Тимофій Милованов: Для цифрової трансформації люди важливіші за технології

Тимофій Милованов, Почесний президент KSE, професор Піттсбурзького університету, поділився своїми спостереженнями про великі трансформації та запропонував практичне застосування digital-інструментів, які дозволять ефективніше використовувати сучасні можливості.

Діджиталізація, як будь-яка зміна процесу має бути цілісна. Якщо вона не працює вся повністю, вона зламається. Це те, що називається в економіці комплементарністю. Процеси треба змінювати одночасно: ви не можете замінити один процес і одночасно не замінити інший.

Подумайте дві хвилинки, чи є у вашого бізнесу можливість використати цифрову трансформацію. А я потім накреслю матрицю змін, про те, як її зробити.

Зазвичай проблема з цифровими трансформаціями полягає в тому, що після того, як ви почнете їх робити, вони можуть відкотитися назад.

Коли з’являється нова технологія, ви намагаєтесь в неї інвестувати. Наприклад, ми інвестували в CRM для того, щоб робити фандрейзинг. Як ми його використовуємо? Ну зовсім на базовому рівні. Я думаю, це потрібно 3–5 років, для того, щоб ми почали робити по-справжньому цифровий фандрейзинг, розробляти профілі людей. Щоб CRM запрацював, треба змінити інший процес.

Якщо відволіктися від бізнесу…

Давайте подумаємо про реформи. Ми можемо зробити реформу поліції, ми можемо зробити судову реформу, ми можемо зробити реформу детективів. Але, припустимо, ми не зробили реформу прокурорів, забули. І далі уявіть…

 

Ви схопили злочинця, злочин є на відео, у вас є навіть доказ — пістолет, ви його поклали в пакетик, закрили, поліція віднесла його детективам. Детективи передали доказ прокурору, щоб той, у свою чергу, передав його в суд. Під час того, як прокурор був у своєму кабінеті, йому подзвонив телефон, прокурор вийшов, не закривши кабінет, де лежав той пістолет. Потім він повернувся, подивився на пістолет, все було нормально. Він приніс справу до суду. А суддя вже реформований, в Канаді вчився. Каже: “А це точно той пістолет? Тому що захист каже, що це не той”. А прокурор відповідає: “Точно той”. А суддя каже, що знає, як прокурор виходив з кімнати й двері за собою не зачинив. Питає: ”Чи існує можливість того, що в той момент підмінили пістолет?”. Прокурор відповідає, що ні, бо там нікого не було. А суддя каже: “Але ви двері не зачиняли?” Прокурор: “Ні, не зачиняв”. Суддя: “А є камера, яка показує, що ніхто не заходив?” Прокурор: “Ні, немає”. Суддя: “А були інші люди у відділку? Були не поліціянти, а якісь корупціонери?” Прокурор: “Були!” Суддя: “А вони могли потенційно зайти?” Прокурор: “Ну могли, але я ж дивився, нікого не було”. І справи у вас немає.

 

Щоб у вас працював ланцюжок доказів від А до Я, вам потрібно довести, що ви привезли до суду той самий артефакт, який був отриманий на місці злочину. Якщо ви реформували майже всі ланки, окрім однієї, є ризик, що система повністю «відкотиться» назад. Ви можете видати поліції нагрудні камери, які будуть доводити, що це той самий пістолет, але 2–3 такі «розвалені» справи в суді й камери виключать, бо вони нікому не потрібні. Це також приклад про цифрові трансформації. Якщо вся система не працює у синергії, вона зламається. Це те, що в економіці називається комплементарністю. Процеси потрібно змінювати одночасно, ви не можете змінювати один процес і не змінити всього іншого.

 

Так само і в бізнесі…

Наприклад, у фандрейзингу. Мої клієнти — це донори школи. Я створюю для них цінність — організовую події, де їм цікаво виступити, чи які цікаво підтримати, створюю щось, що викликає у них гарні відчуття, знайомлю їх зі спільнотою KSE — нашими друзями, випускниками.

