К ВОПРОСУ О ПРИМЕНЕНИИ ТЕХНОЛОГИИ BIG DATA В ЦЕПЯХ ПОСТАВОК: ПРОБЛЕМЫ РЕГУЛИРОВАНИЯ И ПОТЕНЦИАЛ ИСПОЛЬЗОВАНИЯ

ON THE APPLICATION OF BIG DATA TECHNOLOGY IN SUPPLY CHAINS: REGULATORY PROBLEMS AND POTENTIAL OF USE

Vladislav Nektov

master's Degree student, Peter the Great St. Petersburg Polytechnic University,

Russia, Saint-Petersburg

АННОТАЦИЯ

Данная статья посвящена применению технологии Big Data в управлении цепями поставок. Затронута правовая сторона регулирования технологии, рассмотрены варианты влияния на снижения логистических затрат. Приходим к выводу, что применение в бизнесе аналитики больших данных позволит повысить ключевые показатели эффективности, например уровень сервиса.

ABSTRACT

This article focuses on the application of Big Data technology in supply chain management. The legal side of technology regulation is touched, options for influencing the reduction of logistics costs are considered. We conclude that the use of big data analytics in the business will increase key performance indicators, for example, the service level.

Ключевые слова: Big Data; правовое регулирование; цепи поставок; логистические издержки.

Keywords: Big Data; legal regulation; supply chain; logistics costs.

На сегодняшний день, развитие инновационных технологий достигает небывалой скорости. Одни из таких инструментов – Big Data или в переводе с английского «большие данные». Своего рода это совокупность методов, позволяющих анализировать значительное количество данных. По прогнозам на 2022 год, доход на рынке Big Data в мире достигает $274 млрд., свидетельствуя о том, что данный показатель вырос на 44,9% по сравнению с 2018 г. [9]

В Российской Федерации технология больших данных применяется в таких сферах как: банки, логистика, государственный сектор, энергетика, телекоммуникации и промышленность. Уже давно стало понятно, что для того, чтобы обработать непрерывно поступающий объем цифровой информации, традиционных методов недостаточно.

Наряду с этим, вопрос с правовым регулированием таких технологий остается открытым. Правительство Российской Федерации планирует обеспечить внесение в реестры результаты оказания абсолютно всех госуслуг, при этом это будут юридически значимые записи, чтобы органы власти использовали эти данные. После того, как Big Data были введены, многие компании столкнулись с традиционными проблемами. Так для 51% опрошенных работодателей камнем преткновения стала безопасность. В настоящий момент законодательного регулирования больших данных нет. Они рассматриваются в ФЗ от 7 июля 2003 № 126-ФЗ «О связи» [2] в рамках государственной программы «Цифровая экономика». Проект рассчитан сроком до 2024 года, утвержден летом 2017 года, в планах Правительства организация такой группы, которая будет заниматься созданием правовой базы, обеспечивающей безопасность сторон, между которыми возникают отношения касательно больших данных.

Федеральный закон «О персональных данных» [3], регулирующий обращение с персональными данными физических лиц в целях осуществления конституционного права человека на неприкосновенность частной жизни (ст.23 Конституции [1]), может помочь ведущим специалистам создать нормативно-правовую базу, помогающую регулировать отношения, возникающие во время использования больших данных, также как и Федеральный закон «О защите информации» [4].

Всевозможная информация о физическом лице признается персональными данными. Без согласия субъекта таких данных анализ их неправомерен, не считая случаев, когда обработка персональных данных предусматривается законом. Расовая, национальная принадлежность, взгляды на политику, убеждения, касающиеся религии, философии, состояние здоровья – такие данные не могут обрабатываться без предварительного дозволения субъекта персональных данных, если только это не общедоступные сведения.

Широкое использование интернета в различных сферах привело к быстрому росту объемов данных, за которым незамедлительно последовало изобретение технологий Больших Данных. Поскольку информационные системы генерируют огромное количество данных фактически каждую секунду, становится все более очевидно, что для обработки таких объемов требуется огромные ресурсы. Необходимо отметить, что рост ресурсов ограничен развитием аппаратных средств и технологий, а рост объема данных, напротив, фактически неограничен.

На данный момент развитие бизнеса предполагает ускоренное развитие технологий управления данными. В настоящее время многие организации внедрили и широко используют информационные системы, работающие на технологических платформах. В зрелых организациях данные напрямую влияют на логику бизнес-процессов, информация стала ядром их бизнеса. Все более сложный и рискованный процесс принятия решений зависит от правильности и прозрачности данных.

