Process Mining

Согласно опросу Gartner, 80% руководителей финансовых служб согласны с тем, что к 2025 году эффективная поддержка бизнеса будет осуществляться за счет ускорения внедрения цифровых технологий, таких как роботизация бизнес-процессов (robotic process automation, RPA) и искусственный интеллект. И для этого требуется выделение дополнительных финансовых ресурсов. При внедрении RPA инвестиции в процессную аналитику (process mining) становятся ключевым условием извлечения из технологий прибыли.

Опрос 400 руководителей финансовых служб, проведенный в декабре 2021 года, показал, что для повышения эффективности, гибкости и производительности труда необходимо расширять используемый технологический инструментарий. При этом RPA остается технологией, которая чаще всего упоминается респондентами в качестве средства достижения целей гиперавтоматизации), хотя пока и не принесла желаемой отдачи, в том числе, финансовым подразделениям.

«Несмотря на продолжающиеся инвестиции в RPA, предприятия понимают, что для обеспечения полной автоматизации им нужен дополнительный инструментарий, — указала вице-президент направления Gartner Finance Ниша Бхандаре. – Для получения более высокой отдачи от инвестиций в RPA они обращаются к технологиям, которые уже успели доказать свою эффективность и будут оставаться драйвером роста RPA в ближайшие годы, таким как процессная аналитика».

В рамках исследования финансовым директорам задавали вопросы по 16 различным технологиям, относящимся к сфере процессной автоматизации и оптимизации. Ожидается, что в течение ближайших двух лет только в три из них инвестиции увеличатся по сравнению с текущим уровнем. Речь идет об автоматизации построения отчетов, RPA и процессной аналитике. Причем в настоящее время из этих трех технологий только автоматизация построения отчетов приносит финансовым службам «высокую отдачу».

«Финансовые процессы сложны, сопряжены с большим количеством исключений и зависят от экспертных знаний и суждений, – подчеркнула Бхандаре. – Это ограничивает масштабы отдачи от RPA, и финансовым службам необходимо искать дополнительные возможности как в части повышения полезности RPA, так и при выборе технологий, в большей степени отвечающих требованиям к автоматизации».

Процессная аналитика привлекает больше инвестиций

Результаты опроса, проведенного Gartner, указывают на то, что в ближайшие два года у RPA будет три ключевых фактора роста: встроенное машинное обучение, облачная доставка и интеграция с процессной аналитикой. И хотя процессная аналитика по-прежнему является исследовательской технологией, еще не получившей широкого распространения в финансовых подразделениях, потенциал для улучшения текущего внедрения RPA делает ее весьма привлекательной в этой области.

Процессная аналитика предназначена для обнаружения, мониторинга и улучшения реальных процессов за счет анализа журналов событий в информационных системах. После того как журналы событий будут проанализированы алгоритмом процессной аналитики, руководители финансовых служб смогут точно узнать, что происходило во время выполнения того или иного процесса. Процессную аналитику можно использовать тремя разными дополняющими друг друга способами.

— Обнаружение процесса. Построение модели, отображающей выполнение текущего процесса «как есть».

— Соответствие процесса. Сравнение фактического событийного процесса с его идеальной моделью.

— Совершенствование процесса. Улучшение или расширение процессов, в том числе с помощью RPA.

«Процессная аналитика предоставляет инструмент для выявления основополагающих причин неэффективности и исключений в режиме реального времени, – подчеркнула Бхандаре. – Это позволяет оптимизировать и корректировать процессы, которые ранее, возможно, не поддавались автоматизации, открывая дополнительные возможности использования RPA и автоматизации в более широком смысле для повышения эффективности и снижения затрат».

Золотодобывающая компания «Полюс» запустила проект по внедрению технологии Process Mining для возможности проведения сквозного анализа бизнес-процессов. Работы реализуются по трем направлениям: бухгалтерский документооборот, техническое обслуживание и ремонт оборудования и сквозной процесс обеспечения. О реализации этого проекта рассказывает Денис Ерофеев, директор департамента развития бизнес-процессов компании «Полюс».

— Что привело компанию к необходимости внедрения Process Mining?

Мы на регулярной основе осуществляем поиск инициатив, в которых видим потенциальный эффект от внедрения, и одно из приоритетных направлений здесь – аналитика бизнес-процессов и данных.

По результатам масштабной цифровой трансформации на сегодняшний день значительная часть процессов в «Полюсе» автоматизирована, и в ИТ-системах компании накапливается большой объем информации о ходе их выполнения. Основанием для реализации проекта являлась растущая потребность в анализе фактического выполнения бизнес-процессов в ИТ-системах, включая проведение постпроектного мониторинга и проверку успешности планов линеаризации проектов по трансформации и информатизации бизнеса.

Инструменты класса Process Mining позволяют выполнить анализ качества эксплуатации внедренных процессов на большом объеме информации, настроить мониторинг показателей приживаемости внедренных систем и успешности реализации изменений на основании цифрового следа в ИТ-системах.

— На какие эффекты компания рассчитывает от внедрения этой технологии?

По результатам внедрения технологии Process Mining мы рассчитываем на получение преимущественно качественных эффектов. Примером могут служить повышение «приживаемости» внедренных информационных систем за счет организации мониторинга показателей исполнения процессов в системах, выявление узких мест и нетиповых вариантов реконструированного процесса, а также подготовка предложений по оптимизации бизнес-процессов.

Количественные эффекты от внедрения технологии являются долгосрочными – мы хотим создать сервис, который позволит владельцам процессов самостоятельно выполнять их анализ на постоянной основе и добиваться измеримого улучшения показателей за счет принятия управленческих решений.

