Зеркало
Rutube
Этот доклад
Дублирующий канал на Российской видеохплатформе.
Группа VK ВКонтакте
Этот доклад
Группа #UDM в социальной сети с дублями видео и комментариями.
Расшифровка видео:
надеюсь, что у нас МК это Максим Коренюгин. Да, Северн, доброе утро всем. Доброе утро. Это какие-то разные слои действительности. То, о чем я пытался сейчас рассказать. Что есть предприятия, которые используют большие данные, которые используют биайки, которые используют прогнозные модели, которые
00:25
Используют статанализ, карты Шухарта, ворота качества, центрлайны и все вот это. И очень достаточно сложная методика. Линша Сигн, которую Максим пускай расскажет, он гораздо больше меня в этом понимает. Его считают в этом, возможно, лучшим русскоязычным экспертом. И него очередь клиентов, и сейчас он побежит кого-то там мучить и за немаленькие деньги. Что мы имеем? Что бесплатно его хотят послушать только 8 человек.
00:55
ну, минус максимум 7. И второй вопрос, что целый слой предприятий, большинство, живут в какой-то другой реальности. Одновременно пытаются коммуницировать через телеграмм, ватсап, электронную почту, и никто не знает, кто владелец данных. Никто не знает, что кому наобещал и что считать достоверной информацией. То есть, вопрос, ты задаешь людям, что у тебя продукт, что считать заказом.
01:23
На какой стадии считать, что за конец выпая? Какие свойства продукта твоего важные? Какие критические? Какие неважные? Какие основные? Какие дополнительные? Какие ты берешь в рамках стандартного пакета, обещаешь? А какие за дополнительную цену? И даже это обычно вызывает у людей боль. То есть думать больно, это съедает глюкозу и люди выбирают. К сожалению, я выиграл спор, я этому не рад ни разу. Челябинские говорили, у нас тоже есть просветленные директора. Человек ушел в запой.
01:53
когда мы поставили над ним эксперимент, насколько же он ментально гибок. Это гореть в аду, я же работал в казино, я знаю насколько это неправильно. С моей точки зрения, ради гордыни заключать паридно живого человека. И вот что мы имеем. Какие-то две параллельные реальности. То есть люди, которые владеют очень серьезными инструментами, люди, которые...
02:18
не хотят сделать элементарных вещей, просто навести порядок. Как Джордан Питерсон говорит, хочешь изменить мир, наведи порядок в своей комнате сначала. Ну, то есть или вот как 5С, да, японцы, только вчера вот я слушал какую-то лекцию, поселок, ли, ты говорил, вот, 5С это основа. А еще у них есть там и Кигай, Вася Саби или что там. Вернемся к тому докладу, который я хочу сейчас сказать. То есть одновременно мы имеем две реальности, где не делают элементарных вещей.
02:46
Ну просто элементарных на производстве, но если ты пришел на производство, хотя бы элементарные должны быть правила техники безопасности, элементарная проверка инструмента, кто там сказал, что если бы меня было 5 часов на рубку дробь, то 4 из них я бы точил топор или что-то такое. И второй вопрос.
03:10
Я хочу, ну как говорится, снимаю шляпу, потому что Максим был с той стороны, ну самый ярый флаг подымал Турусовка, что сначала процессы, потом IT. То теперь вопрос, у нас заводы, которые прибавили очень сильно в производительности, то есть там от 30 до 300 процентов, а IT-шечка как не работала, так и не работает. Об этом мы сегодня спросим докладчиков, почему старое сломалось, а почему новое еще хуже старого. Максим Юрьевич, пожалуйста.
03:41
Расскажи нам. Огромное спасибо за возможность выступить перед вами. Да, еще один момент, пожалуйста. Я нарушу еще одно свое правило, выдам чужой секрет. Я разговаривал с известным персонажем с Молодцовым, Андреем, с которым мы добрые друзья, ты понимаешь, да? Если кто не в курсе, это один из ведущих-экспертов по качеству, и в том числе он поддерживает какой-то комьюнити этих качественных, у него есть канал.
04:07
И вот сегодня та же самая у него шизофрения, что у меня. Я у него бы хотел спросить, а он меня спросит. И он говорит, я прочитал лекцию, сам себе не верю. А говорит, пошел проверять. Ну что да, это есть. Да, есть вот этот опекс. Да, есть вот эти вот показатели. Да, есть вот эти три ППМа, которых мы там добивались. То есть, и что это все есть. Представляете, что иногда я сам себе не верю. Когда я сталкиваюсь с действительностью, кажется, то ли мне все это мерещится.
04:36
То ли я это придумал, то, что я рассказываю людям, как можно жить по-людски, что так не бывает. И вот сегодня с той же рефлексией, то есть с утра, Андрей Николаевич пришел, и вот мы с ним достаточно плотно общаемся, и вот вопрос, он говорит, я прочитал по лекцию, по контролю качества, и сам себе не верю, потому что рассказываю тем людям, которые для них просто какой-то космос, говорит.
05:00
И я, говорит, сам пошел проверять, что я эти данные не выдумал, что это данные с реальных проектов, которые когда-то мы так делали и что у других заводов так и есть. Пожалуйста, теперь версия Максим Юрьевич, я даже сбился. Презентация будет? Да, будет. Так, я пытаюсь показывать, вообще... Сейчас еще раз переключусь на презентацию. Видно презентацию? Вот теперь видно. Отлично.
05:26
Игорь, огромное спасибо за возможность выступить перед вами. Коллеги, доброе утро или какое вас там время дня. У меня так точно утро. Ну и давайте начнём. Я буду за эффективность. Это мой конюк. Те из вас, кто постарше, наверное, угадали, цитату из Тругацких в названии этого слайда, картинка это, скажем так, лирический герой, которого сгенерила очередная
05:55
депрессия,
06:24
с компанией SIPUR, именно с группой, которая занимает моделирование процессов FastPentek. И мы уже один раз увидели то, что вот, то есть есть какие-то процессные модели, там можно что-то посчитать, что-то даже может быть и улучшиться, но не многое. Сложные процессы, сквозные процессы, все равно не улучшаются толком.
06:48
И поэтому я уже достаточно давно понимаю, что от текущего уровня цифровизации единственное мое ожидание — это хотя бы, чтобы она мне помогла разобраться, где фокусировать ресурсы по операционной эффективности. Бог с ним самим улучшенен. Мы как-нибудь разберемся, помогите нам хотя бы понять, где прикладывать усилия.
07:11
Другими словами, посмотреть на потенциал, есть где усилия оперативности дают максимальный эффект. Это мое минимальное ожидание от цифровизации на сегодня. Хотя бы так. Мы говорим о том, что сверху нас есть какие-то стратегии, а что же происходит внизу, так называемым, в рабочей зоне операционной эффективности. Людей-то все равно спрашивают за то, чтобы совершенство не было непрерывным, оно происходило массово. Картина напоминает немного вот то, что вы видите на картинке, то есть...
