Почему фраза Total Quality Management ни у кого не вызывает вопросов, а Data Quality до сих пор считается задачей IT? Чем цепочки поставок отличаются от цепочек создания ценности на основе данных? И почему основные активы стоят на балансе компании, а активы данных — нет?
В этом материале я покажу, что операционный менеджмент не просто эволюционирует, а неизбежно превращается в управление данными.
Оглавление
Операционный менеджмент за 30 секунд
Почему данные раньше были «побочным продуктом», а теперь — актив
Пример: как заявка на продажу превращается в экономию ресурсов
Проектный менеджмент + управление данными (на примере DAMA)
Два кейса из практики: от потоков данных до замены SFA
Цифровой двойник как инструмент принятия решений
Умное производство как следующий шаг развития операционного менеджмента
Вывод: операционный менеджмент уходит в историю?
1. Операционный менеджмент за 30 секунд
Операционный менеджмент — основа того производства, которое мы имеем сейчас: когда одна компания может обеспечить спрос на свою продукцию по всему миру, легко масштабирует и управляет цепочками огромных масштабов и сложности. Он даёт компании главное — предсказуемость. Предсказуемое качество, предсказуемые сроки, предсказуемые затраты. Без него каждый новый заказ — лотерея. С ним — масштабируемая система, которая работает одинаково хорошо хоть на 10 клиентах, хоть на 10 000.
Операционный менеджмент — это единственная функция в компании, которая напрямую превращает ресурсы в деньги. Каждый процент роста операционной эффективности даёт чистую прибыль, не требуя дополнительных инвестиций в рекламу или R&D.
Классический операционный менеджмент за 30–50 лет выжал максимум из процессов, людей и станков. Именно поэтому сейчас про него говорят очень мало: если посмотреть на научные статьи за последние 2–3 года, то их практически нет. Дальнейший рост лежит не в том, чтобы «работать быстрее», а в том, чтобы данные перестали быть побочным продуктом. Ценность операционного менеджмента сегодня — не в управлении процессами, а в управлении информацией об этих процессах.
И здесь мы подходим к двум ключевым концепциям, которые становятся основными инструментами этой трансформации: цифровые двойники и умное производство. О них поговорим подробнее в отдельных главах, а пока давайте разберёмся, почему данные вообще стали активом.
2. Почему данные раньше были «побочным продуктом», а теперь — актив
Раньше данные рассматривались как побочный продукт любого процесса. Сейчас ситуация меняется: данные становятся активом, инструментом управления и повышения эффективности.
Например с 1 января 2024 года в Китае официально вступили в силу правила, позволяющие ставить данные на баланс как полноценный актив — наравне со станками, зданиями и лицензиями. Это не теория. К концу 2025 года 560 китайских компаний уже капитализировали данные у себя в отчётах. 77% из них — госпредприятия, которые просто так деньги на ветер не бросают. Три телеком‑гиганта — China Mobile, China Telecom и China Unicom — совокупно занесли в активы более 15 млрд юаней только за первую половину 2025 года. Вопрос «данные — это актив?» в Китае уже закрыт. Они им стали юридически и бухгалтерски.
Получается данные — это актив. А активом можно и нужно управлять. И значит его так же нужно включить в контур операционного менеджмента. Это логичная эволюция.
Управление данными как активом открывает путь к созданию цифровых двойников процессов и целых производств. Ведь цифровой двойник — это не просто 3D‑модель, это агрегация всех данных об активе в едином пространстве для принятия решений.
3. Пример: как заявка на продажу превращается в экономию ресурсов
Задачи цифровизации — это задачи по сокращению времени сделки. Т.е. мы получаем дополнительную прибыль если за один цикл вместо одной сделки можем закрыть две. Это очень хорошо работает в банках: скорость принятия решений по кредиту иногда длится несколько минут. А раньше это длилось несколько дней. Поэтому в финтехе вложения в работу с данными окупаются очень быстро.
Любой процесс получает ресурсы на вход, что то делает с этими ресурсами и выдает продукцию. Как на конвейере. При этом очень много есть информации рядом с этим процессом: количество ресурсов, количество потерь, количество итоговой продукции. И есть много связанной информации: себестоимость итоговой продукции, маржинальность, планы производства, износ оборудования, процент брака. И если использовать все эти данные для получения дополнительной выгоды (как опилки на распиловочном станке можно продать или сделать другой продукт), то такие данные становятся активом и частью контура управления.
На процесс навешаны метрики: скорость отгрузки, оборачиваемость денег. Сам процесс уже практически оптимизирован. А в работа с данными ещё есть потенциал:
По истории продаж можно генерировать предложения, актуальные в текущий момент времени.
При вводе заказов — добавлять позиции, увеличивая чек.
Анализ данных выявляет узкие места в документообороте.
Часть операций можно сократить, подтянув данные из смежных систем.
По итогу за счет правильной организации работы с данными можно ускорить уже привычные процессы, а так же получить дополнительную выгоду. И можно сделать вывод, что операционный менеджмент достиг плато, а управление данными ещё нет. Это не замена, а эволюция.