Примечательно, что все эти данные создаются до и вне самой постановки вопроса о больших данных. Другими словами, со сбором потенциально ценных «больших данных» не сопряжены никакие дополнительные затраты, такие данные собираются автоматически посредством уже используемых программно-аппаратных средств [6, C. 20].

Изучая вопрос о том, как можно использовать большие данные, исследователи выявили несколько способов, прибегнув к которым можно извлечь значительную пользу:

1. Большие данные создают прозрачность функционирования бизнеса и других организаций. Это позволяет повысить эффективность и результативность многих хозяйственных операций;
2. Большие данные позволяют проводить различные управляемые (планируемые) эксперименты для выявления существующих нужд, оценки изменчивости (вариабельности) операций и улучшения результатов работы;
3. Применение больших данных может значительно улучшить процесс принятия решений. Утверждается, что они предлагают принципиально новый уровень аналитики, которая позволяет существенно снизить риски, связанные с теми или иными решениями, а также стимулируют выдвижение таких идей, которые без больших данных сформулировать не удалось бы. Также заявлено, что благодаря этой технологии можно автоматизировать принятие многих решений, которые сегодня принимаются вручную.

В исследовании McKinsey утверждается, что США и весь мир столкнутся с серьезной кадровой проблемой. Приводится следующая оценка дефицита аналитиков, работающих с большими данными: даже с учетом уже реализуемых и планируемых мероприятий по подготовке кадров, в этой области нехватка таких специалистов к концу 2010-х гг. составил 140-190 тыс. человек в одних только США [5, C. 10].

Для того, чтобы воспользоваться потенциалом больших данных, нужно осознавать наличие ряда принципиальных проблем и вырабатывать последовательные меры по их разрешению:

а) в связи с большими данными новое звучание приобретает и без того актуальный вопрос о конфиденциальности, безопасности данных, интеллектуальной собственности и ответственности в этой сфере;

б) организации, вставшие на путь использования больших данных, будут вынуждены осваивать новые технологии и методы анализа. Устранение несоответствия между тем, что есть и тем, что должно быть, может оказаться затруднительным для очень многих структур;

в) организации должны получить доступ к данным из многих источников, которые могут находиться под контролем различных субъектов. У данных субъектов должна быть мотивация к тому, чтобы такими данными делиться. В связи с этим весьма вероятны монополистические проявления.

Логичным продолжением развития технологии было появление Бизнес-Аналитики Больших Данных, как одной из главных способностей в получении мощного конкурентного преимущества. Многочисленные исследования для проверки теоретических положений технологии, в том числе и в создании архитектуры цепей поставок, только подтверждают тезисы, которые мы указали выше.

УЦП характеризуется определенной сложностью ее составляющих и большой ролью в общей организации и эффективности бизнеса – операции по повышению гибкости и интегрирование цепочек поставок и логистических процессов позволит бизнесу качественно повысить свои показатели. Применение данной технологии отличается от этапа (операционный и стратегический) планирования цепочки поставок: на операционном этапе технология помогает в анализе и планировании спроса и производства; применения на стратегическом этапе может помочь руководству в проектировании цепочки поставок (количество складов, внешних поставщиков).

С помощью данной технологии можно отслеживать автомобильный парк, учитывать расходы на топливо, проводить мониторинг заявок клиентов. По состоянию на сегодня, рынок Больших Данных в организациях в РФ не так востребован, как в европейских компаниях. Преобладающее большинство хозяйствующих субъектов в РФ интересуются им, но попробовать использовать технологии Больших Данных пока не решаются. В дальнейшем рынок больших данных в России увеличится, так как растет объем информации в бизнесе.

Значительный интерес представляет вопрос о методах анализа, применяемых при работе с «большими данными» для построения цепей поставок. На текущий момент наиболее полный перечень методов в отчете McKinsey [8, C. 17]. При этом авторы отчета специально предупреждают, что этот перечень нельзя считать исчерпывающим, новые методы продолжают появляться.

Системы бизнес аналитики успели доказать свое положительное влияние на эффективность цепей поставок [10, C. 323]. Однако развитие технологий обработки больших данных позволит дополнительно повысить возможности аналитики и усилить влияние на эффективность. Выделяются несколько видов аналитики в цепях поставок.