07:41
ахотичную стрельбу во все стороны с временными жертвами среди самих охотников. Ну и нужно, чтобы это превратилось во что-то более сваженное, то что мы называем непрерывная реализация потенциала. Другими самыми, когда мы сначала понимаем сверху, где у нас потенциалы для улучшений и начинаем их планомерно реализовать.
08:07
Движемся в нужном направлении, стреляем, но не в друг друга хотя бы. Вот это все. То есть требуется структурированное выявление потенциала. И именно это, на мой взгляд, является ключевой задачей для оперэффективности, которая заплатит за то, чтобы цифра продолжалась существоваться и развивать. Потому что деньги на цифру придут только из повышения оперэффективности. Потому что я не знаю, как бизнесмен уже, я не знаю, откуда я их еще бы стал бы убрать. То есть мы что-то улучшаем.
08:37
у нас появляются деньги, которые мы можем дальше инвестировать в проекты инфраструктуры в том числе и в цифры. Очень часто вопрос, который я встречаю, «да ладно, все уже улучшено, есть ли проблемы-то остались?» И многие считают, что в результате применения 5S и визуализация андонны с 70-х годов прошлого века, уже нас прямо процессы идеальные, все программы OPEX уже все проблемы решены.
09:06
В принципе, опекс-то можно и сворачивать, зачем он нам нужен. Это первая иллюзия. Ну и вторая, которую мы тоже сейчас наблюдаем, и которая, наверное, в гораздо большей степени относится к вам, коллеги, это то, что делать ничего самим уже не нужно, потому что придет цифра и сделает за нас все. То есть произойдет автоматическая оптимизация. Как я уже говорил вам с этим, моими примерами по Aspen Tech и по Сибуру, да, ну не то чтобы сильно это происходит.
09:35
Кстати, у меня были, аспинтековские ребятки были у меня на обучении поясов, где мы как раз учим людей анализировать и улучшать рубчиками. И на самом деле, если мы начинаем чуть-чуть пристельнее смотреть вообще, а что же нас происходит в наших процессах, то мы понимаем, что там все еще сидят миллионы нереализованными. Причем миллионы, я имею в виду сейчас не рубли, чтобы избавить нас от вот этих вот колебаний коса туда-сюда. Мы будем говорить не про рубли.
10:04
Есть такое понятие «низкое качество». По-английски оно называется «силу пеки», «косов пурквалити». Оно примерно как айсберг, который вы видите у себя на картинке. То есть у нас есть верхняя часть, которую мы знаем. Ну это, я не знаю, стоимость брака. То есть мы что-то произвели, нас брак, мы это забраковали. Ну по крайней мере это как-то отражено в бухгалтерских документациях, поэтому, ну да, это потеря.
10:32
Процентов 80 и больше того, что мы на самом деле теряем, скрыто, оно под водой. То есть где-то соотношении 1 к 7, оно примерно, кстати, правильно.
10:43
Сколько SEO-PQ занимает компания? На самом деле было достаточно много исследований. Был такой институт, он еще есть институт GERAN. Ну, если знаете такой, был один из гуру оперэффективности GERAN. Вот. Соответственно, они продолжают заниматься такими глубинными исследованиями. А сколько же компаний теряют из-за низкого качества, в широком смысле этого слова, да, во все, по всей цепочке?
11:10
Ну и где-то от 5 до 35 % отвалового объема продажи для обрабатывающей промышленности, а 25 до 40 % это сфера услуг. Причем это современные цифры, я проверял их еще раз. Многие все равно задаются вопросом, ну хорошо, это все старое, было когда-то, карточки, канбаны нас все еще были сделаны на картонке, а картонка была плохого качества, вот это вот все. Неужели не справилось?
11:37
Я решил посмотреть, а вот мои ощущения, которые я пока говорил, и цифры, которые у меня есть, они анекдотичны. общем-то, да, один человек, одна компания WinJoy. То насколько это вообще общий тренд? Игорь не даст соврать, примерно половина наших дискуссий, которые у нас происходят в нашем Lean Consult, это про производительность труда.
12:00
И мы постоянно говорим о том, что она не то растет, не то не растет, а считают ее так криво, что понятно, что все, что там показывают, это абсолютнейший бред. И вот непонятно. Я решил посмотреть по источникам, как вообще производительность труда обстоят в мире. И вот что получается. На самом деле, если мы возьмем западный мир, который я знаю лучше, то есть мы говорим западный Европа, США, прежде всего, то...
12:29
был достаточно высокий рост период 97-го-2000-го года. Этот период, как это ни странно, совпал с массовым внедрением инструментов типа линши сигма. Ну, наверное, чисто совпадение, да, конечно. Вот. Потом этот спад начал замедляться, и уже достаточно долго рост производительности труда находится на уровне менее 1%, если мы возьмём по индустриям
12:58
и возьмем западные страны. То есть он здорово снизился. Несмотря на то, что нас там появились все эти интернет-вещель, появились какие-то цифровые камеры, которые превращают изображение в какой-нибудь там автоматический пинок заснувшему оператору по помывке автомобиля или яиц, и соответственно он начинает работать все еще более эффективнее. Все есть на местах. Тем не менее, рост производительности снижается.
13:27
Я почитал статьи таких компаний, McKinsey. есть по McKinsey более 70 % крупных проектов трансформации, включая цифровые трансформации, переход в индустрию 4.0, не достигают своих целей. Там я могу, если кому интересно, потом цифру писать. Они там очень много цифр приводят. Окей, хорошо, ладно. А что касается самой цифровой трансформации? Бонсон Consulting Group дают...
13:53
цифру очень похожую, то есть практически обратную, что только 30 % проектов цифровой трансформации достигают своих целей. То то ощущение, что ожидания от цифры с точки зрения практического выхлопа, повышения эффективности, мягко говоря, не сбываются, это не только мое ощущение, то есть слайд об этом. Интересно теперь разобраться почему. Ну а на этот…
14:21
Вопрос я ответ знаю, потому что я его вижу каждый день. То есть типичные проблемы с реальными данными, которые не дают их эффективно использовать для прямого использования в повышении операционной эффективности. Если знаете, МОЛОГИСТИК есть такая проблема, называющаяся последняя миля. Имеется в виду, что доставка, она все-все-все-все понятна, а вот последний миль или километр довести до конечного клиента
14:50
Это самая большая проблема. И с точки зрения денег, и точки зрения безошибочности, и с точки зрения организации. С цифрой абсолютно, на мой взгляд, же самая проблема. То есть уже и все вроде есть, и все эти триллионы или там сколько, я не знаю, серверов стоят, и все у нас там хранится, и все там есть, и в Data Lake сбулькает вода, и все замечательно. А вот последней мили нет. То есть что последний мили, с моей точки зрения, входит?
