Как Alibaba использует искусственный интеллект в бизнесе. Сетевое взаимодействие и анализ данных

Taobao и Uber: триумф сетевого взаимодействия

Вне всяких сомнений, Uber является одной из самых быстро выросших компаний в истории. На настоящий момент платформа представлена в 400 с лишним городах в более чем 70 странах. За пять лет с момента создания компании капитализация Uber достигла $40 млрд. Что еще более важно, компания оказала большое воздействие на общество. Инициированная Uber «экономика совместного пользования» стала темой горячих дискуссий, заявлений основателей и дифирамбов инвесторов, а модель бизнеса совместного пользования начала распространяться стремительно, как пожар. Появились байкшеринги, общедоступные зарядки для мобильных устройств и другие новшества.

После периода ускоренного развития Uber в последние годы неожиданно столкнулась с тяжелыми вызовами, которые лишили компанию прежних темпов роста. Итак, что же правильно сделано в Uber? Какие недостатки отмечаются у компании? Детальное рассмотрение ситуации вокруг Uber позволит нам лучше понять суть новой бизнес-модели сетевого взаимодействия.

Вне всяких сомнений, Uber является пионером экономики совместного пользования, в особенности если мы говорим о США. Традиционно сектор такси во многих городах США сдерживался ограничением в виде необходимости получения лицензии таксиста. Ситуация была такова, что остро не хватало поставщиков услуг, а цены у водителей были запредельные. К тому же во многих населенных пунктах просто не было сервисов такси. Осознав, что здесь скрывается возможность для построения бизнеса, Uber начала привлекать в свои ряды частных водителей, которые могли бы предоставлять услуги клиентам. Эта модель бизнеса в значительной мере высвободила неиспользуемые общественные ресурсы, повысила уровень услуг для клиентов и стимулировала развитие экономики совместного пользования. Это и является ключевым фактором в успехе Uber. Большинство из нас, скорее всего, не осознает, что триумф Uber в значительной мере основан на анализе данных. Uber трансформировала традиционную отрасль в умный бизнес, базирующийся на данных и алгоритмах.

Распространение мобильного интернета сделало смартфон предметом первой необходимости для множества людей. Карты и GPS также достаточно точны, чтобы сделать возможным отслеживание в реальном времени местоположения пассажиров и водителей. Быстрое развитие облачных вычислений, ИИ и машинного обучения позволяет координировать множество пассажиров и автомобилей. И для пассажиров, и для водителей взаимодействие становится гораздо более эффективным и удобным, чем традиционное такси. Одновременно анализ данных инкорпорирует в себя множество новшеств, в частности такой ключевой элемент, как модели образования рыночных цен. В часы пик цены увеличиваются. Пассажиры могут оставлять в своем профиле или комментариях к заказу информацию о чаевых, чтобы заявить о своем желании получить услугу. Это разрушает традиционные жесткие цены в области такси. Это типичный пример решения социальных проблем за счет инструментов рынка. Если бы здесь не использовался анализ данных, то не было бы возможности добиться такого же результата.

За последние два года Uber столкнулся с ситуацией «узкого места» в своем развитии. С одной стороны, дистанция между лидером и его последователями сокращается день ото дня, с другой – все свидетельствует о столкновении компании с принципиальными проблемами. Осознание стоящих перед Uber вызовов не только помогает нам понять ключевые позиции модели ведения бизнеса в сетевую эпоху, но и, что еще более важно, заставить компании, копирующие путь Uber, задуматься о своих будущих перспективах.

Суть проблемы заключается в ответе на следующий вопрос: смогла ли Uber претворить в подлинном смысле этих слов «сетевое взаимодействие»? Facebook и WeChat в этом контексте являются классическими примерами сетевого взаимодействия. Пользователь сам распространяет сообщения, помогая компаниям за бесценок привлекать новых клиентов. Чем больше пользователей, тем больше людей будет вступать в эти социальные сети, что будет повышать стоимость платформ.

Сетевое взаимодействие является главным источником успеха современных интернет-компаний. Если мы внимательно ознакомимся с основными преимуществами Uber, то обнаружим, что с экономической точки зрения Uber не особо использовала возможности сетевого взаимодействия. Более ключевой для компании стала традиционная политика масштабной экономии. Быстрое расширение привлекло к Uber множество водителей – тренд, сформировавший у компании преимущество в виде большого охвата. В этой ситуации для тех поставщиков услуг, которые не могли в силу отсутствия лицензии работать водителями, стало возможным выйти на рынок. Это привело к значительному повышению качества и понижению стоимости услуг.

