×

GSMA Thrive Eurasia. Александр Герасимов, J’son & Partners: Потенциал использования 5G в отраслях реального сектора РФ

Ноябрь 2020 года

Аналитический Отчет (полная версия)

Запросить стоимость полной версии исследования: news@json.tv

Аналитический Отчет (полная версия)

GSMA Thrive Eurasia. Александр Герасимов, J’son & Partners: Потенциал использования 5G в отраслях реального сектора РФ
GSMA Thrive Eurasia. Александр Герасимов, J’son & Partners: Потенциал использования 5G в отраслях реального сектора РФ
Ноябрь 2020

GSMA Thrive Eurasia. Александр Герасимов, J’son & Partners: Потенциал использования 5G в отраслях реального сектора РФ

Ноябрь 2020 года

Зарегистрируйтесь или войдите, чтобы скачать PDF-версию Информационного бюллетеня

Скачать

+7 926 561 09 80; news@json.tv

Пишите, звоните, если есть вопросы

Выступление Александра Герасимова, Директора по анализу процессов цифровой трансформации J’son & Partners Consulting на конференции GSMA Thrive Eurasia. 

Представление результатов исследования по оценке потенциала использования 5G в отраслях реального сектора экономики РФ. 

Исследование потенциального эффекта от цифровизации основных отраслей реального сектора российской экономики и роли сервисов 5G для поддержки индустриальных процессов цифровизации проводилось J'son & Partners с июля по ноябрь 2020 года, при поддержке Российской ассоциации участников рынка Интернета вещей и компании Huawei.

 

Ссылка на видео с выступлением Александра

 

 

Уважаемые участники конференции, интересной информации у нас много, а времени на выступление всего 15 минут, поэтому буду говорить быстро.

 

Задача исследования – понять какие отрасли российской экономики обладают наибольшим потенциалом цифровизации и готовностью применять сервисы предоставляемые на базе сетей 5Gдля поддержки отраслевых процессов цифровизации. В качестве основного критерия оценки мы выбрали размер экономической выгоды от цифровизации. Первая причина такого выбора состоит в том, что если размер потенциальной выгоды велик, то даже если в отрасли сейчас совсем ничего не знают о возможности ее получения и возможной роли 5G в этом, то ничего не мешает им об этом рассказать, показав все расчеты и обосновав их логику. Но если экономический эффект невелик, то в принципе нет предмета для разговора. Для «подстраховки» мы провели массовое интервьюирование представителей отраслей и получили обнадеживающие результаты – 60% опрошенных выразили заинтересованность в теме 5G для поддержки процессов цифровизации на своих предприятиях.

 

Research's goals_17 vertical markets

 

Вторая причина состоит в том, что размер экономической выгоды от цифровизации служит вводным параметром для расчетов технических и экономических характеристик, которыми должны обладать сетевая и вычислительная инфраструктуры, необходимые для обеспечения работы приложений, позволяющих достичь этот эффект. То есть такой подход позволяет выработать технические и экономические требования к вертикальным сервисам на базе сетей 5G.

 

Основным видом отраслевого сервиса 5G выступает сквозной сетевой слой с гибко настраиваемыми управляемыми метриками, простирающийся через все инфраструктурные домены, необходимые для обеспечения работы индустриальных цифровых приложений.

 

Наш подход к оценке экономического эффекта от цифровизации с использованием 5G мы основываем на ключевых особенностях цифровой экономики. То есть мы рассматриваем 5G как важный элемент инфраструктуры цифровой экономики, который должен существовать на принципах цифровой экономики, а не на принципах существующей «традиционной» экономики.

 

Научная теория цифровой экономики только начинает формироваться. Значительный вклад в этот процесс внес Уолтер Стахель (Walter Stahel), автор теории рациональной сервисно-ориентированной экономики (Functional Service Economy). Согласно этой теории, принципиальным отличием цифровой экономики от традиционной является стремление ее участников к оптимизации, а не к максимизации выручки. Соответственно, экономический эффект от цифровизации – это не обязательно рост продаж продуктов и услуг, фактически являющийся ростом затрат их покупателей, а снижение удельных затрат на производство единицы продукции/услуг, которое может сопровождаться ростом продаж, а может и не сопровождаться. Такой подход отличается не только корректностью по отношению к базовым принципам цифровой экономики, но и применимостью в периоды стагнации и спада экономики, в отличие от подхода ориентированного на расчет роста потребления, применимого только в случае роста экономики.

