Прививка от кризиса

Алексей Ходырев
7 декабря 2009, 00:00

Мировой кризис стал катализатором роста спроса на аналитические ИТ-системы класса Business Intelligence. Какие выгоды получает бизнес от таких технологий? Подробности — в очередной публикации совместного проекта журнала «Эксперт» и корпорации Microsoft «Тюнинг управления»

Рэнди Мотт, бывший ИТ-директор розничного гиганта Wal-Mart, вызывает у многих специалистов на Западе стойкую ассоциацию с двумя вещами — пивом и памперсами. Разработанная Моттом технология позволила анализировать обширнейшую базу данных Wal-Mart и находить там на первый взгляд довольно странные зависимости. Одна из них — всплеск интереса к покупке пива и памперсов в конце рабочей недели. Система выяснила, что молодые отцы, направляемые женами за памперсами, часто предпочитают захватить еще и упаковку пива. Осознав в начале 1990-х годов такую зависимость и просто расположив в торговом зале пиво рядом с памперсами, Wal-Mart сумела нарастить свою выручку по этим категориям товаров.

Эта уже ставшая хрестоматийной история — красноречивый пример того, как могут помочь компаниям средства бизнес-аналитики (Business Intelligence, BI). Задача, которую решили Мотт и его коллеги, относится к категории так называемого интеллектуального анализа данных (Data Mining), применяемого для выявления неочевидных зависимостей между факторами. Конечно, дотошный маркетолог мог бы понаблюдать по пятницам за содержимым тележек молодых папаш и своим умом прийти к аналогичному выводу о целесообразности выкладки пива рядом с памперсами. Но в ситуации с Wal-Mart и его громадным ассортиментом такой подход напоминал бы попадание пальцем в небо и во многом основывался бы на ощущениях, не подтверждаясь фактическими данными. К тому же напрашивается вопрос: с пивом-то разобрались, но что делать со всем остальным?

Продавцы товаров повседневного спроса далеко не единственные, кто испытывает потребность в «думающих» ИТ-решениях. На Западе особый интерес к BI проявляют, например, телекоммуникационные компании, банки, страховщики, производственные компании, органы здравоохранения, интернет-сервисы и многие другие. Умение разобраться в огромных массивах информации — искусство, требующее не только светлой головы, но и специального ИТ-инструментария. Как говорит Андрей Хоробрых, начальник департамента ИТ, автоматизации и телекоммуникаций ОАО «Газпром нефть», «BI-система является идеальным приложением к хорошим мозгам и методологии».

Что такое BI

Термин Business Intelligence применительно к информационным технологиям трактуется довольно широко. Как правило, так называют ИТ-системы для анализа большого объема информации: средства бизнес-аналитики позволяют проводить полноценный многофакторный анализ, строить прогнозы, находить взаимосвязи между фактами. Кроме того, BI-системами называют и технологии, имеющие к анализу весьма опосредованное отношение. Так, BI-средства могут применяться для сбора и трансформации данных для корпоративной отчетности или построения бюджета холдинга, состоящего из множества юридических лиц.

BI-систему можно справедливо называть надстройкой над уже существующими средствами автоматизации, выступающими в качестве источников данных для консолидации и (или) бизнес-анализа. Так, информация об операциях изначально возникает в системах учета и управления (ERP- и CRM-системах, бухгалтерской, биллинговой, кассовой, складской и т. п.), и только потом эти данные консолидируются и анализируются уже в BI-приложениях. BI-систему можно развернуть и над системами технологического уровня, которые считывают данные с датчиков — к примеру, если нужно проанализировать степень загрузки оборудования, определить вероятность сбоев и др.

