Что именно бизнес ищет в процессной аналитике? Какие проблемы решает? Стоит ли результат потраченных усилий?
Что такое процессная аналитика
Process mining (или процессная аналитика) – это метод анализа бизнес-процессов, который позволяет воссоздать их в том виде, в котором они на самом деле выполняются внутри компании. В качестве источников данных выступают данные журналов событий из информационных систем, например:
- управления процессами (BPM);
- управления ресурсами предприятия (ERP);
- управления взаимоотношениями с клиентами (CRM) и др.
С помощью технологии бизнес может исследовать и изучать свои бизнес-процессы в таком виде, в каком они на самом деле протекают внутри компании, выявлять «узкие места», неэффективные процессы и проблемы в работе процессов, которые затем могут быть устранены. Благодаря использованию process mining компании могут повысить эффективность бизнес-процессов, сократить затраты и увеличить производительность. Это если в целом.
Сейчас бизнес все чаще использует process mining для оптимизации своих процессов и повышения эффективности работы. Рассмотрим пять основных причин, по которым компании прибегают к подобным инструментам.
1. Определение потенциальных улучшений процесса
Как показывает наш опыт работы, одна из главных причин внедрения процессной аналитики – это определение потенциальных улучшений процесса. Очень сложно, основываясь только на регламентах, предположениях и интервью причастных сотрудников, получить объективное представление о том, как на самом деле работает компания, и по каким сценариям выполняется тот или иной процесс.
Анализ данных журналов событий корпоративных систем позволяет выявить неэффективные процессы, «узкие места» и другие проблемы, которые затрудняют выполнение задачи. Эти данные могут быть использованы для определения причин неэффективности процесса и разработки методов его улучшения. Не нужно будет предполагать, что стоит начать оптимизировать – все станет очевидно, прозрачно и понятно.
Один из наших первых пилотных проектов по process mining был связан как раз с этим – крупная телеком-компания хотела определить, какую операцию процесса учета авансовых отчетов можно роботизировать. Для этого было нужно оцифровать сам процесс, и сравнить получившуюся модель с внутренним регламентом.
Бывают и обратные ситуации, когда приходится исследовать уже внедренные инициативы и считать, стоила ли игра свеч. Один из самых любопытных кейсов касался сканирования документов. Банк хотел усовершенствовать этот процесс, в результате чего был создан и интегрирован во внутренние системы специальный софт. В результате наших исследований выяснился интересный факт: применение стандартного ПО оказалось в разы быстрее, нежели нового.
2. Оптимизация процесса
С помощью process mining можно определить, какие шаги в процессе занимают больше времени. Это помогает сократить время и затраты на его выполнение и улучшить его эффективность, что позволяет бизнесу ощутимо повышать производительность.
Например, одной крупной факторинговой компании, благодаря процессной аналитике, мы помогли найти потенциал для ускорения онбординга клиентов, а именно – выявить неравномерное распределение задач между сотрудниками и предложить идеи по корректировке правил распределения. Для этого была построена карта процесса с отображением ключевых метрик, рассчитаны трудозатраты на каждую операцию в рамках обработки заявок на факторинг и найдены точки оптимизации. Онбординг оказалось возможным ускорить на 36,3%.
Другой пример связан с банком из ТОП-10. Руководство хотело не только провести глубокий анализ двух сквозных процессов – онбординга юридических лиц в рамках зарплатного направления и открытия первого счета юрлица в офисе нового формата, но и выявить потенциал для их оптимизации. В итоге, оцифровали реальное выполнение процессов, визуализировали их и предложили ряд рекомендаций для разрешения всех «узких мест».
3. Улучшение контроля за процессами
Благодаря process mining бизнес получает точную информацию о процессах, включая информацию о времени выполнения каждого шага, о количестве продукции, создаваемой на каждом этапе и многое другое. Это улучшает контроль за процессами, предотвращает ошибки и позволяет своевременно реагировать на них, что ведет к росту производительности компании и удовлетворенности клиентов.
Process mining воссоздает реальное выполнение бизнес-процесса со всеми его основными шагами. Улучшить и детализировать результат помогает Task Mining. Данная технология фиксирует мелкие детали взаимодействия пользователя с интерфейсами приложений, благодаря чему процесс становится прозрачным и максимально детализированным. Банк из ТОП-5 одной из задач проекта по внедрению активной аналитики ставил выявление этапов процесса по закрытию банковских карт, которые не логируются, т. е. остаются в «слепых зонах». Эту задачу удалось решить именно при помощи связки Process Mining и Task Mining.