 

В отличие от участников традиционной экономики, не задумывающихся об экономическом эффекте возникающем у потребителей от использования покупаемых ими продуктов и услуг, и формирующих стоимость на основе расчета своих затрат плюс желаемая прибыль (cost-based pricing), участники цифровой экономики строят свои отношения по модели outcome-based, то есть распределяют конечный экономический эффект по всем кто участвует в его получении. При этом вместо превалирующей в традиционной экономике продажи продуктов в вечную собственность потребителя и предоставления сопутствующих продуктам услуг, участники цифровой экономики используют модель продукт-сервис, то есть предоставляют не сам продукт, а его функции как сервис с измеримым и управляемым качеством и с оплатой по результатам использования этих функций.

 

 Gross economic effect = reduction of per-unite cost of a product/service

  

Еще одним важным отличием нашей методики является подход к расчетам – мы считаем снизу вверх, а не сверху вниз, как обычно делают при расчетах показателей масштаба отраслей. Первичными для нас выступают следующие параметры: количество ключевых производственных активов в отрасли (в штуках), потенциальный размер экономического эффекта от более рационального управления единицей оборудования (актива), удельная (в расчете на объект) стоимость использования приложений, необходимых для реализации оптимизационного управления объектом, объем генерируемых этими приложениями данных в расчете на объект и качественные требования этих приложений к сетевой и вычислительной инфраструктуре.

 

На основе этих базовых параметров можно посчитать экономический эффект от цифровизации в отрасли, и исходя из него определить количественные (объем трафика), качественные (параметры QoS) и стоимостные (стоимость единицы трафика с требуемыми параметрами QoS) значения, при которых обеспечивается достижение потенциального экономического эффекта, а затраты на его достижение не превышают размер экономического эффекта. 

 

Неучтенными в нашей методике пока остаются внутренние затраты на персонал и R&D. Мы работаем над расширением методики. По предварительным расчетам, внутренние затраты на цифровизацию превосходят суммарные внешние затраты - на оптимизационные приложения и сетевые слои, необходимые для развертывания этих приложений. Причина в том, что для цифровизации необходимы новые компетенции, получение которых требует дорогостоящего обучения имеющегося персонала, с последующим повышением зарплат, и найм нового персонала. Основная функция персонала с цифровыми компетенциями – обеспечить связь цифрового инструментария (приложений) предоставляемых сторонними провайдерами с производственными процессами конкретного предприятия. Для этого же необходим большой объем НИОКР и пилотных проектов, что уж совсем непривычно для российских предприятий, крайне скупых на R&D.

 

Methodology for calculating Economic effect, volume of connectivity and apps consumption

 

Итак, перейдем к результатам. Во-первых, хочу отметить относительно небольшое (по сравнению с обычно озвучиваемыми сотнями миллионов и миллиардов) количество подключенных индустриальных объектов - 62 млн в 2030 году. Дело в том, что мы не считаем сенсоры и актуаторы, а учитываем только устройства имеющие выход в WAN – контроллеры и шлюзы, количество которых примерно соответствует количеству производственных активов подключаемых к оптимизирующим приложениям. 

 

В абсолютном выражении потенциальный экономический эффект от оптимизации с использованием оптимизирующих приложений и 5G-слоев значителен – 72 млрд. долл. в 2030 году. Однако в сопоставлении с размером рассматриваемых отраслей он весьма скромен и составляет 4,5%. Это говорит о том, что возможность получения чистого (за вычетом затрат) экономического эффекта очень чувствительна к размеру платежей за использование оптимизирующих приложений и сетевых слоев 5G. Единственным исключением среди всех рассмотренных отраслей выступает транспорт и логистика – там размер экономического эффекта может превысить 40% от объема отрасли. Это очень важно, поскольку ввиду распределенности и подвижности объектов управления в транспортной отрасли телекомам потребуются очень высокие затраты для обеспечения необходимого покрытия сетями радиодоступа.

 

Расчетный объем затрат на достижение экономического эффекта (без учета внутренних затрат предприятий) показан в строках ниже. Указанные в таблице затраты на сетевые слои рассчитаны исходя из предположения о высокой удельной эффективности сетей нового поколения. Используя существующие неуправляемые сети невозможно обеспечить эти ценовые параметры даже при отсутствии требований QoS, то есть для best effort сервисов передачи данных.

