наши разрозненные наблюдения и идеи, касающиеся трендов в электронной коммерции, начали сливаться в единый образ будущего, и в конце концов нам удалось выработать общее видение. Мы поняли, что должны «стимулировать развитие открытой, скоординированной, процветающей экосистемы электронной коммерции». Вот тогда-то и начался истинный путь Alibaba наверх.

Мы осознали, что особая инновация Alibaba состояла в том, что мы строили настоящую экосистему — сообщество организмов (бизнесов и потребителей разных типов), взаимодействующих друг с другом и с окружающей средой (онлайн-платформой и внешними офлайн-элементами). Мы хотели, чтобы платформа сама обеспечивала все ресурсы или доступ к ним — для процветания нашего онлайн-бизнеса и поддержания эволюции экосистемы.

Эта экосистема вначале была простой. Мы связали покупателей и продавцов товаров. По мере развития технологий все больше функций перемещались в онлайн — в том числе такие традиционные виды деятельности, как реклама, маркетинг, логистика и финансы, а также новые, такие как партнерский маркетинг, рекомендации продуктов и формирование общественного мнения через соцсети. Расширяя нашу экосистему так, чтобы она вобрала в себя все эти инновации, мы помогали создавать новые типы онлайн-бизнесов, попутно преображая китайский сектор розничной торговли.

Сегодня Аlibaba — не просто компания интернет-торговли. Она представляет собой то, что вы получите, если возьмете все виды деятельности, связанные с торговлей, и объедините их через интернет в обширную цифровую сеть продавцов, маркетологов, провайдеров услуг, логистических компаний и производителей. Иными словами, Alibaba делает то, что в США делают Amazon, eBay, PayPal, Google, FedEx, предприятия оптовой торговли и большая часть производителей со здоровым вкраплением вспомогательных финансовых сервисов.

Из десяти самых дорогих компаний мира на сегодняшний день семь — это интернет-компании с моделью, похожей на нашу. Пять из них — Amazon, Google и Facebook в США и Alibaba и Tencent в Китае — существуют не более 20 лет. Откуда так быстро возникли такая капитализация и рыночная мощь? Все дело в новых возможностях сетевой координации и сбора данных, которые стали использовать эти компании. Их экосистемы гораздо более экономически эффективны и ориентированы на потребителя, чем традиционные отрасли. Эти компании используют подход, который я называю умным бизнесом, и я уверен, что именно он будет определять логику бизнеса в будущем.

Идея вкратце

Что такое умный бизнес?

Умный бизнес возникает тогда, когда все игроки, участвующие в достижении общей бизнес-цели — например, в розничной торговле или сервисе совместных поездок, скоординированы в онлайн-сеть и используют технологию машинного обучения для эффективного использования данных в режиме реального времени. Эта технологическая модель, в которой большинство операционных решений принимается машинами, позволяет компаниям динамично и быстро адаптироваться к меняющимся условиям рынка и предпочтениям потребителей, получая огромное конкурентное преимущество по сравнению с традиционными бизнесами.

Конечно, для машинного обучения необходимо топливо в виде достаточных вычислительных мощностей и объемов цифровых данных. Чем больше данных обрабатывает алгоритмический движок и чем больше итераций он проводит, тем лучше результат. Специалисты вырабатывают вероятностные прогностические модели для конкретных действий, а затем алгоритм перелопачивает массивы данных и с каждой итерацией выдает все более совершенные решения. Эти прогностические модели становятся основой для большинства бизнес-решений. Таким образом, машинное обучение — не просто технологическая инновация; оно предлагает нам новые способы ведения бизнеса, позволяя заменять человеческий процесс принятия решений алгоритмическим.

