Process mining — процессная аналитика, здоровье бизнес-процессов организации

Мировая практика

На данный момент мировой центр развития process mining — Европа. Основатель и главный идеолог процессной аналитики — нидерландский ученый Вил ван дер Аалст, профессор кафедры математических и компьютерных наук Технического университета Эйндховена. Основные вендоры также географически располагаются в Европе: Италия, Нидерланды, Германия, Финляндия, Словакия и др.

Piraeus Bank, один из крупнейших греческих банков, попытался автоматизировать процессы без их предварительного исследования. Итогом стали многочисленные жалобы клиентов и филиалов на снижение качества обслуживания. Проведенный анализ показал, что основная проблема крылась в отсутствии стандартизации процесса потребительского кредитования.

Благодаря использованию process mining банк не только ускорил процесс подачи заявки на кредит в семь раз, но и в несколько раз сократил время принятия окончательного решения по ней.

Активно используют технологию и в промышленности. Крупная химическая компания AkzoNobel анонсировала внедрение средств процессной аналитики  для стабилизации собственных процессов и повышения эффективности. Другой пример — металлургическое предприятие Ruukki, которое при помощи process mining смогло повысить скорость и качество обслуживания клиентов. 

Кроме того, все больше применяют процессную аналитику в медицине, логистике, государственном секторе. По мнению Gartner, движущая сила внедрения подобных IT-решений — коллаборации вендоров с крупными производителями ПО, такими как SAP или Oracle. По мнению экспертов, к концу 2020 года объем мирового рынка будет варьироваться в районе $480–640 млн. 

Решение создать собственное ПО подобного класса нашей компании далось непросто: мы много общались с текущими клиентами, узнавали их заинтересованность в продукте, изучали зарубежный опыт и исследования. Система Proceset официально зарегистрирована в реестре российского ПО, мы ведем активную работу по популяризации самой технологии и проводим как пилотные проекты, так и полноценные внедрения. 

Препятствия для Process Mining

Помимо организационных факторов существуют и технологические препятствия. «Недостаточная автоматизация процессов не позволяет подготовить данные для Process Mining, да и недобросовестное использование сотрудниками существующих информационных систем, например несвоевременный ввод данных или замена информации, делает внедрение сложным, – отмечает Александра Бондаренко. – Подготовка данных и извлечение их из внедренных бизнес-приложений может в таких случаях стоить дороже, чем традиционный процесс получения информации о бизнес-процессах посредством интервью с сотрудниками компании».

Нехватка специалистов и незнание возможностей Process Mining, а также гетерогенные источники данных в компании и их хаотичное состояние являются препятствиями для внедрения инструментария, отмечает Владимир Рубин. Он также считает, что внедрению таких систем мешают боязнь прозрачности результатов работы и безопасность данных о внутренних процессах.

Методы Process Mining

  • автоматизированное исследование процессов (извлечение моделей процессов из журнала событий)
  • проверка соответствия (то есть контроль отклонений путем сравнения моделей и журналов)
  • автоматизированное построение имитационных моделей,
  • расширение модели, восстановление модели,
  • прогноз состояний
  • основанные на исторических данных, рекомендации.
  • Непрерывный сбор и обработка данных
  • Автоматическое создание модели на основе информационных следов
  • Прогноз выбора сценария или времени завершения для еще не окончившихся процессов
  • Единый инструмент для сбора данных со всех рабочих мест компании
  • Анализ всей цепочки событий, а не отдельных шагов
  • Контроль отклонений от регламентов и соответствия стандартам
  • Real-time анализ данных и поддержка осуществления организационных изменений

Методы Process mining способны извлекать знания из журналов событий, обычно доступных в современных информационных системах

Примеры проектов использования Process Mining

Ruukki (металлургическая компания). Проанализирован процесс обслуживания клиентов, данные загружались из двух разных систем: SAP и Salesforce, что позволило рассмотреть их в едином процессе. Были выявлены недостатки в ведении данных о клиентах в CRM, что существенно замедляло прохождение заказа. Исправление выявленных недостатков с помощью инструментария Process Mining – QPR Process Analyser – позволило ускорить обслуживание клиентов и повысить общее качество обслуживания.

Caverion (инженерные услуги и услуги для промышленности, решения для недвижимости и промышленных предприятий в Северной и Центральной Европе). С помощью QPR Process Analyser было проведено измерение эффективности основных процессов компании. На основе данных, полученных из ERP-системы, была выявлена причина задержек при прохождении процессов: медленная подготовка бухгалтерских документов по факту выполнения услуг. В результате эффективность процессов была увеличена. Компания приняла решение о регулярном использовании инструмента Process Mining для оценки эффективности реальных бизнес-процессов.

