Очень долгое время описание и анализ бизнес-процессов производился вручную: интервьюирование сотрудников, проведение опросов, привлечение внештатных специалистов. Такой процесс не позволял достичь поставленного результата по причине недостоверности и неполноты описания бизнес-процессов (человеческий фактор), а также влекло за собой временные и финансовые обременения.
С помощью инструментов PM, извлекая информацию из журналов событий — можно избавиться от проблемы, которые возникают при использовании ручных методов описания бизнес-процессов. Что же нужно для использования такой технологии?
Основа PM — журналы событий ИС, которые в последнее время все чаще внедряются в производственные процессы любой организации. Перечислим обязательные поля в логе для построения графа (модели бизнес-процессов):
- Id процесса;
- Наименование события (статуса процесса);
- Дата и время (наступления события).
Как видим, обязательных полей не так много. Для использования инструментов PM необходимо получить эти поля из журналов событий ИС.
Что такое бизнес-процессы? Модуль 1. Урок 1
Приведем пример (смоделируем ситуацию):
Имеется отдел продаж, состоящий из 20 сотрудников. Алгоритм по работе с клиентами строго не регламентирован. По окончанию квартала руководитель выделил сотрудников не достигших и превысивших установленный план продаж.
Вопрос: как определить наиболее эффективный алгоритм работы?
Для решения этой задачи воспользуемся анализом бизнес-процессов. Сравним бизнес-процессы сотрудников и попробуем найти наиболее эффективный из них. Для описания, анализа и визуализации бизнес процессов можно применить традиционный подход: привлечь специалиста Business Engineering для интервьюирования сотрудников или же воспользоваться инновационным подходом: собрать лог и применить технологии Process Mining.
Отметим особенности каждого из подхода в таблице ниже
* Не все сотрудники готовы раскрывать секреты своей деятельности, поэтому информация, предоставленная на интервью может быть недостоверной.
* Анализ и оптимизация модели зависит от опыта и компетентности специалиста по оптимизации бизнес-процессов, т.к. на плечи специалиста ложится большая часть аналитической работы.
Остановимся более подробно на втором способе.
1) Для анализа деятельности сотрудников нам необходимо изучить журнал событий, содержащий следующие поля: id события, наименование события, время события, результат события, исполнитель.
2) Далее осуществляем предобработку полученных данных, группируем лог по id и производим сортировку по времени.
3) Следующим шагом будет построение модели (для этого мы используем инструмент Pm4py), на вход которого подается предобработанный лог.
Результатом применения технологии PM будет построенная на основе эвристического алгоритма модель.
Чтобы выявить наиболее успешные алгоритмы деятельности сотрудников, нам необходимо:
- отфильтровать лог (по сотрудникам, чьи показатели превышают план за квартал) и (по результатам события = сделка закрыта);
- отфильтровать лог (по результатам события = сделка закрыта).
Сравнение двух моделей демонстрирует нам отклонение в процессе. Это отклонение и есть ключевое отличие более успешных бизнес-процессов сотрудников, перевыполняющих план.
Практическая польза от применения технологии Process Mining заключается в:
- Поиск наиболее эффективного алгоритма в работе. В перспективе, позволит применять наиболее успешный алгоритм в работе, что позволит увеличить план продаж всего отдела, а не одного сотрудника.
- Экономия на применение технологии в денежном и временном эквивалентах.
Согласитесь, собрать лог гораздо быстрее, чем проинтервьюировать сотрудников и построить модель бизнес-процесс?
Источник: vc.ru
Process Mining – что это, для чего и в каких сферах бизнеса применяется
Николай Ситников подробно рассказывает об инновационной технологии Process Mining, области применения и возможности для повышения эффективности бизнеса с ее помощью.
Process Mining как технология повышения эффективности бизнеса
Process Mining (рус. извлечение процессов, глубинный анализ процессов) — общее название ряда методов и подходов, предназначенных для анализа и усовершенствования процессов в информационных системах или бизнес-процессов на основании изучения журналов событий. Попробуем разобраться на практике, как именно использование PM повышает эффективность работы компании.
Допустим, вы руководитель компании. Традиционный подход к повышению эффективности бизнеса предполагает, что вы или нанятые консультанты опрашивают сотрудников вашей компании, выясняют то, каким образом они выполняют тот или иной бизнес-процесс внутри компании, и затем, исходя из лучшей мировой практики, собственного понимания индустрии и других параметров, рекомендуют изменения для компании, которые вы в идеале вносите, и они, в идеале, приносят вам пользу.