Поразительную иллюстрацию того, как может выглядеть будущее, дает нам Ant Microloans. Когда Alibaba в 2012 году запустила этот сервис, типичные суммы кредитов, выдаваемых крупными китайскими банками, исчислялись миллионами долларов. Минимальная сумма кредита — около 6 млн юаней, или чуть меньше $1 млн — значительно превышала средства, в которых нуждалось большинство малых и средних предприятий. Банки не желали обслуживать компании, у которых отсутствовала кредитная история или даже адекватная документация их бизнес-деятельности. Из-за этого десятки миллионов китайских предприятий испытывали серьезные трудности с привлечением денег, необходимых для развития и роста.

Мы в Alibaba поняли, что у нас есть то, что необходимо для создания высокофункционального, масштабируемого и прибыльного бизнеса по кредитованию малого и среднего бизнеса — огромная масса данных по транзакциям, проведенных малыми предприятиями на нашей платформе. Поэтому в 2010 году мы запустили революционный цифровой бизнес по микрокредитованию, чтобы предложить предприятиям кредиты в размере не более 1 млн юаней (около $160 000). За семь лет работы было выдано кредитов более чем на 87 млрд юаней ($13,4 млрд) почти трем миллионам малых и средних предприятий. Средняя сумма кредита составила 8000 юаней, или около $1200. В 2012 году мы объединили этот бизнес с Alipay, нашей весьма успешной платежной системой, и создали Ant Financial Services. Мы дали новому предприятию такое название, чтобы отразить идею того, что мы хотим поддержать все маленькие, но трудолюбивые, похожие на муравьев, компании.

Сегодня Ant с легкостью обрабатывает заявки на кредиты на любые суммы, даже на несколько сот юаней (около $50), буквально за несколько минут. Как это возможно? При встрече с потенциальным заемщиком кредитной организации нужно ответить всего лишь на три основных вопроса: можем ли мы дать ему кредит, сколько мы должны дать и какой будет процентная ставка. Так как продавцы, пользующиеся нашей платформой, открывают нам доступ к своим данным для анализа, ответить на эти вопросы нам легко. Наши алгоритмы рассматривают данные о транзакциях и оценивают, насколько хорошо идут дела у данного предприятия, конкурентоспособны ли его предложения на рынке, высоки ли кредитные рейтинги его партнеров и т.д.

Ant использует эти данные для сравнения благонадежных (тех, кто платит вовремя) и неблагонадежных заемщиков и определяет характеристики, свойственные каждой группе. Затем эти характеристики используются для расчета кредитной оценки. Конечно, все кредитные организации делают это тем или иным образом, но в Ant это происходит автоматически по всем заемщикам и всем данным об их деятельности в реальном времени. Каждая транзакция, каждое взаимодействие между продавцом и покупателем, каждое обращение к другим сервисам Alibaba, буквально каждое действие, предпринятое с использованием нашей платформы, оказывает влияние на кредитную оценку бизнеса. В то же самое время алгоритмы, подсчитывающие эту оценку, и сами развиваются в реальном времени, с каждой итерацией повышая качество принятия решений.

Чтобы определить, сколько денег можно выдать и сколько процентов взять, нужно проанализировать различные типы данных, сгенерированных внутри сети Alibaba, например, чистый валовой доход и оборачиваемость запасов, а также информацию, не поддающуюся столь точному математическому измерению, например, жизненный цикл продукта и качество деловых и социальных взаимоотношений продавца. Для оценки качества взаимоотношений алгоритмы могут, к примеру, проанализировать частоту, продолжительность и тип коммуникаций (быстрые сообщения, электронная почта или другие способы связи, распространенные в Китае).

Наши специалисты по обработке данных определяют и проверяют, какие именно данные способны дать нужную информацию, а затем разрабатывают алгоритмы для их отбора и фильтрации. Эта работа требует, с одной стороны, глубокого понимания бизнеса, а с другой — профессионализма в алгоритмах машинного обучения. Давайте вернемся к Ant Financial. Если продавец с плохим кредитным рейтингом вовремя выплачивает свой заем, а тот, кто считался благонадежным — оказывается злостным нарушителем, очевидно, что алгоритм нуждается в доработке. Инженеры могут быстро и легко проверить свои гипотезы. Какие параметры нужно добавить или исключить? Каким типам поведения пользователей нужно придать больший вес?