Щоб робити це у цифровому форматі, мені потрібен data-аналітик, який збиратиме у Фейсбуці, чи та телебаченні, чи, наприклад, в журналі «Новое время» інформацію про цих людей і аналізуватиме її. Також мені потрібна ще одна людина, яка використовуючи цей аналіз потім таргетує потенційних донорів, спілкується з ними. Якщо в мене немає однієї з частин цього пазлу, інша частина не потрібна. Якщо аналіз поганий, то такими даними не вдасться скористатися. Або ж, якщо немає, кому використовувати результати аналізу, то навіщо використовувати на нього ресурси.

Ну от CRM ми зробили, а використовувати його не навчились, тому що нам потрібен процес збору даних в CRM такий, щоб працював.

Чи знайомі ви з поняттям CIA для баз даних? Ця абревіатура розшифровується як Credibility, Integrity, Accessibility. Всі три характеристики мають бути присутні для того, щоб ваша база даних була хорошою. Це називається CIA framework. Credibility означає, що існує довіра до якості даних. Якщо у вас погана якість даних, то ви не зможете зробити хорошу аналітику, будуть значні відхилення. Integrity означає цілісність, правдивість, тобто що ніхто не втручається у ваші дані — те, що було, те і залишилося. Accessibility — це доступність, наприклад, у вас є ліцензія, і база працює на кожному комп’ютері, а ті люди, які мають доступ до певної частини даних дійсно його мають. Це ще один приклад комплементарності.

 

Як трансформувати процеси, коли все треба робити одночасно?

Перше, що виникне у відповідь на трансформації, це супротив, бо люди не люблять змін. Тут нічого поганого немає. Люди просто воліють почекати, побачити, як піде, і потім приєднатися, не хочуть стати тим, хто почав першим і йому не вдалося. То як робити зміни? Потрібно прописати процес. Наприклад, у вас є абстрактний університет, який ви хочете перетворити в сучасний цифровий навчальний заклад.

Я обрав основні бізнес-процеси та по два підпроцеси для кожного з них. Це проста модель:

Клієнти:

Face to face marketing –- Персональна комунікація

Admission — Ті, хто вступають

Процеси:

Lecturing — Лекції

Exams — Екзамени

Монетизація:

Entry fee –- плата за навчання

Pay as you go — ситуаційна оплата процесів (корупція)

Загалом це стандартна модель (українського) університету.

Продукт, який клієнт отримує — це освіта і диплом.

Хто приймає рішення? Професура, людина, не комп’ютер, не штучний інтелект.
Де ми беремо студентів? День відкритих дверей, викладачі йдуть у школи або навпаки. Це персональна комунікація. Далі ми проводимо вступну кампанію, тестуємо абітурієнтів. Університет — це ж бізнес не для всіх, він має клубну логіку. Ми шукаємо членів клубу, але вони повинні відповідати певним критеріям.

Процеси прості: навчання та іспити. Це стандартна, класична модель університету.

Які в нас механізми монетизації для типового українського університету? Є формальний і неформальний прибуток. Фіксована плата за навчання і ситуаційна оплата процесів (за те, що хтось зробить ваше домашнє завдання, підвищить оцінку, не поставить пропуск тощо).

 

Давайте подумаємо, що варто змінити в університетах?

У сучасному цифровому університеті ми хотіли б знаходити клієнтів через профілювання і таргетування. Ми хотіли б не ходити у школи, а просто подивитись на профілі учнів: оцінки та їх акаунти. А потім напряму надсилати емейли, дзвонити або зустрічатись, але вже з конкретними людьми, які нас цікавлять. У Київській школі економіки є приблизно 800 випускників магістратури та 2000 людей у середньострокових програмах, і ось ми знаємо, хто з них успішний, а хто — ні. Ми можемо поділити їх на групи і подивитись, що у них спільного за їх характеристиками, соціальною поведінкою. Таким чином ми можемо побудувати профілі успішних і неуспішних людей, вони будуть зовсім «сирими», але це все одно буде статистика.

Ми зможемо сказати, що людина, яка ось так реагує на певну подію, має профілі у певних соцмережах, має певний середній бал ймовірно буде більш успішною. Тоді ректор може писати таким людям, пропонувати знижку на навчання. В такому випадку університет скористається статистикою. Звісно, це не панацея, але такий підхід буде корелювати з успіхом людини. Ми просто будемо більше таргетовані.