Разницу между ERP-системой и BI-решением можно пояснить на следующем примере. Завод, выпускающий металлопродукцию, видит в ERP-системе, как проходят отгрузки и поступления денег, там же отражаются предельные показатели дебиторской задолженности, и, если кто-то из контрагентов задолжал больше, чем позволяет система, она может запретить дальнейшие отгрузки товара этому клиенту. В ERP-системе также заложены максимальные объемы затрат ключевых подразделений — бюджеты, в которые нужно уложиться. Таким образом, ERP-система позволяет управлять бизнес-процессами в реальном времени. Если же заводу требуется к очередному совету директоров предоставить 10 версий бюджета — в зависимости от колебаний курса доллара, биржевых цен на прокат, роста или падения спроса в регионах, динамики цен на сырье, — значит требуются средства бизнес-анализа. Именно BI-средства позволяют быстро проанализировать ситуацию и «заглянуть в будущее» — на основании фактической информации понять тенденции, рассчитать оптимальные для подразделений бюджеты, которые передадут на рассмотрение совету директоров. И если у его членов возникнут уточняющие вопросы: сколько клиентов в энской губернии просрочили выплаты по долгам в марте при определенном курсе доллара, — то ответить на них с помощью успешно внедренной BI-системы будет намного проще, чем извлекать информацию из ERP-системы, биржевых сводок и других источников. Для этого, в частности, может использоваться многомерный OLAP-анализ (о нем чуть ниже).

Западные исследовательские компании сходятся на том, что BI-технологии входят в число главных приоритетов для ИТ-директоров на ближайшую перспективу. Опрошенные «Экспертом» консультанты и производители констатируют: спрос на системы бизнес-аналитики продолжает расти и в условиях кризиса. Объяснение простое — постоянно увеличивающиеся объемы данных, возросшая конкуренция и сам мировой кризис: многие компании не могут добиться прежней доходности, а потому вынуждены искать пути повышения эффективности своего бизнеса. Активно увеличивается спрос на BI-решения среди предприятий автопрома, в банковском бизнесе, сфере оптовой и розничной торговли, отрасли связи, страховом бизнесе, энергетике и ЖКХ, фармацевтике и — частично — в госсекторе, утверждает руководитель бизнес-направления информационно-аналитических систем компании «Микротест» Кирилл Толмачев.

Ростом своей популярности BI-решения обязаны и тому, что этот продукт более нагляден и понятен, чем ERP-система. К тому же зачастую требуемые диаграммы, графики и отчеты даже не разбирающийся в математике и информатике топ-менеджер может строить сам, не привлекая к этому айтишников. В итоге, по субъективному суждению некоторых топ-менеджеров, польза от BI более осязаема. И они охотно принимают решение о выделении средств на ИТ-проект.

Когда нужна BI-система

Главная цель BI — помощь в принятии решений на основе анализа накопленной или специально собранной информации. Ориентир, указывающий в числе прочих на необходимость в BI-средствах, — наличие более одного источника информации, которые требуют анализа при принятии решений, говорит директор по продажам бизнес-решений SAP СНГ Дмитрий Лисогор. «Например, в компании учет продаж и финансовый учет ведутся в разных системах, — поясняет он. — Или в различных подразделениях используются собственные информационные системы». Поскольку в ERP-системах не хранятся данные кассовых чеков из торгового зала, то проанализировать в ERP закономерности поведения потребителей попросту невозможно. Значительные объемы информации — от сотни бизнес-объектов (номенклатур, контрагентов, категорий) и от тысячи операций в месяц — верный признак того, что здесь уже пора бы задействовать бизнес-анализ, утверждает Владимир Егоров, руководитель отдела продвижения бизнес-приложений Microsoft Dynamics в России.

Часто в небольших компаниях для бизнес-анализа используется программа Microsoft Excel, позволяющая импортировать данные из разных источников и вести расчеты. Однако чем сложнее и масштабнее бизнес, тем выше аппетиты. К примеру, история продаж крупной торговой сети даже всего за один месяц запросто может и не вписаться в существующие по сей день рамки Excel (сейчас программа может содержать около 1 млн строк, в Excel 2003 их было менее 66 тыс.). Для обработки и хранения бльших массивов информации нужны другие инструменты — средства управления базами данных (Microsoft SQL, СУБД Oracle, DB2, Sybase). Другое дело, что и при таком подходе в подавляющем большинстве случаев программа Excel продолжает использоваться. Например, для финальной обработки данных пользователем — скажем, составления и распечатки отчета к совету директоров. Кроме того, Excel может служить и в качестве удобного средства доступа к информации — к нужным данным, графикам и отчетам из хранилища.