По мере того, как корректируемые алгоритмы дают все более точные прогнозы, риски и издержки Ant устойчиво снижаются, и заемщики получают деньги в нужном объеме, в нужное время и на условиях, которые они могут выполнить. В результате мы имеем крайне успешный бизнес: в сфере микрокредитования процент невозврата составляет около 1% — значительно ниже, чем средние 4% по оценке Всемирного банка на 2016 год.

Так как же нам удалось создать такой бизнес?

Автоматизация всех операционных решений

Чтобы ваша компания стала умным бизнесом, нужно добиться того, чтобы максимум возможных операционных решений принималась компьютерами на основании «живых» данных, а не людьми на основании их собственного анализа. Преобразование процесса принятия решений происходит в четыре шага.

Шаг 1. Собирайте данные по всем взаимодействиям потребителей

Ant очень повезло, что у нее был доступ к огромному массиву данных о потенциальных заемщиках, которые позволяли ответить на вопросы, необходимые для данного бизнеса. Для многих других сфер процесс сбора данных может быть более сложным. Но «живые» данные необходимы для создания петель обратной связи, на которых основывается машинное обучение.

Возьмем, к примеру, бизнес по прокату велосипедов. Китайские стартапы использовали мобильную телефонию, интернет вещей (в виде «умных» велосипедных замков) и существующие мобильные платежные и кредитные системы для обработки данных обо всем процессе проката.

Краткий обзор основных бизнесов Alibaba

Китайские онлайн-площадки розничной торговли

Taobao Marketplace

Tmall

Rural Taobao

Международные и глобальные площадки

AliExpress

Tmall Global

Lazada

Оптовая торговля

1688.com (Китай)

(в мире)

Цифровые СМИ и развлечения*

Youku Tudou (онлайн-видео)

Alibaba Pictures

Alibaba Music

Alibaba Sports

UC (мобильный браузер)

Другие сервисы*

AutoNavi (карты и навигация)

Koubei (локальные услуги)

(доставка)

Финансы

Ant Financial (включая Alipay)

MYbank

Логистика*

Cainiao Network

Облачные вычисления*

Alibaba Cloud

* Основные компании с долевым участием Alibaba Group и ее партнеры.

Традиционно прокат велосипедов представлял собой следующий процесс: клиент приходит на определенное место стоянки, оставляет залог, сотрудник выдает ему велосипед, он использует его, возвращает, а затем платит за прокат наличными или кредиткой. Несколько конкурирующих китайских компаний оцифровали этот процесс путем интеграции различных новых технологий с уже существующими. Важнейшей инновацией стала комбинация QR-кодов и электронных замков, что позволило автоматизировать процесс оформления и оплаты проката. Открыв специальное приложение, клиент может видеть, где есть свободные велосипеды, и зарезервировать ближайший. Придя на место стоянки, он с помощью приложения сканирует QR-код на велосипеде. Если у этого человека есть деньги на счете и он соответствует критериям, определенным правилами проката, QR-код открывает электронный замок. Приложение даже способно проверить кредитную историю клиента через систему Sesame Credit, новый онлайн-продукт Ant Financial для потребительских кредитных рейтингов. Это позволяет клиенту не оставлять денежный залог, что еще больше ускоряет процесс. При возвращении велосипеда транзакция завершается запиранием замка. Все это очень просто, понятно и обычно занимает всего лишь несколько секунд.

Автоматизация сбора данных по процессу проката существенно улучшила потребительский опыт. На основании этих данных, получаемых в реальном времени, компании могут отправлять велосипеды туда, где они будут востребованы. Они также посылают постоянным клиентам уведомления о наличии свободных велосипедов поблизости. В значительной мере благодаря этим инновациям стоимость проката велосипедов в Китае снизилась до всего лишь нескольких центов в час.