— Почему именно бухгалтерский документооборот был включен в объем проекта?

Перед началом проекта был проведен комплексный сбор потребности в цифровом анализе процессов с использованием технологии Process Mining. Впоследствии собранные потребности были приоритизированы в соответствии с фреймворком RICE. По результатам этой приоритизации было принято решение о включении в объем проекта трех направлений: бухгалтерского документооборота, технического обслуживания и ремонта оборудования и сквозного процесса обеспечения.

— Какие результаты достигнуты по итогам реализации процесса «Бухгалтерский документооборот»?

По результатам реализации были достигнуты две основные цели. Самое главное, мы получили качественный и гибкий инструмент на базе решения Celonis, позволяющий увидеть полноценную картину по всему процессу бухгалтерского документооборота для возможности регулярного проведения цифрового анализа процесса. Кроме того, нам удалось сформировать конкретный перечень мероприятий, состоящий из 10 пунктов по трем областям, которые планируются к реализации в ближайшее время. Первая область – «сокращение сроков обработки документов». В ней были сформированы мероприятия, направленные на сокращение зацикливаний в этапах процесса и на разбор «зависших» документов. Вторая область – «эффективность маршрутов». В ней мероприятия направлены на сокращение «узких мест» в процессе и унификацию маршрутов движения документов в системе. Последняя область – «производительность и численность персонала». В ней мероприятия направлены на сокращение пиковых нагрузок на сотрудников.

В качестве примера могу привести мероприятия, направленные на автоматическое определение атрибутов у документов при их сканировании, что значительно сократит время на их первичную обработку.

— Как эти усилия воспринимают сами пользователи?

Несмотря на большую загрузку бизнес-экспертов в проекте помимо операционной деятельности, коллеги очень позитивно отнеслись к участию в нашем проекте. Каждый из пяти департаментов и дирекций, участвующих в реализации проекта, отметил для себя возможности использования Process Mining.

Так, департамент по развитию сервисных центров привлекла возможность повышения эффективности финансового документооборота и выявления отклонений по ключевым метрикам. Департамент развития и поддержки бизнес-приложений получил возможность проведения архитектурной оценки и контроля планируемых изменений в информационной системе.

Департамент методологии и автоматизации учета обеспечил детальную проработку первоначальных методологических требований к инструменту, от коллег были предоставлены вводные в части потенциальных проблемных зон и процессов, требующих проведения анализа. На основании этих данных совместно с коллегами мы разработали комплексное техническое задание, что позволило с максимальной полнотой использовать возможности инструмента Process Mining для анализа процессов бухгалтерского документооборота.

Отметили полезность инструмента и коллеги из нашего многофункционального центра обслуживания, непосредственно осуществляющего значительную часть анализируемых процессов. Транзакционный отдел отметил возможность оптимизации трудозатрат в пиковые загрузки за счет выявления трудозатрат, не связанных с закрытием периода. Отдел контроля финансовой дисциплины отметил возможность более оперативного взаимодействия с бизнес-единицами для сглаживания пиковых нагрузок предоставления первичных документов. Наконец, у дирекции по качеству и операционной эффективности появилась дополнительная возможность разработки мероприятий по непрерывному улучшению «узких мест» процесса, таких как доработка систем и выявление новых областей для автоматизации процесса.

— Оправдались ли ожидания?

Могу точно сказать, что ожидания по направлению «Бухгалтерский документооборот» были полностью оправданы.

— Что в ходе проекта было самым сложным?

Наверное, самым сложным при реализации проекта был факт загрузки бизнес-экспертов. Некоторые встречи приходилось планировать более чем за месяц до их проведения. Но я хотел бы подчеркнуть, что коллеги всегда шли проектной команде навстречу, помогали с организацией, активно участвовали в работах. Во многом это способствовало успешной реализации проекта в очень агрессивные сроки и с отличным качеством.

— Какие направления, по вашим оценкам, могут быть наиболее перспективными с точки зрения применения Process Mining и почему?

В ближайшей перспективе планируется завершение реализации еще двух направлений, о которых упоминал ранее – «Техническое обслуживание и ремонт оборудования» и «Сквозной процесс обеспечения». На мой взгляд, анализ данных направлений может принести компании большие эффекты.

Уже на данный момент по результатам проведения пилота по направлению ТОРО мы выявили отклонения в процессе использования мобильного оборудования при выполнении ежесменного технического обслуживания. Для проработки мероприятий была оперативно сформирована кросс-функциональная команда, состоящая из трех департаментов. По результатам отработки мероприятий мы отметили стабилизацию процесса. В том числе увеличен процент использования мобильного оборудования в три раза, увеличена скорость синхронизации данных в 3,5 раза.

Технологии процессной аналитики (Process Mining) становятся все более популярными. Многие компании достигли впечатляющих успехов в автоматизации своих процессов и стали обладателями цифровых следов сотрудников, работающих в корпоративных системах. Анализ действий сотрудников в приложениях дает ценную информацию и пищу для размышлений об эффективности процессов.

PwC и ABBYY подвели итоги исследования «Process Mining: преодоление барьеров на пути к успеху», проведенного среди крупных отечественных компаний, и обсудили его результаты с приглашенными экспертами. По итогам исследования выяснилось, что каждая вторая компания планирует использовать процессную аналитику через три года. Пока же лишь 20% опрошенных сообщили, что уже применяют интеллектуальный анализ хотя бы для одного бизнес-процесса. Главным барьером для внедрения Process Mining является качество данных об операционной деятельности: по-прежнему слишком много действий сотрудники проводят вне информационных систем, не оставляя никаких следов о своей работе.

