Вестник цифровой трансформации

WBPM: планирование на основе Process Mining
WBPM: планирование на основе Process Mining

Александр Кузнецов: «Ключевой принцип – это погружение в процессы заказчика с выявлением причинно-следственных связей. Взяв для анализа как лучшие, так и худшие сценарии, мы смогли понять, что повлияло на них. Это позволило сократить лишние действия и построить эталон»


12:32 02.03.2023  |  Николай Смирнов | 4483 просмотров



Александр Кузнецов, руководитель процессного офиса компании White Box Process Management, – о создании системы автоматизированного планирования, ставшей важнейшим фактором развития юридической фирмы «Паритет».

Время руководителя – наиболее ценный ресурс любой компании. Возможность избавить его от рутинных и трудоемких действий по планированию работы сотрудников способна стать серьезным фактором, влияющим на развитие бизнеса. О создании системы автоматизированного планирования «Планер», выполняющей именно эти задачи, рассказывает Александр Кузнецов, руководитель процессного офиса компании White Box Process Management (WBPM), и номинант на премию Data Award.

- Что представляет собой созданное решение, в чем его суть?

Мы разработали систему автоматизированного планирования «Планер» для вынесения и получения судебных приказов. Продукт функционирует на базе юридической фирмы «Паритет» в отделе судебного производства, занимающегося массовым взысканием, и замещает руководителя в процессе организации работы сотрудников.

Сервис в автоматическом непрерывном режиме определяет задачи и операции, а после классифицирует их по приоритетности. Согласно эталонной модели, «Планер» рассчитывает временные и человеческие ресурсы, требуемые для получения исполнительных документов в поставленный заказчиком срок. Как итог, для руководителя формируется рекомендация в виде планов операций на месяц, неделю и день, в которой прописаны необходимые задачи для оптимальной проработки судебных дел.

- Какие были проблемы? Почему это важно?

Деятельность компании, для которой создавалось решение, – юридической фирмы «Паритет» – сосредоточена на массовом судебном взыскании по всей территории России. Несмотря на установленные гражданско-процессуальным кодексом РФ нормы, судебные участки зачастую не успевают вынести и отправить судебные приказы в определенный законом срок. Причины бывают разными: высокая загруженность, отсутствие средств на отправку, запрос новых документов, утеря заявлений и т.д. В каждом конкретном случае перед юристом встает задача устранить существующую проблему. Этот процесс затруднен не только множеством вариантов развития событий, но и географическим фактором: суды находятся в разных регионах, а значит, и в разных часовых поясах, связаться с ними можно только в их рабочее время.

Когда мы начали сотрудничать с «Паритетом», процесс планирования в отделе осуществлялся в ручном режиме. Данные, хранящиеся в учетной системе, выгружались в Excel, где руководитель устанавливал фильтры по разным параметрам, отслеживал этапы работы, изучал комментарии по каждому делу, направлял обратную связь и прописывал в системе задачи на неделю.

Ввиду стабильно лучших показателей среди конкурентов, компании доверили проработку еще большего объема дел. Увеличение и послужило основным триггером для изменений, потребность в которых неизбежно назрела. Определить задачи с разной приоритетностью и назначить на них исполнителей – несложно, если речь идет о ведении 100 дел. Но когда объем достигает нескольких десятков тысяч одновременно, это не представляется возможным, особенно с сохранением стабильно высокого результата и лидерских позиций.

Готовых решений, помогающих масштабировать компанию с узкой экспертизой без потери эффективности, на рынке найти не удалось. Вследствие этого перед нашей командой встала задача – разработать автоматизированную систему принятия решений для компании со специфичной нишей.

- Какой подход был выбран?

Первоначально мы погрузились в процесс судопроизводства, узнали об особенностях работы судов и судебных участков, изучили важные нюансы. Затем с помощью технологии Process Mining определили действия руководителей в процессе планирования, проанализировали их вариативную логику и описали в нотации BPMN 2.0. В ходе исследования соотнесли данные о каждой операции с теми, что хранятся в CRM. Обнаружив их нехватку, изменили структуру базы данных, внеся нужные атрибуты и сущности. Не обошлось и без нормализации данных, а также создания правил их внесения. Иначе было невозможно «пересобрать» верную последовательность этапов: внушительная часть информации не логировалась в системе, а то, что имелось, было сильно «зашумлено».

Проанализировав имеющийся опыт, мы выявили лучшие практики получения судебных приказов, а также заметрировали все действия и операции, которые выполняют сотрудники, с учетом коэффициента утилитарности. То есть учли реальное рабочее время сотрудников, а не нормативный 8-часовой рабочий день.

На этой базе мы создали эталон процесса и перенесли описанную логику вместе с метриками в сервис.

- Можете поделиться примерами инсайтов, появившихся в результате использования Process Mining?

Их было достаточно, поделюсь самыми запоминающимися.

Мы заметили, что в процессе было немало действий, которые не оказывали никакого позитивного эффекта на результат, но при этом «на всякий случай» выполнялись. С чем это связано? Люди привыкают работать по одному алгоритму действий. Когда меняются обстоятельства, казалось бы, и алгоритм должен видоизменяться, но все же зачастую он остается прежним. Здесь мы имеем дело с уже сложившимся порядком, установленным другими исполнителями. Следование устойчивой последовательности действий оказывается неким «ритуалом».

И еще одно наблюдение. Делегирование задач от руководителей к сотрудникам, несмотря на профессионализм, основывается порой не столько на объективных данных, сколько на личном мнении об экспертности того или иного коллеги. Да, иногда это бывает оправданно, но встречаются примеры, когда подобный подход не лучшим образом влиял на конечный результат.

