No Data Available: развитие промышленности без данных невозможно

В статье «Что делает предприятие высокотехнологичным в 2024 году?» мы предприняли попытку разобраться в том, что именно позволяет считать промпредприятие не просто современным, но и по-настоящему высокотехнологичным. И дело тут оказалось вовсе не в наличии современных роботов или умении сотрудников пользоваться цифровыми двойниками. Тема оказалась куда глубже, чем могло показаться на первый взгляд.

Одними из главных признаков такого предприятия являются использование передовых научных достижений на производстве, наличие технических инноваций и высоких темпов развития. Достигнуть этого без применения IT-технологий попросту невозможно.

Марк Юстус, директор по развитию бизнеса департамента аналитических решений ГК «КОРУС Консалтинг», рассказал «Промышленным страницам», почему без данных быстрое развитие тяжёлой промышленности будет крайне затруднено.

В 2025 году в России стартует нацпроект «Экономика данных и цифровая трансформация государства». Для компаний, которые предлагают ИТ-услуги, это станет ещё одним стимулом для развития. Однако пока многим российским промышленным предприятиям не хватает опыта работы с данными — как с точки зрения целеполагания, так и с точки зрения использования современных цифровых инструментов.

Сегодня в промышленном секторе, отмечает эксперт, задачи по цифровизации являются приоритетными для большинства компаний. Создаются департаменты по цифровизации, расширяются ИТ-подразделения, привлекаются ИТ-эксперты с рынка и внедряются современные технологические инструменты.

Марк Юстус, директор по развитию бизнеса департамента аналитических решений ГК «КОРУС Консалтинг»

Среди всего спектра цифровых решений отдельное место занимает работа с данными, которая требует качественного сбора, обработки и анализа информации, на основе которой принимаются управленческие решения. Эффекты очевидны: увеличение прибыли, повышение эффективности, развитие новых направлений и бизнес-единиц, снижение производственных и бизнес-рисков. Кажется, «бери и делай», но в реальности картина несколько иная:

Исходя из нашего опыта, значительная часть промышленных предприятий плохо представляет, как взаимодействовать с массивом собираемых и получаемых данных: в основном ИТ-подразделения многих компаний занимаются поддержкой ИТ-инфраструктуры и внедрением ПО. Лишь небольшая часть российских предприятий взаимодействует с данными, но в большинстве случаев аналитика остаётся на ИТ-подразделении, без участия бизнес-заказчика — и такой подход существенно снижает потенциал для использования данных. Несмотря на то, что на основе Big Data можно получать ценные инсайты, бизнес часто недооценивает важность аналитических инструментов.

Опыт показывает, что в 70% случаев на производственных площадках отчётность ведётся в Excel, данные в табличный редактор заносятся вручную, собираются с помощью почты, по телефону либо берутся из отчётных материалов других цехов, задача которых — просто вовремя сдать требуемые документы. В итоге качество и ценность собираемой информации заметно снижаются. В таких ситуациях необходимо полностью менять подход к сбору, структурированию и анализу данных.

Как данные сокращают издержки на производстве?

На примере крупной металлургической компании можно проиллюстрировать, какую пользу может принести качественная работа с данными на производстве. Допустим, на предприятие стало поступать большое количество претензий из-за бракованных изделий, и перед главным инженером поставили задачу — повысить количество и качество выпускаемой продукции. Аудит выявил, что изменения технологических параметров производственных процессов не фиксируются. Контроль показателей осуществляется, но условия, при которых в работе появляется брак, не описываются и не регистрируются. Ведётся только фактический учёт дефектов и типов бракованной продукции, поэтому невозможно найти источник проблемы, изменить производственный процесс, и, как следствие, нельзя принять взвешенное решение о его оптимизации.

Для того чтобы решить эту задачу, нужно формализовать и автоматизировать процесс изготовления продукции, а также контролировать все сопутствующие условия, фиксируя показатели (температуру, давление, время плавки металла, твёрдость и пластичность изделия, толщину и состав металлического слоя) с определённой периодичностью. При возникновении внештатных ситуаций можно будет оперативно выявлять закономерности и определять причину возникновения проблемы. Это может быть, например, превышение температурной нормы в технологических процессах, которое часто возникает из-за несвоевременного обслуживания оборудования. Таким образом, сбор, сортировка и очистка данных позволяют выявлять технические нарушения при производстве изделий. Последующий анализ даёт возможность принять управленческое решение — повысить частоту обслуживания и ремонта оборудования, что, в свою очередь, поможет сократить издержки, связанные с бракованной продукцией.

Какие методологии нужны для работы с данными?