И когда мы говорим об эволюции, следующий логический шаг — это умное производство, где данные управляют процессами в реальном времени, без прямого участия человека. Но для того, чтобы безопасно внедрять такие изменения, сначала нужно научиться просчитывать сценарии — и здесь на сцену выходят цифровые двойники.
4. Проектный менеджмент + управление данными
Разберем управление данными на проектном управлении. Классический проектный менеджмент обычно включает в себя:
Диаграмма Ганта, сетевой график, оценка сроков.
Управление стоимостью, временем, качеством, рисками, стейкхолдерами.
Сложно что то добавить — проектному менеджменту кажется вообще не одно столетие, ведь пирамиды тоже строили по плану, по другому не возможно. Но давайте посмотрим на главу DAMA‑DMBOK «Управление документами и контентом». В дополнении к управлению проектами можем взять следующее:
Планирование жизненного цикла записей
Стратегия управления контентом
Политики E‑discovery
Информационная архитектура
Сбор, хранение, архивация, ликвидация записей
За счет этого можно легко повысить эффективность проектного менеджмента: данные так же становятся не просто побочным продуктом, а повышают эффективность уже имеющихся процессов. Ведь за счет этого мы дополнительно получаем:
Скорость поиска и использования информации: не нужно повторно делать то, что уже было когда то сделано. А найти и пере использовать эту информацию становится просто
За счет архитектуры хранения и использования информацией можно увидеть дубли и бутылочные горлышка, заметить нестыковки и пробелы
Легкий контроль за стандартизацией и регламентами
Пример из жизни:
Проектный офис хранит артефакты в Excel и Word на сетевом диске. Большая часть работы этого офиса — создание отчетности для руководства о статусе проектов. А что если:
перевести статусы в трекер,
подключить трекер к BI,
привязать шаблоны артефактов к шагам с предзаполнением из CRM,
использовать данные по прошлым проектам для расчёта бюджетов?
Экономия только на проектной документации огромная. Не говоря о нематериальных выгодах, повышении общего качества и сокращении ручных ошибок. По сути, здесь мы создаём минимальную версию цифрового двойника проекта: набор данных, который позволяет моделировать бюджет и сроки до старта работ.
5. Два кейса из практики
Кейс 1. Потоки данных = +10% маржинальности
Дано: дочка производит продукцию из сырья материнской компании. Часть сырья отдаётся на сторону. Учёт — в 1С, отчётность — в почте. Я организовал потоки данных из 1С, сторонних площадок и материнской компании в общее хранилище. Построил отчёты для гендиректора, реализовал DS‑проекты по оптимизации запасов и рецептур. Затраты: только мои организационные (инфраструктура уже была). Эффект: +10% маржинальности + изменение культуры работы с данными.
Вывод: для повышения эффективности процессов или монетизации данных в компании уже всё есть, нужно только правильно организовать работу с данными и управлению ими.
Кейс 2. Замена SFA как замена станка
Другой пример: в FMCG замена SFA‑системы, стоимость несколько миллионов $ и несколько лет перехода. Это долго и дорого. Как сделал бы сейчас:
описали процессы: входные/выходные данные, метрики
завели метаданные в репозиторий (часы работы, а не годы)
подключили стенд новой БД, отсканировали метаданные
сопоставили со старой системой
получили ТЗ для интеграций и бесшовного перехода отчётности
Вывод: организация работы с данными приносит эффекты в разных областях: это могут быть прямые эффекты для бизнеса, нематериальная польза для компании, и конечно эффекты связанные с внутренней монетизацией за счет экономии бюджетов.
В обоих кейсах мы работали с тем, что уже есть. Но следующий уровень — это когда данные начинают не просто показывать прошлое, а предсказывать будущее и предлагать оптимальные сценарии. Именно здесь появляются цифровые двойники.
6. Цифровой двойник как инструмент принятия решений
Когда говорят про цифровые двойники, многие представляют красивую 3D‑модель завода с парящими графиками. На практике цифровой двойник — это не картинка. Это динамическая цифровая копия физического объекта, процесса или системы, которая обновляется в реальном времени и используется для моделирования сценариев.
Почему это важнее, чем AI‑агенты, которые сейчас у всех на слуху? Потому что AI‑агент — это чёрный ящик. Он выдаёт решение, но не объясняет логику. В производстве, где цена ошибки — остановка конвейера или брак целой партии, непрозрачность неприемлема. Цифровой двойник, напротив, прозрачен. Ты всегда можешь разложить его логику по полочкам: «Почему система предложила перенести заказ на станок № 4? Потому что на станке № 3 износ резца достиг 85%, а время переналадки на № 4 на 20% меньше».
Цифровой двойник позволяет отвечать на вопросы:
• Что будет, если... мы запустим этот заказ не сегодня, а завтра? Как сдвинутся остальные?
• Что будет, если... сломается ключевой станок? Есть ли запасной маршрут и сколько мы потеряем?
• Что будет, если... изменится цена сырья на 10%? Как это повлияет на маржинальность всей линейки продуктов?