Знания о процессах

«Результаты проведенного ранее глобального исследования были интересны, но нам не хватало местного колорита, который терялся на общем фоне. Нам было важно узнать, как обстоят дела в России, во многом для того, чтобы самим лучше понимать, в каком направлении имеет смысл развивать технологию и лучше понимать заказчиков», — рассказал Григорий Борисенко, директор и руководитель практики по оказанию услуг в области анализа данных PwC в России. По его словам, многие наблюдения стали интересными, подтвердив имевшиеся гипотезы или пролив свет на неожиданные области.

90% опрошенных компаний в том или ином виде занимаются анализом и оптимизацией своих процессов, хотя у большинства из них эта работа не носит систематического характера. Главным образом, информацию о качестве процессов черпают из традиционных средств бизнес-аналитики. При этом 38% не видят принципиальной разницы между специализированными системами Process Mining и классическими BI-решениями.

Что вполне ожидаемо, первыми Process Mining начали применять прогрессивные компании, которые в нашей стране сосредоточены в нефтегазовой и финансовой отраслях и вообще являются флагманами применения цифровых решений. Очень перспективная технология не могла быть пропущена ими. «Это как ремонт, который невозможно завершить. Компании, которые занялись процессной аналитикой, постоянно расширяют охват системы, непрерывно развивают и совершенствуют процессы», — отметил Борисенко.

Как констатировал Олег Сажин, заместитель генерального директора ABBYY в России, в среднем около 50% бизнес-процессов компаний до сих происходит вне информационных систем. Это может говорить о невысокой зрелости процессов и в целом сильно влияет на эффективность технологии процессной аналитики.

«Можно дозревать и расширять охват информационных систем, создавая цифровые следы сотрудников. А можно использовать средства Task Mining, позволяющие собирать информацию о работе пользователей «окольными» методами, отслеживая всю активность на их компьютерах», — рекомендовал Сажин.

Примерно таким путем идут в банке «Уралсиб». Как подчеркнул Максим Сарычев, руководитель дирекции процессного управления «Уралсиб», важно смотреть на процессную аналитику шире и исследовать процессы, не представленные ни в одной информационной системе. Например, в банке используют решение ABBYY Timeline, позволяющее сочетать Process Mining и Task Mining.

Task Mining позволяет изучать «разорванные» процессы, когда часть задач решается в информационной системе, а часть заключается в работе с документами и в офисных приложениях. За счет этого удается «склеить» кусочки знаний о процессах и собрать картину в единое целое.

Вторая задача, решаемая в «Уралсибе», заключается в автоматическом формировании нормативов. «Мы можем собрать по определенным функциональным ролям «фотографии» рабочего дня сотрудников, понять решаемые ими задачи, соотнести их с процессами, и сформировать нормативы производительности», — объяснил Сарычев. Кроме того, Process Mining – это замечательный инструмент не только для аналитика, но и для владельца процесса, который хочет управлять им, развивать его, понимать узкие места. Наконец, становится возможным контроль процедур: система позволяет выстроить цепочку правильного исполнения процесса и в случае ее нарушения или отклонения сигнализирует об этом.

«Чем глубже копаем, тем выше интерес»

«У меня было ощущение, что Process Mining применяется чуть ли не повсеместно, и без нее мало какие процессы анализируются. С меня сняли розовые очки», — признался Антон Платонов, руководитель направления по развитию ОЦО сети «Магнит». По его мнению, это очень хорошая технология для выявления проблем. Она показывает потраченные впустую усилия, лишние и повторные действия, что может указывать на сильную неэффективность процесса. Отчет о таких фактах позволяет взглянуть на процесс с другой стороны.

В компаниях действительно очень многие вопросы решаются по почте, на словах, в мессенджерах и т.д., – в целом такая ситуация характерна для многих. Но даже в уже имеющихся системах накоплена масса полезной информации.

«Мы видим достаточно обширную картину и обнаружили много проблем, на которые обратил внимание менеджмент. Чем глубже мы копаем, тем больше областей для работы находим, и тем выше наш интерес», — сказал Платонов. При этом задача по переводу взаимодействия из неформальных каналов в корпоративные системы не является обязательной для использования Process Mining. Скорее, это сигнал руководству о том, что многое в компании можно улучшить.

«Уже полтора года, как мы используем процессную аналитику в закупках, на электронной торговой площадке, в управлении мастер-данными и логистике. После завершения проекта отношение к ней поменялось: так как мы получили значимый эффект и определенный кредит доверия», — поделилась опытом Анастасия Головина, руководитель группы отчетности «Северстали». В 2022 году планируется расширить использование технологии на двух новых процессах, для этого уже одобрены бюджеты. По данным проведенного инвестанализа по всем внедренным четырем процессам, в среднем проект окупается меньше чем за три года. И есть процессы, где окупаемость составляет меньше года за счет вау-эффектов, способных перевесить все затраты. Головина признала, что сейчас проникновение Process Mining весьма мало, и ее удручает низкая информированность аудитории о технологии как таковой и жесткий стоп-фактор в виде незрелости процессов.

В Tele2 используют решение компании Celonis еще с 2017 года, и с тех пор многие подразделения уже поняли его прелесть. Как рассказала Елена Бебешко, руководитель службы методологии Tele2, свое знакомство с Process Mining начинали с пилотного проекта, который был необходим, чтобы убедить руководство в ценности этой технологии. В качестве «подопытного кролика» выступал платежный процесс – самый простой и максимально автоматизированный. Затем продолжили работу в договорных и логистических процессах, а также в процессах развития сети.