У такого подхода есть некоторое количество врожденных недостатков, которые успешно «закрывает» Process Mining, а именно: будь то собственные специалисты, или нанятые сотрудники, для крупной компании они физически не в состоянии провести интервью со всеми. Если компания действительно большая, вы не можете гарантировать, что узнали все особенности прохождения данного процесса, просто потому что кто-то не вспомнил, а кто-то скрыл информацию, не захотел рассказывать о том, что у него не всегда и не все получается так, как надо. Даже в тех случаях, когда внутри компании есть утвержденные инструкции, созданные ранее формальные документы, детально описывающие процесс, нет никакой гарантии, что этот процесс: а) актуален; б) отражает все возможные варианты его воспроизведения (есть варианты течения процесса, которые встречаются редко, например, раз в квартал, но про них все забывают до того момента, пока они не произойдут, а когда вы делаете ручное исследование, то вы не узнаете об этом).
По этой причине «не работает» (а точнее работает не так хорошо, как ожидалось – ведь кто-то их по-прежнему покупает, правда?) такое комплексное решение по управлению процессами компании, как BPMS-системы или BAM-решения (busienss activity monitoring) – все они предполагают, что у них на входе есть достоверная формальная модель процесса. Это означает, что на входе все равно кто-то должен проинтервьюировать сотрудников, описать формальную модель, последовательность шагов для устранения проблем, начать выполнение процесса. В результате первым делом формализуют простые, понятные процессы, получают минимальный эффект от внедрения средств их контроля и считают проект успешно завершенным к всеобщему облегчению
Кстати, даже уже созданная формальная модель не вечна. Меняется бизнес и, следуя его изменениям, меняются и процессы. И модель, которая вчера отражала 90% всей информации, через полгода будет отражать 60%.
Из всего описанного, очевидно, вытекает идея о том, что надо бы научиться восстанавливать модель процесса автоматически. Ведь умеем же мы распознавать текст, искать людей на фотографиях и предсказывать результаты выборов. Но сделать это не так легко – шаги в процессе не идут линейно, их последовательность может быть разной, а не только в порядке А, Б, В, Г, Д, Е и так далее.
Процессы ветвятся, и внутри них также бывают циклы. Самый простой пример цикла – это цикл согласования, когда с первого раза документ «не прошел», его необходимо переделывать и перенаправлять второй, и третий, и четвертый, и пятый раз. Эти циклы бывают вложенными друг в друга, а могут включать параллельные действия. До недавнего времени алгоритмов для восстановления хоть сколько-то сложных процессов (то есть, действительно важных для оптимизации процессов) не было. Поэтому и используется ручной труд аналитика – человек, проводя интервью, восстанавливает процесс вручную.
Алгоритмы Process Mining позволяют подменить деятельность обычного консультанта (конечно, если действия сотрудников оставляют следы в информационных системах). Как следствие, по итогам восстановления бизнес-процесса в компании, у менеджмента появляется возможность его анализировать на любом уровне с высокой точностью, используя специальный набор способов анализа. И, что немаловажно, делать это непрерывно, а не раз в погода/год/пятилетку, как это происходит в случае ручного аудита. В этом случае пользователь не просто отслеживает, сколько времени ушло у сотрудников на осуществление закупки, но видит сам ход операции, а также, сколько было внесено дополнительных изменений в последний момент. Имея на входе эту информацию, вы можете лучше понимать, что необходимо изменить в компании для ее более эффективной работы.
Понятие Process Mining состоит из двух неотъемлемых частей:
- Инструмент, который физически выполнит работу, — заберет данные из информационных систем, нарисует процесс в понятной для человека форме и даст возможность его анализировать;
- Методология, которая позволяет:
— понять, на что надо смотреть и что нужно искать в этом процессе; — перейти к реальным организационным изменениям.
В нашем случае инструмент — это решение от компании Celonis, а квалифицированные специалисты – сотрудники RAMAX.
Задача Process Scientists — не просто предоставить, внедрить инструмент. Они совместно с сотрудниками заказчика в рабочей группе ищут пути его использования, учитывающие бизнес-модель и ограничения конкретной компании, с тем чтобы чтобы оптимизировать с помощью него бизнес-процессы и получить экономический эффект.
Что можно делать с помощью Process Mining?
