Ещё несколько лет назад любые управленческие решения по анализу и оптимизации бизнес-процессов (БП) основывались на гипотезах и интуиции экспертов. Руководство компании понимало, как должны выполняться те или иные процессы, нанимало специально обученных людей, которые интервьюировали сотрудников, изучали результаты и на этой основе предлагали улучшения. Однако здесь есть очевидные минусы:
- человеческий фактор. Мнение любого сотрудника и/или эксперта субъективно и не отражает реальную картину действительности, поскольку основано на домыслах и собственной точке зрения. Люди склонны упрощать, утрировать или идеализировать свои представления о реальном выполнении процесса и могут упустить – случайно или намеренно – важные мелочи;
- фрагментарное представление. Наблюдение и интервьюирование сотрудников – это лишь один нужный ракурс. Помимо этого, традиционные методы анализа требуют больших временных затрат и человеческих ресурсов.
И здесь бизнесу может помочь Process Mining.
Process Mining, или аналитика процессов, процессная аналитика – это технология, которая анализирует данные из журналов событий для моделирования, мониторинга и дальнейшей оптимизации БП.
Как аналитика процессов помогает бизнесу
Process Mining позволяет визуализировать, анализировать и улучшать процессы путём выявления «узких мест» и несоответствий между «эталонными» (регламентированными) и фактическими. Это способствует:
- повышению прозрачности процессов: технология обеспечивает полное понимание выполняемых бизнес-процессов, выявляя фактический ход работы, а не предположительный или задокументированный;
- обеспечению соответствия нормативным требованиям: появляется возможность контролировать и гарантировать соблюдение нормативных требований и внутренних стандартов, минимизируя риски несоответствия;
- улучшению качества данных: Process Mining помогает выявить и исправить ошибки в данных;
- сокращению затрат: оптимизация процессов приводит к снижению операционных затрат и повышению эффективности использования имеющихся ресурсов.
Пример: руководитель банка понимает, что внутри системы ежедневно идёт обработка нескольких тысяч заявок на получение кредита. Каждый этап процесса – это событие, а журнал событий – это агрегация всех действий, которые были совершены в рамках рассмотрения заявки. Каким образом можно использовать эту информацию, чтобы повысить эффективность рассматриваемого процесса?
В Финейтив – российский разработчик автоматизированных банковских систем и решений для дистанционного банковского обслуживания – применили Process Mining в разработке модуля кредитного скоринга. Согласно заявлению компании, удалось получить ряд ценных инсайтов, которые были использованы для создания более эффективных и точных алгоритмов оценки кредитоспособности клиентов. При помощи процессной аналитики были визуализированы и исследованы фактические БП, выполняемые в банках при принятии кредитных решений. Была построена детальная схема сбора информации о клиентах, её анализа и принятия решений о выдаче займа. Всё это позволило Финейтив определить «узкие места» в существующих процессах и предложить решение для автоматизации ключевых этапов кредитного процесса.
Как реализована технология
Методика анализа включает в себя 3 этапа:
- построение графа процесса «As Is»: строится детальная модель фактического бизнес-процесса. Process Mining применяет различные методы, включая искусственный интеллект и машинное обучение, чтобы изучить журналы событий и определить все сценарии исполнения процесса. Это обеспечивает прозрачность БП и даёт понимание того, как на самом деле работает бизнес;
- сравнение моделей: акцент на фактическом выполнении процесса и сравнении результата с регламентами;
- изменение процессов: применение полученной аналитики для непосредственной оптимизации БП в соответствии с основными целями (от повышения качества обслуживания и убыстрения работы до минимизации потерь).
Process Mining в кредитном скоринге, например, позволяет создать детальную модель процесса выдачи кредита, обнаружить все заминки и ошибки при вводе данных клиентов или неэффективные взаимодействия. Далее – определение приоритетов в работе над выявленными проблемами и продолжение анализа метрик для оценки эффективности внедрённых инициатив.
Что же в итоге? Значительный рост эффективности процесса одобрения кредита в конкретных цифрах: ускорение обработки заявок, уменьшение количества ошибок при вводе данных клиентов, рост клиентской лояльности, оптимизация рабочей загрузки сотрудников и перераспределение ресурсов и т.д. Прибыль банка вырастет, а затраты на внедрение системы класса Process Mining многократно окупятся.
Любой бизнес – это совокупность процессов и данных. Если нет понимания фактического положения дел в компании, это приведёт к убыткам и потере клиентской лояльности. Process Mining же предоставляет руководству бизнеса полную, объективную, актуальную и достоверную информацию обо всём, что происходит внутри.
По материалам Finative