Сейчас в Tele2 даже существует довольно длинная очередь из процессов, которые требуют аналитики. Область применения технологии может быть разной – например, часто система выступает в качестве доказательства скептикам, что процесс выстроен оптимально и не требует изменений.

Что тормозит Process Mining

Как подчеркнули все участники встречи, спектр проблем, с которыми приходится сталкиваться при внедрении Process Mining, весьма разнообразен: это и недостаточная цифровизация процессов, и низкая корпоративная культура, и недостаток цифр, на которые можно опереться при проведении расчета эффективности.

«Самое главное – стоит ли система тех денег и времени, которые на них тратятся», — озвучил Платонов вопрос, который приходится слышать от всех руководителей. По его убеждению, сложности возникают тогда, когда Process Mining пытаются предлагать клиенту как независимое решение. В этом случае ее ценность надо еще увидеть. Гораздо правильнее ее предлагать в качестве вспомогательного инструмента – например, в ходе обследования процессов. Это отличная альтернатива традиционному анкетированию и опросам пользователей. А на фоне общих затрат на такое обследование стоимость Process Mining довольно мала, но зато это дает доказательную базу, которую можно продемонстрировать топ-менеджменту.

«Один из основных барьеров – культура работы над процессами», — считает Сарычев. У процессов есть владельцы, которые привыкли управлять ими, опираясь на определенный набор данных. Появление нового инструмента – это всегда изменение привычек, которое всем дается тяжело, даже если речь идет об автоматизации рутины.

Второй тонкий момент – особенности сбора данных о действиях пользователей. Когда внедряется инструментарий для сбора информации о работе сотрудников, требуется разработка целого плана коммуникаций, направленного на снятие всех опасений пользователей, важно объяснять, для чего используется информация. Это помогает в последующем обеспечить достоверность собираемых данных.

«Для нас серьезным испытанием стала ресурсная составляющая. Мы сталкивались с отсутствием внутренних ресурсов и дороговизной внешних, что влекло за собой сложность согласования бюджетов», — отметила Бебешко. Кроме того, она выделила низкую готовность владельцев процессов включаться в проекты по анализу своего хозяйства, их страх продемонстрировать свою некомпетентность. Наконец, никто не хотел тратить время.

Неавтоматизированные и разрывающиеся процессы – большая проблема для любой компании. Они сильно влияют не только на трудоемкость проектов, но и на применимость Process Mining и ограничивают интерес к ней.

Как резюмировал Борисенко, кому точно не надо заниматься аналитикой процессов – так это компаниям, подразделения которых представляют собой «функциональные колодцы». Такие подразделения не хотят смотреть вокруг и сфокусированы на достижении собственных целей. У них нет сквозных процессов и сквозных показателей эффективности, они больше всего боятся того, что кто-то извне может увидеть их недостатки. В условиях такой местечковости аналитику процессов продвигать тяжело.

Анализ цифровых следов человека получает все большее распространение и начинает использоваться в самых различных направлениях деятельности — от маркетинга до информационной безопасности. В МТС разработали систему анализа бизнес-процессов на основе цифрового следа (Process Mining), и первым местом ее внедрения стал Единый центр управления сетью. Используя технологии автоматизации, дата-инжиниринга и машинного обучения в комплексе, Process Mining позволяет анализировать цифровой след сотрудников и обеспечивает мониторинг загруженности работников технического блока, решающих задачи управления инфраструктурой, а также прогнозирование нагрузки и выявление функций для роботизации. В дальнейших планах компании — использование системы в других подразделениях, развитие ее аналитических возможностей и ее вывод на внешний рынок. Телекоммуникационные компании являются одними из лидеров по количеству данных и уровню цифровизации, поэтому многие успешно обкатанные внутри МТС подходы и решения в дальнейшем адаптируют и предлагают внешним заказчикам.

Иван Исаев, директор направления анализа данных и искусственного интеллекта для проектов технического блока ПАО «Мобильные ТелеСистемы» и номинант на премию CDO Award , поделился деталями проекта по разработке системы Process Mining, осуществляющей учет и прогнозирование эффективности работы сотрудников на основе анализа цифрового следа, с использованием методов машинного обучения.

— Как у вас возник интерес к Process Mining?

В последнее время анализ «цифрового следа» сотрудников становится все более популярным подходом. Информацию об их действиях при выполнении работы можно изучать с различными целями. С переходом многих на режим удаленной работы оставляемых «следов» стало больше: цифровизировались процессы взаимодействия, которые раньше отследить было невозможно. Появляется возможность проанализировать все, что касается сотрудников компании, включая коммуникации, навыки, эффективность работы. По результатам можно принимать решения, направленные на повышение эффективности процессов, и это в целом повышает возможности цифровой трансформации компаний.

Разумеется, речь идет не только о сокращении кадров или выводе части задач на аутсорсинг с целью снижения издержек. Для любой компании не менее важно бороться с перегрузками сотрудников и предотвращать их выгорание, а также выявлять ценных специалистов, склонных к увольнению.

В Boston Consulting Group даже создали методологию BioTag, рассказывающую о том, как «правильно» внедрять анализ цифрового следа сотрудников внутри компании. Их идея разметки данных с помощью бизнес-тегов мне понравилась, и мы потихоньку к ней идем. Это поможет в оцифровке действий сотрудников, в структурировании и оптимизации их деятельности.

— Что в вашем понимании представляет собой цифровой след сотрудника?