Здесь необходимо остановиться и сделать важное замечание: в отсутствие сетевого взаимодействия построить монополию на одной экономии и снижении расходов невозможно. Только компании, опирающиеся на сетевое взаимодействие, подобно WeChat, могут добиться такого триумфа. Если со стороны потребителей мы не наблюдаем сетевого взаимодействия, то даже при еще более массированной экономии со стороны поставщиков себестоимость перемещений для пользователей будет оставаться все же низкой. Можно вспомнить, как раньше у китайцев на мобильных телефонах было установлено сразу несколько мобильных приложений по вызову такси: Didi, Uber, Shenzhou, Yongche… Пользователь мог спокойно выбирать между ними. Осознание распространенности услуги было удобным для клиентов, и все могли быть уверены в том, что получат определенные услуги. К тому же скачивание нескольких приложений не предполагало для пользователя значительных затрат. При этом, поскольку в часы пик невозможно было обеспечивать для всех пользователей одинаково благоприятный опыт пользования услугами, сохранялось жизненное пространство для второстепенных игроков. Для водителей же вполне обычной ситуацией стало принятие заказов сразу от нескольких платформ.

Барьеры на пути к политике масштабной экономики значительно ниже, чем преграды перед претворением в жизнь сетевого взаимодействия, ведь в первом случае можно за счет огромных средств методом «массированной бомбардировки» точно попасть в цель. На настоящий момент мы видим ситуацию, когда – после слияния Didi и Uber – Shenzhou продолжает расширяться и на сцене появляются новые игроки: Shouqi, Caocao, Meituan, Amap и многие другие. Несмотря на то, что Didi достигла поразительных масштабов, даже такая компания принципиально не может не считаться с приходящими на рынок новыми конкурентами.

Быстрое расширение Uber в первую очередь следует связывать с тем, что сам сервис вызова автомобилей представляет собой достаточно несложную сферу, где можно начать с простого и добиться хорошего роста. В каком-то смысле именно простота этой сферы и ограничила возможности для Uber сформировать более сложный многосторонний рынок и более жизнеспособную экосистему. Этот момент очень важен, поскольку он затрагивает вопрос о том, как посредством сетевого взаимодействия на практике добиваться успеха.

Мы можем удостовериться в этом, сопоставляя Uber и Taobao. Taobao занимается более сложными торговыми сделками, чем просто заказ такси. Taobao постепенно проверила для себя различные отрасли, которые на первый взгляд не были в приоритете, однако в действительности могли быть первостепенными онлайн-услугами: онлайн-оплата, обеспечение сделок, кредитная оценка, защита прав потребителей, управление товарами на складе и т. д. Нам стоит упомянуть о том, что на раннем этапе у Taobao были не особенно высокие темпы роста. Вплоть до 2007 г. множество людей не видели в Taobao стремительно растущую интернет-компанию. После же внедрения обозначенных систем Taobao быстро превратилась из компании, в основном торгующей одеждой, в компанию с гораздо более широким ассортиментом и, наконец, платформу с безграничными возможностями развития. В 2017 г. Taobao показала объем продаж ¥3,77 трлн (¥100 млрд в 2008 г.) – на 21,6 % выше, чем в 2016 г. Прибыль за год составила ¥158,273 млрд – прирост на 56 %, выше, чем 33 % в 2016 г.

Это горизонтальное развитие столь масштабно, что оно стимулирует развертывание платформы и в вертикальном направлении. Компания, продолжая заниматься розничной торговлей, постепенно открыла для себя и такие новые сферы, как реклама, маркетинг, логистика и финансы. Taobao может столь стремительно расти именно по причине того, что интернет сам по себе предполагает подобные масштабы развития. Концентрация в одном месте продавцов самого различного профиля позволяет распределять между ними не только себестоимость базовых услуг, но и расходы на привлечение клиентов. Ядром Taobao является большое разнообразие продуктов, а не просто наличие простых товаров и множества покупателей.