15:18
Вот буквально недавно делали проект очередной по оценке потенциала для неосперерабатывающего завода. И сюрприз-сюрприз, самые интересные данные, которые в конце концов нам дали, вот тот инсайт, который нам позволил оценить потенциал уже на более низком уровне и привязать его конкретным установкам и типам расхода, они сидят в журналах их сельских, которые ни в каких системах не отражены, которые записываются
15:47
кривыми, прости от меня боги, операторами, прямым каким-то текстом и без обработки при помощи ВБА и Икселя, они абсолютно не анализированы были. есть, данных, вот тех данных, которые реально нужны для принятия решений, их зачастую нет. Я не говорю за то, что их всех нет, но очень часто их нет, понимаете, да? То есть, нас есть нехай цепочка причинно-следственных зависимости, у нас нет одного звена и все, мы встали.
16:14
То есть не важно все, что было до этого, потому что дальше нам двигаться некуда. Вторая проблема, я тоже здесь не открою Америку. Очень большое количество данных низкого качества. То как только ты начинаешь проверять серьезно, проверять какие-то данные, и начинается там, ой да, вот здесь у нас, да, нас датчики немножко староваты, у них там разбросы, у них вот это, вот это. И когда ты начинаешь, а дальше я как математик, я смотрю, например, я понимаю, что у меня есть регрессионная модель.
16:45
И в ней составляющей частью шума является шум от низкого качества данных. И когда я начинаю все это дело с кладовицой, я понимаю, почему меня модель там 15-20 % по коэффициенту детерминированности, потому что 80 % мне дает этот шум данных. То есть абсолютно бессмысленные по сути данные. Я занимаюсь анализом белого, ну иногда такого серенького шума.
17:08
Ну, еще одна вещь, такая чисто техническая уже, то есть данные, которые сидят в разных системах, до сих пор во многих системах они не сведены. Есть система, собирающая данные по ваборатории с одной частотой, я не знаю, там раз на партию сырья или на партию продукции. Есть другая система, какая-нибудь местосистема, где у меня записываются технологические параметры. Они между собой либо не сведены, либо сведены при
17:38
практика операционной эффективности нам мешает в том, чтобы со всем этим начинать работать. есть данные, вот они совсем рядом, большие данные, мы же их любим, большие данные. Когда у тебя регрессия на миллионах данных, это же приятно. А вот эту проблему надо как-то решать. Ну и с нашей стороны мы поняли, что ждать пока рак всеобщей цифровизации свистнет на горе, это еще непонятно когда будет. И мы вернулись по сути к тому,
18:08
что происходило в 90-е годы прошлого века. Вот когда появился 6-сигм, то есть она появилась отчасти, от отчаяния, потому что были какие-то данные, и людям в бизнесе, в процессах, хотелось их проанализировать, но они не умели. Они не знали, как к ним подобраться. То есть да, их почему-то там учили в университете, но одно дело университета, когда тебе рассказывают теоретическую математику, меня там 4 семестров научили этой истории.
18:38
А с другой стороны, вот у тебя процесс, тут у тебя табличка, там у тебя табличка, что с этим совсем делать? И тогда был придуман DMAID, и были простроены учебные программы, которые позволяли людям из процесса взять и шаг за шагом, такими маленькими, не страшными, понятными шагами дойти до конца и разобраться, почему тебя возникает проблема, и устранить ее. И мы поняли, что в тихущей ситуации с цифровизацией нужно делать то же самое ручкой.
19:07
опять все руками, как в том старом не очень предельно анекдоте, какой механизм все ручной. Отсюда появился ADAPT. ADAPT – это фреймворк, который позволяет людям, и он нас превращен в учебную программу, который позволяет людям пройти вот эту последнюю милю и получить на выходе какую-то осмысленную аналитику. То есть это структура анализа процесса, которая позволяет инженерам и аналитикам выступать качественно, если хотите, вот этого вот.
19:36
курьера последней недели. есть, что у нас состоит? Есть дорожные карты, это тоже самая история, с Димай. То есть, людям нужно, мы их же их обучаем. Это же не то, что мы там, я там как-нибудь говорить без дорожной карты, может быть, разберусь. Но нам же нужно людей массово обучать опять же, это история. А то, что это должно быть, должно быть десятки. Поскольку у нас процессов сотни. То есть, мы берем какие-то алгоритмы и детально, шаг за шагом, с развилками, если это то, то...
20:03
показываем, что нужно делать. То у нас есть многоуровневые дорожные касты. Иначе это мы уже проходили. То если просто людям дать верхнеуровневый, какой-нибудь там типа оссом, я не знаю, может вы знаете, есть такой формат тоже, такой достаточно распространенный по цифровым проектам, оссом. Он не деталей. То есть мы по большому счёту эту проблему как раз решали. Аналитика вся делается в нашем мини табе, потому что, ну то есть можно, конечно, людей отправлять в питоны всякие, тем более сейчас
20:32
В России начали проблемы с мини-табом по санкциям, но мы эту проблему как раз технически решаем. То есть если вдруг кому-то нужен мини-таб, его практически легально вам даем в качестве учебной лицензии, а дальше она продлевается проблемами. То у нас есть инструмент готовый, который делает аналитику, который совпадает с ПСами. То есть в этом смысле аналитики, которые идут по адаптам, они общем-то получают часть навыков от ПСО. Ну и третье, что на самом деле на где-нибудь процентов 80 успеха.
21:00
Я должен сказать, адаптов, вот то, что мы начинаем сейчас делать, это чат GPT. Потому что данные, эту проблему в последнем мире зачастую, ее проходить нужно в Excel. То есть я не поверил бы, но я опять, вот в 25-м году, 21-го века, я сижу и обучаю людей Excel, как будто это, я не знаю, там 98-й год. То есть как работать в Excel. Но с чатом GPT, то есть мы, собственно, через промты чат GPT учим их делать.
21:27
коды VBA, которые позволяют консолидировать данные, очищать данные и так далее. И в принципе работает, прямо как я считаю, что сейчас ChargePT для нас, ну или аналог, это не важно, естественно, что это Enabler, это то, что позволяет эти проекты осуществлять на практике, потому что иначе люди бы встали. То есть если они не могут консолидировать для таблицы, это все, это конец. Это вот та самая последняя мили, а ChargePT помогает за последнюю мили все-таки пройти.
21:55
С точки зрения потенциала, про который я говорю в основном, ну, так немножечко теории. У нас есть первый уровень – это поход на гэмбо, то есть когда люди просто приходят и смотрят глазами. Хотел бы я узнать, что они увидят, когда они придут в какой-нибудь современный процесс, там нефти переработки. Ты пришел и смотришь, как баран на новую колонну. Все происходит внутри, все интересное, естественно. Ну, когда они смотрят на новую колонну и не понимают, что с ней делать, они запрашивают внешний бенчмаркер, какой-нибудь Соломон.