Это информация о том, чем человек занимался в процессе работы, — любые его действия, оставившие цифровой отпечаток, и, что крайне важно, с обязательной привязкой ко времени. Конечно, это не цифровой двойник человека, ведь мы рассматриваем его однобоко — лишь с профессиональной точки зрения, но это отпечаток его присутствия в каждый момент времени. Это могут быть записи звонков диспетчеров по рабочим вопросам, текстовые сообщения, а также сведения о событиях, вносимые в информационные системы. В рамках данного проекта очень важно собрать полноценную картину того, чем человек занимается в течение рабочего времени.

— С чего решили начать?

У МТС есть огромное сетевое хозяйство, в обслуживании которого занято около 10 тыс. человек. Естественно, что периодически приходится заниматься оптимизацией технического блока, такие меры инициирует HR-служба в рамках программ автоматизации. Цель — оптимизация зарплатного фонда.

Вероятно, ситуация знакома многим: у директора в подчинении несколько сотен человек, и к нему приходит требование о сокращении 10% сотрудников. Руководитель в ответ заявляет, что у него и без того дефицит кадров, все сотрудники перегружены и для нормальной работы требуется увеличить штат еще на 20%. В этом случае для прояснения реальной картины требуются весомые аргументы, и предоставить их может лишь комплексный анализ работ, проводимых специалистами. Они заносят в информационные системы данные по инцидентам и работам разного вида по обслуживанию сети; обсуждают проблемы по почте; ведут задачи в Jira. Чтобы получить комплексную картину их труда, эти данные нужно объединить. При этом каждый источник довольно объемный, а его бизнес-логика сложна и специфична для каждого подразделения.

Ранее руководителям приходилось пользоваться электронными таблицами, используя такие термины, как годовой объем работ и среднее время решения инцидента, и вычислять потребность в сотрудниках. Этот подход уходит в прошлое, такие оценки субъективны и для внешних экспертов выглядят неубедительно. На смену ему приходят более серьезные, научные методы.

— Как пришла идея, от кого она исходила?

Моя компетенция заключается в том, что я внедряю машинное обучение в технические процессы, ищу конкретные места, где автоматизация может помочь заработать или сэкономить. Ко мне обратились директора департаментов технического блока, занимающиеся обслуживанием радиосети, транспортной сети, коммутационной сети. Им требовалось получить реальную оценку эффективности труда работников. Разумеется, это важно не только для «защиты от HR», но и для повышения собственной эффективности. У каждого подразделения своя механика работы, и она сильно зависит от предметной области. На первом этапе требовалось обеспечить полную прозрачность действий сотрудников.

Перманентный вопрос о необходимости обоснованной и ясной картины по загруженности персонала и оценке его работы волнует всех. Между тем уже достаточно давно консультанты провели аудит, по результатам которого появились зародыши методик расчета эффективности. Мы эту методику развили в программное решение.

— Что было сделано?

Нам удалось создать систему анализа эффективности работы сотрудников. На основе всех источников создается единая витрина данных, и по данным из нее рассчитываются коэффициенты эффективности. Эти коэффициенты учитывают такие факторы, как утилизация рабочего времени, успешность и своевременность выполнения задач, сложность задач и их критичность для работы сети. Система по прогнозированию и учету эффективности в данный момент находится в опытной эксплуатации.

Далее в процесс вступают механизмы машинного обучения — несколько аналитических модулей. Например, с их помощью мы будем прогнозировать перегрузки и выгорание сотрудников, планировать обучение, создавать кадровый резерв и формировать профиль увольняющихся сотрудников для принятия заблаговременных мер по их удержанию.

На базе этого возможно реализовать вполне конкретные решения. Скажем, в конце года по ряду причин загрузка некоторых сотрудников сильно возрастает по сравнению с началом года. Возможно, в этом случае оправданно привлечение аутсорсинга. Помимо этого, выявляются функции, которые можно автоматизировать. Например, глядя на график использования рабочего времени сотрудников подразделения, можно обратить внимание на то, что существенную долю времени (например, 40%) они тратят на диспетчеризацию поступающих заявок и выявление причин инцидента. С помощью модели машинного обучения и анализа естественного языка из переписок, систем управления задачами и комментариев к инцидентам можно создать ассистента (систему-советчик на основе машинного обучения), способного помогать в определении причин инцидента и даже самостоятельно отправлять сообщения другим специалистам. Так можно сократить число людей, работающих на диспетчерских линиях, и экономить операционные расходы.

Еще один пример возможного развития системы анализа цифрового следа: для ряда инцидентов, связанных с сетью, можно реализовать функционал прогнозирования — система автоматически сможет заводить заявку в системы и инициировать работы по предотвращению инцидента.

— Какие пути решения задачи были выбраны?

Для этих целей сформировано отдельное озеро данных, которое в дальнейшем консолидируется с единым озером данных компании. Оно было реализовано в собственной пилотной зоне. Мы создали прототипы моделей и витрин, после чего это средство будет масштабироваться с использованием промышленных решений.

— Какие данные использовались? Как принималось решение о выборе источников?

Какие данные потребуются, стало понятно далеко не сразу. Более того, до сих пор появляются потребности в новых источниках.

Конечно, основными источниками данных стали информационные системы, в которых работают сотрудники. Наиболее распространенные решения для управления операционными процессами и обработки инцидентов (такие как BMC Remedy Service Desk и Oracle Siebel) — монструозные системы, существующие в телеком-компаниях более 10 лет. Они огромны, в них сделано множество доработок, и довольно сложно оценить, что именно оттуда брать и как это сделать. В зависимости от специфики подразделений, требуется соответствующим образом обогащать собранные данные, ведь перед нами стоит задача восстановить 100% рабочего времени сотрудника — лишь так можно оценить его эффективность. Если это будет 50–60%, то это мало что даст.