На платформе Uber и водители, и пассажиры выступают как простые и в целом схожие действующие лица. Подобной сети вполне очевидно не хватает движущей силы для самостоятельного роста. Uber связывал большие надежды с расширением бизнеса в таких сферах, как экспресс-доставка и доставка еды, однако это предприятие не увенчалось успехом, и основная причина здесь кроется в том, что указанные сферы являются не естественным продолжением существующей сети, а, скорее, попыткой менеджеров повторить изначальный успех в других областях. В наше время подобная тактика ни в коей мере не может соперничать по эффективности с инициативами лиц, которые имеют глубокие познания в своей сфере. В связи с этим мы сейчас и наблюдаем, как «уберизация» терпит поражение в соперничестве с инновационными командами, а Uber в целом не расширяется.

Следует напрямую сопоставить Uber и Taobao, чтобы осознать важность ДНК, заложенной в основу модели каждого бизнеса. Taobao в качестве сети взаимодействия показывает большой внутренний и внешний рост. Отталкиваясь от этой основы, компания дополняет свои возможности ценностями, которые приносит анализ данных. Именно Taobao позволила Alibaba Group быстро достигнуть рыночной капитализации в $500 млрд.

Вновь возвращаясь к Uber, мы можем, учитывая описанные события, отметить, что быстрое достижение компанией капитализации $60 млрд связано в первую очередь с бумом анализа данных в области услуг такси. Тот факт, что Uber замедлил рост в течение последних двух лет, и отсутствие у компании планов по IPO можно связать с тем, что никто не знает точно, как Uber планирует в дальнейшем наращивать свою капитализацию. В равной мере мы могли бы предположить, что Uber, скорее всего, не будет иметь больших перспектив в области сетевого взаимодействия, поскольку в ДНК компании задана узкая сфера интересов и упрощенная пользовательская база, которая сводится к предоставлению услуг такси. Сама по себе эта область не предрасположена к расширению, что и привело к тому, что Uber в дальнейшем делает ставку на беспилотные автомобили. Для компании это направление представляет собой большой вызов. Несмотря на прогресс Uber в этой сфере, прорывов здесь пока не было, в частности с точки зрения роста рыночной капитализации.

Если Uber желает снова увидеть стремительный рост своих показателей и, например, войти в клуб компаний с капитализацией свыше $100 млрд, то компании следует, исходя из существующих технологий анализа данных, возможностей интернета с точки зрения спроса и сложной эволюции платформ, по крайней мере реализовать качественные изменения. Впрочем, и в этом для компании кроются огромные вызовы.

Глава 4
Второй элемент двойной спирали умного бизнеса: анализ данных

Без данных невозможен анализ данных, а без анализа данных не представляется возможным вести бизнес. ИИ приводит за собой технологическую революцию, которая, несомненно, будет все больше стимулировать интеллектуализацию бизнеса. В будущем анализ данных станет основой деловой сферы в целом, а концепция умного бизнеса – новой парадигмой информационной эпохи. С моей точки зрения, если мы хотим успешно инкорпорировать анализ данных в конкретный бизнес, то мы должны думать о трех вещах: цифровизации, алгоритмизации и коммерциализации.

Цифровизация: основа инноваций в бизнесе

Мы вполне можем предположить, что в будущем, по мере прогресса в научно-технологической сфере и с течением времени, бизнес в целом столкнется с полномасштабной интеллектуализацией. Что мы подразумеваем под этим понятием? Ведь само прилагательное «интеллектуальный» в различные периоды времени и на различных этапах технологического развития подразумевает различные вещи.

Что касается современного бизнеса, интеллектуализация предполагает, что все больше деловых решений принимается при помощи обучаемых машин, с опорой на ИИ. Машины постепенно замещают людей и выступают важными источниками принятия решений во все большем количестве бизнес-задач. Эффективность работы машин намного превышает возможности современной рабочей силы.

При этом на настоящий момент умный бизнес еще пребывает в зачаточном состоянии и, несмотря на свои преимущества по отношению к традиционному бизнесу, продолжает демонстрировать неясность преимуществ по ряду направлений. И все же существующие примеры дают нам основания говорить об огромном потенциале интеллектуализации. Учитывая устойчивое развитие интернет-технологий, в особенности IoT, информатики и компьютеров, мы даже можем предположить, что бизнес, основанный на анализе данных, превзойдет по своим возможностям конвейер, который Форд ввел у себя на фабрике в далеком 1913 г., и станет коренным переломом в развитии производственных сил человечества в целом.

Мы говорим о революции в парадигме ведения бизнеса. В ближайшие десять лет самые большие ценности будут связаны с тем, как сформировать умный бизнес и сделать получение услуг максимально удобным процессом для пользователя.