22:25
который им скажет, ну, вас себестоимость переработки нефти на 20 долларов дороже, чем она должна быть, согласно нашей данной. Ну, ты понимаешь, что это какие 20 долларов, а что с этим делать? То есть, единственное, что они могут тебе предложить, это купить полностью новое оборудование или заменить технологию. Поэтому начинается интересное. То есть, вот этот адапт, мы сочетаем в нилочной, ну, на самом деле, отмеченной практически в УШБ, мы используем внутренние бенчмарки.
22:53
я вам потом покажу, как это работает на математике. После того, как мы разобрались с базисным бенчмаркингом, мы начинаем говорить о динамическом бенчмаркинге, это то самое динамическое нормообразование, когда меня, например, отдельный расход энергии на тонну продукции зависит от каких-то внешних факторов, например, хотя бы самый простейший там зимолета. Ну и совсем высокий уровень, котором я вообще, честно говоря, никого не видел, по слухам там кто-то и есть, это когда
23:22
в рамках выстраиваться реальные цифровые двойники, когда в рамках реального цифрового двойника по моделированию, по сквозному процессу ты можешь посчитать потенциал целиком в том смысле, что ты, например, можешь пойти на увеличение расхода на каком-то участке, понимаешь, что тебе это сэкономит больше на другом участке, потому что иначе ты все еще смотришь изолированно по переделам. Ну, это соответственно такая уже совсем дальняя заходка.
23:49
И вот три части, они как раз входят в этот адапт и в то, что мы преподаем, то, что мы помогаем людям освоить. Все это, как я уже говорил, в рамках дорожной карты. То есть если мы говорим об общей дорожной карте операционной эффективности, то у нас мы начинаем со стади идентификации, собственно, там, где мы находимся, то о чем я говорю, остального мы даже трогать не будем, потому что дальше это проекты операционной эффективности по реализации потенциала.
24:16
То есть это общее выстраивание программ с точки зрения целеполагания, это выстраивание людских бонусов, встраивание оперефективности в систему компетенции со стороны HR, это становится стратегией HR. То все эти сложные вещи мы сейчас трогать не будем, мы поговорим пока чисто про идентификацию. Ну и вот тот самый адапт я покажу на примере, в том смысле, что у него есть уже пять стадий.
24:46
В этом смысле он очень похож, как я уже говорил, другие форматы типа осам и так далее, которые чуть-чуть известны, но мы поняли, что для именно появления потенциала и анализа процессов он лучше всего подходит. есть у него есть конкретная задача посчитать потенциал и застабилизировать процесс. То есть у него вот эти две основные задачи. У него есть пять стадий. Получение данных, обработка данных, описание при помощи байсных статистик, там
25:16
базовое разделение на кластеры и так далее причинно-средственная анализа четвертая стадия ну и планирование уже соответственно следующих шагов там по стабилизации процесса и так далее значит как это выглядит на кейсе значит по первых с точки зрения данных которые мы используем то есть мы поняли что большое количество проблем которые связаны с суперэкспериментом они не находятся опять же в наших традиционных цифровых системах
25:44
И мы опять возвращаемся к вопросам, например, опросов. То есть если я хочу понять базовый уровень процессного подхода в компании, у меня нет такой цифры, которая это оценит. Я не могу зайти в месисистему, выгрузить оттуда что-то еще. То есть мы опять заходим через человеческое мнение. И, кстати, принципе, очень неплохо коррелируется со второй частью, когда мы начинаем занимать уже нормальную аналитику, когда мы выгружаем все источники...
26:12
исторических данных, их консолидируем, сводим вместе и начинаем заниматься каким-нибудь либо рекрессионным, либо классификационным, типа карт анализа. Ну еще одна часть, которая также у нас в данных присутствует плохо, это будущее, то, что еще не произошло, но может произойти. И вот для того, чтобы эту часть оценить, FMA, анализ режимов воздействия отказов, это также одна из тех частей. Ну, естественно, самое интересное для всех
26:40
центральная часть, потому что две остальные, они скорее дополняющие. Именно цифровая аналитика является ключевой и наиболее интересной. Для меня это тоже наиболее exciting, что-то вызывающее меня живость в голосе, поковырять, посмотреть какие-нибудь регрессионные модели. Давайте посмотрим на кейсы. Эта кейс по западным компаниям. Это retail канцелярской принадлежности, чтобы объяснить на пальцах, как работает ADAPT.
27:10
Есть компания, которая занимается розетчиной торговлей канц товарами. есть у нее есть штаб-квартира в США, они приехали в Европу, в Нидерланды, кстати, где я нахожусь, и, соответственно, раз именно в Нидерландах них была европейская штаб-квартира. Процесс выбора управления поставщиками для них был критичным. То есть мы выгрузили от них данные, справа это просто картинка, которая и была так затуман, что она не читаема. То есть порядка 50 тысяч записей, у нас есть данные по Искрею, поставщики, нас были временные метки.
27:39
как долго движется каждая часть процесса. У нас были проблемы с данными, которыми как-то нужно было разбивать, решать их. Данные обрабатывали таким образом, что у нас когда происходил какой-то затык в процессе, то они не отправляли его чаще всего на предыдущий шаг. Они просто корректировали, а заявка типа висела на этой стадии. Ну ключевой параметр – это общая длительность проходивания. У них был норматив, что это должно было проходить за 120 часов.
28:07
То есть это данный закат. То есть мы видим, нас есть верхний предел 120 часов, у нас больше 54 %
28:18
не укладываются. есть вот длинная хвост направо – это опоздание более 54%. Процесс не соответствует нормативам ожидания. Дальше начинаем разбираться, почему вот это все это делается людьми, которые мы обучаем. То есть это часть учебных проектов. То есть с этой точки зрения, еще раз, это не какой-то там человек со степенью в data science пришел и вот это все решил. То есть понятно, это все наинвест. Это подразумевает, что это делают люди, которые вчера
28:46
через плечо заглядывали в человека, который там писал формулу, а равняется b плюс c. То есть в этом весь смысл, потому что это массовость. Дальше делается какая-то линейная регрессия, которая позволяет выявить зависимость между общей длительностью и длительностью каждых шагов, определяются шаги, которые сильнее всего влияют, пара шагов, которые дают нам больше 70 процентов. Дальше мы начинаем смотреть, что у нас там какие проблемы, где возникают. Дальше мы докладываем на это дело карт-анализ, который позволяет нам разобраться.
