«Макдоналдс» не был ни первым фастфудом, ни даже первой сетью ресторанов быстрого питания, но именно он одним из первых превратил ресторан в конвейер, где стандартизовано всё без исключения — от бутербродов и оборудования до действий сотрудников.
Компания полвека отлаживала свои стандарты, правила и алгоритмы, пытаясь добиться идеального соотношения себестоимости, технологичности и множества других качеств. Повышенное внимание, которое она уделяла оптимизации всего и вся, настолько общеизвестно, что её имя стало нарицательным: термин «макдоналдизация» означает заботу об эффективности, выходящую за разумные пределы.
Каждый день десятки тысяч ресторанов «Макдоналдс» обслуживают 68 миллионов человек. В компании трудятся 1,8 млн сотрудников, а ежегодный оборот составляет $27 млрд. Такие масштабы в сочетании с повышенным интересом к усовершенствованию всех сторон собственной деятельности делает «Макдоналдс» идеальным объектом для внедрения технологий «больших данных».
В компании понимали это ещё в те времена, когда данные были не особенно большими. Внедрение компьютерного учёта началось сразу, как только представилась такая возможность. Компьютеризация кассовых аппаратов «Макдоналдса» произошла почти сорок лет назад, а к середине восьмидесятых многочисленные рестораны подключили к мейнфрейму, располагающемуся в штаб-квартире. Несколько лет назад «Компьютерра» во всех подробностях рассказывала об истории информатизации «Макдоналдса»:
В каждый отдельно взятый период времени сеть «Макдоналдс» использовала для решения стоявших перед ней задач лучшие из доступных технологий. Проблема заключалась в том, что все они были фирменными. Парадигма вычислений сменялась каждые десять лет или около того: от больших ЭВМ к мини-ЭВМ, а затем к клиент-серверным системам и веб-приложениям. Уровень сложности при этом неизбежно возрастал. Но компании все же удавалось извлекать из своих ИС практически весь спектр функциональных возможностей, которые обеспечиваются в полностью интегрированной среде, хотя за это и приходилось порой платить огромные деньги.
Сегодня компания анализирует собственную деятельность с ещё большей одержимостью, чем когда-либо, — благо технологии позволяют. «Макдоналдс» собирает данные о трафике в отдельных ресторанах, изучает информацию о контактах с покупателями, автоматически перерабатывает видеозаписи с камер наблюдения и следит за потоком машин, проезжающих через «Макавто».
Опыт «Макдоналдса» интересен тем, что он не был безоблачным. Любовь к данным не всегда вела компанию прямиком к победе. Время от времени она допускала при анализе ошибки и получала совсем не тот результат, к которому стремилась.
Одна из проблем была связана с недостаточным «разрешением» анализируемых данных. На первых порах в отчёты для руководства попадали средние значения различных показателей ресторана, собранные в течение интересующего периода. Это казалось разумным: усреднение превращает тысячи или даже сотни тысяч измерений в одно число, которое легко оценить, сравнить с аналогичными показателями других ресторанов и сделать соответствующие выводы.
«Руководство подобающим образом реагировало на получаемые сигналы и предпринимало действия, вытекающие из имеющейся у них информации, — рассказывал директор по операционным исследованиям «Макдоналдса» Майк Креймер. — Проблема заключалась в том, что имеющаяся у него информация была неверной».
Оказалось, что усреднение проходит не без потерь. Два ресторана, один из которых процветает, а другой едва сводит концы с концами, могут иметь одинаковые усреднённые показатели. Когда разница между ними наконец становится заметной для всех, объяснить её причины, изучая цифры из отчётов, невозможно.
Получился замкнутый круг. Верные сведения, взбираясь по корпоративной иерархии, постепенно утрачивали точность и приходили в негодность. Бессмысленные данные вели к бессмысленным решениям, а их выполнение — к необъяснимым последствиям.
Чтобы действительно разобраться в том, что происходит, усреднённых данных мало. Необходимо внимательно следить за колебаниями каждого показателя. Одному и тому же усреднённому значению могут соответствовать совершенно различные кривые изменений.
От усреднения пришлось отказаться. Сейчас в «Макдоналдсе» автоматически отслеживают колебания множества показателей каждого ресторана и одновременно пытаются обнаружить связи и взаимозависимости между ними.
«Макдоналдс» применяет предиктивную аналитику, чтобы прогнозировать спрос на различные продукты. Кроме того, компания предпринимала попытки использовать данные о спросе и потоке автомобилей, для того чтобы оптимизировать и правила обслуживания в «Макавто», и саму конструкцию автомобильного подъезда.
Другой занимательный пример того, как анализ данных меняет индустрию фастфуда, касается выбора места для нового ресторана. Поскольку неверный выбор вполне способен привести к провалу всего начинания, сети ресторанов быстрого питания не первое десятилетие ищут способы минимизировать риск.
В США давно ходят байки о достижениях «Макдоналдса» в этой области. Если верить слухам, то места для новых ресторанов уже в шестидесятые годы подбирала команда социологов и статистиков, заранее учитывающих все возможные факторы. Другой слух гласил, что конкуренты, такие как «Бургер Кинга», стараются открывать рестораны в проверенных местах — поближе к уже работающим «Макдоналдсам».
Если у «Макдоналдса» действительно имеются команды специалистов по поиску перспективных мест, то недавно у них появился новый мощный инструмент — анализ данных из социальных сетей. Его эффективность подтверждает недавняя работа учёных из Кембриджского университета, использовавших «чекины» Foursquare и методы машинного обучения, чтобы выбрать идеальное место для ресторана.
Объектом изучения кембриджских исследователей стал центр Нью-Йорка. Для начала они учли факторы, которые обычно принимают во внимание при подборе места: соседство с похожими заведениями, разнообразие магазинов и ресторанов в ближайших окрестностях, расстояние до метро и т. п. Затем они нанесли на карту 621 тысячу постов из Foursquare, оставленных пользователями в Манхэттене. Это позволило вычислить популярность уже существующих фастфудов и определить общие черты поведения их посетителей.
На следующем этапе исследователи скормили нескольким самообучающимся алгоритмам набор данных, содержащий сведения о популярности двух третей заведений из центра города, почерпнутые из Foursquare. Когда обучение завершилось, эффективность алгоритмов проверили на информации о манхэттенских «Макдоналдсах» и «Старбаксах» из другой трети. Прогнозы, которые они выдали, оказались недалеки от истины.
Подобные методы — это настоящее фастфуда. Будущее же, если верить аналитикам, напрямую связано с так называемым интернетом вещей. Они прогнозируют, что вскоре оборудование, используемое в ресторанах быстрого питания, напичкают датчиками. Это позволит автоматически анализировать работу не только отдельных ресторанов, но и отдельных сотрудников.
В готовности сетей ресторанов быстрого питания стать ещё высокотехнологичнее сомневаться не приходится. Как недавно отметили в американском журнале CIO, интерес этой отрасли к ИТ куда выше, чем может показаться со стороны. «Когда-то их оружием в борьбе с соперниками было меню, — пишет редактор CIO Ким Нэш. — Теперь главным конкурентным преимуществом стали информационные технологии».