Большинство бизнесов, которые зависят от данных, обычно собирают и анализируют информацию для создания причинно-следственных моделей. Затем такая модель выделяет важнейшие элементы из всего массива доступной информации. Но в умном бизнесе данные используются не так. Такой бизнес собирает всю информацию, появившуюся в ходе взаимодействия и коммуникации с потребителями и другими участниками сети, а затем алгоритмы определяют, какие данные релевантны.

Шаг 2. Программируйте всю деятельность

В умном бизнесе все виды деятельности — не только управление знаниями и взаимоотношения с клиентами — организуются при помощи ПО, что позволяет автоматизировать принятие любых решений, которые влияют на эту деятельность. Это не означает, что любой компании для управления своим бизнесом нужно приобрести или разработать свои программы планирования ресурсов (ERP) — как раз наоборот. Традиционное ПО делает процессы и решения менее гибкими и часто только мешает. Доминирующей логикой для умного бизнеса должно быть реагирование в реальном времени. Первое, что необходимо — построить модель того, как люди в данный момент принимают решения, и найти способы повторить простые элементы этого процесса с помощью ПО. Это не всегда просто, учитывая, что многие человеческие решения зачастую основываются на «здравом смысле» или даже подсознательных нейрологических процессах.

Рост Taobao, «домашнего» сайта розничной торговли Alibaba Group, стимулируется непрерывной цифровизацией процесса торговли. Одним из первых важных программных инструментов, созданных Taobao, стала система быстрых сообщений под названием Wangwang для общения продавцов и покупателей. С ее помощью продавцы приветствуют покупателей, представляют свои товары, обсуждают цены и так далее — как люди в обычном магазине. Alibaba также разработала набор программных инструментов, которые помогают продавцам создавать и запускать более сложные онлайн-витрины. С началом работы своих онлайн-магазинов продавцы получают доступ к другим продуктам для выпуска купонов, предложения скидок, ведения программ лояльности и обеспечения других видов взаимодействий с покупателями, и все они скоординированы между собой.

Так как большинство ПО сегодня работает в виде онлайн-сервисов, важное преимущество цифровизации ведения бизнеса состоит в том, что оперативные данные собираются естественным образом как часть бизнес-процесса, создавая основу для применения технологий машинного обучения.

Шаг 3. Обеспечьте поток данных

В экосистемах с большим количеством взаимосвязанных игроков бизнес-решения требуют комплексной координации. Так, например, система рекомендаций Taobao должна работать с системами управления запасами продавцов и с системами профилей потребителей на платформах различных соцсетей. Ее системе транзакций необходимо работать с предложениями о скидках и программами лояльности, а также передавать информацию в нашу логистическую сеть.

Коммуникационные стандарты, такие как TCP/IP, и интерфейсы программирования приложений (API) очень важны для обеспечения непрерывного потока данных между различными участниками, а также жесткого контроля за тем, кто может получить доступ и редактировать данные во всей экосистеме. API, набор инструментов, позволяющих разным системам «говорить» друг с другом и координировать свои действия онлайн, стал центральным в разработке Taobao. На пути платформы от форума, где продавцы и покупатели могли общаться и заключать сделки, до лидирующего китайского сайта электронной коммерции, продавцам требовалось все больше и больше поддержки от сторонних разработчиков. Чтобы новое ПО имело хоть какую-то ценность, оно должно было быть совместимо со всеми другими программами, использующимися на платформе. Поэтому в 2009 году Taobao начала разрабатывать API для независимых поставщиков ПО. Сегодня продавцы на Taobao подписаны в среднем на более чем сотню программных модулей, и доступ к постоянно обновляющимся «живым» данным существенно снижает их затраты на ведение бизнеса.