29:15
по комбинации факторов, есть, например, комбинация ошибков контрактов в юридическом соответствии дает наиболее влияние на один шаг процесса и так далее. То есть, все эти вещи, есть, их много. Вот такого рода анализов, кажется, собрал таблицу. Люди делают в рамках проекта ФАДА, там десятки. Последний проект, который я вам покажу, все время будет. То есть, было две или три сотни такого рода картанализов. То есть, это очень большая таблица и такая достаточно рутинная, но понятная и осуществимая работа.
29:45
Дальше все это дело складывается в сколлинговой карте, то есть вот это ключевой инструмент стабилизации процессов. То есть мы говорим о том, что по каждому из процессов у нас есть понимание норматива, очень важное слово. Этот норматив оправдан и пересчитан. И дальше мы отслеживаем попадание в этот норматив с точки зрения уровня дефекта ППМ-ов. И мы отслеживаем это с точки зрения стабильности при помощи контрольных карт Шухарта, которые я здесь уже не стал показывать.
30:13
И вот это делается по процессу целиком и под процессом. То есть это один из основных результатов проекта ПОДАВ. Выстраивается система линейного управления процессов по правильно рассчитанным нормативам.
30:28
Те самые графики, кстати, контроли, про которые я говорил, есть они накладываются на наши скоринговые карты. Причем допуски, всех проще храмных допуски мы моделируем, считаем, если есть возможность, мы считаем их через моделированный Monte Carlo. Соответственно, когда мы понимаем, что какой-то параметр попадает в допуск, если люди выдержат его в этом допуске, это означает, что у нас процесс будет не только стабильным, но и приемлемым по качеству.
30:56
То есть мы гарантируем, что стабильность приводит к приемлемости результатов. И помимо того, что мы налаживаем линейное управление, на выходе появляются вещи типа бизнес-кейсы по будущим проектам операционной эффективности, там где нужны будут дополнительные анализы, дополнительные усилия для реализации потенциала. Вот как здесь пример. То есть мы видим, что на каком-то шаге процесса рост числа ошибок увеличивается с длины заказа, соответственно за операционные затраты большие.
31:25
Вот здесь будет сделан какой-то проект. Это может быть либо кайзен проект, либо проект демайк, если там требуется еще более глубинная аналитика и потом, например, факторные эксперименты. То есть это уже решение принимает структуру оберитективности, которая, глядя на бизнес-кейс, разбираясь с этим бизнес-кейсом, говорит, это скорее более просто, это кайзен, это чуть сложнее, это демайк. То есть получается, почему-то этот список он так же представляет из себя, там, я не знаю, сотню другую. То есть...
31:54
Как только ты сделал адапт на каком-то процессе, у тебя порядка десятка другого готовых к реализации бизнес-кейсов по оверэффективности. Это вот то, когда я говорю о том, что цифры должен быть какой-то проб, вот это и есть проб, с моей точки зрения. Ну естественно, инициативы уже реализуются за проектом по аналитике. Значит, это было по ритейлу.
32:19
Другой, про который я уже упоминал, это вне сеперработки. Мы взяли один из МПЗ и на него посмотрели. Если предыдущий проект начинался снизу, здесь мы пошли сверху, от P &L. Мы поговорили в штаб-квартире, у это компания казахстанская, у них много сеперрабатывающих заводов. Три. Именно о каждом. На двух истребах сделали.
32:47
То есть мы начинаем сверху, мы разбираемся с бенчом, что нас там происходит, и дальше уже опускаемся непосредственно на площадку, и там начинаем смотреть, что у нас там на уровне предприятия. То первое это в штаб-квартире, который происходит. Второе, мы выбираем основные направления для производства. То есть мы говорим о том, что мы там будем заниматься производительностью этого производства, либо будем смотреть на расходы, какие элементы и так далее. Уже дальше приезжаем на площадку, делаем непосредственно проекты адапт.
33:17
выявление детальных потенциалов и вообще не картинный отчет, который в общем-то похож на то, что я вам только что показал. То есть как это работает уже с точки зрения вот непосредственной математики. То есть есть PNF, откуда мы выбираем самые большие затратные статьи. Это известно, это все присутствует. Дальше они разбиваются по центрам затрат и по площадкам. И дальше есть нас есть вознаграждение сравнивать с бенчмаркингом. Если нет, то это не страшно, потому что в принципе это можно делать и без бенчмаркинга. Дальше делается каскадирование по сотям.
33:47
после чего мы перемещаемся уже на площадку. То есть вот, например, мы берем конкретную установку потребления топлива, томусолного топлива на тонну готовой продукции, и мы берем данные за 12 месяцев. Они выглядят вот таким вот образом. На секундочку, это данные из системы МЭС по удельным расходам топлива. Как вам минус 300 по удельному расходу топлива на тонну готовой продукции? Нормально тогда.
34:14
Мы что-то сделали, нам еще на 300 миллионов деньги занесли за это. Понятно, что это это бред. Это какие-то неточные данные. то, что не позволяет. Одна из примеров того, что не позволяет напрямую заниматься аналитикой по данному системе. Все еще нужна ручная обработка и проверка на здравый смысл. Те же самые данные после очистки. Но это был пуск на ладка. То есть они делали какой-то саналочный ремонт. То есть нас появляются какие-то данные.
34:42
Причем здесь мы видим, что нас, смотрите, нас падение вдельного расхода где-то к лету, а потом оно опять возрастает. То наверное, сезонность. Поэтому мы сделали регрессию по температуре. Мы не хотим выставлять им нормативы по летнему расходу на зимнее время. Поэтому мы учитываем температуру, мы вынимаем влияние температуры из общего расчета по Трюцаву. И то, что мы делаем у нас после того, как мы вынули влияние внешних факторов,
35:11
у нас остаются что? Остатки. Ну это такое классический математический термин Residuous. Остатки после регрессионного моделирования. По этим остаткам мы говорим, хорошо, ладно, мы убрали влияние погоды, но все равно же нас с качеством денег расход то больше, то меньше. Вот смотрите, какой был хороший период вот здесь, вот совсем мало расходовали. А давайте-ка мы, собственно, посчитаем потенциал по этим остаткам. Мы можем считать либо как разницу между медианой и квартирой,
35:39
Это первый вариант. Он такой щадящий, он получается не очень большой, обычный. Либо мы идем с кольсящим средним. Каждая точка здесь – это одни сутки. То есть мы находим пять суток подряд с минимальным удельным расходом. Это становится внутренним бенчмаркиндом. И мы считаем потенциал по скользящему среднему как разницу между вот этой группой средней, вот здесь вот, и общим средним. То есть это и есть потенциал к экономе, и он всегда практически получается больше.
