Process mining, Анализ процессов

ОПЫТ ПРИМЕНЕНИЯ PROCESS MINING ДЛЯ ЦЕЛЕЙ АУДИТА

Время прочтения: 3 мин.

Суть манипуляции сводилась к намеренному и неоднократному изменению бизнес-сегмента клиента при отсутствии на то оснований с целью достижения определенных показателей.

Как  мы действовали?

1. Сформировали базу клиентов, у которых есть данные в Спарк-Интерфакс по объему годовой выручки.

2. Сравнили объем выручки и присвоенный клиенту бизнес-сегмент. Получилось, что каждый пятый клиент не соответствует требованиям по выручке к сегменту.

3. Из базы отобрали клиентов, по которым сегмент в течение года менялся 3 и более раз. По выбранной совокупности строили граф процесса.

        Основные этапы проекта:

  • выгрузка логов из источника данных;
  • обработка и подготовка данных в python (библиотека pandas)
import pm4py
import pandas as pd
import os
curdir=os.getcwd()
os.environ["PATH"] +=os.pathsep + r'C:\...\graphviz-2.38\release\bin' #библиотека для отрисовки
  • построение графа процесса бизнес-сегментации клиентов с помощью библиотеки pm4py (библиотека алгоритмов процессной аналитики для языка программирования Python);

На этом этапе использована документация с официального сайта модуля.

from pm4py.objects.conversion.log import factory as log_conv
log = log_conv.apply(pd2)
from pm4py.objects.log.util import sorting
log = sorting.sort_timestamp(log)
from pm4py.algo.discovery.dfg import factory as dfg_factory
from pm4py.visualization.dfg import factory as dfg_vis_factory
dfg = dfg_factory.apply(log, variant="frequency")
gviz = dfg_vis_factory.apply(dfg, log=log, variant="frequency") #performance   frequency
dfg_vis_factory.view(gviz)
  • анализ графа, выявление отклонений;

В связи с широким диапазоном исследуемого периода (4 года), для более детальной визуализации, было принято решение сегментировать логи в разрезе нескольких лет.

С использованием библиотеки pm4py получен граф процесса:

Анализ графа процесса позволил увидеть отклонения на этапе изменения сегмента.

 Наиболее массовые изменения сегмента происходили в течение одного года (от 3-х до 6 раз по клиенту), тогда как бизнес-сегмент должен утверждаться при изменении годовой выручки компании.

На графе четко видны цикличные смены сегмента в одном периоде, что навело нас на мысль о возможной манипуляции сегментом и было принято решение о проведении более детального анализа.

Дальнейший анализ обогащенных данных дал возможность установить нарушения и их последствия.

  • обогащение данных по отклонениям сведениями из других источников для подробного анализа;

На этом этапе были выгружены данные о годовой выручке клиентов из Спарк-Интерфакс и информация о сделках из внутренних систем, чтобы детально разобраться в причинах и последствиях манипуляций.

Проведенный анализ показал, что процесс сегментации клиентов имеет существенные недостатки, позволяющие сотрудникам осуществлять действия по необоснованному изменению бизнес-сегмента клиента для достижения конкретных целей, а именно:

-намеренно удерживать клиента в несвойственном ему сегменте с целью выполнения плановых показателей;

-осуществлять кредитование в рамках продуктов, не предназначенных для реального целевого клиентского сегмента, с целью удовлетворения потребностей клиента;

 -распределять клиентов между сегментами с целью покрытия дефицита отдельных показателей бизнес-плана подразделения;

-позволяет кредитовать на более льготных условиях — без основного обеспечения/поручительства бенефициара/консолидированной отчетности.

  • выводы, формирование предложений для руководства;

Мы на практике убедились, что Process Mining позволяет оперативно искать узкие места в бизнес процессах, эффективно выявлять дефекты и своевременно принимать меры по минимизации рисков компании.

Советуем почитать