На сегодня 93% руководителей различных компаний заявляют о своей готовности к использованию технологии process mining (PM). Но 80% из них испытывают беспокойство, что на поиск, извлечение и преобразование данных о бизнес-процессах уходит много усилий и ресурсов. Да, процессная аналитика позволяет автоматически собирать нужную информацию из ИТ-систем, но могут возникнуть сложности с более сложными и детализированными данными.
Для решения подобных проблем специалисты в области PM рекомендуют использовать метод многоуровневого анализа процессов (Multi-level process mining, MLPM), чтобы повысить точность и корректность моделей БП, ускорить внедрение технологии. В то же время многие вендоры профильного софта размыто описывают возможности своих программных решений, и клиенты не знают, обладают ли те нужными возможностями.
Что такое multi-level process mining?
Существуют многоуровневые бизнес-процессы (например, закупки и продажи), которые сложно проанализировать при помощи традиционных инструментов класса process mining, поскольку они не учитывают взаимодействие между субъектами. С одной стороны, это упрощает изучение данных, с другой – приводит к потере информации, необходимой для более глубокой аналитики.
Технология MLPM предполагает использование соответствующего алгоритма, который позволяет отобразить все субъекты бизнес-процесса и проследить их взаимодействие. Многоуровневый process mining может обеспечить более детальное изучение сложных БП с учетом зависимостей между их отдельными звеньями. Таким образом, пользователи могут определить те операции на одном из участков процесса, которые приводят к отклонениям и «узким местам» в другом.
Как работает MLPM?
Разберем на примере процесса P2P:
- Заказчик отправляет два запроса на приобретение (одобрение покупки) 4-х товаров.
- Отдел поставок создает единый бланк с одной строкой для каждого продукта.
- На склад товар поступает и регистрируется в едином документе также с одной строкой для каждого отдельного товара.
- Поставщик выставляет счет-фактуру, бухгалтерия обрабатывает поступивший товар и оплачивает его.
Важно оценивать стоимость P2P-процесса, а она зависит от правильного расчета количества заявок на покупку, заказов, товарных поступлений и накладных.
Классические инструменты process mining генерируют сценарии для каждой заявки и рассчитывают затраты на четыре отдельные счета-фактуры. MLPM, напротив, может определить связь между этими операциями, поэтому регистрирует их как один случай, корректно рассчитывая стоимость всего процесса.
Детализация данных при помощи MLPM
Одна из основных сложностей при использовании process mining – слишком большие объемы данных из журналов событий. Традиционный метод анализа процессов требует их деления на более мелкие части и последующей кластеризации. Однако аналитики часто жалуются, что в этот момент теряется много важной информации. С другой стороны, при попытке собрать все данные получаются неупорядоченные модели процессов.
MLPM позволяет группировать данные о разных этапах БП и создавать более понятные модели процессов. Благодаря этому аналитики, которые хотят лучше изучать поведение пользователей с помощью process mining, могут отслеживать их действия на уровне подпроцессов.
Как MLPM помогает оценить эффективность от изменений
Компании часто прибегают к внедрению автоматизации бизнеса, оптимизируя операции, выполняемые вручную, и стремясь повысить общую эффективность процессов. Тем не менее, такие изменения могут негативно повлиять на подпроцессы, которые будут затронуты. Они взаимосвязаны, и непонятно, как повышение эффективности одного из них отразится на уровне другого. Пользователи могут смоделировать и измерить влияние таких изменений с помощью MLPM.
Например, в Великобритании аналитики использовали multi-level process mining при анализе историй болезни пациентов с раком. В ходе изучения специалисты рассмотрели действия относительно каждого пациента за 15 лет, чтобы проследить влияние изменений, произошедших за каждый год. Метод позволил выявить момент начала заболевания, установить характер изменений, локализовать их и проанализировать. Ученые обнаружили 3 различных периода, когда наблюдались критические изменения.
Как MLPM может улучшить аудит
Аудит – один из основных вариантов использования процессной аналитики, поскольку она помогает сэкономить время и сократить объем ручных операций, необходимых для внутренних проверок. PM позволяет картировать БП и сравнить полученную модель с эталонной. С использованием MLPM многоуровневые процессы могут быть проверены не только на начальном уровне, а на всех этапах.
По материалам AI Multiple