36:07
чем разница по квартирам и медианам. есть в любом случае нас есть две цифры. Совсем консервативная оценка и такая достаточно амбициозная. Что дальше с этим происходит? Таких оценок мы делаем, поэтому мы делали их порядка 100. Дальше они складываются по типу потенциала и по деньгам. Вот такой график. Это мы его называем дерево потенциалов. Они сгруппированы, как вы здесь видите, по химии, по газам, по пару. Причем каждая столбика вот здесь
36:37
конкретная установка. есть можно завтра приходить в эту конкретную установку где-то и начинать экономить. Я знаю, что у там теряется, не знаю, там, 5 миллионов или еще чего-то. Тону до парки, водися. И соответственно дальше, вот туда уже можно заходить к каким-то мероприятиям по оперэффективности, потому что мы знаем, что то, что называется, там есть рыба. В этом месте рыба есть, ее достаточно много. А вот здесь ее поменьше.
37:03
12 атмосфер пар на 15 тысяч долларов. Вот, получается, вот это один из ключевых результатов проекта по адапт. Это построение детального дерева потенциал. Причем этот потенциал не инвестиционный. Он опирается на то, что процесс уже сам показал. То есть он может работать на таком уровне. То есть здесь не нужны инвестиции. Ну или какие-то небольшие.
37:34
Соответственно, такое дерево. Ну третий кейс, который я вам тоже быстренько расскажу. Это уже металлургический комбинат. И это опять у нас непроизводственный процесс. Что интересно, что та же самая методика. Это история, кстати, как и шестью сигмами. Адак мы его самого начала старались сделать таким, чтобы он был общим, дженериком. Что его можно применять для любого процесса, для любой компании. То есть где-то получаются цифры больше.
38:03
Нетянки в металлургеи получаются больше, где-то получаются меньше, но подход сохраняется. И соответственно, как мы это делали для металлурга? То есть, процесс приема заказов. есть, клиент звонит на металлургический комендат, говорит, что мне какую-то ставить в таком-то формате, рулоун, прокат, не знаю что. И дальше идет процесс приема заказов. И клиенты жалуются, что ваши результаты, хуже, чем у конкурента.
38:32
То есть вот на этой картинке, правой картинкой, по заказу, то, клиент говорит по вопросу, именно по ведению заказа они проигрывают с вами двум основным конкурентом. Слишком долго.
38:49
Что себя представляет процесс? У нас порядка 150 сотрудников работает, обрабатывают больше 140 тысяч заказов в год. Это прям конвейер такой, 140 тысяч, это больше, даже в ретейле было. Я удивился количеству. Ввод заказов, проверка наличия продукции, расчет цены, организация транспорта, есть исключивые заказы, какие-то внешние взаимодействия с отделом продаж, сообщения с клиентами. И когда мы посмотрели на время выполнения, у них тоже был норматив, за сколько они должны проходить весь этот процесс.
39:18
25 % заказов не подтверждается в уровне. этом смысле, опять же, нас появляется проблема именно со временем. Дальше мы начинаем смотреть с точки зрения регрессионного анализа. А что же там происходит? Ну, естественно, что до того, как мы добрались регрессионного анализа, 80 % времени было потрачено, чтобы собрать информацию вручную в очередной раз, выгрузить их из системы, какие-то там эти дашборды, преодолеть сопротивление IT-шников, которые не хотели их нам выгружать в том формате, в котором мы хотели.
39:48
их получить, потому что они хотели нам дать обобщенные данные средние за месяц или еще что-нибудь. Вот это все происходило до того, как мы начали заниматься делом, регрессионным анализом. Дальше мы все это дело посчитали, мы посмотрели, какие из шагов процесса влияют сильнее всего. Опять же, при помощи математики увидели какие-то факторы, которые влияют слабее, но это можно визуализировать в виде такого парета. есть нас есть некие основные ключевые шаги процесса, на которые нужно обратить внимание.
40:17
То есть это все делается, опять же, аналитиками нашими. Дальше начался анализ драйверов. Мы, опять же, применяли тот же самый карт, потому что он ложится лучше всего на... То есть разница между картой регрессии, обычной регрессией линейной, и картой регрессии в том, что обычной линейной регрессии она учитывает, опирается, прежде всего, на основные факторы, а карт берет именно взаимодействие фактор, комбинация. То есть и вот во многих процессах мы наблюдаем то, что именно комбинации...
40:47
является лучшим подходом для моделирования того, что там происходит. есть, карта разрабатывает очень часто лучше, чем регрессия. Ну и там, например, были такие находки, там по какому-то характеристике 21 тысячи тонн схожих заказов не были подтверждены. То есть, клиенты приходят, и 21 тысячи где-то потерялись. То есть, они не дошли до конца. Ну, то есть, компания их не сумела реализовать и продать. То соответственно, появляется кластер очень похожих по своей структуре заказов, который ты берешь и дальше с ними начинаешь разбираться.
41:17
куда они действуют, почему мы их потеряли. 21 тысячи тонн продаж, это в общем-то, ну я как бизнесмен, то есть это общем-то приличие не деньги, то есть не хотелось бы, они терялись. По крайней мере хотя бы проверить, почему это произошло. Есть какие-то вещи, которые были выявлены там типа ненужной ручной обработки и так далее, причем вот отсюда начали раздаться проекты по уже роботизации каких-то шагов. То есть не то, что мы приходим и сверху думаем, где бы нам тут робота нарисовать им в процессе. То есть мы привязываем робота,
41:47
тем шагам процесса, где есть небольшие потери по времени. Мы по крайней мере также бюджеты на роботизацию этих ручных процессов, также хотя бы как-то начинаем оптимизировать и понимать, почему мы это делаем и какова будет отдача. Мы ее можем померить, потому что одной частью проектов ADAPT это то, что мы устанавливаем начальную точку baseline. Мы знаем струбзатраты, мы их посчитали. Внедрение PDC, SPC для линейного управления и так далее.
42:16
Значит, если обобщать все это дело, то есть что нас получается в целом на выходе из адапта? нас получается вот это вот дерево потерь. У нас появляются бизнес-кейсы, которые берутся специально подготованными командами, знающими методы оперэффективности Кайзен-проекты, проекты Димаек, и они их реализуют. И для линейки также внедряются скоринговые карты, анализы возможностей, карты Шухарта.
42:45
запускается цикл PDC. есть вот это всё, как бы оно и так вроде бы как это всё должно существовать работа. Но здесь мы, по крайней мере, зашли в процесс, мы им дали, у них создаётся, формируется список того, с чего нужно начинать. То есть не просто, как вот помните на моей первой картинке, стреляем во все стороны, что на глаза попало, у нас уже есть план, мы стреляем в одном направлении.
