Банковское обозрение (Б.О принт, BestPractice-онлайн (40 кейсов в год) + доступ к архиву FinLegal-онлайн)
FinLegal ( FinLegal (раз в полугодие) принт и онлайн (60 кейсов в год) + доступ к архиву (БанкНадзор)
Сегодня, когда объемы данных быстро растут, а IT-ландшафт постоянно меняется, традиционный подход к анализу бизнес-процессов неэффективен. Устойчивость и развитие бизнеса зависят прежде всего от скорости адаптации к внешним изменениям и эффективности всех процессов организации. Ключ к успеху — цифровая трансформация, эффективность которой значительно возрастает с использованием технологии Process Mining
Process Mining (процессная аналитика, PM) — инструмент анализа бизнес-процессов на основе «цифровых следов» о выполненных событиях в информационных системах. Результатом внедрения PM становятся оптимизация процессов через глубокую аналитику, а также рекомендации на базе технологий машинного обучения и визуализации данных. PM обеспечивает знания о структуре и поведении процесса на основе данных, хранящихся в информационных системах компании во время функционирования, а также создает цифровые двойники бизнес-процессов, которые можно отслеживать и анализировать в режиме реального времени. Process Mining актуален для банковского обслуживания, обеспечивающих процессов, веб-аналитики, внутреннего аудита, IT-разработки и многих других сфер. Чаще всего с помощью Process Mining анализируют продолжительные и высоковариативные процессы, что особенно свойственно крупным компаниям.
Основным драйвером развития российского рынка Process Mining стал массовый уход зарубежных вендоров. Отечественные пользователи остро нуждаются в локальных разработках, адаптированных к российскому рынку и законодательству. Согласно совместному исследованию Сбера и консалтинговой компании «Технологии Доверия», российский рынок Process Mining с 2024 года растет среднегодовым темпом 183% и на горизонте пяти лет увеличится более чем в 19 раз, до 7,3 млрд рублей.
Результаты внедрения PM — это ускорение процессов и сокращение трудозатрат, а следовательно, прямой финансовый эффект. В Сбере анализируют различные аспекты процессной аналитики, мировой опыт организаций, которые применяют PM, и получают отзывы заказчиков. Выгода от использования технологии многократно превосходит дополнительные затраты на переход к современному IT-решению, а финансовый эффект от применения Process Mining заметен в первые же месяцы после внедрения. В Сбере за время применения этой технологии он оценивается уже в 20 млрд рублей. Однако многие компании относятся к этой технологии с осторожностью. Рассмотрим ключевые мифы о Process Mining.
Миф 1: для оперативного управления владельцу процесса достаточно имеющихся у него знаний о выполняемых действиях. Миф основан на предположении, что владелец процесса обладает исчерпывающими знаниями о каждом действии в процессе, т.е. какие операции выполняет сотрудник в каждый момент времени, что он делает с документами, какой путь проходит каждый клиент и что приводит к негативным исходам процессов.
Однако современные бизнес-процессы очень сложны, динамичны и разнородны. Они зависят от множества факторов, которые не всегда очевидны даже для самого опытного аналитика. Кроме того, в массовых процессах с тысячами и миллионами операций в день команда может не знать обо всех возникающих ошибках и их влиянии на результат и эффективность. Например, объем запросов в сервисную службу может увеличиваться не из-за случайного наплыва инцидентов, а из-за того, что форма запроса не позволяет пользователю правильно сформулировать задачу, поэтому она постоянно пересылается между подразделениями для уточнения информации.
Хороший пример использования PM в практике Сбера — исследование процессов постановки, согласования и реализации доработок одного из продуктов командой с открытым бэклогом. Процессы предполагают, что поставить задачу на доработку продукта может любой сотрудник с доступом к Jira. Далее следуют этапы подтверждения потребности, уточнения требований и согласования доработки, только после этого задача передается в команду разработки.
Прежде чем воспользоваться технологией Process Mining, владелец процесса внедрил множество улучшений, нацеленных на ускорение процедуры согласования и повышение эффективности коммуникаций между инициаторами и командой разработки, включая автоматизацию некоторых этапов. Но в большинстве случаев изменения были инициированы на основании замеров стандартных показателей — срока поставки доработок, трудозатрат, соблюдения правил тестирования и анализа кода.
Исследование с применением подходов Process Mining показало, что 23% задач поступает, минуя шаги согласования и утверждения, что порождает больше доработок и увеличивает срок разработки.
Эти этапы нетипичны для стандартной задачи в Jira и используются для утверждения необходимости доработки, а также для корректного анализа и оценки задач.
