Менеджмент / Операционное управление

Умный бизнес Alibaba

Умный бизнес Alibaba

|4 октября 2018|Мин Цзэн

О компании Alibaba все заговорили в сентябре 2014 года, когда она провела рекордное по сумме IPO. Сегодня Alibaba входит в топ-10 компаний мира по капитализации, обгоняет Walmart по глобальным продажам и работает на всех крупнейших рынках мира. Имя основателя Джека Ма стало нарицательным.

Созданная в 1999 году Alibaba стала гигантом электронной коммерции. Однако я хорошо помню выездное совещание руководства фирмы, проведенное в 2007 году в обшарпанном отеле приморского города Нинбо (провинция Чжэцзян). К тому времени я пробыл в Alibaba год — и это был еще далеко не тот великан, какого мы знаем сейчас. Именно на упомянутом совещании наши разрозненные наблюдения и догадки о трендах в онлайн-продажах стали сливаться в единое представление о будущем, и мы сформулировали общую концепцию: «Обеспечить разработку открытой, целостной, процветающей экосистемы электронной коммерции». Так началась современная история Alibaba.

ИДЕЯ КОРОТКО

Новая бизнес модель
Alibaba — яркий пример умного бизнеса будущего, высокотехнологичной платформы, координирующей работу множества игроков внутри своей экосистемы.
Как это работает
Участники экосистемы обмениваются данными и применяют технологии машинного обучения, чтобы выявить и удовлетворить потребности клиентов.
Как воплотить
Автоматизировать принятие решений:
извлекая из каждого взаимодействия максимум данных;
реализуя все бизнес-процессы в программной среде;
используя API и иные протоколы интерфейсов для оптимальной совместной работы систем ПО;
применяя машинное обучение для интерпретации данных в реальном времени.

Мы осознали, что подлинная наша новация — в создании экосистемы участников: компаний и потребителей разных типов, взаимодействующих друг с другом и со своей средой — онлайн-платформой и физическими элементами инфраструктуры. Главной целью было оснастить платформу всем необходимым для множества участников интернет-бизнеса, чтобы она сама поддерживала развитие экосистемы.

Сначала она была простой: платформа связывала продавцов с покупателями. Но по мере развития технологий в онлайн уходили все больше функций бизнеса, как известных, например реклама, маркетинг, логистика и финансы, так и совершенно новых, таких как аффилированный маркетинг, системы рекомендации продуктов и герои соцсетей. Расширяя экосистему под эти инновации, мы поддерживали создание новых видов онлайн-компаний — и в итоге полностью преобразили розничную торговлю Китая.

Сегодня Alibaba — это не просто интернет-магазин. Это то, что получится, если взять все функции, связанные с ритейлом, и объединить в расширяющуюся, основанную на данных онлайн-сеть продавцов, маркетологов, поставщиков услуг, логистических компаний и производителей. Иными словами, Alibaba делает в Китае все, что в США совместными усилиями обеспечивают Amazon, eBay, PayPal, Google, FedEx, плюс оптовики и немалая доля производителей (добавьте сюда «приправу» из финансовых услуг).

Семь из десяти самых дорогих фирм мира сегодня — это интернет-компании с бизнес-моделью, похожей на нашу. Пять из них — Amazon, Google и Facebook в США, Alibaba и Tencent в Китае — основаны лет двадцать назад или того меньше. Как им удалось так быстро накопить столько ценности для клиентов и столько рыночного влияния? Все дело в новых возможностях сетевой координации и аналитики. Экосистемы, развиваемые каждой из них, в разы экономичнее и клиентоориентированнее традиционных. Такой подход я называю умным бизнесом и верю, что именно за ним будущее.

Что такое умный бизнес?

«Умный», или смарт-бизнес, возникает, когда все игроки, стремящиеся к одной бизнес-цели — например, в сфере розницы или совместных поездок, — объединяются в онлайн-сеть и благодаря технологиям машинного обучения используют данные в режиме реального времени. Модель, где большинство оперативных решений принимаются компьютером, позволяет компаниям динамично и быстро адаптироваться к меняющимся рыночным условиям и предпочтениям клиентов и дает весомое конкурентное преимущество перед традиционным бизнесом.

Конечно, для машинного обучения понадобятся солидные вычислительные мощности и массивы данных. Чем богаче данные и чем больше итераций алгоритма, тем лучше результат. Аналитики создают модели вероятностного прогнозирования разных действий — и алгоритм на основе огромного количества данных моментально выдает все более точные решения. Самообучающиеся алгоритмы — не просто технологическая инновация: активно замещая человека, она трансформирует наше представление о сути бизнеса.