В отличие от AI‑агентов, которые часто требуют «доверия» без объяснений, цифровой двойник даёт менеджеру возможность провести эксперимент в безопасной среде. Это как авиасимулятор для пилота: можно отработать отказ двигателя без риска разбить самолёт.
Основной посыл современных инструментов будь то AI или что то ещё — не заменить человека, как многие хотят, а помочь в работе. И если раньше это касалось физической работы, то сейчас это касается умственной — а именно в помощь в принятии решений.
Пример из практики:
В одном проекте мы построили цифровой двойник склада готовой продукции. Это был не 3D‑макет, а математическая модель потоков: приход, отгрузка, движение к воротам. Мы прогнали через него исторические данные за 3 года и обнаружили, что при определённом сочетании дней недели и сезона происходит перегрузка одних ворот и простой других. С помощью двойника мы пересобрали расписание отгрузок и перераспределили потоки. Результат: время обработки одной машины у ворот сократилось на 15 минут. Для 200 машин в день — это экономия 50 часов работы персонала ежемесячно. Без покупки дополнительных ворот.
Цифровой двойник — это инструмент, который делает управление операциями научным, а не интуитивным. И именно он становится основой для следующего уровня — умного производства.
7. Умное производство как следующий шаг развития операционного менеджмента
Если цифровой двойник — это «песочница» для принятия решений, то умное производство (Smart Manufacturing) — это когда система начинает сама принимать и исполнять решения на основе данных двойника, без участия человека в цикле (это не значит что человека нет совсем).
Умное производство — это следующий, закономерный шаг эволюции операционного менеджмента. Мы прошли путь:
• Ручное управление — мастера с блокнотами.
• Автоматизация — станки с ЧПУ и ERP‑системы.
• Цифровизация — сбор данных с каждого узла.
• Умное производство — система видит, анализирует и корректирует процесс сама.
Ключевое отличие умного производства от просто «цифрового» — это обратная связь без человека. Данные идут не только от станка в систему, но и от системы обратно на станок. И здесь большое отличие от AI в том, что система не угадывает поведение, а логика зашита в модели поведения. Тут не может быть места галлюцинациям.
Как это выглядит в жизнь:
Предиктивное обслуживание. Система знает, что подшипник отработал 80% своего ресурса. Она не просто сообщает мастеру «пора менять». Она сама формирует заявку в ремонтную службу и предлагает оптимальное окно для замены — между заказами, чтобы не останавливать производство.
Адаптивное планирование. Цифровой двойник цепочки поставок видит, что поставщик задерживает сырьё на 2 дня. Система автоматически пересчитывает производственное расписание: переносит менее срочные заказы на конец недели, а под освободившееся окно подтягивает резервный запас с другого склада. И всё это — пока менеджер пьёт утренний кофе.
Качество в реальном времени. Датчики на линии фиксируют отклонение температуры. Система мгновенно сравнивает с цифровым двойником процесса и понимает: если так продолжится, через 5 минут начнётся брак. Она корректирует режим охлаждения автоматически, без участия оператора. Брак не возникает — его предотвратили.
Почему это следующий шаг, а не фантастика?
Потому что технологии уже есть: дешёвые датчики, облачные мощности, зрелые алгоритмы машинного обучения. Вопрос не в этом. Вопрос в культуре управления. Многие компании упираются в стену: «Мы не доверяем машинам», «А вдруг ошибётся?». Но практика показывает, что машина ошибается реже, чем уставший мастер в 3 часа ночи.
И здесь ключевую роль снова играет цифровой двойник. Именно он является тем самым «полигоном», на котором мы тестируем алгоритмы умного производства. Прежде чем позволить системе управлять станком, мы сотни раз прогоняем этот сценарий на двойнике. Убеждаемся в надёжности. И только потом даём зелёный свет.
По сути, цифровой двойник — это главный инструмент внедрения умного производства. Без него умное производство — это прыжок без страховки. С ним — контролируемая эволюция.
8. Вывод: операционный менеджмент уходит в историю?
Операционный менеджмент не умирает, но трансформируется. На смену приходит:
управление через данные
управление потоками информации
цифровые активы и продукты данных
цифровые двойники как инструмент принятия решений
умное производство как следующий уровень зрелости
Сейчас переходный период. Люди цепляются за привычные методы, которые перестают работать. Отсюда убытки цифровой трансформации: бизнес пытается натянуть цифру на аналоговые процессы (как ламповый телевизор вместо планшета).
Ключевые тезисы:
Классический операционный менеджмент достиг потолка эффективности. Дальнейший рост в управлении данными.
Данные — это актив, который стоит на балансе (в Китае уже буквально). Активом нужно управлять так же, как станками и складами.
Цифровой двойник — это не игрушка, а инструмент принятия решений, прозрачный и надёжный. Он понятнее и безопаснее чёрных ящиков AI‑агентов.
Умное производство — это неизбежная эволюция операционного менеджмента. А цифровой двойник — основной инструмент для его безопасной реализации.
Вопрос к читателям: Вы считаете цифровой двойник технологией, которая уже в прошлом или всё‑таки можно развивать эту технологию как инструмент в принятии решений?