Однако некоторые инициаторы считают эти этапы излишними и заводят задачу другого типа, не требующего согласований, а затем меняют тип задачи на удобной для них стадии. Запрет такой возможности повысил скорость разработки на 11% и уменьшил количество доработок и коммуникаций для уточнения требований на 4%.
Миф 2: необходимо описать все процессы перед внедрением технологии Process Mining. Внедрению Process Mining часто препятствует мнение о том, что использование этой технологии возможно только при полностью описанных процессах. На практике мы имеем противоположную картину: технология автоматически восстанавливает актуальную картину процесса и описывает его в формате BPMN (Business Process Model and Notation — система условных обозначений и их описания в XML для моделирования бизнес-процессов).
Сегодня технология Process Mining позволяет не только визуализировать текущие бизнес-процессы «as-is», но и благодаря встроенным алгоритмам машинного обучения автоматически выявлять оптимальные варианты их выполнения. Также PM дает возможность оценить, как изменится процесс, если какие-то его этапы поменять местами, удалить или добавить. Современные возможности этой технологии не требуют описания цепочки процесса вручную с нуля.
Если в компании уже есть спроектированные модели процессов, то современные инструменты Process Mining дают еще одно преимущество — они могут выявить расхождения между нормативным и реальным процессами.
В крупном бизнесе инструменты PM в среднем внедряются за семь месяцев, а в малом и микробизнесе — за период от одного до шести месяцев.
В Сбере используется модуль восстановления модели процесса при разработке его целевой схемы процесса («To Be»). Так, в одном из недавних проектов по редизайну процессов в банке проанализировали процесс согласования спецификаций к договорам и обнаружили лишние операции и этапы, которые можно автоматизировать. После моделирования процесса и устранения найденных неэффективностей был получен образ целевого бизнес-процесса в виде BPMN-диаграммы, который лег в основу новой версии регламента. В результате предложенных изменений срок согласования документов сократился в 2 раза, а финансовый эффект от внедрения предложенных изменений превысил 300 млн рублей.
Миф 3: сначала нужно достичь высокого уровня цифровизации, доработать автоматизированные системы и только потом внедрять Process Mining. Миф сформировался на основе мнения, что высокий уровень цифровизации компании гарантирует эффективное применение Process Mining. Но даже в таких организациях многие задачи (например, работу с электронными документами или просмотр сайтов) сотрудники по-прежнему выполняют вне автоматизированных систем. Такие действия не логируются (логирование — сбор цифровых следов о действиях пользователей в автоматизированных системах), и как следствие цифровой след процесса, собранный из информационных систем, получается неполным. В свою очередь компании с низким уровнем цифровизации твердо уверены, что без доработки автоматизированных систем и стандартов логирования внедрение процессной аналитики невозможно.
Как выявило совместное с компанией «Технологии Доверия» исследование, текущий и потенциальный спрос на Process Mining показывает, что объем данных, используемых для процессной аналитики, составляет 40 гигабайт, что обусловлено невысоким уровнем цифровизации процессов в компаниях. Так, чем крупнее компания и чем выше уровень цифровой зрелости, тем больший объем данных используется для аналитики.
Последние несколько лет бизнес все чаще использует Task Mining, который способствует быстрому и эффективному внедрению Process Mining даже при отсутствии логов или неподробном логировании, а также помогает параллельно дорабатывать архитектуру и интеграции.
Технология собирает информацию обо всех действиях сотрудника на компьютере (клики мышкой и нажатия клавиш, копирование/вставка, переходы между приложениями, работа в электронной почте). Затем аналитики могут использовать собранную информацию о цифровых следах сотрудников для анализа процесса средствами Process Mining. Организации, которые внедряют Task Mining в связке с Process Mining, могут собирать цифровые следы сквозных процессов, протекающих в разных системах и приложениях, и принимать своевременные бизнес-решения.
За годы практики Сбер проанализировал ряд процессов, цифровые следы которых не отвечают стандартным требованиям Process Mining. Так, с помощью инструментов машинного обучения команда банка преобразовала записи разговоров бота с клиентами колл-центра в карту разговора, которая была представлена в виде графа процесса. После кластеризации крайне разветвленный граф, состоящий из уникальных фраз клиентов, превратился в более стройный и понятный, подходящий для сопоставления со скриптами диалога. В результате анализа и доработки бота, ведущего диалог с клиентом, удалось повысить эффективность его работы — число звонков, переадресованных на оператора колл-центра, снизилось на 20%.
Информационное пространство заполонил контент о колоссальных перспективах и пользе искусственного интеллекта, в том числе в финансовой сфере. Впечатляющие прогнозы, необходимость изменения стратегий и бизнес-моделей, перспективные области использования и прочие общие слова, зачастую этим же искусственным интеллектом и сгенерированные