В течение нескольких месяцев я проводил аудит работы подразделений и узнавал, как именно работают сотрудники. Благодаря этому сейчас наш мониторинг охватывает около 99% их действий. При дальнейшем масштабировании системы внутри компании и для внешних заказчиков, конечно же, потребуется добавлять новые источники.

Мы специальным образом готовили данные, чтобы вывести коэффициент сложности работы сотрудника — это влияет на его показатель эффективности. Учитывали довольно много параметров, проделали огромную работу по структурированию данных из существующих регламентов — то есть оцифровывали неструктурированные данные. На их базе создавали методики расчета эффективности сотрудника. Мы выводим показатель того, насколько сложными являются те или иные виды работ, выполняемых сотрудником, определяем внутренний грейд сотрудника — насколько он авторитетен в подразделении. Эти подходы, наравне с методикой BCG, позволяют получать больше знаний из имеющихся данных.

— Какие технические решения применяются? И почему именно они?

Изначально прототип делали на решениях open source: СУБД PostgreSQL, скрипты на SQL, модели на Python — я являюсь сторонником открытых платформ. В качестве инструмента визуализации используем Power BI.

Однако по мере подключения к системе различных подразделений рано или поздно встанет вопрос масштабирования. Это предусматривает создание более масштабного озера и инструментов управления, включая глоссарий данных. В качестве системы управления данными планируем использовать Informatica — у нас уже есть опыт применения этого решения. На первом этапе мы опробовали интеграционную платформу, далее потребуются бизнес-глоссарий и каталог метаданных.

Система подразумевает подключение более десятка подразделений, и для этого нужен глоссарий для описания данных, методик расчета показателей, различных сущностей (инцидентов, плановых работ, проектных задач, записей звонков, почтовых сообщений), с которыми работают подразделения. Все это требует оцифровки, а на дальнейших стадиях станет необходимым звеном.

Кроме того, при появлении источников неструктурированных данных понадобится переход на платформу Hadoop — реляционной СУБД обойтись уже не удастся.

— Как решается вопрос качества данных?

Разумеется, качество данных в источниках далеко от 100%. Но даже если данные находятся в местах, которые принято называть «болотом», их качество приходится улучшать постфактум — можно их очищать и обогащать. Часто данных не хватает, и тогда мы создаем в источниках новые поля, позволяющие проследить, например, траекторию изменения инцидента в системе. В работах над серьезными инцидентами принимают участие много исполнителей, и лишь с помощью новых полей в базах данных, в которые выгружается информация с оборудования, удается проследить их цифровой след.

Кроме того, применяя искусственный интеллект, мы боремся с аномалиями в данных и нормализуем их. Переписываем много унаследованных систем, чтобы они выгружали данные в нужном нам виде.

Довольно долго проработав с предприятиями реального сектора, я могу констатировать, что в телекоме ситуация с данными гораздо лучше, чем в других индустриях, за счет хорошей инфраструктуры и возможности сбора практически любых данных. Этому уделяется много внимания. И этот опыт мы также можем транслировать как провайдер цифровых услуг для других отраслей непрерывной промышленности. Например, еще один недавний проект нашей команды — цифровизация цеха производства удобрений в компании «Уралхим».

— В чем заключалась самая большая проблема?

В большой компании процессы достаточно бюрократичны и инертны. Но с этим, вероятно, сталкиваются все.

Серьезным вызовом стали неоднородность данных и необходимость создания глоссария, который позволил бы их упорядочить, обеспечив правильное масштабирование проекта. Подразделения очень разнородные, они работают с разными сущностями: кто-то работает за компьютером, а кто-то ездит по базовым станциям и заводит там дизельные генераторы. Их работу надо привести к общему знаменателю и масштабировать. С одной стороны, для этого необходим высокий уровень абстракции, чтобы подводить под логику работы системы функционирование многих подразделений (может быть, даже нетехнических), а с другой — требуется учесть специфику работы каждого подразделения, которая часто уникальна.

— Какие результаты проекта вы сами считаете ключевыми?

Результаты внедрения новой методологии и реализации модулей машинного обучения, апробированных в ряде подразделений компании, показали прирост эффективности работы сотрудников от 5% до 15%. Обслуживанием сетевой инфраструктуры у крупных операторов занимаются десятки тысяч человек, поэтому эффект от масштабирования подобной практики как у телеком-компаний, так и у других промышленных компаний (например, из отраслей сырьевой промышленности) получается значительный — это сотни миллионов рублей.

Достижение четкого экономического эффекта, выражающегося в конкретных «живых» деньгах, было нашей тактической целью. Повысить качество работы сети — это хорошо, но оно не дает прямой и немедленной финансовой отдачи. А вот автоматизация рутинных функций с помощью математической модели — совсем другое дело: компания перестает нести расходы на их выполнение. Персонал может быть или сокращен, или перенаправлен на решение задач, действительно требующих участия людей.

Со стратегической точки зрения это очень важный инструмент для дальнейшего измерения эффекта от цифровизации и для осознания наиболее перспективных направлений для нее. Понимая, на что тратят время сотрудники и какие действия выполняют, мы совершенно точно можем посчитать эффект от автоматизации любой функции. Это действительно очень важно, потому что до сих пор такой эффект было очень проблематично посчитать, чтобы оценить целесообразность проекта.

— Как именно происходит выявление функций для роботизации?