- Что в ходе проекта было самым сложным?

Хотя и возникали сложности со сбором, очисткой, структурированием данных и процессов, самым сложным было определить причинно-следственные связи и факторы влияния на конечный результат. Почему, например, в одном судебном участке выносят решение быстро и без проблем, а в другом – постоянные задержки? Почему в одном случае коммуникация сотрудников по скрипту дает результат, а в другом нет? Основной вызов был в том, чтобы определить возможные способы влияния заказчика на выявленные факторы, а после учесть их в архитектуре «Планера».

- Какие принципы соблюдались при создании решения?

Ключевой принцип – это погружение в процессы заказчика с выявлением причинно-следственных связей. Взяв для анализа как лучшие, так и худшие сценарии, мы смогли понять, что повлияло на них. Это позволило сократить лишние действия и построить эталон.

И главное – принцип нормализации данных. Во-первых, приведение к целевому состоянию базы данных. Во-вторых, запрет на уровне системы на ввод ненормализованных данных, что исключает любые отклонения в работе «Планера». Без строгости в этом вопросе вся остальная реализация проекта была бы бессмысленна.

- Какие платформы для работы с данными используются?

Используем свою учетную систему и полностью написанный нами сервис. Использование сторонних приложений не требует необходимости.

- На чем именно написана система? Какие платформы использованы?

Сервис написан на технологии .Net 7 на языке C#. Взаимодействие с системой происходит через кроссплатформенное WebAPI (Rest).

В процессе запуска «Планера» набор правил, хранящихся в базе данных сервиса в формате XML, конвертируется в SQL-запросы, а после отправляется в базу данных CRM. На выходе мы видим состояние каждого отдельного дела и операции, которые нужно выполнить. Эта информация снова возвращается в базу данных «Планера» и извлекается руководителем для распределения задач.

- Сколько времени и ресурсов потребовалось на реализацию проекта?

С технической точки зрения проект был довольно простым. Самое сложное – это его аналитическая часть. Первый месяц мы потратили на анализ данных, искали причинно-следственные связи. Следующий месяц одна команда меняла модель данных и переносила их в новую базу данных, вторая же работала над тем, чтобы создать логику «Планера» на основе проведенного анализа. Третий месяц ушел на запуск системы планирования с нормализованными данными. В начале четвертого месяца прошла вторая итерация: анализ полученных результатов, внесение изменений в логику и отладка. И наконец, во время третьей двухнедельной итерации мы доработали мелкие недочеты и вышли на промышленную эксплуатацию.

- Какие результаты достигнуты?

Отчеты показали, что до запуска сервиса в работу на планирование 5 тыс. судебных дел уходило в среднем два-три дня каждую неделю. Сейчас это время удалось сократить до нуля, а руководителю остается лишь распределить запланированные системой задачи.

Сегодня системой обработано уже более 90 тыс. дел и, несмотря на серьезное увеличение объемов каждый год, компания на протяжении пяти лет продолжает сохранять лидерство среди конкурентов. И это во многом благодаря «Планеру».

- Насколько масштабируемым и тиражируемым стал этот опыт?

На текущий момент мы заканчиваем внедрение похожего сервиса, но уже для другого отдела. Аналитиками на основе данных для процесса исполнительного производства прописано 630 сценариев. Это в разы превосходит как по сложности, так и по объему уже завершенный проект со 105 возможными вариациями получения исполнительного документа.

К слову, когда продукт перейдет в стадию сопровождения, команде было бы интересно реализовать подобную систему и в других сферах, так как грамотное и быстрое принятие решений способствует развитию любого бизнеса.

- Пытался ли заказчик оценивать финансовый эффект от реализации проекта?

Да, но в силу NDA мы не можем озвучивать точные цифры. Однако счет идет на десятки тысяч судебных дел и десятки миллионов рублей.

- В чем роль проекта для бизнеса компании?

Можно сказать, что «Планер» сыграл определяющую роль в развитии компании. Сегодня система, согласно прописанным алгоритмам, автоматически рассчитывает, какие ресурсы потребуются для закрытия задачи, сколько на это будет затрачено времени и кому из исполнителей, исходя из статистических данных, лучше доверить ее решение. В дополнение к этому, сервис способен прогнозировать промежуточный результат проработки дел в соответствии с установленным процентом, который должен быть достигнут к концу каждой недели. Это упрощает процессы контроля и управления со стороны руководителя, а также позволяет предупредить форс-мажорные обстоятельства.

Благодаря внедрению системы компания «Паритет» заметно масштабировалась, а также смогла сэкономить на расширении штата и обучении сотрудников. Для руководителей же использование сервиса дало возможность освободить время для решения задач, которым уделялось недостаточно внимания в силу занятости планированием.

- Насколько вообще подобные решения могут быть востребованы рынком?

На наш взгляд, за автоматизированными системами принятия решений не только скорое будущее, но и немалая часть настоящего. Подобные решения позволяют видеть причинно-следственные связи между выполняемыми действиями и полученными результатами. В результате повышается управляемость, гибкость, а самое главное – скорость реакции на существенное изменение обстоятельств. Этим наш сервис отличается, например, от продуктов на базе нейросетей.

Еще одно отличие: для использования машинного обучения в этом проекте просто не хватило бы данных, но для выделения принципов с помощью аналитиков их достаточно. А потому, если процесс высоко вариативен, данных недостаточно, но понятен контекст – наш подход наиболее предпочтителен для автоматизации управленческих решений.

Теги: Data Award