Vaisala (производство металлургического оборудования). С помощью QPR Process Analyser были проанализированы процессы технической поддержки, продаж, доставки, услуг по ремонту и маркетинговые процессы. Данные собирались из систем Salesforce и Oracle BI. Благодаря произведенному анализу процессов компания смогла изменить и оптимизировать некоторые из своих процессов, а также снизить операционную стоимость посредством быстрого реагирования на изменения в ходе процессов.

Задачи для инструментария Process Mining

Ключевая задача Process Mining – восстановление и анализ фактического бизнес-процесса. В данном случае главное, чтобы процесс был полноценно автоматизирован и был интересен менеджменту с целью последующего анализа. Ключевые преимущества Process Mining перед существующими инструментами «ручного» анализа бизнес-процессов: уход от традиционных методов описания через интервьюирование представителей бизнеса и ручное моделирование процесса бизнес-аналитиком в виде графической модели в пользу объективной оценки происходящей реальности на основе данных находящихся в информационных системах.

Инструменты Process Mining упрощают контроль качества работы сотрудников в плане соответствия регламентам. «Оборотная сторона медали – это отсутствие возможности создания и корректировки или изменения регламентов непосредственно в самом инструменте», – отмечает Анастасия Мартыненко. Большинство клиентов, по ее словам, после первого знакомства с технологией задают вопрос: «А можно ли здесь что-то нарисовать? И как это связано с инструментом моделирования процессов?».

Преимущества процессной аналитики

Принятие решений на основе точной информации

Поскольку технология использует логи, исключено влияние человеческого фактора на полученную информацию.

Снижение затрат

При устранении «узких мест» — например, путем роботизации повторяющихся операций, — компания может значительно сэкономить. 

Например, Eneco, крупная энергетическая компания из Нидерландов, сообщает о 15 млн евро, сэкономленных благодаря внедрению инструментов процессной аналитики.

Другой пример: когда мы подробно исследовали учет авансовых отчетов крупной телекоммуникационной компании, мы не только выявили случаи закрытия задач раньше проводки документа и большого количества транзакций, выполненных с ошибками, но и посоветовали роботизировать операцию прикрепления файлов. Действие мелкое и, казалось бы, несущественное, но оно позволит сэкономить до 75 млн рублей при условии, что ежедневно это выполняют 3 тысячи сотрудников. 

Предупреждение ошибок

Благодаря детальному изучению процесса становится возможным устранять ошибки на ранних стадиях — это позволит предотвратить репутационные риски и повысить удовлетворенность клиентов.

Управление изменениями

Применение инструментов процессной аналитики позволит организовать постоянный контроль ключевых показателей. Станет возможно оперативно вносить необходимые изменения в каждый этап процесса и отслеживать, как это повлияло на остальные моменты.

Детальная визуализация as is

Профильное ПО последовательно восстановит все детали процесса и сформирует карту. Наглядное представление позволит обнаружить все «бутылочные горлышки», которые приводят к увеличению операционных расходов, сокращению выручки и репутационным потерям. В определенных случаях возможно не только увидеть, но и просчитать стоимостную оценку всех уязвимостей.

Согласно исследованию Яна Клаеса, преподавателя Гентского университета, 60,6% компаний, работающих с процессной аналитикой, называют основным преимуществом именно анализ на основе фактических данных.

Как подготовиться к внедрению

Первое, что вы должны определить перед внедрением IT-решения класса process mining — это процесс, который хотите исследовать. Наибольшую ценность принесет оптимизация процесса

Есть две рекомендации: обратите внимание на процессы, которые связаны с взаимодействием с клиентом, и выбирайте наиболее сложные и стратегически важные. Например, открытие расчетного счета, рассмотрение заявки на кредит, котировка сделки на инкассацию и т.п

«Волшебной таблетки» для повышения эффективности не существует. Это надо принять. Но процессная аналитика, выступая элементом цифровой трансформации, позволяет сделать большой шаг в сторону будущего.

Александр Бочкин  Генеральный директор «Инфомаксимум»

Акцент на бизнес-процессах

Согласно исследованию IDC, у 80% компаний есть план цифровой трансформации с понятными задачами и целями, и для 75% из них основной приоритет — это повышение эффективности и автоматизация бизнес-процессов. 

А эксперты KMDAотмечают, что российский бизнес осознал преимущества цифровой трансформации и определяет цифровизацию бизнес-процессов как основной вектор движения.

Изучение бизнес-процессов — задача первостепенная, но труднореализуемая без применения технологий

Дело в том, что получить максимально полную и достоверную информации вручную невозможно по ряду причин: 

  • большие временные и финансовые затраты;
  • высокий процент недостоверной информации;
  • невозможность проверить качество источника данных;
  • высокий риск получения некорректных данных при большом количестве используемых систем.