 

Economic effect for 5G by verticals in Russia

 

На слайде выше представлены результаты ранкинга отраслей по критерию потенциального эффекта и готовности к цифровизации и использованию слоев 5G. С большим отрывом лидирует транспорт и логистика, потом идут основные отрасли промышленности и торговля. Отметим, что есть довольно большое количество отраслей где экономический эффект практически незаметен.

 

Как я уже сказал выше, экономический эффект как доля к выручке (размеру отрасли) крайне ограничен для большинства отраслей. При этом его достижение требует радикальной интенсификации информационного обмена между элементами распределенных приложений и радикального же роста требований к доступности и безопасности. Если решать задачу «в лоб», существующими сейчас способами и технологиями, то суммарные затраты с учетом внутренних затрат могут превысить экономический эффект от оптимизации. Телекомам нужны новые технологии и бизнес-модели чтобы «уложиться» в ограниченный экономический эффект.

 

Ranking of verticals by potential economic effect

 

Отметим, что требования индустрий к сетям, выявленные нами в ходе опроса, не соответствуют ни одному из описываемых применительно к 5G типовых сценариев применения.

 

Digitalization economic effect vs. volume and QoS of data transmission

 

Так, в сценарии mMTC (mIoT) индустриям не нужна «m», то есть экстремальная массовость подключаемых объектов. Как я уже сказал, количество M2M-точек подключения к WAN относительно невелико и примерно соответствует количеству единиц производственного оборудования, которое никогда не будет исчисляться сотнями миллионов и миллиардами в масштабе России.

 

В сценарии eMBB не нужна «e». Скорости на уровне 1 Гбит/c и выше на подключаемый объект не востребованы даже в отдаленной перспективе для подавляющего большинства индустриальных применений.

 

В сценарии URLLC не нужны «LL», поскольку подавляющее большинство индустриальных приложений использует для связи периферийных контроллеров и центрального облака вариации на тему протокола MQTT, допускающего задержку на уровне L7 до 100 мс и даже выше без обрыва сессии.

 

А вот что действительно нужно, так это очень высокие и главное управляемые показатели по кибер-безопасности и доступности - до 99,99% для режимов интенсивного мониторинга, и при этом – радикальное снижение удельной стоимости трафика. К 2030 году снижение стоимости трафика должно быть в 8 раз больше чем обеспечиваемое текущим трендом на снижение удельной стоимости трафика за счет постоянного умощнения сетей связи без изменения их архитектуры.

 

Такой вот нетиповой рецепт успешного индустриального сервиса 5G. Более того, используемые для оптимизационного управления индустриальными активами приложения разнообразны по своим требованиям, что, в свою очередь, определяется разнообразием находящихся под их управлением или мониторингом активов и, соответственно, их цифровых двойников. Поэтому в рамках одной индустрии (отрасли) количество видов E2E-слоев может исчисляться сотнями и даже тысячами.

 

What industries really need from 5G

 

Дополнительное снижение удельной цены на трафик в 8 раз при выдерживании параметров доступности и безопасности возможно только в сквозных слоях и невозможно в действующих независимо друг от друга доменах вне зависимости от того насколько совершенные технологии в этих доменах будут использованы. 

 

Соответственно, ключ к успеху - в кросс-доменной оркестрации. 

 

В этом случае начинают «играть» преимущества технологий SDN и NFV, позволяющие подавляющее большинство параметров перевести из статуса неуправляемых констант (ограничений) в статус управляемых переменных. Это дает возможность иметь существенно более одной конфигурации сквозного слоя, позволяющей выдержать требуемый сквозной QoS, и выбирать из них наименее дорогостоящую в конкретный момент времени. При этом домены, ресурсы которых необходимы для формирования сквозного слоя, могут находиться в собственности (под управлением) различных операторов. 

 

Отмечу, что параметры, показанные в таблице как константы, являются константами для оркестратора сквозного слоя, но одновременно управляемыми переменными для оркестраторов доменов или оркестратора приложения.

 

Одной из таких управляемых переменных как раз является задержка. То есть низкая задержка нужна не для потому что широко используются индустриальные приложения которым нужна E2E задержка на уровне единиц мс, а потому что это радикально расширяет диапазон вариантов выдерживания задержки 100 мс. 