Но правильная техническая инфраструктура — это только начало. Нам потребовалось много усилий для создания общего стандарта, который позволил бы одинаково использовать и интерпретировать данные всем бизнес-подразделениям Alibaba. Помимо этого, важная и непростая задача — выработать правильную систему стимулов для того, чтобы компании свободно делились своими данными. Но нам еще предстоит много работы. Конечно, степень инновационности в этой сфере зависит отчасти и от правил, регулирующих обмен данными в каждом конкретном государстве. Но общее направление очевидно. Чем больше поток данных в сети, тем «умнее» становится бизнес, и тем больше ценности создает экосистема.

Шаг 4. Применяйте алгоритмы

Когда все бизнес-операции ведутся онлайн, возникает настоящая лавина данных. Чтобы успешно усвоить, интерпретировать и использовать эти данные, компания должна создавать модели и алгоритмы, которые помогут выявить логику продуктов или динамику рынка, которые она должна оптимизировать. Это большое креативное дело, требующее различных новых навыков, поэтому мы и видим сейчас огромный спрос на специалистов по работе с данными и экономистов. Их задача — конкретизировать, какую работу необходимо выполнять машине, и они должны четко определить, что в условиях данного бизнеса представляет собой хорошо сделанная работа.

С самого начала нашей целью в Taobao было сделать эту площадку подходящей под запросы любого человека. Это было бы невозможно без достижений машинного обучения. Сегодня, когда потребитель заходит на сайт, он видит созданную специально для него страницу с товарами, отобранными для него из миллиардов предложений миллионов продавцов. Эта подборка создается автоматически мощным движком рекомендаций Taobao. Его алгоритмы, разработанные для оптимизации коэффициента конверсии каждого визита, перелопачивают все данные, сгенерированные платформой в самых разных областях деятельности — от операций до обслуживания покупателей и безопасности.

Ключевым моментом в развитии Taobao стал переход в 2009 году от простого просмотра, который работал достаточно хорошо, пока у платформы было относительно немного посещений и предложений, к поисковой системе, поддерживаемой алгоритмами самообучения и способной обрабатывать огромные объемы запросов. Кроме того, Taobao экспериментировала с поисковыми алгоритмами визуального распознавания, которые могли по фото желаемого товара, предоставленного покупателем, найти похожие товары на платформе. Пока мы находимся лишь на начальном этапе использования этой технологии, но она уже стала очень популярной у покупателей, обеспечивая около 10 млн уникальных посещений в день.

В 2016 году Alibaba представила чат-бот на основе искусственного интеллекта, который помогает группировать потребительские запросы. Он отличается от знакомых большинству людей поставщиков механических услуг, которые запрограммированы на соответствие запросов клиентов ответам из своего «репертуара». Чат-боты Alibaba «обучены» опытными представителями продавцов Taobao. Они знают все о товарах в своих категориях и прекрасно ориентируются в механике платформы Alibaba — условиях возврата, стоимости доставки, коррекции заказов — и прочих часто задаваемых клиентами вопросах. С помощью различных технологий машинного обучения, таких как семантическое понимание, контекстные диалоги, графы знаний, интеллектуальный анализ данных и глубинное обучение, чат-боты быстро улучшают свою способность автоматически диагностировать и решать проблемы потребителей вместо того, чтобы просто выдавать запрограммированные ответы, которые должны подталкивать потребителя к дальнейшим действиям. Они получают от потребителя подтверждение, что предложенное решение его устраивает, а затем исполняют его. При этом никто из сотрудников Alibaba или продавцов не участвует в этом лично.

Чат-боты также могут вносить существенный вклад в доходы продавца. Например, бренд одежды Senma начал использовать такой бот год назад и обнаружил, что его продажи в 26 раз выше, чем у лучших продавцов-людей компании.