43:09
Помимо всего этого прочего, что еще происходит? Происходит разрелость и процессное управление. что если мы спросим, например, BPM-щиков, что такое процессное управление, что такое его зрелость, они нам скажут, что процессное управление, самый зрелый процесс с точки зрения BPM, это когда квадратические варьерсти нарисованы. То есть для нас мы даже не начинали. Потому что, такое зрелость процессного управления? Когда мы знаем внутри процесса зависимость между факторами и результатами,
43:37
Причем это тоже далеко не все, это только начало. Дальше мы посчитали для каждого из этих факторов целевые допуска, например, те, моделировали Монте-Карло, и перетащили процесс в его наиболее рабасную позицию. Вот когда вот это все произошло, тогда мы говорим, ну да, вот теперь мы можем говорить о том, что вот здесь, в этом месте зрелость процессного управления высока.
44:04
Где нас карточки с квадратикой Ариса? Не знаю, где-то в начале, наверное, где-то в начале. Не уверен. Я их как-то не вижу.
44:14
Ну и завершаем последний слайд. Для того, чтобы это потом происходило, нам нужно развитие ключевых компетенций. есть мы уже говорили о том, что система измерения нужно проверять в любом случае, потому что половина проблем реальной аналистики – это анализ систем измерения. Рекрессионный анализ нужно осваивать, потому что мы понимаем причины наследственной зависимости. Ну соответственно, какие-то эксперименты, лучше многофакторные, которые позволяют по дороге к оптимуму, по дороге к реализации потенциала.
44:43
наладить и правильно к нему дойти. Потому что то, что мы видим потенциал, это какая-то вершина, если я еще один символ использую. Пока мы до этой вершины заберемся, у нас будет много шагов, и может быть даже нам придется возвращаться и начинать сначала. И вот многофакторно экспериментировать лучше всего. А это все, кстати, входит в методологию нынешней силы. Коллеги у меня все. Вопросы. Почему не пришли слушать Калиниогина? Может нам надо вообще открытый формат приговорить?
45:09
Это же не только УДРРрушатся, другие это тоже эти. Я вижу люди перестали задавать вопросы. Мы бы были в один на один, мы бы могли реальные кейсы с производства обсуждать. Это было полезнее для тебя и для меня. Ох! Может наоборот, делать добро и бросай его в воду. Это первое. Упустите. Потом. Я вижу качество и большинство вещей, которые у меня есть, они формально качественные. Но половину из покупок я выбрасываю сразу, а еще часть несу блинок.
45:37
то что можно доработать, что мы правильно делаем неправильные вещи. Вот насколько качество Китая выросло. Но эти вещи деградируют с точки зрения продуктов и потребительных своих свойств. Удавание производственное. И даже все, сломался iPhone, сломался Samsung Ultra. Кому остается верить? Вот надо телефон поменять и все. То есть если маленький, то я про iPhone.
46:02
Если большой, это явно ультра, потому что большие их никуда, маленькие самсунги тоже не нужны. Следующий вопрос. Заначка основы выживания, как мне научили в спецназе, но мир рушится, индусы все сломали. Так вот, по порядку, почему люди не слушают экспертизу? Может нам надо в закрытом формате собираться, чтобы можно было обсуждать реальность? Ну, польза будет больше. Мне отвечать на этот вопрос? меня есть ответ на этот вопрос.
46:30
Знаете как? Чтобы люди слушали экспертов, нужно чтобы эксперты за это брали очень большие деньги. Ответ очень простой. То есть, другого... Ну я же знаю, что ты сейчас пойдешь преподавать мне, может ты не хочешь эту тему обсуждать, за не маленькие деньги, что у тебя персональный санаторий покруче, чем у меня. Ну у меня не персональный санаторий, я из дома сижу, да, то есть единственное, что я делаю... Я имею в глобально, да? Ну да. Не бедствуешь и живешь в комфорте. Не, в этом смысле да, в этом смысле да. И что делать?
46:59
Делать добро и бросая его в воду или надо это все прекратить? И перейти на закрытые форматы? Сложный вопрос. Это прям совсем тяжелый вопрос. У меня нет ответа. В принципе, еще раз, мне, опять, своей колокольной, мне абсолютно не жалко. Я готов вот этой истории рассказывать бесплатные часами, потому что в этом смысле я все-таки задержал, где-то обидно, несмотря ни на что.
47:25
Но самое главное, чтобы после этого что-то происходило. что. Как с этим разобраться не знаю. Я вижу бесполезность этого процесса. И то, что я трачу самое золотое у людей и выпрашиваю, это их время. И даже специалист по эффективности. Я понимаю, насколько это неэффективно. Второй вопрос. Он немножко больше маркинино-продуктовый.
47:49
Но с качеством все хорошо. У меня очень качественные вещи, но большинство из них не возможно пользоваться, потому что конструкторская часть хромает, и самое главное, продукты ухудшаются с потребительской точки зрения. Это R &D, да. То есть это, собственно, мы возвращаемся к истокам того, что 70 % проблем, которые мы боремся, это проблемы, заложенные в разработку продукта плюс технологии его изготовления. есть еще тут опять же...
48:18
Есть методы, которые откручивают все от голоса клиента, которые протаскивают голос клиента через голос процесса, и на выходе у нас либо получается, либо не получается. Но сейчас вся эта история CGM, Job to be done, она катится в ад, она стала еще хуже, ухудшается. На самом деле Job to be done, него клянусь относиться скептически достаточно, потому что Apple плюет на Job to be done слюной, как привали до исторического материализма.
48:45
Они просто навязывают то, что они считают правильным и все. Вот ваш джок-то беда. Ну вот, Apple сломался. Всегда с качеством были некоторые сложности. Но мы знаем, что у PPM и кратно хуже, чем у конкурентов. Но с точки зрения юзабилити, это были приятные продукты. Это было их силой. А теперь в этом плане у них все плохо.
49:09
Люди другой стороны будут что-то потреблять. нас количество людей растет, у нас растет количество потребителей, и каждый из них внутри себя становится все большим потребителем. Так ситуация-то не безнадежна, нужно просто им что-то дать. Они голодные, их надо только кормить. Они голодные, потребители наши. И то, что вопрос «народ не хочет учить качество и боится посмотреть правде в глаза», что очень часто все заканчивается на первых цифрах, что…
49:39
ты достаешь цифры, которые не готовы посмотреть в глаза заказчики, и они велят их убрать под диван или самоустраняются. а вопрос, а может быть это является качеством или является излишним качеством? Вопрос излишнего качества в том потенциале, который я показал, примерно 50 % это проблема излишнего качества. речь не о качестве, о производительности. То есть я делаю передельный баланс, он не бьет на 15%, и люди говорят убери эти данные.
50:09
потому что их нельзя... Очень часто на совещаниях люди просто боятся, то есть меня главная задача сказать вслух то, что они знают, но боятся произнести. А вот, эта история, ровно то, что у нас казахов происходило, потому что есть МПЗ где-нибудь там в Павлодаре, условно говоря, и дальше у самого Павлодара все хорошо, они ничего не показывают, но идет запрос с Верку, собквартиры застанной, которые хотят, потому что они не понимают, что они там, в этом ящике.