Мой подход включает несколько составляющих. Во-первых, необходим комплексный аудит того, что происходит. Приходится «идти в поле», тесно общаться с людьми, узнавать, что их волнует. Внутри технического блока у меня есть большие рабочие группы таких «следователей», приносящих пул конкретных инициатив. Другое дело, что результаты этих инициатив сложно рассчитать в деньгах.

Например, сотрудник просит разработать решение, способное оценить реальное время простоя базовой станции, и убеждает, что это «очень нужно для работы». Но где здесь экономический эффект? Да, прислушиваться к пожеланию специалистов необходимо, но еще важнее проследить цепочку изменений, приводящую к измеримому эффекту — сокращению простоя станции, увеличению трафика, повышению производительности сотрудников.

— Какие процессы в первую очередь будут замещаться искусственным интеллектом?

Моя область — машинное обучение, как классическое, так и глубокое (связанное с анализом текстов). В каждом из направлений у меня есть набор областей, где можно найти эффект. В классическом машинном обучении это выявление инсайтов, где можно, прогнозируя события, добиться автоматизации конкретной функции. Сюда относятся, скажем, предиктивные ремонты, направленные на предотвращение инцидентов. В случае с анализом текстов следует найти задачи, где задействована лишь одна когнитивная функция — например, принятие решений на основе текстового сообщения.

— Что дальше? Какими вы видите дальнейшие направления развития проекта?

Важным шагом станет добавление неструктурированных данных и развитие проекта от классического машинного обучения в сторону глубокого обучения. Одна из идей — создать аналог алгоритма обработки естественного языка GPT-3, выпущенного OpenAI, который может, проанализировав произведения, писать стихи, музыку и даже программный код.

В нашем случае цель такой модели может заключаться в анализе экспертной информации диспетчеров. Тогда в нашем распоряжении окажется инструмент, который сможет проанализировать труд диспетчеров и стать единым ассистентом для них. Очевидно, что он будет применим и для других компаний, в том числе для непрерывных производств.

Как признался Анатолий Белайчук, президент Ассоциации профессионалов управления бизнес-процессами (ABPMP Russia), ему уже много лет приходится бороться с практикой бесцельного описания бизнес-процессов. Такие непродуктивные действия характерны для компаний, впервые подходящих к «снаряду» процессного управления. Более взвешенный подход приходит позже, когда закономерно встает вопрос: зачем? Тогда и появляются первые идеи о сокращении затрат, о регламентации, обеспечении стандартизации и о передаче знаний о процессах. И лишь позже осознается связь подходов ВРМ с такими понятиями, как ценность для потребителя и конкурентные преимущества. Всплеск популярности ВРМ в эпоху цифровой трансформации отнюдь не случаен, что и показали обсуждения в ходе конференции «BPM 2020 ОНЛАЙН. Процессы цифрового предприятия», проведенной издательством «Открытые системы» совместно с ABPMP.

«Цифровая трансформация — это как здоровье: ее нельзя купить. Это не продукт, не проект и не программа, это постоянная системная реорганизация, работа над собой», — подчеркнул Александр Самарин, международный эксперт в области цифровой трансформации и BPM. Как известно, невозможно управлять тем, что нельзя изменить, и невозможно изменить то, что непонятно. Именно здесь и может помочь ВРМ.

В то же время трансформация бизнес-процессов — слишком сложная вещь, чтобы делать ее хаотично, здесь нужна четкая методология. Как минимум, компании надо научиться разбирать проблему на части и собирать из этих частей возможные решения, выясняя в ходе действий, как сделать эту сборку цифровой.

«Очевидный тренд последних лет — цифровая трансформация, сделавшая тему BPM сверхактуальной и вдохнувшая в нее новую жизнь», — согласен Белайчук. Многие компании, задумывающие цифровую трансформацию, начинают с клиентоориентированных подходов, а дальше очень быстро приходят к тому, что бэк-офис должен соответствовать этим же принципам. Невозможно становиться цифровой компанией только снаружи, оставаясь прежней внутри.

Не секрет, что большинство компаний конкурируют лишь по стоимости продукции. Если удается серьезно улучшить ее качество — это подвиг, а привнести в нее инновационность — уже героизм. Не случайно волны интереса к ВРМ связаны с появлением новых технологий, которые дают возможность выйти на новый уровень конкурентоспособности. Именно поэтому сейчас BPM вкупе с роботизацией процессов (Robotic Process Automation, RPA) и искусственным интеллектом становится частью более масштабных платформ — например, Intelligent Automation или Digital Business Platform.

Синергия BPM и RPA

Тема целесообразности совместного применения BPM и RPA вызывает в сообществе высокий интерес, и в рамках форума ей было уделено очень большое внимание.

«Если говорить об оптимизации и роботизации процессов, то ВРМ является скорее философией и концепцией, где мы управляем процессами, а RPA — одним из инструментов. Они могут не просто сосуществовать, но и прекрасно дополнять друг друга», — отметила Наталья Роменская, независимый эксперт и консультант по вопросам инноваций, роботизации бизнес-процессов, ранее работавшая в нескольких крупных банках. По ее словам, RPA подразумевает изменения снизу вверх — переход от простых задач к более сложным. Подход ВРМ, напротив, ориентирован на изменения сверху вниз — постепенную детализацию общей картины.

- Наталья Роменская: «ВРМ является скорее философией и концепцией, где мы управляем процессами, а RPA — одним из инструментов. Они могут не просто сосуществовать, но и прекрасно дополняют друг друга»

ВРМ хорош в условиях нестабильной среды, при необходимости оркестровки и мониторинга процессов, а RPA — при необходимости автоматизации рутинных задач и наличии недокументированных процессов. При этом RPA — гораздо более простой инструмент, позволяющий быстро решать конкретные задачи — например, заменять интеграцию систем в тех случаях, когда она невозможна.