Здесь и вступает в дело процессная аналитика (process mining) — технология, способная по «цифровым следам» из журналов событий информационных систем детально визуализировать фактическое протекание процесса.

Слева — регламентированное «идеальное» состояние. То, каким должен быть процесс. Справа — реальная ситуация. 

Пример: мы провели пилотный проект в крупной финансовой структуре. Для анализа и оцифровки был выбран процесс «брокерское обслуживание», который, согласно регламенту, исполнялся за три дня. 

Процесс состоял из регламентированных этапов:

  • получение пакета документов от клиента;
  • заполнение заявки сотрудниками фронт-офиса;
  • отправление заявки на проверку;
  • обработка заявки бэк-офисом;
  • принятие решения.

После того как мы проанализировали процесс при помощи нашей системы Proceset, мы получили следующую картину:

  • 5% заявок не закрывались за три дня;
  • порядка 16% принятых заявок возвращались, поскольку содержали неполный пакет документов; из-за ошибок первой линии приходилось перезванивать клиентам и просить привезти недостающие бумаги;
  • заявки многократно «зависали» в статусе «черновик» на несколько часов, что не предусмотрено регламентом;
  • специалисты допускали обработку данных только на следующий день после их внесения в базу, что тоже является нарушением.

Без тщательного исследования самого процесса и применения к нему инструментов процессной аналитики обнаружить эти «узкие места» было бы практически невозможно.

Становятся очевидны: 

  • лишние зацикливания;
  • пропуски шагов;
  • излишние затраты времени;
  • нетипичные нерегламентированные сценарии;
  • отмены действий;
  • переназначения исполнителей и т.д.

На изображении выше — реальная карта процесса, построенная системой process mining. Здесь наглядно видно, что присутствуют множественные согласования, изменения исполнителей и нетипичные шаги. Все это ведет к увеличению длительности процесса, его удорожанию и потере лояльности клиентов.

Источники данных для Process Mining

Высокий уровень автоматизации процессов – ключевой фактор для использования Process Mining, и источниками тут могут быть различные системы. «Конечно, лучшие источники – это системы, архитектура которых изначально проектировалась для поддержки процессов и управления потоками работ, – отмечает, Айгуль Еремеева. – Это системы класса ERP/EAM, CRM, BPMS, ITSM. Они хранят исторические данные об изменении состояния объекта, будь то актив, рабочее задание или обращение пользователя».

Аналогичное мнение и у Александры Бондаренко. «ERP-, CRM-, SCM-системы, системы поддержки пользователей и обработки инцидентов могут стать источниками данных для Process Mining», – говорит она.

Анастасия Мартыненко обобщает: «Основной критерий определения того, подходит ли система-источник для Process Mining – это ответ на очень простой вопрос: «Можно ли из накопленных данных восстановить сведения о ходе исполнения процесса?»» Анализируя результаты использования инструментария Process Mining, можно увидеть, что технология активно развивается в результате ее апробации на практических кейсах в коммерческих компаниях. Есть уверенность, что с повышением уровня автоматизации существующих бизнес-процессов число пользователей Process Mining будет только расти, ведь повышение операционной эффективности – это тренд последних лет.

Отличия Process Mining от Data Mining

  • Data mining преимущественно используется для поиска иерархических зависимостей в больших объемах данных. Например, в каких каналах какие категории клиентов какие категории товаров покупают и как часто.
  • На вход подаются таблицы с разнородными данными из разных доменов.
  • Использует многомерные представления (кубы) с возможностью изменения уровня детализации (различные уровни агрегации) информации.
  • Process mining концентрируется не на семантических взаимосвязях данных, а на представлении данных в виде процессов.
  • На вход подаются транзакционные данные по объектам учета. Обычно в качестве таких объектов выступают (Задания, Заказы, Заявки, Наряды и так далее). Примером транзакционных данных служат журналы событий, аудиторские следы, данные о событиях и состояниях объектов (будь то статус объекта или смена ответственного подразделения).
  • Использует методы сэмплинга данных для построения модели процесса по наиболее представительным сценариям в процессе. Process mining ищет не просто связи между данными: его задача состоит в том, чтобы определить связи между шагами процесса, отклонения от нормального процесса, факторы влияния наотклонения, эффективность процесса, сценарность процесса, а также узкие места в процессе.
Рейтинг
( Пока оценок нет )
Editor
Editor/ автор статьи

Давно интересуюсь темой. Мне нравится писать о том, в чём разбираюсь.

Понравилась статья? Поделиться с друзьями:
Бизнес журнал Мономах
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: