Бережливые инновации. Технологии умных затрат
Шрифт:
Вооружившись взглядом изнутри и собственноручно полученным опытом, Ямазаки и Каваи создали простую в использовании систему поддержки принятия решений, опирающуюся на точные данные, регулярно собираемые из множества взаимодополняющих источников, включая сенсорные датчики температуры, количества осадков и влажности почвы по всем садам Сава. Данные сверяются с имеющимися у производителя результатами многолетних наблюдений, после чего садоводам выдаются рекомендации относительно интенсивности полива и сроков проведения конкретных видов сельскохозяйственных работ. Кроме того, система автоматически ведет учет фактических затрат на выращивание мандаринов, что помогает фермерам запрашивать более обоснованную и справедливую цену за свою продукцию. Также организован сбор данных об интуитивном опыте, накопленном работниками сельского хозяйства с большим стажем, с тем чтобы передать
В результате при тех же трудозатратах в садах Сава значительно повысился выход готовой продукции, а расход воды в системах орошения удалось существенно сократить благодаря оптимизации интенсивности полива в зависимости от сезонных факторов. Но едва ли не самым главным достижением стало значительное улучшение вкусовых качеств выращиваемых там мандаринов. Ямазаки и Каваи теперь убеждены, что без погружения в производственную среду невозможно в полной мере понять и оценить проблемы и выработать простые и эффективные решения.
Конечно же, исследователям и разработчикам не всегда обязательно гнуть спину на плантациях по 14 часов в сутки, чтобы прочувствовать боль и тяготы клиентов. Бывает, что новые инструменты и технологии позволяют виртуально испытать и понять трудности, с которыми сталкиваются потребители. Например, специалисты по проектированию решений, доступных для лиц с ограниченными возможностями, при Кембриджском университете разработали для этих целей замечательный набор инструментов, включая очки, воспроизводящие различные пороки зрения, и тяжелые перчатки, имитирующие ощущения людей с артритом, который мешает им управляться даже с простейшей бытовой утварью типа консервных ножей.
Вместо того чтобы разрабатывать перенасыщенные инженерными решениями продукты, запершись в «башне из слоновой кости», проектировщики сегодня имеют возможность быстро строить вполне годные прототипы, делиться ими с потребителями, а затем оперативно дорабатывать с учетом откликов.
Новые цифровые инструменты поддерживают быстрое онлайновое создание прототипов, что значительно снижает затраты времени и труда на широкое привлечение потребителей к их тестированию. В частности, Affinnova предлагает компаниям использовать разработанную ею информационно-технологическую платформу, основанную на мощных алгоритмах оптимизации и прогностического анализа, для быстрого итеративного совершенствования проектов по результатам получаемых в интернет-режиме откликов потребителей о тестируемых прототипах. В частности, разработанная компанией методология IDDEA (Interactive Discovery & Design by Evolutionary Algorithms) [36] позволяет численно анализировать реакцию клиентов на представляемые им прототипы, оперативно генерировать и предлагать целый ряд альтернативных вариантов проекта. Эти алгоритмы позволяют выявлять предпочтения потребителей и использовать их для выработки новых решений при помощи компьютерной программы, работающей по принципу имитации генетического и эволюционного развития. Процедура может циклически повторяться до достижения желаемого результата. Цифровые инструменты Affinnova сегодня широко используются такими всемирно известными брендами, как Procter & Gamble, Nestl'e и Unilever.
36
«Умные + подключенные сообщества» (англ.). – Примеч. ред.