Возросшая конкуренция, рост объемов данных и мировой кризис подстегнули спрос на BI-системы: многие компании не могут добиться прежней доходности и вынуждены искать пути повышения эффективности своего бизнеса

Из чего состоит BI

Когда говорят о BI-технологиях, обычно подразумевают три основных действия. Прежде всего, нужно собрать в одном месте — то есть в хранилище данных — информацию, которая будет анализироваться в дальнейшем. Затем с помощью определенных компьютерных программ эту информацию про­анализировать. Ну и третье действие — предоставить пользователю искомый результат. Все три упомянутых действия осуществляются не однократно, а постоянно: к примеру, в программе прописывают правила того, как нужно выгружать информацию (допустим, из кассовой системы в хранилище регулярно переносятся нужные сведения о продаже всех продуктов, а из ERP-системы — данные по всем поставкам на склад и в магазины). А поскольку данные в хранилище должны располагаться не хаотично, а в систематизированном виде (который позволит эти данные быстро извлекать и анализировать), то нужна система управления базами данных (СУБД).

Все эти механизмы предоставляют пользователям огромные возможности. Например, на мониторе коммерческого директора отображается информационная панель с похожими на светофоры индикаторами, демонстрирующими, как разные подразделения выполняют план: светофоры наиболее проблемных участков будут гореть красным светом. Нажав на показатель на экране, коммерческий директор может углубиться в данные, увидев, например, не только общий объем продаж магазина, но и структуру в разбивке по конкретным товарам или, скажем, по группе товаров, за реализацию которых отвечает менеджер Иванов. Иногда есть возможность, шаг за шагом разворачивая данные, дойти до самого нижнего уровня — информации о конкретной продаже товара в интересующем магазине. Такая технология углубления в данные на Западе именуется Drill-down. Подробнее см. схему Что позволяют увидеть BI-системы.

Чем BI отличается от ERP?

Довольно часто от клиентов ИТ-компаний можно услышать: «Мы используем BI-систему для поддержки принятия решений». Между тем точно так же клиенты отзываются и о назначении систем другого класса — ERP. В чем же разница? Правы, как ни странно, и те и другие. Вот только у руководства компаний, внедривших ERP-систему и не использующих при этом BI-средства, возможностей для анализа значительно меньше. К примеру, случается, что при попытке построить сложный нестандартный отчет с помощью ERP-системы она начинает подвисать или очень долго «думать». К тому же часто для поиска нужной информации в ERP-системе и построения отчета «по требованию» руководству нужна помощь ИТ-специалиста или сотрудника аналитического отдела.

Другое дело, что гораздо проще извлечь информацию, предварительно закачанную в специальную базу данных, где она хранится по принципу кубов, оси которых — это измерения (например, один «куб» — дата, сумма, товар; другой куб — дата, сумма, магазин; третий — дата, магазин, возраст покупателей). Для быстрой онлайновой обработки данных таких «кубов» в хранилище создается огромное множество, ведь многие измерения — например, «дата» — дублируются в разных «кубах» (такая технология называется OLAP). И именно из-за этого база, содержащая данные для быстрого анализа, иногда достигает огромных размеров.

Правила переноса данных из ERP и других систем в BI-хранилище прописываются изначально, и информация попадает туда по умолчанию — вне зависимости от того, запросил пользователь объем продаж по Екатеринбургу в марте или нет, соответствующие данные загружаются и хранятся в системе (если, конечно, при настройке BI-решения в ходе внедрения были введены такие измерения, как «объем продаж», «город» и «месяц»). Благодаря предварительной настройке при формировании запроса пользователь может в течение считаных секунд получить ответ на свой вопрос. Сделать то же самое, но без BI-технологий (например, извлечь эти данные из базы учетной системы класса ERP) гораздо сложнее, кроме того, это значительно повышает нагрузку на учетную систему, что нежелательно. Предположим, понять, сколько рублевых средств на счетах окажется при изменении спроса на молочные продукты на 3% и курса рубля к доллару на 5%, почти невозможно. «Почти» — поскольку это все равно что рассчитывать траекторию полета баллистической ракеты при помощи счетов, вместо того чтобы использовать для этого специальную компьютерную программу.