Большую роль технология может применяться для оптимизации логистических затрат – производственные и непроизводственные. Первые являются следствием производственного процесса, вторые – издержки на хранение и дистрибуцию, таможенные платежи, пошлины и т.д. Добиться снижения производственных издержек можно при условии повышения уровня планирования производства, а в случае с непроизводственными издержками – определение наиболее выгодной маршрутизации. При этом, чем меньше у компании непроизводственных логистических операций (или чем меньше их совокупная стоимость), в том числе передвижений, хранений, возвратов товара, тем более оптимальной является цепочка поставок.

Компании с наиболее высоким уровнем сервиса (например, KPI-показатель OTIF – On-time In-full) являются наиболее успешными. Основываясь на предиктивном анализе и учитывая данные бизнеса, открытые данные и прошлые отгрузки клиентам, можно с помощью Big Data создать цепочку поставок, полностью учитывая требования клиентов. [7, C. 476].

С помощью технологий складирования и быстрой перевозки грузов обеспечивается выполнение многих операций, в том числе физическое распределение продукции на складах; консолидация, упаковка и сортировка товаров; комплектование заказов; автоматизация погрузо-разгрузочных работ. Качественная автоматизация процесса всегда положительно влияет на скорость и безошибочность его исполнения.

Аналитики исследований показывают, что в ближайшем будущем данные станут жизненно-важным активом, а безопасность — критически важным фундаментом в жизни. Технология изменит экономический ландшафт. Поскольку уже на сегодняшнем этапе развития бизнеса основная часть потенциальных угроз и возможностей определяется не столько внутренними показателями деятельности, столько процессами, происходящими во внешней среде, то происходит расширение границ управленческого учета: помимо изучения внутренних процессов организации появилась необходимость и в анализе внешних факторов, оказывающих влияние на хозяйственную деятельность организации. Нахождение связных «узоров» в облачных больших данных, а затем отсеивание их этих «узоров» актуальной информации, станет самой главной задачей для квалифицированных специалистов, которые уже сейчас должны делать все от них зависящее, чтобы как можно лучше узнать тренды и наработки в этой области [6, C. 81].

Несмотря на перечисленные выгоды от использоваться больших данных в логистике многие компании пока не способны извлекать дополнительной ценности из имеющихся у них данных. Основные причины связаны с отсутствием возможностей для анализа больших объемов данных или использованием ошибочных данных. Поэтому развитие функционала аналитики в цепях поставок является важным направлением для будущего развития.

Список литературы:

1. Конституция Российской Федерации от 12.12.1993 (ред. от 21.07.2014) // «Российская газета» от 25.12.1993 г.
2. Федеральный закон от 07.07.2003 № 126-ФЗ «О связи» (ред. от 26.07.2017 г.) // СЗ РФ от 2003 г., № 28, ст. 2895.
3. Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных» (ред. от 31.12.2017) // СЗ РФ от 2006 г., № 31, ст. 3451 (Часть I).
4. Федеральный закон от 27.07.2006 № 149-ФЗ «Об информации, информационных технологиях и о защите информации» (последняя редакция) // СЗ РФ от 2006 г., № 31, ст. 3448 (Часть I).
5. Адлер Ю.П. Стратегическое управление процессами. «Большие данные»: учеб. пособие / Ю.П. Адлер, Е.А. Черных. – М.: Изд. Дом МИСиС, 2016. – 52 с.
6. Жукова Н.В. Использование Big Data в качестве информационного массива управленческого учета / Н.В. Жукова, А.В. Капустин // Вестник образовательного консорциума Среднерусский университет. Серия Экономика и управление. – Тула. ТИУБ им. Н.Д. Демидова. 2017 г., Вып. № 10. – 79-82 с.
7. Матвеева Е.Д. Использование технологии Big data для построения цепей поставок // Логистические системы в глобальной экономике. – Красноярск. Изд. ФГБОУ ВО СибГУ им. М.Ф. Решетнева, 2016 г., № 6. – 474-476 с.
8. Manyika J. et al. Big Data: The Next Frontier for Innovation, Competition, and Productivity. McKinsey Global Institute, 2011. С. 27. // URL: https://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation (дата обращения 21.01.2020 г.). – 146 p.
9. Revenue from big data and business analytics worldwide from 2015 to 2022 (in billion U.S. dollars) // URL: https://www.statista.com/statistics/551501/worldwide-big-data-business-analytics-revenue/ (дата обращения: 20.01.2020 г.).
10. Trkman, P., McCormack, K., De Oliveira, M.P.V. and Ladeira, M.B. (2010), «The impact of business analytics on supply chain performance», Decision Support Systems, Vol. 49, pp. 318–327.