Время прочтения: 3 мин.

В настоящее время все активнее используются методы Process Mining при проведении проверок различных процессов. И мы тоже научились их использовать. С чего же все начиналось? Мы изучали обращения клиентов, в которых они жаловались на длительное зачисление кредита и необходимость повторного визита в офис банка для подписания нового кредитного договора. Для выяснения  причин, мы обратились к методам Process Mining и проанализировали процесс кредитования с момента одобрения кредита до его зачисления клиенту.

Проект включал четыре основных этапа:

  1. Сбор логов из автоматизированных систем;
  2. Подготовка и очистка полученных данных;
  3. Визуализация процесса кредитования;
  4. Анализ процесса AS-IS, выявление отклонений и их причин.

Решение нашей задачи мы начали с подготовки лога. Первым делом собрали информацию о потребительских кредитах и обезличили клиентские данные. Далее выгрузили журнал событий по рассмотрению кредитной заявки, тем самым получив тот самый лог, по которому уже можно восстановить реальную картину рассмотрения заявок и принятия финального решения о выдаче кредита. Этап подготовки и очистки данных проводился в СУБД Oracle с использованием PL/SQL Developer.

При выборе инструмента визуализации мы руководствовались двумя основными принципами:

  1. Инструмент должен иметь пользовательский интерфейс для возможности эффективного использования аналитиком без привлечения IT специалиста;
  2. Инструмент должен быть с открытой лицензией (т.е. абсолютно бесплатным) и при этом включать в себя готовые алгоритмы для анализа, позволяющие быстро понять, как устроен процесс AS-IS изнутри.

Таким образом, мы пришли к ProM, программной среде с открытым исходным кодом. С использованием плагина Fuzzy Miner (знания и опыт для работы с которым черпали из видео лекции по ссылке) мы визуализировали процесс на основании полученного лог файла.

Анализ графа позволил установить факты несвоевременной выдачи кредита (отклонение от регламентируемого времени более чем в 8 раз), по причине задержки процесса рассмотрения заявки на этапе ожидания ответа от смежной АС. Поэтому было принято решение обогатить лог дополнительной информацией об этапах формирования кредитного договора на данной стадии.

Проанализировав полученный граф, мы выяснили, что на данном этапе производится автоматическая сверка/сопоставление данных из оформленного кредитного договора с данными имеющимся в АС. А задержка по времени исполнения на данном этапе возникает вследствие «пинг-понга», когда кредитная заявка неоднократно возвращается сотруднику на доработку.

Таким образом, мы на практике убедились в эффективности применения методов Process Mining, протестировав программный продукт ProM, состоящий из множества подсистем, реализующих различные методы процессной аналитики. Вооружившись плагином Fuzzy Miner для воспроизведения процесса AS IS была построена Fuzzy Model. Модель содержит только элементы с числовыми характеристиками выше определенного порогового значения, что делает её более компактной и позволяет учитывать только значимые элементы и связи, которые определяют закономерности в анализируемом процессе.

Перед нами стояла амбициозная цель — разобраться в корневых причинах несвоевременного зачисления кредитов клиентам. Интерпретация и анализ обогащенного лог файла позволили установить отклонения в действующем процессе. Process Mining, как очень мощный подход к анализу процессов, помог получить новое представление о действительности.