50:37
И мы приходим как внешние люди, от них берем цифры, поскольку это таблицы с миллионами записей, они вроде бы безобидны, там ничего не видно. А потом, мы им выкатываем интерьер-потенциал, так, говоря так, бах! И хватает все за голову, но уже поздно. То есть вот так. То есть ты действуешь не как доктор, а как диверсионная группа? Да, абсолютно. Я подумаю над этим подходом. Возможно, в крупных корпорациях он работает.
51:04
Ну а в мелких могут голову оторвать, да, это правда. А в мелких обычно, ну, кое-кто поменьше, там же обычно одни и те же люди, т.е. твой заказчик и тот, у кого скелеты в шкафу. Ну да, да. Ну тогда, значит, ему может это и не нужно, если это его устраивает. есть, если он же заказчик, а если еще не дай бог, еще и владелец, то... И если его это все устраивает, тогда что? Либо у него же зефрине, одно из двух. Интересно.
51:28
Вопрос, что люди, как бы при зрении классики, что люди хотят изобрести велосипед и не хотят сначала воспользоваться простыми, понятными методиками, навести порядок. Это больше русская история или она всемирная? Она стала всемирной, к сожалению. Это эта часть проблемы. Это стала всемирной историей. То, что за этими всякими модными штучками, гаджетами и так далее теряется базовый и здравый смысл. Это всемирно. К сожалению, это...
51:58
Всемирный тренд. Боюсь, нас ожидает мини, то есть нас были мини-ледниковые переданы, я боюсь, нас ожидает мини-каменный век. Да, но у меня то же мнение, но делать-то что? Я планирую биться за предпоследнюю котлету, за последнюю может не вытяну. Да, абсолютно так, так. Делать запасы там, понимать, что в пещерке надо это складик организовать, да? Я думаю, что многие примерно так и думают.
52:27
Ребята, нас буквальная минута, потому что Максим Юрьевич идёт учить своих пейасов. Кто-то хочет что-то задать вопрос? Николай Александрович, задай свой вопрос. Что бы ты спросил? Вот я один из лучших экспертов русскоязычного мира по качеству. Задай свой вопрос. Видите ли вы разницу? Всё-таки вот есть большие предприятия, скажем, с выручкой там больше 15, там 20 ярдов, которых уже начинает там вылезать...
52:54
корпоративной культуры, которая уходит дальше туда в большие корпорации, у которых уже обороты там за 500, за 700 и так далее. И есть небольшие предприятия. Какие вы разные подходы видите к этим предприятиям? Потому что на небольших все-таки у них ближе лицо принимающего решения, но у него нет внутренних ресурсов, которые будут тебя поддерживать. В больших корпорациях наоборот, есть лицо принимающего решения далеко.
53:21
но внутри много-много служб, которые, наоборот, тебе мешают пройти туда и вот как-то дать информацию. как вот на это… Даже не вопрос, это больше рассуждение. Как с этими двумя категориями быть, как действовать, какие там, скажем, приемы использовать и так далее? Ну, смотрите, да, то есть мне интуитивно с большими проще, да, потому что чем больше предприятий, тем больше цифров, а чем больше цифров, тем интереснее в них ковыряться, да, и тем больше как вот…
53:49
начинаешь раскручивать маховик или снежный ком на накручивая вот этих вот всех этих анализов и так далее с точки зрения там мало средних мне кажется интуитивно я считаю что им просто нужно их дотянуть нужно вот именно с точки зрения цифровизации до того же уровня в их объемах в их масштабах но до такого же соизмерим уровень цифровизации а тогда уже наверное что-то начнет происходить схожее мне кажется так
54:17
Потому что они, к сожалению, даже из своего масштаба зачастую отстают и с точки зрения технологии цифры, и с точки зрения технологии оперэффективности. есть их надо подтянуть на этот уровень. есть, часть их на самом деле не могут быть вполне эффективны в своем праве и в своей ниши. Но они часто очень за пределами вот этих мировых трендов. А мировые тренды они, кстати, делают обезжалостно абсолютно. То есть, если честно, я думаю, что разделение на тех, кто останется
54:46
пещере и те, кто рванут вперед, оно уже практически произошло. Ну, я не знаю, я пессимист. Время совсем не осталось. Ну, там, я не знаю, какие-то крохи, будут происходить какие-то маленькие чудеса и будут какие-то прорывы. Но я боюсь, что вот, собственно, те, кто будут будущим, они уже сформированы. То есть, будущее практически сформировано. Понятно. Я просто имел в виду, что вот больших корпорациях уже появляются руководители такого среднего звена, которые уже начинают обрастать каким-то мясом, у них есть своя служба.
55:15
И когда ты к ним приходишь, и на самом деле ему очень хорошо, ему там тепло, ему там... Ты ему начинаешь мешать, да, и это противодействие. А в маленькой, наоборот, у тебя как бы союзников, которые тебя поймут, нет, ты работаешь только с непосредственно там, ну, с директором или заказчиком, и наоборот, мне кажется, тут реально уже работать сейчас с маленькой компанией, чем с большим корпорацией, и вот маленькой компании достичь результатов быстрее можно.
55:45
Ну да, но маленьких компаний есть проблема, то есть они живут в очень таком, ну при всех противоравнах в такой опасной ситуации, они маленькие ящерки, бегающие среди больших динозавриков. Вот, и у них есть совершенно очевидные внешние потолки, да, которые могут просто не позволять это делать. То есть это внешняя конкуренция, это размер самой компании, то есть у тебя, если у тебя работает 20 тысяч человек, у тебя всегда найдется там 50 человек, которые в принципе, чисто из закона больших цифр, да, способны...
56:14
воспринять и стать. есть прорывные вещи с точки зрения оперы эффективности делаются все равно лидерами, которых ты заранее не знаешь. Я сколько раз обучал людей, то есть меня сидят там, не знаю, там сотни человек сидят в классе, и я давно постараюсь не делать ошибку, что я заранее знаю, кто из них станет там типа вот таким прорывным локомотивом своей компании. Ты не знаешь этого. И это работает на законе больших честью. А если у тебя маленькая компания, скорее всего там этого человека не будет чисто из-за масштаба.
56:44
есть это обратная сторона. Понял, спасибо большое. Пожалуйста. Ну давайте поблагодарим Максим Юрьевича. Ему надо идти учить зеленых пейасов или зеленых переучивать на черных. Те люди, которые готовы учиться за деньги и не готовы учиться бесплатно. Спасибо, Максим Юрьевич. коллеге, спасибо вам хорошего дня, хорошего продолжения всего этого про нас. Очень классный доклад, благодарю. Спасибо.