Отмечу, что есть довольно много кейсов, когда в числе основных бизнес-запросов значится контроль соблюдения уровня SLA.
4. Рост качества
Process mining выявляет проблемы, связанные с качеством продукта/услуги, и устраняет их. Это включает в себя выявление несоответствий в работе персонала, нарушения правил или других факторов, которые могут привести к низкому качеству. После того как проблемы выявлены и устранены, компания может улучшить качество своего продукта/услуги, что повысит удовлетворенность клиентов и укрепит ее позицию на рынке.
Недавняя история: крупный телеком-оператор применил process mining для анализа процесса массового подбора персонала. Любые простои и затягивания приводят к неукомплектованности штата, что способствует снижению качества оказываемых услуг, падению клиентской лояльности и убыткам. Опасная ситуация. Инициатива по внедрению помогла не только глубоко исследовать процесс, но и найти потенциал экономии трудозатрат более 16 тыс. человеко-часов рекрутеров.
5. Выявление упущенной выгоды
Я думаю, не стоит пояснять, что такое упущенная выгода. Уменьшение прибыли, общая неэффективность бизнес-процессов лишают бизнес главного – возможностей для дальнейшего развития и снижают уровень конкурентоспособности. Не всегда потери вызваны злым умыслом, иногда это незнание или отсутствие квалификации сотрудников, использование устаревшего ПО. «Вскрыть» подобные ситуации самостоятельно, основываясь на гипотезах и предположениях – сложно, поэтому бизнес предпочитает прибегать к аудиту бизнес-процессов.
Один из наших недавних кейсов связан как раз с подобной причиной. Банк из ТОП-10, используя process mining, обнаружил 200 млн рублей упущенной выгоды в год. Оказалось, что в 22,2% случаев клиент не доходил до выдачи кредита из-за частых доработок заявки.
Заключение
Process mining – это мощный инструмент, который помогает компаниям оптимизировать свои бизнес-процессы, сокращать затраты и улучшать качество продукта или услуги. Это также помогает компаниям улучшить контроль за процессами и повысить эффективность своей деятельности. Если вы не используете process mining в своей компании, рекомендуется обратить на него внимание и изучить возможности его применения для оптимизации своих бизнес-процессов.
Сравним два подхода: Process Crowdsourcing и Process mining
Пожалуй, не следует ломать копья и убеждать современный менеджмент в том, что процессное управление на сегодняшний день является наиболее адекватным методом операционного управления компаниями. Процессный метод может с успехом применяться в различных областях бизнеса, производства, госуправления и т. п. Вместе с тем, для того, чтобы реализовать систему процессного управления, необходимо иметь детальную операционную модель предприятия.
Создание такой модели и поддержание ее в актуальном состоянии, при использовании традиционных методов и инструментов, представляет собой сложную затратную задачу. В основе традиционных методов лежит интервьюирование работников моделируемого объекта внешними консультантами, ручное «рисование» процессов с последующим итерационным согласованием результата. При таком подходе проект создания моделей растягивается на долгие месяцы, а иногда и годы. За это время моделируемый объект может измениться и работы по моделированию необходимо будет начинать сначала.
Сократить время можно за счет автоматического создания процессных моделей. В настоящее время известны два метода и соответственно два типа IT-систем автоматической генерации процессных моделей. Это системы process mining и process crowdsourcing.
Метод process mining появился сравнительно недавно. Суть его заключается в автоматизированном извлечении исходных данных о процессах из логов автоматизированных систем операционного уровня. Для того, чтобы воспользоваться этим методом необходимо иметь на предприятии системы управления операционного уровня, причем этими системами должны быть охвачены большинство сотрудников, а главное большинство выполняемых операций. Такого уровня автоматизации практически нигде нет, поэтому область применение этого метода существенно ограничена.