Заниматься моделированием в ERP-системе бывает еще и небезопасно. Любопытный пример использования технологий не по прямому их назначению недавно опубликовал в своем блоге член совета директоров «Корус Консалтинг» Дмитрий Слиньков. В его сюжете рассказывается, как совладелец одной компании наделил правом полного доступа к ИТ-системе своего талантливого сына, не подумав о последствиях. Молодой человек, будучи начинающим программистом и получив карты в руки, придумал «великолепный алгоритм прогнозирования спроса». Одно «но»: сделано это было нестандартным способом — с использованием технологии, не предназначенной для моделирования и прогноза. В итоге, пока герой самозабвенно жонглировал данными системы учета, нажимал кнопку «удалить», в системе пропадал товар, хотя в реальности на складе он присутствовал. А сами владельцы компании долго не могли разгадать загадку таинственного «исчезновения» продукции.

В России из всего богатого выбора BI-возможностей наиболее востребованы проекты по бюджетированию, консолидации данных и построению управленческой отчетности на базе BI-технологий

Российская практика

Отечественные компании сильно отстают от западных по части использования передовых возможностей Business Intelligence, таких как прогнозирование, анализ вероятностей, интеллектуальный анализ и др. Исключения, конечно, есть, но пока из всего богатого выбора BI-возможностей в нашей стране наиболее востребованы проекты по бюджетированию, консолидации данных и построению управленческой отчетности на базе BI-технологий.

Компания «Газпром нефть», внедряющая BI-технологии, сумела автоматизировать и оптимизировать сферу бюджетирования, сократить сроки формирования управленческой отчетности и повысить качество ее подготовки. До этого, по словам Алексея Янкевича, начальника департамента экономики и корпоративного планирования «Газпром нефти», процессы бизнес-планирования и управленческой отчетности «на 90 процентов велись в Excel». Недостатками такого подхода были низкий уровень стандартизации (каждое подразделение руководствовалось своими собственными представлениями о том, какую информацию нужно вносить и как это делать), низкая надежность данных (если сотрудник уходил в отпуск, проверить внесенную им формулу было не всегда просто), наконец, не вполне удобная организация совместной работы с информацией, проблема с разграничением прав доступа пользователей. После этого были внедрены компоненты Microsoft SQL-Server и Microsoft PerformancePoint Server и продолжено использование Microsoft Excel — но уже в качестве средства доступа (интерфейса) для конечного пользователя. В результате ускорилась подготовка различных версий бюджета, но главное — появилась стандартная модель, прозрачные принципы сбора и консолидации, исчез риск потери или сбоя в данных. Данные автоматически собираются из корпоративной информационной системы SAP, из нескольких систем «1С», установленных в подразделениях «Газпром нефти», и из файлов Microsoft Excel. По словам начальника департамента ИТ, автоматизации и телекоммуникаций компании Андрея Хоробрых, проект по консолидации затронул пять добывающих и перерабатывающих предприятий, оборот каждого из которых превышает 50 млрд рублей. «Мы не боимся, что кто-то уйдет в отпуск. Теперь мы довольно легко отлавливаем ошибки, нестыковки данных, — говорит Алексей Янкевич. — Пример: недавно было найдено расхождение в сотни миллионов рублей между тем, что ошибочно посчитал бизнес-блок, и тем, что автоматически было передано в систему в корпоративном центре “Газпром нефти” в Москве. Если бы не было возможности своевременно выявить нестыковку, получилась бы некрасивая ситуация: в нашей управленческой отчетности менеджмент увидел бы одну цифру, а в отчетности GAAP — другую» (внешняя отчетность «Газпром нефти» по GAAP формируется в системе SAP. — «Эксперт»). Кроме того, снизились трудозатраты аналитиков на рутинную работу: скажем, при планировании текущих затрат и долгосрочных инвестиций аналитики могут всего за несколько часов менять версии планов бюджета.