Важно помнить, что невозможно организовать эффективную работу с данными без описанных стратегии и методологии, определённых целей по развитию и оптимизации производства, сбора данных и, самое главное, без выстроенной культуры по взаимодействию с данными.

Развитие предприятия за счёт data-driven подхода также невозможно без активного участия «владельцев» данных и различных бизнес-процессов: руководителя подразделения, директора по развитию бизнеса и вообще любого сотрудника, который отвечает за работу с данными. Ценность данных формируется только тогда, когда они «обрастают» аналитикой и их можно использовать как для решения сугубо технических, так и для бизнес-задач. Отчёт должен преследовать конкретную цель и формироваться с помощью современных инструментов сбора, обработки, хранения и визуализации данных (ERP, MES, IIoT, хранилища данных, BI и аналитические инструменты и т. д.). Показатели процессов должны быть описаны, цели аналитики данных должны быть понятны. Всё это должно быть закреплено в стратегии по работе с данными, а стратегия — реализована с помощью актуальных инструментов (каталог данных, бизнес-глоссарий, Data Quality, Master Data Management) и выстроенной культуры управления данных участников процесса.

Время, когда решения принимались специалистами только на основе их опыта, прошло. Теперь они могут использовать аналитику и опираться на множество показателей. В этих условиях возможно увеличить прибыль, снизить риски и повысить эффективность предприятия.

С чего начать и как работать с массивом данных?

Протестируйте полный цикл оптимизации всего производственного процесса: от выявления проблемы до запуска нового подхода к работе с данными.
Определите текущую ситуацию (AS IS) в этом производственном подразделении. Найдите ошибки в бизнес-процессах: отсутствие бизнес-целей, некачественный и неверный сбор информации, недостаток ответственных за данные, неграмотное использование ИТ-инструментов и т. д.
Опишите цели, которых вы хотите добиться (выйти в топ на рынке, повысить качество продукции, снизить её себестоимость), и ответьте на вопрос «Как аналитика данных в этом поможет?». После этого будет понятно, как именно нужно получать данные, анализировать их, а также — как менять производственные и бизнес-процессы, чтобы достигнуть желаемого.
Сформулируйте «идеальный» процесс работы предприятия с использованием анализа данных (процесс TO BE), стратегию управления данными. Опишите дорожную карту с измеримыми целями, понятными задачами и адекватными сроками. Установите ответственных за выполнение задач и ответственных за работу с данными.
Начните изменение процессов на выбранном участке исходя из дорожной карты. Внедряйте ИТ-инструменты для повышения качества данных, создания единого бизнес-глоссария и номенклатуры и т. д.
При достижении либо отсутствии эффекта, учитывая все ошибки и знания из первых проектов и опыта, реплицируйте процесс в других цехах, либо начните исправлять текущие соответственно.

Время менять мышление

Что же можно посоветовать промышленникам, делающим первые шаги во взаимодействии с большими данными? Всё просто:

Не бойтесь ошибаться. Ошибку всегда можно обнаружить, принять и исправить. Главное — иметь под рукой стратегию по работе с данными, чтобы корректировать свой путь в рамках ключевых процессов.
Мотивируйте сотрудников, работающих с данными, и собирайте обратную связь. Будьте готовы, что изменение процессов, особенно по работе с данными, нередко вызывает недовольство у сотрудников, например потому, что они не хотят менять привычные для них вещи. При грамотной мотивации каждого участника процесса (к примеру, если сбор и анализ данных будут входить в KPI сотрудника) и правильно показанном примере процесс адаптации изменений пойдёт намного проще.
Найдите лидера изменений. Наймите или назначьте проактивного человека, который будет отвечать за процесс изменений, инициировать и контролировать его.

Практика показывает, что компании, использующие data-driven подход, имеют высокий уровень цифрового развития, который ведёт к увеличению показателя EBITDA. Для достижения такого подхода следует применять практики других компаний и бизнесов, менять мышление и культуру, верить и вкладываться в изменения.

Разумеется, у бизнеса не всегда хватает опыта и компетенций, чтобы начать правильно взаимодействовать с данными и извлекать из них пользу. В этом случае можно привлекать внешних консультантов, которые делятся отраслевой практикой на основе опыта других компаний. Консалтинговые компании экономят время и не дают совершить ошибки, которые делают все начинающие. Вы можете начать работать в паре с консультантом, а затем перестраивать процессы работы с данными самостоятельно.

Взаимодействие с консалтинговыми компаниями похоже на ремонт автомобиля. Нет смысла чинить автомобиль своими силами, если вы не знаете, как это делать, и ни разу не пробовали. Проще обратиться в автосервис и при желании понаблюдать за процессом ремонта. При следующей поломке можно провести ремонт самостоятельно либо обратиться в этот же сервис к проверенному специалисту.