Метод process crowdsourcing, по сути, известен давно. Еще Эдвардс Деминг утверждал: «Если человек не может изобразить в виде схемы, что он делает, значит он не знает, что делает». Действительно, каждый квалифицированный сотрудник точно знает, что он делает, и в какой операционной последовательности он выполняет свою работу. Совокупные знания работников в деталях определяют, как устроено предприятие и, как оно работает. Для создания модели остается только собрать эти знания и преобразовать их в модель. Эту часть процесса моделирования можно делегировать программной системе краудсорсингового моделирования.
В представленной ниже таблице показаны сравнительные характеристики и свойства систем process crowdsourcing и process mining.
Тип системы Свойство | Process | Process | |
1 | Элементы графического языка моделирования | Более 10 элементов стандартного языка BPMN 2.0 | 3 нестандартных элемента |
2 | Построение графических моделей «Как есть» | Автоматическое построение | Автоматическое построение |
3 | Источник исходных данных для моделирования | Автоматизированный краудсорсинг персонала (ролей) | Логи IT-систем по следам работы персонала |
4 | Построение графических моделей «Как будет» | Можно построить несколько вариантов для выбора оптимальной модели | Нет |
5 | Модель оргштатной структуры, связь ролей с процессами | Да | Возможно |
6 | Модели взаимодействия людей и автоматов, интернет вещей | Да | Возможно |
7 | Построение имитационных моделей процессов | Есть | Нет |
8 | Минимизация рисков перехода от модели «Как есть» к модели «Как будет» | Риски минимизируются за счет проверки модели «Как будет» на имитационной модели | Нет |
9 | Размеры применяющих систему компаний | Крупные, средние и мелкие компании | Только крупные компании |
10 | Динамическая модель загрузки ресурсов и размеров очередей | Да | Нет |
11 | Отражение статистических характеристик времени | Да. Характеристики выполнения имитационной модели | Возможно. Характеристики фактического выполнения |
12 | Отражение статистических показателей трудозатрат | Да. Трудозатраты моделируемых процессов | Возможно. Трудозатраты фактического выполнения |
13 | Отражение статистических показателей производительности | Да. Показатели производительности моделируемых процессов | Возможно. Показатели производительности фактического выполнения |
14 | Отражение статистических показателей энергоемкости | Да. Показатели энергоемкости моделируемых процессов | Возможно. Показатели энергоемкости фактического выполнения |
15 | Отражение статистических показателей стоимости | Да. Показатели стоимости моделируемых процессов | Возможно. Показатели стоимости фактического выполнения |
16 | Показатели качества результатов процессов | Да. Показатели качества результатов моделируемых процессов | Возможно. Показатели качества результатов фактического выполнения |
17 | Можно ли моделировать катастрофические и редкие сценарии | Да | Нет |
18 | Выполнение работ по созданию модели | Собственные сотрудники | Внешние консультанты |
19 | Стоимость создания и поддержания модели | Низкая | Высокая |
20 | Создание цифрового двойника компании | Да | Нет |
21 | Возможность организации деловых игр | Да | Нет |
Прокомментируем таблицу. Графические модели (см. п.1 таблицы) систем process mining используют только три графических символа: многовходовый функциональный блок, стрелка передачи управления и событие. Такого количества символов явно недостаточно для адекватного понимания логики выполнения процесса. Консультантам-аналитикам приходится домысливать поведение автоматически созданных графических моделей процессов.
Как системы process mining, так и системы process crowdsourcing автоматически создают графические процессные модели «Как есть», причем системы process crowdsourcing генерируют графы процессов на основе данных краудсорсинга, а системы process mining – на основе логов IT-систем по следам работы персонала и автоматов (см. п.2 и п.3 таблицы).
Применяя метод и систему краудсорсинга можно автоматически сгенерировать несколько вариантов моделей «Как будет» (см. п.4 таблицы), на имитационной модели провести многовариантный анализ и доказательно определить оптимальную модель «Как будет» (см. п.7 таблицы). Системы типа process mining не обладают этим важнейшим свойством.
Метод и система process crowdsourcing позволяют создать модель оргштатной структуры моделируемой компании, как части комплексной процессной модели, и на основе анализа результатов имитационного моделирования оценить загрузку персонала, механизмов и автоматов (интернет вещей), определить локализацию узких мест и размеры очередей к ресурсам процессов (см. п.5 и п.6 таблицы).