 

What industries will demand from 5G (2030)

 

Конкретный пример показан на следующем слайде. Задержка в 5G RAN управляема в очень широком диапазоне от единиц до сотен мс. Выбрав QoS-профиль обслуживания в RAN с детерминированной задержкой не более 5 мс, мы получаем возможность перенести серверную часть приложения очень далеко, даже на другой континент, не рискуя потерять его доступность. Это может быть востребовано учитывая резкие пики нагрузки на вычислительные ресурсы в дневное время. Перенос вычислительной нагрузки в регионы с 7-9 - часовой разницей во времени позволит в случае динамического ценообразования использовать дешевые вычислительные ресурсы недозагруженных ночью дата-центров. Скидка может достигать 90%.

 

Наличие MEC в составе слоя также расширяет количество возможных конфигураций. Например, при перегрузе радиосети приоритетным трафиком можно отказаться от приоретизации в радиосети трафика части пользователей, переместив серверную часть используемых ими приложений в ближайшие к ним MEC-хосты.

 

Такую цено-зависимую кросс-доменную оркестрацию мы называем Slicenomics.

 

E2E network slice optimization: constraints and managed parameters 

 

Балансировка между MEC и корневыми дата-центрами дополнительно нагружает сети трафиком, но даже в этом случае за счет существенно более высокого уровня загрузки вычислительных мощностей экономия в масштабе России в 2030 году может составить почти 2 млрд. долл. относительно варианта с отсутствием балансировки.

 

Examples of price/utilization-based optimization scenarios

 

В завершении выступления хотел бы показать результаты исследования по двум наиболее значительным с точки зрения потенциала внедрения 5G-сервисов отраслям – промышленности и транспорту.

 

Промышленность характеризуется малым количеством дорогостоящих производственных объектов, удельный эффект от оптимизации которых в абсолютном выражении чрезвычайно велик. 

 

В масштабах отрасли эффект от цифровизации может превысить 12 млрд. долл. в 2030 году. Однако относительно объема отрасли это лишь чуть больше 2%. При этом затраты на приложения и сетевые слои составляют более 6% от экономического эффекта, что в 6 раз больше, чем текущий уровень затрат на ИКТ в отрасли (1% от выручки). Подчеркну, речь идет об оптимизированных затратах на слои.

 

Manufacturing: connected assets and optimizing apps

 

Без оптимизации затраты на приложения и сетевые слои, необходимые для достижения расчетного экономического эффекта достигают почти 30% от размера этого эффекта в 2030 году. С учетом внутренних затрат это может полностью «съесть» эффект от цифровизации в отрасли. Таким образом, промышленность – наиболее требовательная к ценовым параметрам обеспечения высокой доступности и безопасности сетевых слоев отрасль.

 

Manufactury: economic effect vs. direct expenses

 

Транспорт и логистика – лидер как по количеству подключенных объектов, основными из которых выступают автомобили…

 

Transportation & Logistics: Connected Objects & Apps

 

... так и по абсолютному размеру экономического эффекта от цифровизации – 47 млрд. долл. в 2030 году. Причина – в чрезвычайно высокой чувствительности удельной стоимости перевозки пассажиров и грузов к качеству оптимизационного планирования. Такого уровня экономического эффекта может быть достаточно для финансирования затрат по обеспечению автодорог требуемым уровнем покрытия сетями связи 5G.

 

Transportation & Logistics: Economic Effect

 

В завершении отмечу, что разработанная нами методика позволяет делать не только расчеты макроуровня, но и уровня предприятия, что является необходимой частью пилотных проектов по применению 5G-сервисов в индустриях. Сейчас мы работаем над запуском ряда пилотных проектов по 5G-слоям, измерим экономический эффект и затраты, проверим выводы нашего исследования на практике.

 

Результаты исследования J'son & Partners Consulting были представлены на конференции GSMA Thrive EurasiaСсылка на видео с выступлением Александра

 

Contacts of J'son & Partners Consulting

Выступление Александра Герасимова, Директора по анализу процессов цифровой трансформации, J’son & Partners Consulting. Представление результатов исследования по оценке потенциала использования 5G в отраслях реального сектора экономики РФ. С июля по ноябрь 2020 года  Json Partners Consulting при поддержке Российской ассоциации участников рынка Интернета вещей и компании Huawei провела исследование потенциального эффекта от цифровизации основных отраслей реального сектора российской экономики и роли сервисов 5G для поддержки индустриальных процессов цифровизации. Результаты представлены на конференции GSMA Thrive Eurasia.