«Совкомфлот» с помощью BI-средств интегрировал информационные потоки различных систем всей группы компаний. В холдинг входят как дочерние предприятия «полного цикла» — «Новошип», «Марпетрол» (Испания), так и подразделения, отвечающие за определенные области деятельности — за коммерческое управление флотом (находится в Великобритании), за техническое управление флотом, за подготовку консолидированной отчетности (Кипр). Имея сложную организационную структуру и целый спектр ИТ-систем учета, «Совкомфлот» до недавнего времени испытывал сложности со своевременным получением информации для ведения управленческого учета. Увидеть полные оперативные данные о работе флота в одной системе было невозможно, подразделения присылали данные в неунифицированных файлах формата Excel. Внедрение приложений SAP BusinessObjects помогло «Совкомфлоту» повысить прозрачность бизнес-процессов и качество управленческого учета. В частности, стало возможным оперативно контролировать любую из статей расходов, проверять поступление средств, контролировать задолженность и рассчитывать такой важный для судоходной компании показатель, как тайм-чартерный эквивалент (проще говоря, приведенный заработок судов за сутки), причем делать это как по каждому судну, так и по флоту в целом. «Мы теперь с еще большей степенью точности знаем, как в тот или иной момент времени работает весь наш флот, владеем информацией о количестве судов, отфрахтованных до конца отчетного периода, и понимаем, по какой ставке нужно отфрахтовывать высвобождающиеся суда для исполнения бюджета. В том случае, если рынок не позволяет получать требуемую ставку, мы можем понять, как нужно скорректировать текущие расходы для выполнения плановых показателей», — говорит начальник отдела фрахтовой политики «Совкомфлота» Андрей Новиков. Впрочем, BI-решение в «Совкомфлоте» есть куда развивать: процессы бизнес-планирования и финансовой консолидации пока не автоматизированы в системе. Это планируется сделать в рамках нового проекта — сейчас «Совкомфлот» внедряет еще три пакета приложений SAP BusinessObjects. По словам члена правления ОАО «Совкомфлот» Сергея Поправко, система в том числе поможет оптимизировать расходы на содержание флота, в частности, оптимизация рейсового планирования позволит сократить потребление топлива.

Средства для интеллектуального анализа в России используют немногие, в основном торговые сети и телеком-операторы, которым нужно оперативно предсказывать поведение своего клиента. В производственной сфере интеллектуальный анализ у нас почти не применяется. «Зачем? Мы не претендуем на роль стратегических аналитиков, и нам проще и дешевле заплатить за готовые прогнозы, предоставляемые мировыми аналитическими агентствами», — признались «Эксперту» в одной производственной компании. Между тем за рубежом прогнозное моделирование широко применяется и вне сферы услуг. Так, минобороны США использует технологии SAP BusinessObjects Predictive Workbench для улучшения процесса техобслуживания транспортных средств путем предсказания отказов запчастей. Например, выясняется, что, когда деталь A ломается, деталь B имеет высокую вероятность поломки. Вывод: в случае выхода из строя первой детали обе должны заменяться одновременно.

Пример отечественной компании, успешно применяющей Data Mining, — сеть «Л’Этуаль». Там используется система PolyAnalyst (разработка компании Megaputer). По словам вице-президента сети и директора по ИТ Николая Зайцева, его компания с помощью Data Mining выявляет закономерности поведения объектов: «Наши объекты — это магазины, товары, люди, которые работают в наших магазинах, кассиры в частности. Мы хотели выявлять некие закономерности поведения этих объектов, аномалии, а также сделать классификацию магазинов по каким-то признакам, с тем чтобы поделить их на группы и уже индивидуально, учитывая особенности каждой группы, предлагать для продажи в них те или иные виды товаров». Огромное значение BI-средства, и Data Mining в частности, имеют для выявления болевых точек в бизнесе: например, они позволили понять, что ручной ввод персоналом «Л’Этуаль» номеров дисконтных карт свидетельствует о наличии риска мошенничества. «Мы создали механизм, который позволяет заранее выявлять потенциальные опасные зоны. Когда вскрываются некие аномалии, связи между фактами, становится понятно, какие конкретно магазины, кассы и даже определенные персоналии имеют наибольшие шансы попасть в зону риска», — говорит Николай Зайцев.

Надо сказать, до уровня интеллектуального анализа данных (Data Mining) «Л’Этуаль» доросла не сразу: сначала торговая сеть на базе технологий Microsoft создала централизованное хранилище данных с единой точкой доступа через портал. Также были установлены типовые для всех подразделений стандарты отчетности и создана возможность проведения многофакторного OLAP-анализа. Это помогло ритейлеру более точно планировать деятельность и проводить многофакторный анализ своей работы. Менеджмент компании регулярно мониторит ситуацию на основании достоверных управленческих отчетов (их более 90 видов), а также может извлекать информацию в требуемых разрезах из многомерных «кубов» (примеры названий «кубов» — «Текущие остатки по всем складам и магазинам», «Актуальная матрица», «Анализ непродаваемых стоков», «Текущие остатки в деньгах» и т. д.). «Благодаря этому компании удалось улучшить анализ товародвижения и тем самым не только оптимизировать использование торговых площадей, но и увеличить оборачиваемость средств», — отмечает Николай Зайцев.

