Неэффективный бизнес-процесс – это недополученная прибыль. Из-за сложных процедур компания теряет время и клиентов, а большие объемы рутинных операций, выполняемых вручную, выматывают сотрудников и приводят к ошибкам. Обнаружить проблемные участки в бизнес-процессах и найти гипотезы по их улучшению помогают системы Process Mining. В этой статье разберемся, как внедрить процессную аналитику и на что обратить внимание при реализации проекта.
С чего начать
Process Mining – технология восстановления моделей реальных бизнес-процессов на основе данных, хранящихся в информационных системах. Полученные результаты помогают увидеть и исключить узкие места, трансформировать и оптимизировать работу команды. Такая аналитика спасает, когда речь идет о массовых и сложных процессах, которые охватывают разные подразделения и филиалы компании.
Технология предполагает работу с данными. Чтобы проект прошел гладко, нужно разделить его на этапы и учесть ряд специфических нюансов.
Для систем класса Process Mining важно, чтобы анализируемый процесс был оцифрован. Он не должен вестись на бумаге и фиксироваться в служебных записках. Этапы процесса необходимо заполнять в электронном виде, в идеале – во взаимосвязанных программных решениях. Тогда система сможет собрать и проанализировать их логи, выявить несоответствия и зоны для улучшений.
Как правило, идеальных условий для внедрения Process Mining не бывает. Поэтому стоит начать работать с тем, что есть на данный момент.
Например, проанализировать часть процесса или пропустить этапы, которые пока не оцифрованы. Ничего страшного в разрывах процесса нет. Пропущенные шаги будут отражаться как увеличенное время перехода между этапами и учитываться в дальнейшем.
Process Mining позволяет рассмотреть как небольшую часть действия, так и глобальный сквозной процесс. В большинстве случаев компания понимает, что именно требует пристального изучения. Лучше сразу целиться в то место, которое хотелось бы оптимизировать. Поэтому на первом этапе сто́ит очертить границы изучаемого процесса.
Далее определяется KPI процесса, состав шагов восстанавливаемой модели процесса (он зависит от наличия данных в информационных системах), а также используемые метрики. Анализ источников данных позволяет определить алгоритмы извлечения и обработки информации.
Источниками данных могут быть:
корпоративные системы (SAP, 1C, Salesforce и т.д.);
базы PostgreSQL, MySQL и другие;
различные файловые хранилища;
логи событий, которые могут формироваться из почты или excel-файлов при работе сотрудников;
многое другое.
При этом не обязательно, чтобы все данные хранились в одном источнике. Часть из них может содержаться в базе данных (БД), другая – в корпоративной системе.
Выгрузить нужную информацию можно несколькими способами:
с помощью коннекторов, как готовых собственных, так и написанных специально под проект;
используя прямые подключения к БД;
сформировать выгрузки в Excel или CSV, а дальше подгружать их вручную или автоматически, например, через ftp или api.
Работа с данными
Важно, чтобы данных было достаточно: тогда проще настроить метрики, найти и проверить множество гипотез и в финале получить более заметный эффект от улучшения даже самого небольшого кусочка процесса. Особенно если выбрать при этом много различных атрибутов процесса и цепочек событий.
Обычно хватает среза данных за 1,5 года работы, но бывает, что их слишком много. Это приведет к дополнительным тратам на лицензии и серверные мощности, которые лучше исключить. Поэтому, если процесс массовый и постоянно повторяющийся, можно взять данные за месяц или даже неделю. Аналитика и выводы, полученные за этот временной отрезок, могут быть экстраполированы на весь остальной процесс и влиять на его дальнейшее улучшение.
Итогом первого шага должен стать проектный документ, в котором отражены границы процесса, KPI проекта, шаги и метрики изучаемого процесса, источники информации и алгоритмы обработки.
Для Process Mining необходимо, чтобы данные имели:
Идентификатор экземпляра процесса – единый номер, позволяющий связать все дальнейшие шаги. Им может быть номер закупки, договора, заявки или обращения в техподдержку.
Имя шага. В его качестве могут выступать статус, отдел или комбинация отдела и статуса, то есть какое-либо действие, происходившее в процессе.
Почти всегда требуется временная метка. Если ее нет, то картина прохождения этапов будет основана только на переходах между ними. Для этого нужно отсортировать в правильном порядке лог событий. Отсутствие метки характерно в процессах, которые просто фиксируют появление события, но не его время.
Строить аналитику можно уже на основе этих трех показателей, но лучше все же загрузить дополнительные атрибуты или характеристики. Это могут быть исполнители, филиалы, регионы, различные типы и признаки или даже суммы. Они помогают построить графики в связке с процессом и найти больше гипотез улучшения. При этом не стоит выгружать в системы Process Mining всю базу компании, слишком много дополнительных атрибутов тоже будут лишними. Поэтому приоритетный для аналитики процесс и достаточность данных важно определить на этапе формирования проекта.
