В крупных организациях процесс на бумаге и процесс в реальной работе часто различаются. Регламент может быть понятным, роли распределены, сроки заданы, но на практике появляются лишние элементы — согласования, ручные операции, возвраты, ожидания и обходные маршруты.

Process Mining помогает увидеть эту разницу на данных. Технология восстанавливает фактический ход процесса по цифровым следам из корпоративных систем: какие этапы проходил каждый случай, сколько времени занимали операции, где возникали отклонения и задержки.

Об этом пишет Александр Котиков, начальник управления процессной аналитики ГНИВЦ в материале для Открытых систем. ГНИВЦ совместно с ФНС России несколько лет развивает экосистему процессной аналитики для анализа налоговых процессов и работы инспекторов. Это опыт крупной федеральной системы, где важно не просто найти проблему, а доказать эффект изменений цифрами. Мы приводим тезисный пересказ материала. 

От анализа к управлению процессами

Process Mining показывает, как процесс движется между этапами. Task Mining дополняет эту картину: он помогает изучить действия сотрудников на рабочем месте — работу с окнами, формами, приложениями, вводом данных. Вместе эти подходы позволяют понять не только где процесс замедляется, но и почему это происходит.

Для ФНС процессная аналитика — или процесс-майнинг — стала постоянным циклом улучшений. Сначала команда определяет бизнес-задачу и границы процесса, затем собирает данные, строит фактическую модель, ищет отклонения и «узкие места». После этого принимаются решения: изменить регламент, доработать систему, автоматизировать операцию или перераспределить нагрузку.

Затем результат снова измеряется. Если время сократилось, отклонений стало меньше, а ручной работы — меньше, значит изменение сработало.

Что важно для таких проектов

Главная сложность — качество данных. Для Process Mining нужны корректные цифровые следы. Если данные разрознены или неполны, аналитика становится медленной и неточной.

Вторая задача — отделить реальную работу от ожидания. Долгий этап в системе не всегда означает, что сотрудник всё это время был занят. Процесс мог ждать входных данных, решения или внешнего действия. Здесь помогает связка Process Mining и Task Mining: она дает более точную картину трудозатрат.

Третье условие — измерять эффект после изменений. Без этого процессная аналитика превращается в отчётность. С ней — становится инструментом управления.

Куда развивается подход

Следующий шаг — гибридная аналитика, где данные Process Mining и Task Mining объединяются в одну картину. Это позволит видеть процесс и сверху, на уровне маршрутов, и в деталях, на уровне действий пользователя.

Также развивается применение машинного обучения: ML-индикаторы могут помогать находить нетипичные отклонения и подсказывать участки, где есть потенциал для улучшений. Ещё одно направление — имитационное моделирование, когда изменения можно проверить заранее, до внедрения.

Что показывает опыт ФНС

Совместный кейс ФНС и ГНИВЦ хорошо показывает: Process Mining и Task Mining уже вышли за рамки экспериментов. В больших организациях технологии помогают увидеть процесс таким, каким он реально исполняется, а не таким, каким он описан в документах.

Главный эффект не только в том, чтобы найти «узкое место». Важно выстроить управляемый контур: обнаружить отклонение, понять причину, предложить изменение, внедрить его и проверить результат на данных. Когда такой цикл работает постоянно, процессная аналитика становится частью операционного управления.

Для организаций с большим числом процессов это особенно важно. Чем сложнее система, тем опаснее управлять ею по косвенным сигналам. Данные не заменяют экспертизу владельцев процессов, но дают ей опору: показывают, где действительно теряется время, где накапливается ручной труд и какие изменения дают измеримый результат.

По материалам Открытых систем