Многое. Вот несколько примеров:
- С помощью Process Mining можно выявить ошибки в работе систем и звеньев компании, которые очень сложно найти традиционными методами анализа. Прежде всего, это редко используемые сценарии. В чем суть? По своей природе люди оптимистичны. Те, кто работают в бизнесе, понимают, что процесс может двигаться по идеальному маршруту, и отойти от запланированного сценария, когда для исправления ситуации, нужно принимать дополнительные меры. Однако, когда сотрудникам, занимающимся вопросами эффективности, ставится задача дать экспертную оценку процессу, они (по причине общечеловеческой оптимистичности) выдают прогноз в 1-2% неудачных сценариев, которые на поверку оказываются 10-15%.Что это? Попытка опираться не на статистику, а на свои личные ощущения? Не совсем так. Правильный подход к обработке данных — это сначала задать вопрос и потом искать на него ответ. Но в случае традиционных средств корпоративной отчетности, BI и т.д. это означает что мы ЗАРАНЕЕ должны знать, что существует проблема, понимать ее суть и т.п. Традиционные инструменты не обладают инструментами анализа хода процесса, а только считают агрегированные показатели. Попробуем объяснить это на абстрактном примере (можно и на конкретном, но пусть это будет тема отдельной статьи). Допустим, ваши сотрудники часто ездят из Санкт-Петербурга в Москву. То есть, из точки А вы попали в точку B. Мы измеряем время и стоимость поездки. Получаем в среднем что-то порядка 6 часов и, например, 5000 рублей в одну сторону. И хотим оптимизировать ситуацию. Вот только ничего у нас не выходит, потому как корпоративная система отчетности может дать информацию по месту начала и окончания маршрута и времени в пути. Чтобы понять в чем дело с применением BI вы должны заранее знать, что могут быть использованы разные транспортные средства, выбраны разные маршруты и т.п. Корпоративные Big Data как раз помогают в этом – вы собираете все, что возможно, в надежде, что потом вам пригодится какая-то часть этой информации. Получив отчет, можно сделать следующий вывод: в 95% случаев мы используем для передвижения из Санкт-Петербурга в Москву поезд, погрешность достигается за счет того, что мы можем опоздать на поезд или там не будет мест, и тогда едем на машине/летим на самолете. Если специалисты ИШ квалифицированные, они даже посмотрят распределение времени/затрат в разрезе сотрудников, с тем, чтобы понять, кто чаще всего ездит слишком дорого. В результате организация пытается добиваться сниженных корпоративных тарифов, запрещать полеты на самолете и получает проблемы, когда потребности бизнеса заставляют нарушать правила.
- Еще один пример — это анализ влияния изменений на процесс для крупной компании, имеющей много подразделений и филиалов — сложно разобраться в вариациях текущих процессов, выявить, что дают те или иные меры, применяемые в компании, а также нововведения регуляторов. Очень часто разные крупные подразделения могут выполнять один и тот же процесс по-разному, приводя объективные аргументы к выбору различных сценариев работы.
Process Mining позволяет понять соответствуют ли мои процессы тем стандартам и тем регламентам, которые я принял у себя в компании, и насколько такие несоответствия негативны для бизнеса. Process Mining позволяет проанализировать эффект от отклонения, то есть, что плохого в том, что у нас есть цикл согласования, о котором мы не догадывались, насколько в реальности один сценарий исполнения отличается от другого и т.п. Система не только покажет отклонение от стандартного процесса, который, скажем, не предполагает, что после того, как закупка согласована, ее могут изменять, но и то, во что это выливается в терминах либо времени, либо ресурсов, либо трудозатрат. Делается это автоматически, без ручного вмешательство, система подсвечивает, что в 10% случаев для некоторых видов закупаемых материалов мы отклоняемся от регламента. Задача бизнеса, увидев эту информацию, — проверить, является ли это отклонение нормой, и при необходимости принять меры.
Для кого?
Process Mining непрерывно выгружает новую информацию. Помимо выявления проблемы, менеджмент также должен непрерывно контролировать вносимые организационные изменения и при необходимости на месте исправлять эти проблемы. Всегда есть возможность сказать: «Окей, мы с завтрашнего дня работаем по-новому».
Более того, начав по-новому с завтрашнего дня, можно сразу сравнить результат со вчерашними и при необходимости сразу внести дополнительные коррективы. Управление крупной компанией не всегда очевидно, иногда теоретические основы, принятые руководством, совершенно по-другому работают на практике. Тем, кто способен меняться, эта система помогает меняться.
Это важно и для финансового департамента, и для производственного отдела. В большинстве крупных компаний, если мы говорим о компаниях с производством, существуют различные инициативы, например, Lean Management, Шесть сигм, которые служат для непрерывного улучшения эффективности путем анализа. В этом случае Process Mining становится источником информации для таких программ или инициатив, потому что дает им новые данные, дополнительные возможности, чтобы думать, как и что дальше улучшить, дополняет их ранее необходимыми данными.