«Большинство трендов, о которых говорят ИТ-аналитики, мы на практике не видим. Но RPA — совершенно другое дело, эта технология «выстрелила»», — заявил Алексей Трефилов, директор ELMA. Роботизация дает возможность компаниям «делать больше меньшими средствами», что стало уже даже не реалиями, а чуть ли не девизом большинства компаний.

Бизнес старается максимально экономить, чтобы оставаться конкурентоспособным, но объем задач постоянно растет. Это определяет новые правила игры: роботы не только берут на себя массу рутинных задач, но и способны анализировать тексты и фотографии. Если еще несколько лет назад программные роботы были диковинкой, то сейчас технологии RPA сильно продвинулись вперед.

Как считает Юлия Батальцева, бренд-директор ELMA, триггером для быстрых цифровых изменений в компаниях стала ситуация с коронавирусом — это сработало сильнее, чем любые финансовые аргументы. Сейчас экономика подталкивает любой бизнес к ускоренному развитию.

Однако «закидывать процессы роботами» — заниматься пресловутой автоматизацией хаоса — не следует. Перед тем как приступить к роботизации, правильнее заложить надежную и стабильную основу в виде платформы ВРМ. Это позволит в единой системе трудиться «бок о бок» и роботам, и людям, не нарушая целостности процессов.

В поисках счастья клиента

Наиболее зрелый подход к ВРМ связан не со стандартизацией процессов и сохранением знаний о них, а с рассмотрением таких понятий, как ценность для потребителя и конкурентные преимущества. Анна Кузнецова, руководитель направления BPM/ECM компании Naumen, рассказала о построении системы управления процессами вокруг клиента.

«Зачастую происходит подмена понятий: под клиентоориентированностью начинают понимать избыточную навязчивость для побуждения клиентов к покупкам, при этом компании не знают своих клиентов и не понимают их потребностей. Естественно, такой сервис не приносит радости», — признала Кузнецова. По ее мнению, «настоящая» клиентоориентированность — это умение выявлять потребности клиента и удовлетворять их. Необходимо создать единый профиль клиента, настроить стратегию коммуникаций, управлять продуктами и сервисами, и для этого требуется система управления бизнес-процессами, способная выстроить «умные» процессы для максимальной автоматизации работы.

Как определить класс систем, который бы включал и управление коммуникациями и взаимоотношениями с клиентами, и обработку данных о них, и процессные платформы, и инструменты сервис-менеджмента, и управление клиентским опытом? Изучив словарь Gartner, Кузнецова нашла термин «Центр взаимодействия с клиентами» (Customer Engagement Center, CEC), в рамках которого объединяются многие привычные нам системы, обеспечивая «счастье клиента».

Достать скелеты из шкафов

«Теперь у бизнес-аналитиков появился свой инструмент — Process Mining. Он уже отображается на локаторах Gartner, хотя такая технология пока считается аналитиками нишевой и по ней еще не создано квадрантов», — рассказал Андрей Коптелов, вице-президент ABPMP Russia.

Process Mining существует уже давно, но сейчас эта технология становится более «хайповой». В ее рамках специалисты по данным собирают информацию из логов информационных систем и по ней восстанавливают реальные бизнес-процессы, существующие в компании.

По мнению Коптелова, эту технологию не стоит рассматривать отдельно. Ее ценность проявляется при совместном использовании с Process Intelligence: сами по себе бизнес-процессы, конечно, могут представлять интерес для аналитиков, однако бизнесу нужны реальные результаты. Поэтому в большинстве инструментов уделено основное внимание именно различным показателям и дашбордам.

Что делать с извлеченными процессами? Как минимум проверить их на соответствие регламентам, поскольку извлеченный процесс в большинстве случаев не соответствует заявленному. Далее можно строить имитационные модели, прогнозировать состояния и выдавать рекомендации. Фактура, выгруженная из информационных систем, дает возможность на другом уровне обсуждать с бизнесом эффективность процессов, делая утверждения доказательными.

«Когда вы раскладываете по полочкам весь бизнес-процесс, выявляя все его недостатки, это производит большое впечатление на владельца процесса (и еще большее — на его начальника)», — заявил Коптелов. Лучшие процессы для применения Process Mining — закупки, продажи, а также техническое обслуживание и ремонты оборудования. А его использование для процессов ITSM (например, для управления инцидентами, проблемами и изменениями) позволяет достать все скелеты из шкафа ИТ-директора.

Функционал систем Process Mining развивается в первую очередь в направлении автоматизации работы аналитиков. Речь идет об автоматическом обнаружении моделей процессов вместе с показателями, анализе взаимодействий с клиентами, поддержке анализа действий, не охваченных информационными системами. Кроме того, расширяются возможности решений в области подготовки и очистки данных, мониторинга процессов в реальном времени. В каком-то смысле они становятся конкурентами BI-приложений.

***

Как согласились участники форума, чтобы оправдать внедрение BPM, нужно подходить к этому всерьез и ответственно. Надо рассчитывать на то, что придется поддерживать созданную «машину» в рабочем состоянии и закладывать на это определенный бюджет. Но главное — не надо пытаться осуществлять внедрение партизанскими методами. Да, можно проводить исследовательские работы и создавать технологический задел. Но если есть желание сделать что-то продуктивное, у проектов должны быть все традиционные атрибуты — от устава проекта и поддержки руководства до четких целей и выделенного бюджета.