У базі даних, на якій навчатиметься статистичний алгоритм мають бути різні профілі людей та лише 2 результати «успіх» і «неуспіх», тоді ви можете знайти зв’язок. Це може бути нейронна мережа, або символічна, для якої використовують математику, щоб «зловити» ці закономірності. Звісно, це не дозволить абсолютно точно вгадати всіх успішних у майбутньому людей, але це допоможе більш ефективно розподіляти ресурси, такі як стипендії.

У алгоритмів Machine learning є великі проблеми з упередженістю, з дискримінацією. Це також можна модерувати. Наприклад, якщо ви будете аналізувати результати з математики, то швидше за все, система зробить чоловіків більш успішними. Вона ж корелює з кількістю, пропорція для чоловіків буде більшою. Якщо ви знайдете такі помилки, ви можете їх «почистити» вручну, наприклад, видати більше стипендій жінкам, щоб збалансувати ситуацію.

До речі, саме освітній процес достатньо змінювати частково. Певні матеріали можуть бути доступні онлайн. Але якась частина персонального внеску має залишатися, щоб обговорювати вивчене. Можна змінити суть тестувань, домашніх завдань, щоб вони потребували творчого підходу, а не простого рішення за формулою, саме так це працює в бізнес-школах. Наприклад, студенту ставлять дедлайн і не важливо, скільки часу він витрачає на вирішення завдання, головне мати результат.

Тепер поговоримо про монетизацію — як ми хочемо її змінити? Можливо ми хотіли б вдосконалити систему Pay as you go, тобто корупцію? Ми можемо встановити плату ледь не за кожне домашнє завдання. Можна навіть на блокчейн поставити кожну копію, щоб студенти не копіювали домашню роботу один в одного. А потім якщо для заліку не вистачає певної кількості балів, можна просто офіційно доплатити по виставленому рахунку. Тобто корупцію можна покращити та полегшити її відстежування. Загалом можна вдосконалити цю модель.

 

Комплементарні чи ні?

Тепер треба перевірити на комплементарність між собою ті процеси, які ми хочемо вдосконалити. Ставимо плюси там, де процеси взаємодіють, нулі — там де взаємодія нейтральна, і мінуси, там де процеси заважають один одному. Ми побачимо кластери з «+», які утворились у частині з набором студентів і в частині з оплатою. Якщо подивитися з точки зору цього аналізу на всі українські університети, то виходить, що у нас є два кластери, один освітній — спрямований на пошук талановитих студентів, а інший — пов’язаний з корупцією. А всі інші процеси між собою не пов’язані. Це ознака поганої бізнес-моделі, бо в хорошій всюди мають стояти плюси. В хороших університетах всі бізнес-процеси між собою пов’язані й підсилюють один одного.

Якщо у вас мета побороти корупцію, вам потрібно перетворити плюси в нулі, як мінімум. Вам потрібно автоматизувати вступ і водночас зробити так, щоб під час іспитів і лекцій не було контакту з тими, хто прийматиме гроші. Ви маєте зрозуміти, якщо ви почистите вступ через ЗНО, але не почистите процес прослуховування лекцій і складання іспитів, то корупція просто посунеться на інший рівень, але не зникне.

Загалом, проаналізувавши наші плани перетворень, можна зробити висновок, що процес діджиталізації комплементарний до інших і сприяє покращенню бізнес-процесів.

Далі потрібно зрозуміти, де буде найсильніший спротив.

Вірогідно, що у кластері монетизації, бо кращий автоматизований моніторинг прибутків дозволить простежити цей процес ректору. Можливо також у відділі по роботі з клієнтами, тому що увесь старий маркетинг стане не потрібним. І лише в освітньому процесі буде найбільше плюсів, тому що діджиталізація урізноманітнить технології викладання.

Тому, якщо наша головна мета позбутися корупції, варто почати цифрову трансформацію в освітній частині — лекціях та екзаменах. Це підсилить навички працівників, які працюють з клієнтами й поступово збільшить загальні переваги для компанії, а також послабить корупцію і прибере супротив у сфері монетизації.

Загалом, потрібно дивитися, яка початкова бізнес-модель, яка кінцева, і яка стратегія трансформації. Тому що проблема переходу у вас буде в першу чергу з людьми, а не з технологіями.

Зареєструйтесь і отримуйте цікавинки від KSE першими.