Цена и сроки

Ростом своей популярности в условиях кризиса BI-системы обязаны еще двум немаловажным факторам: аналитические системы могут обойтись относительно недорого (по сравнению, скажем, с ERP-системами), а кроме того, проекты по внедрению иногда не столь продолжительны, как при внедрении систем учета. Впрочем, тезис о дешевизне и быстроте внедрения справедлив далеко не всегда. Дело в том, что внедряющие BI-решения компании подходят к началу проекта в разной степени готовности и, конечно же, ставят разные задачи.

«На стоимость BI-системы влияет необходимость построения хранилища данных, если его нет на момент внедрения, количество источников данных и необходимость обработки поступающей информации (ETL, обеспечение качества данных), количество пользователей и типы средств визуализации информации (онлайн-аналитики, информационные панели и тому подобное), — отмечает Дмитрий Лисогор из SAP. — Но тезис о том, что внедрение BI менее затратно, чем ERP, справедлив».

Подсчитано, что при внедрении ERP-системы на 50 пользователей за полгода первый год работы системы обходится примерно в 1 млн долларов (подробнее см. «Не упустить выгоду» в «Эксперте» № 28 за 2009 г.). BI-проекты могут быть дешевле, так как здесь, скажем, не нужно заниматься масштабной оптимизацией бизнес-процессов, к тому же число пользователей BI-решения обычно меньше, чем при комплексной автоматизации с помощью ERP. Самые простые BI-проекты укладываются в 10 тыс. долларов (если купить лицензии на использование BI-технологии и дать задание программистам «научить» систему анализировать небольшое количество параметров). Но чаще стоимость BI-проектов исчисляется десятками и сотнями тысяч долларов.

Сроки внедрения, как и стоимость проекта, сильно зависят от того, наводила ли уже компания порядок в своих информационных потоках, разобралась ли с источниками данных. Если BI надстраивается над уже внедренной ERP-системой, информация из которой и будет анализироваться, то внедрить можно за считаные дни. Однако, как правило, BI-системы работают с информацией из множества источников, единообразия данных которых не наблюдается, а потому на достижение результата уходит значительно больше времени — обычно не меньше полугода.

Самый сложный момент в ходе внедрения BI-системы лежит в области методологии. Иными словами, настроить систему совсем не сложно, гораздо труднее понять, как именно она должна быть настроена (к примеру, какие показатели нужно извлекать и регулярно автоматически пересылать в хранилище, какие измерения важны для многомерного анализа данных, какие «светофоры» и «спидометры» должны транслироваться на мониторе у топ-менеджмента и др.). Также бытует мнение, что до 70% времени в ходе BI-проекта может уходить на сбор и чистку данных из разных источников: сделать информацию единообразной действительно очень часто бывает нелегко. У «Совкомфлота» почти два года заняла разработка ключевых показателей эффективности (KPI), после чего за полгода была развернута система SAP BusinessObjects. В сети «Л’Этуаль» на методологическую составляющую ушло около 90% трудозатрат в ходе проекта по построению BI-системы. Наиболее трудоемкой задачей оказалось выявление из огромного массива показателей и измерений тех KPI, которые действительно дают наглядную картину состояния бизнеса и позволяют прогнозировать развитие ситуации и принимать управленческие решения. Среди таких показателей — выручка, маржинальный доход, средний чек, количество товарных позиций, эффективная скидка и др.

В числе факторов, которые обуславливают успешность внедрения, — наличие влиятельного бизнес-руководителя проекта, документирование действий в ходе всего проекта и реалистичный подход, отмечает Юлия Перевозская, менеджер по продвижению BI-решений Microsoft в России. «Чтобы ошибки в ходе проекта не стали критическими, нужно начинать с небольшого поля, то есть с пилотного проекта, — говорит она. — Часто бывает так, что, когда начинают строиться первые отчеты из системы, находятся неточности — к примеру, забыли про данные одной из бизнес-единиц, а значит, нужно опять возвращаться к настройке механизмов загрузки-выгрузки. На подобные вещи рекомендуется обязательно заложить время изначально. Если вы осуществляете проект с реалистичным подходом, а не с идеалистичным, то будете успешны».