Если же таких подразделений нет, то самое время начать их создавать, на базе центров обслуживания бизнеса, финансовой функции или иных подразделений, которые так или иначе заняты работой с бизнес процессами компании
Таким образом, Process Mining – это про взаимодействие не между системами, а между сотрудниками и подразделениями. Его потребители не департамент ИТ, а бизнес-пользователи, которые, видя картину реальных процессов, в состоянии понять, что и как быстро может быть изменено, почему изменение не приводит к результату и т.п.
В каких процессах стоит применять Process Mining?
Простой ответ заключается в любых случаях, где присутствует отражение деятельности сотрудников в информационных системах и где выполняется одно из двух условий:
- это простые массовые процессы, которые производятся несколько тысяч (десятков тысяч, сотен тысяч) раз в день (например, банковское обслуживание клиентов). Последовательность шагов выверена до мелочей, и мы следим за эффективностью конкретного сотрудника, отделения. Вряд ли удастся поменять механику процесса, но можно будет сэкономить на отладке работы каждого звена, что в совокупности даст ощутимый эффект;
- это сложные, длинные индивидуальные процессы, затрагивающие работу множества департаментов. В данном случае, Process Mining ищет уже не способ ускорить, а способ упростить процесс, оптимизировать количество шагов, избежать дефектов процесса, лишних циклов, вовлечения лишних участников и т.д.
- розничных сетей,
- банков,
- крупных отраслевых дистрибьюторов,
- сервисных предприятий.
Хотите узнать о технологии Process Mining больше?
Источник: www.ramax.ru
Process Mining: мода или необходимость
Process Mining как инструмент эффективного менеджмента. Внедрение Process Mining для оптимизации бизнес-процессов: области применения, решаемые задачи, эффективность.
Грамотное управление бизнес-процессами — одна из наиболее актуальных задач любого бизнеса. Даже их незначительное улучшение в крупной компании способно существенно увеличить прибыль или сократить издержки. Поэтому во многих компаниях все большую популярность приобретает Process Mining.
Process Mining — это группа методов, позволяющих проводить глубинный анализ бизнес-процессов на основе журналов событий. Создателем концепции Process Mining является Вил ван дер Аалст — профессор Эйндховенского технического университета (Голландия) и Квинслендского технического университета (Австралия). Именно он является автором фундаментального труда «Process Mining. Discovery, Conformance and Enhancement of Business Processes», который определил ключевые возможности, сферы применения и перспективы анализа бизнес-процессов.
Process Mining применяется для оценки многоэтапных процессов со сложной иерархией принятия решений, с большим количеством типичных, повторяющихся операций, которые логируются информационной системой. Для Process Mining пригодны логи только массовых операций — пытаться таким способом анализировать единичные процессы не имеет смысла.
Важным достоинством технологии является то, что интересные и полезные результаты можно получить имея для каждого события всего три атрибута: идентификатор процесса, имя действия и временную метку. Используя минимум входных данных, пользователь может провести нетривиальный анализ и получить быструю отдачу. Современные информационные системы, в том числе RPA, генерируют подобные данные, поэтому применять Process Mining можно во всех отраслях, которые оцифровывают свои процессы. Разумеется, чем больше аналитических атрибутов фиксируется, тем более глубокой будет аналитика.
Некоторые информационные системы позволяют выгрузить логи с большим количеством аналитических атрибутов в виде, пригодном для Process Mining. Но чаще всего требуется предварительная подготовка и консолидация данных, обогащение и расчет метрик. Ниже приведен пример подготовки исходных данных для Process Mining. Как можно понять по сценарию, этап подготовки данных для глубинного анализа процессов может быть достаточно трудоемким.
На практике глубинный анализ процессов активно используется в производстве и hi-tech, энергетике и телекоммуникациях, торговле и фармацевтике, страховании и финтехе, аэрокосмической отрасли и обороне. Process Mining для оптимизации процессов используют такие гиганты рынка как: Siemens, Dell, Royal Dutch Shell, Unilever, Adidas AG, LʼOreal Paris, The Coca-Cola Company, AstraZeneca, Сitigroup Inc. Наиболее распространенные сферы применения: работа с клиентами, кредитный конвейер, call-центры, логистика, техническая поддержка, доставка, техобслуживание и ремонт.
Ценность Process Mining в том, что этот метод позволяет восстановить фактическую, реальную модель массового бизнес-процесса, а не «экспертно-идеальную», регламентированную, игнорирующую многие варианты реализации событий.
Рассмотрим бизнес-процесс выдачи кредита:
- В столбце «Идеальный» показан последовательно-логичный, эталонный процесс выдачи кредита, без прерываний и зацикливаний.