Конечно, необходимость в представителях-людях сохранится, потому что именно они продолжают решать сложные или личные вопросы, но способность чат-ботов обрабатывать типичные запросы очень полезна, особенно в дни больших продаж или специальных акций. Ранее большинство крупных продавцов на нашей платформе нанимали временных работников для обработки запросов во время важных событий. Больше этого не происходит. В день крупнейшей распродажи на Alibaba в 2017 году чат-бот обработал более 95% потребительских запросов, ответив приблизительно 3,5 млн человек.

Эти четыре шага — фундамент построения умного бизнеса. Займитесь творческой обработкой данных, чтобы обогатить пул информации, которую использует ваш бизнес, чтобы стать умнее; обеспечьте ПО, которое переведет все рабочие потоки и главных действующих лиц в онлайн; установите стандарты и API, чтобы передавать и координировать данные в реальном времени; и применяйте алгоритмы машинного обучения для принятия умных бизнес-решений. Все виды деятельности, связанные с этими четырьмя шагами, являются важными новыми компетенциями, которые требуют нового типа лидерства.

Роль лидера

На моем курсе умного бизнеса в Хупаньской школе предпринимательства я показываю студентам слайд с фотографиями десяти бизнес-лидеров и прошу их назвать. Они легко узнают Джека Ма, Илона Маска и Стива Джобса. Но почти никто не знает в лицо гендиректоров CitiGroup, Toyota или General Electric.

На это есть своя причина. В отличие от GE, Toyota и CitiGroup, которые поставляют товары или услуги через оптимизированные цепочки поставок, цифровые компании должны использовать сеть, чтобы реализовать свое видение. Для этого их лидерам нужно вдохновлять сотрудников, партнеров и потребителей, которые включены в эту сеть. Они должны быть визионерами и евангелистами, высказываясь так, как нет необходимости высказываться лидерам традиционных компаний.

На самом высшем уровне цифровые евангелисты должны осознавать, что будущее определяется тем, как реагируют их отрасли на социальные, экономические и технологические перемены. Они не могут описать конкретные шаги, необходимые для достижения целей их компаний, потому что окружающая их среда слишком подвижна, а способности, которые могут им понадобиться, пока неизвестны. Вместо этого они должны определить, чего хочет достичь их компания, и создать такую среду, в которой сотрудники смогут быстро осваивать и связывать воедино экспериментальные продукты, тестировать рынки и масштабировать идеи, которые получают положительный отклик. Цифровые лидеры больше не управляют; скорее, они позволяют работникам внедрять инновации и облегчают основной цикл обратной связи, связанный с реакциями пользователей на решения и выполнение их компанией.

В модели умного бизнеса алгоритмы машинного обучения берут на себя бо́льшую часть задачи постепенных усовершенствований, автоматически корректируя систему и повышая ее эффективность. Таким образом, главная работа лидера — это культивирование креативности. Его задача — повышать уровень успешности инноваций, а не эффективность операций.

Компании, которые, как Alibaba, изначально были цифровыми, обладают преимуществом в онлайн-деятельности и обработке данных, поэтому их преобразование в умный бизнес обычно происходит естественным путем. Сейчас, когда уже доказано, что модель работает и меняет старую индустриальную экономику, настало время всем компаниям понять и применять эту новую логику бизнеса. Это может казаться пугающим с технологической точки зрения, но на самом деле вполне осуществимо — чем дальше, тем легче. Коммерциализация облачных технологий и искусственного интеллекта сделала огромные вычислительные и аналитические мощности доступными для всех. Действительно, стоимость хранения и обработки огромных массивов данных значительно снизилась за последние десять лет. Это означает, что применение машинного обучения в реальном времени стало возможным в самых разных отраслях. Быстрое развитие технологии интернета вещей будет все больше «оцифровывать» наше физическое окружение, генерируя еще больше данных. По мере накопления подобных инноваций победителями в ближайшие десятилетия окажутся те компании, которые стали «умными» раньше, чем их конкуренты.

Впервые опубликовано в выпусках за сентябрь–октябрь 2018 года.

Отправить