Впечатляющим примером «умного будущего» может служить компания Ant Microloans. В 2012 году, когда Alibaba основала это дочернее финансовое предприятие, крупные банки Китая ориентировались на выдачу многомиллионных кредитов. Минимальная сумма займа (около 6 млн юаней, или чуть менее $1 млн) заметно превышала потребности малых и средних компаний. С фирмами без кредитной истории или без серьезных документов о деловой активности банки предпочитали не работать. В результате десятки миллионов китайских компаний с большим трудом находили средства для роста.

Мы поняли, что у Alibaba есть возможности для создания высокофункционального, масштабируемого, прибыльного института по выдаче кредитов небольшим фирмам — ведь они пользовались нашей платформой и оставляли массу данных о своих транзакциях. Итак, в 2010 году мы запустили революционный, основанный на данных сервис по выдаче юрлицам микрозаймов объемом до 1 млн юаней ($160 тыс.). За семь лет работы этот проект ссудил более 87 млрд юаней ($13,4 млрд) почти трем миллионам компаний. Сумма в среднем составляет 8000 юаней ($1200). В 2012 году мы объединили этот бизнес с нашим успешным платежным подразделением Alipay, создав Ant Financial Services. Назвав новое предприятие Ant (по-английски «муравей»), мы хотели подчеркнуть, что наши клиенты, хотя и невелики, но трудолюбивы.

Сегодня сервис способен за несколько минут одобрить даже совсем маленький заем — на несколько сотен юаней (примерно $50). Как это стало возможным? Чтобы оценить будущего заемщика, финансовому институту требуется ответить всего на три основных вопроса: стоит ли выдавать ему кредит? на какую сумму? под какой процент? Получив от продавца, работающего на нашей платформе, доступ к аналитике его данных, мы можем с уверенностью ответить на эти вопросы. Наши алгоритмы изучают его транзакции и делают вывод о том, насколько хорошо идет бизнес, насколько конкурентоспособны предложения, каковы кредитные рейтинги его партнеров и так далее.

Ant смотрит, для кого характерны полученные результаты — для хороших или плохих плательщиков, и на основе выявленных для обеих групп свойств выводит рейтинг. Конечно, примерно тем же самым занимаются все кредитные организации — но Ant делает все это автоматически в реальном времени, учитывая всех заемщиков и их поведение. На кредитную оценку компании влияет каждая транзакция, каждый месседж между продавцом и покупателем, каждое обращение к другим сервисам Alibaba, — в общем, все, что она делает на платформе. Алгоритмы расчета рейтинга постоянно совершенствуются, с каждой итерацией улучшая качество результата.

Чтобы определить сумму и условия конкретного кредита, нужно проанализировать самые разные типы данных из сети Alibaba, как точные, например общую прибыль и оборачиваемость запасов, так и менее точные, такие как продуктовые циклы и качество социальных и деловых связей продавца. Скажем, чтобы оценить качество отношений, алгоритмы изучают частоту, продолжительность и вид коммуникаций (через мессенджеры, электронную почту и другие распространенные в КНР виды связи).

Специалисты по данным выясняют, какие именно данные о заемщиках существенны, и разрабатывают алгоритмы для их извлечения. Эта работа требует глубокого понимания как бизнеса, так и машинных алгоритмов. Приведем еще один пример из работы Ant Financial. Если выясняется, что продавцы с плохим рейтингом гасят кредит вовремя или, наоборот, вроде бы надежные заемщики показывают себя с дурной стороны, мы понимаем: с алгоритмом что-то не так. Инженеры быстро проверяют исходные гипотезы и смотрят: какие параметры надо добавить или убрать? каким действиям пользователей надо придать больший или меньший вес?

По мере того как постоянно дорабатываемые алгоритмы дают все более точные прогнозы, риски и затраты Ant постепенно снижаются, а клиенты получают нужные им суммы с все большей скоростью и на все более приемлемых условиях. В итоге компания оказывается чрезвычайно успешной: невозврат займов составляет всего 1%, что вчетверо ниже средних показателей Всемирного банка за 2016 год.

С чего же начать создание такой компании?

Полная версия статьи доступна подписчикам
Выберите срок онлайн-подписки:

https://hbr-russia.ru/management/operatsionnoe-upravlenie/781379

2018-10-04T08:20:00.000+03:00

Thu, 04 Oct 2018 05:50:40 GMT

Умный бизнес Alibaba

Уроки китайского гиганта

Менеджмент / Операционное управление

https://cdn.hbr-russia.ru/image/2018/7a/14bpvn/original-1g9g.jpg

Harvard Business Review – РоссияHarvard Business Review – Россия

Harvard Business Review – РоссияHarvard Business Review – Россия