Но не все категории продуктов в равной мере поддаются осмыслению в рамках онлайновой обратной связи. Нередко для задействования потребителей на действительно качественном уровне приходится перемещаться и в реальный физический мир. Для этого можно использовать, например, «лаборатории погружения», такие как демонстрационная лаборатория американского производителя строительной и горнодобывающей техники Caterpillar, где клиентам предлагается «поиграть» с новыми прототипами и моделями и незамедлительно поделиться своими отзывами с инженерами-конструкторами. В отличие от проверки концептуальных замыслов, когда от пользователей-тестировщиков требуется в явном виде высказать свои нужды и пожелания, методология «лабораторного погружения» позволяет исследователям наблюдать за живой реакцией пользователей, «играющих» в прототипы, делать выводы относительно того, чего именно им не хватает, и на основе этого заключать, что конкретно нужно делать дальше, чтобы довести проектируемый
И потребительские продукты, и промышленное оборудование все больше предусматривают подключение к интернету. Мобильные устройства и интернет вещей (физические объекты с идентификаторами и/или интерфейсами) позволяют исследователям собирать колоссальные объемы данных, анализировать их на предмет выявления и прогнозирования нужд потребителей и своевременно откликаться на эти нужды, учитывая их в новых технических решениях.
Такой подход, получивший название «прогнозная аналитика», дает особо мощный эффект в контексте технологичных решений для промышленности. Светотехническое подразделение Philips, занимающееся коммерческой разработкой и установкой систем освещения крупных промышленных и инфраструктурных объектов, служит хорошим примером планомерного использования такого подхода.
Компания (по согласованию с заказчиком) оснащает каждый осветительный прибор сенсорным выключателем и датчиком движения, после чего вся система освещения становится для нее источником обширных данных о времени включения, интенсивности использования и отключения светильников, которые поступают в центральную информационную систему. Глава американского отделения Philips Lighting Боб Эсмейер поясняет:
Со временем мы накопим достаточно данных для разработки полностью автоматизированных систем освещения, которые будут работать сами по себе – определять световой поток с улицы, двигательную активность в помещениях и соответствующим образом регулировать интенсивность освещения [37] .
Прогнозная аналитика может оказаться полезной и компаниям, специализирующимся на оказании услуг, поскольку позволяет заблаговременно выявлять риски и принимать меры для минимизации их последствий. К примеру, одна из ведущих мировых страховых медицинских компаний Aetna совместно с Newtopia, разработчиком компьютерных средств персонализированного консультирования по вопросам здоровья, апробируют систему, использующую уникальный генетический профиль для выявления рисков для здоровья пользователей, таких как метаболический синдром, обусловливающий предрасположенность к сахарному диабету и сердечно-сосудистым заболеваниям. По результатам оценки пользователям предлагаются индивидуальные рекомендации по минимизации риска развития или усугубления этих хронических заболеваний. Другой пример такого рода – использование операторами мобильной связи прогнозно-аналитического средства, разработанного американской ИТ-компанией Alteryx и предназначенного для выявления среди высокоценных клиентов лиц с большим риском перехода к другим операторам и принятия в их отношении упреждающих маркетинговых мер, направленных на удовлетворение обойденных вниманием потребностей с целью удержать этих клиентов.
37
Booz & Company, op. cit.
Таким образом, у компаний имеется немало способов систематического вовлечения пользователей в процесс исследований и разработок с целью выявления их реальных покупательских нужд. При этом привлечение потребителей к активному участию еще на стадии создания концепции будущих продуктов и услуг является необходимым, но не достаточным условием обеспечения своевременной разработки компанией качественных и недорогих решений. Для этого, помимо сбора вводных данных, у компании должны быть тщательно пересмотрены и отлажены внутриорганизационные процессы на стадии проработки и внедрения инноваций.
Тыловая поддержка инноваций: адаптивность исполнения
Инновационный процесс подобен военно-транспортной колонне, где все участники от первого до последнего должны двигаться с одинаковой скоростью, дабы строй не растягивался и оставался компактным. К сожалению, машина тыловой поддержки инноваций во многих фирмах пробуксовывает и отстает от общего движения, а значит, отделы исследований и разработок должны иметь инструменты для оказания помощи своим коллегам-производственникам в ускорении внедрения новинок в серию. В частности, в связи с этим иногда бывает полезно отвлечься от эффективности разработки и уделить внимание большей гибкости проекта в плане его практической реализации. Для ускорения внедрения инноваций фирмы могут использовать целый ряд общедоступных и хорошо зарекомендовавших себя приемов.