Развернуть платформу Process Mining можно в собственном контуре или в облаке провайдера. В первом случае пилотный проект может затянуться: в крупных компаниях выделение вычислительных мощностей – это долгий процесс, требующий множества согласований. Однако, к примеру, в финансовых организациях любая работа с данными возможна только на собственных серверах. В облаке развернуть систему получится быстрее, и более гибкие компании выбирают этот способ инсталляции решения процессной аналитики.
К концу второго этапа получаем готовую к работе платформу Process Mining и можем приступить к изучению выбранного процесса.
Восстанавливать модель процесса
Система Process Mining собирает логи из журнала событий и восстанавливает реальную модель в виде цепочек действий. На этом этапе важно вовлечение сотрудников, заинтересованных в улучшении процесса (бизнес-заказчиков проекта). Результаты анализа, которые выдает система, нужно верифицировать.
Не всегда удается с первого раза получить верную модель процесса. Если результаты анализа вызывают сомнения, на этом этапе проводится коррекция модели данных. Она предполагает уточнение интерпретации событий в информационных системах, изменение состава шагов и метрик процесса. Проблема может заключаться в процедуре выгрузки и трансформации, тогда они также требуют доработки.
Например, бывает, что в рамках процесса есть шаги, которые выполняются параллельно. И важно заранее их отсортировать в правильном порядке – задать каждому шагу вес, чтобы избежать вариативности в цепочках событий. Именно поэтому так важно на первом этапе точно определить состав и последовательность шагов.
Итогом этого этапа становится восстановление реальной модели процесса: все, что ранее содержалось в разрозненных системах, теперь наглядно представлено в виде карты.
Анализ процесса
Восстановленная модель процесса становится объектом пристального изучения аналитиков. Если в компании есть эталонная модель, то полученные результаты сравнивают с ней.
На этом этапе выявляют причины, ухудшающих KPI процесса. Специалисты отмечают, где он отклонился от регламентов, где происходили задержки в исполнении операций или наблюдались возвраты на предыдущие шаги. Все это становится областями для оптимизации.
На этом этапе формулируются гипотезы по улучшению процесса и происходит расчет потенциала оптимизации – сколько можно сэкономить времени и средств при устранении обнаруженных барьеров. Многое зависит от компетенции аналитиков и методологов, изучающих полученную модель. Возможно, где-то длинный переход между процессами – это норма, а в другом месте – точка для улучшения. Важно отличить одно от другого, а также увидеть потенциальное решение проблемы.
Например, банк заявляет, что оформление заявки на кредит занимает 15 минут. В реальности клиенты ожидают 45 минут, а часть из них просто не доходит до завершения процедуры. Боль очевидна, нужно выяснить ее причины. Это могут быть сбои в системе или недостаток производительности сервиса, человеческий фактор внутри компании или проблемы самого клиента. Например, при ручном вводе информации заявитель допускает ошибки, и система отклоняет заявку. Значит, нужно автоматизировать эту процедуру с помощью выпадающего списка, где можно просто выбрать нужный параметр.
Самое важное на этом этапе - ориентироваться на первоначально озвученную боль клиента и пытаться решить ее.
В результате этого этапа должны быть выявлены проблемные места, предложены способы устранения барьеров и произведен расчет эффекта от улучшений.
Этап внедрения
На завершающем этапе подрядчик проводит финальную демонстрацию проекта, где отражены эффекты от рекомендуемых улучшений. А дальше каждая компания выбирает свой путь – завершить проект или внедрить процессную аналитику в ежедневную практику.
При настройке интеграции, которая проводится на втором шаге или на этапе завершения проекта, появляется полноценная возможность вести ежедневное управление показателями и мониторинг самых важных KPI. Это позволяет принимать верные решения, основанные на данных. Доступы к отчетам можно давать не только топ-менеджменту и аналитикам, но и всем сотрудникам компании. Есть примеры, когда это приводит к более эффективному взаимодействию между подразделениями.
Для ускорения ввода новых процессов можно сформировать внутри компании центр компетенции и аналитики с экспертизой по Process Mining.
Вначале его команда учится работать с системой, подбирать важные метрики, проводить интеграцию с источниками и строить отчеты, а дальше уже самостоятельно будет изучать данные и искать гипотезы, используя системы и платформы процессной аналитики. Начинать обучение можно одновременно с проектом – тогда специалисты будут обладать необходимыми компетенциями к его завершению.
Внедрить и настроить платформу Process Mining несложно – это готовое решение со «вшитыми» возможностями интеграции и кастомизации. С помощью вендора и его службы технической поддержки, следуя приведенному алгоритму, пройти этот путь можно за пять шагов.