Общеизвестно, что глобальной проблемой является предоставление кредитов микропредприятиям. Поскольку сбор, анализ и оценка информации представляют собой крайне дорогое предприятие, возникает целый ряд вопросов, составляющих головную боль для множества кредитных организаций: давать или не давать маленьким компаниям кредиты, если да – то сколько, под какой процент и т. д.

Ant Small Loans как компания, которая существует не столь продолжительное время, коренным образом трансформировала свою сферу. Всего за несколько лет она обслужила более миллиона продавцов на Taobao и Alibaba. Средний размер кредита составил примерно ¥50 000 с верхним пределом не более ¥1 млн и нижним пределом всего несколько сот юаней. Клиенты зачастую не только не имели возможности дать какой-либо заслуживающий доверия залог, у многих из них даже не было счета. Еще более удивительно, что таким получателям кредитов не требовалось встречаться с кредитными менеджерами. Весь сбор информации и принятие всех решений в рамках платформы Ant Small Loans реализуются через бэкенд, с помощью компьютеров: предприниматель подает заявку на получение кредита в онлайн-режиме; система в течение нескольких минут в автоматическом режиме рассматривает запрос; после рассмотрения заявки сумма кредита может быть в реальном времени переведена на счет продавца. Такая автоматическая система выдачи кредитов при этом демонстрирует значительно более низкие показатели по безнадежной задолженности, чем у традиционных банков.

Все описанные возможности Ant Small Loans напрямую связаны с интернетом. Платформа позволяет делиться множеством данных о потенциальных клиентах: например, какую продукцию представляет продавец на Taobao, какие результаты показывает бизнес, надлежащим ли образом ведется управление магазинами, были ли в прошлом у человека проблемы с репутацией и даже нравятся ли человеку онлайн-игры, какой кредит доверия у друзей продавца и т. д. Эти данные по своей полноте и таргетированности намного превосходят данные, которые собирают традиционные банки.

Если мы еще более детально ознакомимся с деятельностью Ant Small Loans, то обнаружим три ключевых фактора работы платформы: цифровизация определенных бизнес-сфер, доверие к логическим алгоритмам в сфере бизнеса и их последовательная оптимизация и, наконец, продукт, в котором органично сочетаются анализ данных и бизнес-интерфейс. Эти три указанных фактора взаимосвязаны и пересекаются друг с другом. Совместная эволюция в рамках замкнутого цикла обратной связи – это и есть облик умного бизнеса будущего.

Цифровизация не ограничивается только бизнес-данными о клиентах, она также предполагает фиксацию, анализ и интеграцию данных в более широком масштабе, в результате чего мы получаем полноценное досье на клиента. Инициализация данных – дорогостоящий и трудоемкий процесс, и даже простой показатель пола клиента должен включать в себя более десяти параметров: пол, который указан в удостоверении личности, фактический пол, гендерные признаки, которые человек демонстрирует в своем поведении, и т. д. Все эти данные по отдельности имеют ценность. Однако традиционные средства не позволяют нам осуществлять синтез этих данных, их рациональное использование возможно только благодаря инновациям^[13].

Одновременно цифровизация представляется крайне прибыльным делом. Например, такой ценный показатель, как «степень включенности клиента в ведение бизнеса», не может быть каким-либо образом получен традиционными финансовыми структурами. Однако благодаря интернету мы можем проследить, когда продавцы заходят в Wangwang и сколько минут им требуется, чтобы ответить на запрос покупателя. Эти данные могут свидетельствовать на интуитивном уровне о степени вовлеченности продавцов в бизнес.

Цифровизация, по сути, представляет собой процесс придания определенному феномену измеримой формы. Это явление исходит из желания человечества измерить, зафиксировать и проанализировать мир – желание, которое лежит в основе цивилизационного прогресса. Виктор Майер-Шенбергер и Кеннет Кукьер в книге «Большие данные: Революция, которая изменит то, как мы живем, работаем и мыслим»^[14] делают весьма точное замечание по поводу истории цифровизации, указывая, что измерения и записи – самые ранние корни цифровизации – вместе способствовали рождению данных. Узелковое письмо времен ранних человеческих цивилизаций, сформировавшаяся более 5000 лет назад в Месопотамии система мер и весов, открытая в I в. н. э. в Индии и развитая арабами десятичная система счета – все это блистательные вехи в великом походе человечества к цифровизации. Таким образом, мы приходим к опыту итальянского алгебраиста Луки Пачоли, который через систему двойной записи сформировал основы фиксации стандартных данных в виде бухгалтерского учета – это был первый случай, когда данные напрямую использовались для определения прибыли и убытков бизнеса. Появление компьютеров и в особенности стремительное развитие интернет-технологий стали еще большим толчком для цифровизации.