- В столбце «Реальный-1» представлен незавершенный процесс, который был остановлен на этапе проверки клиента по внутренним источникам. Например, выяснилось, что потенциальный заемщик состоит в «черном списке» должников банка.
- В столбце «Реальный-2» описан брошенный процесс — завершенный на этапе проверки по внешним сервисам. Сервис временно не функционировал, поэтому произошла ошибка, а повторное обращение после восстановления работоспособности не было выполнено.
- В столбце «Реальный-3» показано типичное зацикливание — возврат к предыдущим шагам кредитования. Например, клиента попросили предоставить дополнительные документы, сбор которых отбросил его снова на второй этап — «подача документов на кредит». Заемщику еще раз пришлось пройти этапы проверки по внутренним и внешним источникам, андеррайтинга. На этапе оформления кредита снова потребовались дополнительные документы. Такая ситуация возможна, когда клиент хочет увеличить сумму кредита.
Приведенные на схеме примеры — лишь малая часть вариантов реального процесса выдачи кредита.
Глубинный анализ процессов позволяет оперативно выявить «узкие места» и аномалии, определить потенциал для оптимизации. В зависимости от степени погружения Process Mining позволяет ответить на различные вопросы:
- Дескриптивная аналитика: что происходит с процессом сейчас?
- Предиктивная аналитика: что произойдет с процессом в будущем?
- Предписывающая аналитика: что нужно сделать с процессом для его оптимизации?
Майнинг процессов отличается разнообразием и зависит от конкретной сферы применения. При этом можно выделить стандартные этапы, характерные для большинства кейсов независимо от отрасли:
- Discovery — автоматическое обнаружение процессов — извлечение моделей процессов из журнала событий. Расчет процессных метрик, разведочный анализ, нахождение «бутылочного горлышка» и пр.
- Conformance checking — проверка соответствия — нахождение отклонений от эталонных процессов.
- Аutomated construction of simulation models — моделирование и постоянные улучшения.
- Monitoring — автоматический контроль хода процесса. Информирование об отклонениях в последовательности шагов процесса или в процессных метриках.
Ниже приведен результат Process Mining — итоговый отчет по анализу процесса. Буквенный код, например, MOLMOLMO, — это слово процесса — уникальный путь процесса, где каждой букве соответствует определенная операция или этап. Например, этап обращения клиента обозначается буквой «М», прохождения идентификации — буквой «O», передачи заявки на рассмотрение — буквой «L» и т.д. Повторяющиеся в одном слове буквы означают, что процесс зациклен. Количество случаев зацикливания показывает, сколько раз он присутствует в общей массе уникальных сценариев процесса.
Process Mining решает следующие прикладные задачи бизнес-аналитики:
- Real-time интеллектуальный анализ процессов.
- Поведенческий анализ.
- Бенчмаркинг — сравнение с эталонными процессами.
- Анализ «if-else» — что-если.
- Расчет стоимости каждого этапа бизнес-процесса.
- Расчет временных и финансовых потерь.
- Анализ соблюдения требований и регламентов процесса.
- Выявление «узких мест» процесса.
- Обнаружение избыточных звеньев процесса.
- Поиск мошеннических операций.
- Выявление зацикленности.
- Моделирование и стресс-тестирование.
- Поиск аномалий в процессе.
- Выявление нетипичного поведения.
- Оценка степени влияния каждого из факторов на процесс.
Решение этих задач преследует различные цели бизнеса: улучшение процессов, совершенствование сервиса, укрепление взаимоотношений с клиентами, управление издержками и т.д. В общем виде эффект от внедрения Process Mining заключается в следующем:
- Оптимизация бизнес-процессов и исключение бесполезных операций.
- Выявление лучших практик прохождения процесса.
- Снижение доли неоптимальных сценариев исполнения.
- Отказ от неэффективных технологий продаж.
- Отказ от неэффективных инструментов маркетинга.
- Снижение операционных издержек.
- Повышение производительности сотрудников.
- Увеличение скорости обработки заказов.
- Повышение лояльности и снижение оттока клиентов.
- Увеличение конверсии контактов в сделки.
Экономический эффект от внедрения Process Mining зависит от отрасли применения. Например, аналитикам «Росбанк Дом» с помощью глубинного анализа процесса ипотечного кредитования в Loginom Process Mining удалось найти резерв для ускорения процесса в 2.3 раза при снижении трудозатрат в 2.2 раза.
Подробнее о результатах применения Process Mining в «Росбанк Дом» в выступлении Владимира Гридчина и Ольги Дмитриевой.
Если ваша компания заинтересована в глубинном анализе бизнес-процессов, свяжитесь с нами.
Источник: loginom.ru