Время прочтения: 5 мин.
Современные технологии стали неотъемлемой частью жизни не только отдельно взятого человека, но и всего общества в целом. Сейчас довольно сложно представить предприятие, которое бы не использовало автоматизированные информационные системы(АИС) в своих бизнес-процессах. Но всегда ли процесс протекает так, как задумывалось изначально?
Мы долгое время вынуждены были оценивать то, как протекают наши процессы, так: измеряем хронометраж -> проводим опрос -> идем на гембу, в то время как у нас есть фактические следы процесса в журналах событий, создаваемых во время функционирования АИС. Как исследовать эти данные? На помощь в данной ситуации может прийти Process mining(процессная аналитика).
Напомним, что Process mining – это общее название методов по получению знаний о структуре и поведении процессов на основании изучения генерируемых информационными системами журналов событий. О процессной аналитике уже сказано много и будет сказано еще больше, в этой статье попробуем разобраться, когда и как применять этот подход, а также как правильно оценить результат своих трудов.
Признаками того, что одними классическими методами не обойтись, являются:
- Возрастающая сложность процесса
- Большое количество ошибок
- Неактуальность имеющихся регламентов и инструкций
- Низкая скорость процесса
Под это описание на первый взгляд подходит большое количество процессов. Но, перед тем как представить себе потрясающие результаты от возможного применения Process mining в виде разноцветного детального, но при этом интуитивно понятного графа, представим себе необходимые условия для проведения такого анализа:
- Большая часть процесса должна протекать и логироваться в АИС. Нет лога – нет анализа. Хорошо, если можно отследить один и тот же процесс в нескольких системах.
- Срок хранения лога продолжителен, лог детализирован достаточно для проведения анализа и формируется online. Необходимо, чтобы лог содержал следующие поля: идентификатор объекта, над которым совершается действие, само действие, которое над ним совершается и время, когда это происходит. В логе должно присутствовать большое количество повторений, что позволит «восстановить» процесс без фактических искажений.
- Есть четкое понимание, как должен выполняться процесс. Основные шаги должны быть установлены и прописаны в документации, также хорошо, если определены метрики в виде KPI, SLA.
- Есть реальная потребность бизнеса в увеличении эффективности\оптимизации процесса, и эта потребность поддерживается руководством.
Есть все это? Отлично! Можно приступать к Process mining. И начнем мы с… формирования команды. В нашу команду войдут:
- Эксперт в предметной области
- Эксперт по информационным системам, Data Engineer
- Аналитик процессов
Все трое будут на протяжении всех этапов участвовать анализе. Качественное взаимодействие между участниками команды будет определять результат.
После формирования команды приступаем непосредственно к процессной аналитике.
На первом этапе будут определены средства, формат, период и атрибуты для выгрузки данных. После осуществления выгрузки важно проверить полноту и корректность данных, установить степень детализации информации о процессе.
Первый этап можно считать успешным в случае, если: нет ошибок при экспорте\импорте данных, получен ожидаемый объем данных.
Начинаем работать с данными.
Часто журналы событий достаточно сложны и содержат большое число системных записей. Чем больше количество записей – тем сложнее и дольше будет протекать формирование результата.
Есть несколько приемов, которые позволят значительно сократить время последующего анализа:
- Фильтрация неидентифицируемых событий
- Фильтрация незаконченных и отмененных цепочек событий
- Фильтрация редких событий, в случае, если они не могут оказывать значительного влияния на бизнес-процесс
- Сегментация процесса для определения ключевых этапов и вывода отдельных участков для детализации при необходимости.
Каждый из этих методов следует применять с осторожностью, т.к. иногда отфильтрованные события могут скрывать основные проблемы процесса. Для определения событий, которые будут отфильтрованы — следует совместно сформировать гипотезы возможных отклонений (перед фильтрацией). Проверка разных гипотез может потребовать разную степень детализации.
Приступаем к самой долгожданной и, одновременно, едва ли не к самой простой части нашего анализа – к моделированию.
Существует несколько бесплатных инструментов, среди которых -Prom, Apromore, pm4py, bupaR, а также огромное множество платных инструментов, лидерами среди которых являются Celonis и Disco Fluxicon. В случае бесплатных инструментов может потребоваться написать 10-15 строк кода(для pm4py и bupaR), для платных – несколько кликов мышкой. Здесь могут быть сложности – полученный на выходе граф может быть недостаточно или излишне детализирован. Если детализация недостаточна – придется повторить предыдущий этап и после этого построить граф заново, если детализация избыточна, то большая часть платных инструментов позволяет исправить ситуацию «на лету». Итогом этого шага как раз и является тот самый «разноцветный детальный, но при этом интуитивно понятный граф». Но это еще не финал.
Завершающим этапом Process mining является анализ графа. Эта часть в большей степени зависит от экспертного мнения участников анализа. Именно здесь формируются результаты всей процедуры Process mining.
Среди результатов чаще всего фигурируют:
- Узкие места или Bottlenecks — этапы процесса, на которых производительность всей системы ограничена одним или несколькими компонентами или ресурсами.
- Циклы в процессах – на первый взгляд не всегда опасны, но часто могут вызвать замедления в процессе из-за неоднократного прохождения одного и того же «пути».
- Рекомендации по оптимизации — есть проблемы, значит должны быть и решения.
- Рекомендации по изменению документации – в ситуации быстро изменяющихся потребностей бизнеса могут присутствовать значительные расхождения с имеющимися регламентами и инструкциями.
- Новые вопросы для исследования – результаты исследования могут не соответствовать ожиданиям экспертов или руководства, не все проблемы могут быть определены сразу, не все гипотезы достоверно проверены. Иногда первая итерация Process mining – это только начальный этап комплексного анализа процесса.
Что же может дать Process mining в таком случае?
- Анализ всех вариантов выполнения процесса вместо проведения многочисленных интервью и воркшопов
- Определение ключевых лиц, задействованных в процессе
- Определение частых, редких и самых высокорискованных путей исполнения процесса и определение фокуса для дальнейшего анализа
- Построение социальных графов взаимодействия пользователей / подразделений
- Контроль актуального состояния процесса и его ключевых метрик
- Повышение прозрачности анализа за счет визуализации всего процесса
- Выявление всех имеющихся обходов процедур контроля
- Соответствие процессов установленным регламентам или их изменениям
- Выявление реализованных конфликтов полномочий
- Оценку эффекта реализованного риска в количественном и суммовом выражении
- Мониторинг риск-событий и оперативная реакция для минимизации негативных последствий в случае реализации риска.
- Отслеживание динамики устранения недостатков
- Быстрый повторный аудит ранее проверенного процесса
- Прогнозирование вероятности реализации риска с помощью технологии машинного обучения
Но все это возможно только в случае грамотного и своевременного использования этого подхода в совокупности с классическими методами анализа.