Мы уже отмечали, что все «следы», которые каждый из нас оставляет в интернете, становятся предметом цифровизации и фиксируются, превращаясь в ключевые основания для индивидуализации услуг. Facebook добился цифровизации межчеловеческих отношений, что привело к появлению абсолютно новых сфер: например, предсказание результатов выборов на основе данных о поведении пользователей перед голосованием стало самым точным предвыборным прогнозом за всю историю.

Мы также наблюдаем цифровизацию текстов, геопозиционирования и даже наших эмоций. Для каждого из нас важна цифровизация здоровья. Zeo – венчурная компания, занимающаяся оборудованием по управлению сном, – завершила составление самой большой в мире базы данных о сне. Asthmapolis – платформа для предоставления медицинских услуг больным астмой – посредством респиратора фиксирует состояние больных и с помощью GPS анализирует воздействие определенных условий внешней экосистемы на пользователей. Приложение iTerm благодаря встроенным в мобильные телефоны устройствам отмечает вибрации тела человека и предупреждает о возможном наличии таких заболеваний нервной системы, как болезнь Паркинсона. Скорее всего, не нужно подробно говорить о широком распространении различных финтес-браслетов, которые постоянно фиксируют общее состояние здоровья человека.

Интернет-технологии позволяют нам сократить расходы и фиксировать данные. Однако только наличие в наших руках достаточного массива больших данных создает возможность для объективного и глубокого понимания окружающей нас экосистемы, сущности вещей и нас самих.

Это исторический момент, который поражает воображение. По сути, так же, как паровая машина стала первым прорывом на пути к промышленной цивилизации, электроэнергия – первым шагом к современной электрифицированной промышленности, цифровизация, вне всяких сомнений, является начальным этапом формирования выстроенного на анализе данных умного бизнеса, а также одной из основных производственных сил настоящего времени.

Эффективная инициализация данных выступает первой и принципиально важной ступенью в формировании ценности больших данных. Можно сказать, что в отсутствие инициализации данных нельзя говорить о последующих инновациях в бизнесе. Однако вопрос о том, сможет ли дорогостоящий процесс инициализации данных создать реальную практическую ценность для клиентов, все еще стоит перед множеством новых предприятий. В этом контексте большую роль должна сыграть креативность предпринимателей.

История Ant Small Loans

Предположим, что существует отдельная организация по выдаче кредитов, которая решилась начать деятельность в новой области кредитования. Кредиты будут выдаваться малым и микропредприятиям, а также отдельным предпринимателям из числа физических лиц^[15]. Это сфера, связанная со множеством специфических особенностей. Она охватывает всю страну. Информации о себестоимости, структуре и доходах этих будущих держателей кредитов нет, равно как отсутствуют и документы финансовой отчетности и кредитная история. Такие кредиты к тому же не предполагают залогового обеспечения.

 

Задача: обслуживать одновременно миллионы клиентов; размер кредита не должен превышать ¥1 млн; срок кредитования составляет от нескольких дней до года; оценка заявок на кредиты в реальном времени; выдача кредитов в реальном времени; уровень безнадежных кредитов не должен быть выше средних показателей по отрасли.

Что делают обычные банки?

План действий примерно такой: Разрабатываем централизованный процесс оценки рисков, заточенный под сферу микрокредитования. – Создаем сеть точек кредитования по всей стране. – Разрабатываем новый опросник. – Результаты опроса в реальном времени импортируются во внутреннюю систему банка. – Оценка рисков по системе анкетирования. – Получение от клиентов залога или поручительства. – Проверка заявок силами сотрудников.

Так в целом организована работа в сфере микрокредитования на настоящий момент. Однако все традиционные структуры сталкиваются здесь с одинаковыми проблемами: себестоимость организации сбора данных о клиентах значительно выше, чем собственно объемы кредитов, которые будут выданы.

Что сделала Ant Small Loans?