Метод и система process mining, в принципе, позволяет сделать то же самое. Однако, процесс мониторинга данных будет более затратен, так как потребуется создать и установить множество агентов мониторинга для сбора статистики о переключениях между окнами на компьютерах сотрудников. Кроме того, в логах IT-систем должны присутствовать необходимые для анализа данные.
Важнейшим свойством краудсорсинговых систем моделирования процессов предприятий является способность таких систем в кратчайшее время с минимальными затратами автоматически создавать адекватные, динамические, имитационные модели процессов предприятий (см. п.7 таблицы). Пожалуй, это свойство не только важнейшее, но и самое важное, в периоды проектирования или модернизации предприятий. Действительно, при проектировании любой продукции, товаров или услуг широко применяются методы имитационного моделирования.
Никто не станет передавать в производство новый самолет, корабль или технологический процесс не проверив поведение нового объекта на различных имитационных моделях в различных ситуациях. Методика и системы майнинга процессов могут применяться только на действующих объектах и не имеют инструментов имитационного моделирования и не могут рассматриваться в качестве средств проектирования новых или модернизируемых процессов.
Краудсорсинговая система моделирования будущих процессов позволяет минимизировать риски реального перехода от действующей модели процессов «Как есть» к действующей модели «Как будет» (см. п.8 таблицы). Риски минимизируются за счет проверки модели «Как будет» на имитационной модели, а не на действующем в реальных условиях предприятиях и не живых, работающих на этих предприятиях людях, как это реализуется, при применении метода process mining.
Специалисты по методу process mining соглашаются, что применение этого метода возможно только на крупных предприятиях, где большинство процессов автоматизировано средствами больших и дорогостоящих IT-систем, а множество агентов мониторинга для сбора статистики может быть реализовано внешними консультантами. Краудсорсинговая система имитационного моделирования не требует разработки и установки агентов мониторинга и реализуется сотрудниками моделируемого предприятия. Поэтому, системы process crowdsourcing применимы как на крупных, средних, так и мелких предприятиях. (см. п 9 таблицы).
Краудсорсинговая система моделирования позволяет показать динамику загрузки ресурсов и динамику изменения размеров очередей, в зависимости от времени выполнения моделируемого процесса. Динамические модели позволяют на качественном уровне понять и оценить поведение моделируемых процессов, ресурсов и очередей. Системы process mining не обладают средствами анимационного отображения поведения процессов, ресурсов и очередей (см. п 10 таблицы).
Методика и системы process crowdsourcing позволяют задать множество значений параметров выполняемых операций, и, на основе выполнения процессной имитационной модели, получить множество значений статистических показателей деятельности, таких как: время выполнения, трудозатраты, производительность, энергоемкость, стоимость, качество результатов и т.п. (см. п.11 - п.16 таблицы). Метод и система process mining, в принципе, позволяет делать то же самое. Однако, процесс мониторинга данных будет более затратен, так как потребуется создать и установить множество агентов мониторинга для сбора статистических параметров. Кроме того, в логах IT-систем должны присутствовать необходимые для анализа данные.
Применяя методику и системы process minin нельзя отработать или промоделировать катастрофические и редко выполняемые сценарии (см. п 17 таблицы). Действительно, нельзя загонять реальные процессы в катастрофический сценарий или долгое время нарабатывать статистику редких сценариев только ради получения достоверных статистических данных выполнения процессов. Гораздо проще и абсолютно безопасно получить достоверную статистику на имитационной модели краудсорсинговой системы.
Краудсорсинговая процессная модель создается собственными сотрудниками предприятия, а модель процессного майнинга создается внешними консультантами. Только это обстоятельство позволяет утверждать, что эксплуатационная стоимость краудсорсинговой модели будет меньше стоимости модели процессного майнинга (см. п. 18 и п. 19 таблицы).
Совокупный функционал краудсорсинговой имитационной модели обеспечивает создание процессного двойника моделируемого предприятия (см. п 20 таблицы).
И, наконец, созданный цифровой двойник может использоваться в качестве базовой имитационной модели организации системы деловых игр. На этом цифровом тренажере персонал предприятия может отрабатывать свои действия в различных бизнес-сценариях, включая и сценарии редкого и даже катастрофического развития событий (см. п 21 таблицы).
Вывод: методика краудсорсингового процессного моделирования по многим показателям не уступает методам процессного майнинга, а по многим показателям обеспечивает лучшие результаты.
https://www.e-xecutive.ru/