Полный вывод процесса в онлайн. – Предоставление кредитов в реальном времени (не более минуты с момента ввода клиентом суммы кредита до получения денег). – Автоматизированная выдача кредитов. – Отсутствие физических точек выдачи кредитов. – Отсутствие менеджеров по работе с клиентами. – Средний размер кредита не выше ¥50 000 и не менее нескольких сот юаней (в случае традиционных структур по выдаче микрокредитов минимальный кредит составляет не менее ¥500 000). – Обслуживание более 400 000 клиентов в год. – Отсутствие необходимости поручительства и гарантий. – Показатель безнадежных долгов не выше 2 %.

Ant Small Loans – первый умный финансовый продукт Китая. Платформа сделала три ключевые вещи: цифровизация малых и микрокредитов; использование алгоритмов для оценки рисков; интеграция в единый продукт анализа данных и интерфейса малого кредитования. Иными словами, предоставляются услуги, где сочетаются данные, алгоритмы и продукты.

Благодаря интернету Ant Small Loans может делиться множеством данных о потенциальных клиентах: например, какие товары в настоящее время продают продавцы на Taobao, как у них идет бизнес, насколько быстро производится обслуживание (скорость ответа клиентам в мессенджере Wangwang, продолжительность рабочего дня и т. д.), наличие фактов недобросовестного поведения в прошлом и многое другое. Эти данные более значительны, точны и масштабны, чем те, которые было бы возможно получить через традиционные структуры.

Инженеры Ant Small Loans составили три набора алгоритмов машинного обучения для обработки всех этих данных и оценки рисков, связанных с каждым клиентом: алгоритмы определения способности вернуть кредит (на основании данных о ведении бизнеса), намерения вернуть кредит (риски и кредит доверия клиента) и размера кредита (тренды ценообразования и политика).

По сравнению с анализом данных в традиционных финансовых структурах мы здесь видим упор на онлайн-данные и итерацию алгоритмов в реальном времени. С одной стороны, новые данные поступают постоянно и каждая операция, выход в онлайн и возврат средств клиента постоянно меняют его показатели кредитоспособности.

С другой стороны, алгоритмы сменяют друг друга. Данные о получении и возврате кредитов клиентами в реальном времени поступают в базу данных Ant Small Loans и оптимизируют множество алгоритмов. Возникают вопросы: как показатели должны включаться в алгоритмы или удаляться из них; каким характеристикам поведения клиентов должно уделяться большее внимание; какие алгоритмы действуют наиболее точно в различных обстоятельствах. На Ant Small Loans обновление алгоритмов производится еженедельно. Даже в США, где степень цифровизации финансов крайне высока, алгоритмы обновляются чаще всего раз в шесть месяцев.

Наконец, Ant Small Loans позволила включить анализ данных в сферу интерфейса выдачи малых и микрокредитов и сформировать высокоэффективный интернет-продукт. Продавцы на Taobao могут напрямую через платформу запрашивать кредиты (по аналогии с тем, как поисковая строка Google работает при простом вводе ключевых слов). Интерфейс выдачи кредитов находится в постоянном контакте с машинными алгоритмами, данные обновляются в реальном времени, а алгоритмы постоянно корректируются.

До того, как продавцы подают заявки на получение кредитов, механизмы, стоящие за Ant Small Loans, уже обработали информацию об их поведении на Taobao и приняли решения по поводу рисков, предварительно установив лимит кредитования. Именно поэтому рассмотрение заявок происходит в реальном времени и решения по выдаче кредитов реализуются в автоматическом режиме.

В рамках этого процесса данных о клиентах становится все больше, общий масштаб базы данных растет, параметры становятся все точнее, алгоритмы – все более выверенными, контроль рисков – все более доступным по цене, увеличивается удовлетворенность получателей кредитов, растет количество пользователей. Таким образом реализуется позитивный цикл ускоренного развития всей отрасли. Что еще более важно, это основанный на данных и алгоритмах, но автоматизированный процесс интеллектуализации пользовательских условий, который в равной мере позволяет заметно повысить эффективность бизнеса.

Ant Small Loans – замечательный пример умного бизнеса. Кредитование как древняя и крайне сложная сфера бизнеса посредством абстракции и упрощения была трансформирована в обычное поле ввода данных, позволяющее взаимодействовать человеку и компьютеру. Традиционный процесс получения кредита, который столь насыщен мелочами, что отпугивает людей, превращается в процесс из трех действий: «попросил кредит» – «машина принимает решение» – «получи деньги на счет». Автоматический процесс выдачи кредитов заменил сложную процедуру принятия решений, основанную на рассудительности человека. Малые кредиты стали сферой интеллектуализации за счет использования данных.