Как математическая модель составляет график работы для сотрудников Альфа-Банка

Чтобы люди тратили меньше времени в наших отделениях.

Погода, изменение цен на акции или продукты, динамика распространения вирусов — для прогнозирования многих явлений используются математические модели. В Альфа-Банке такая модель умеет предсказывать количество клиентов в отделениях и сама составляет расписание работы для сотрудников.

Эффект от этой технологии: посетители не сталкиваются с очередями и проводят в отделениях меньше времени, сотрудники не сидят зря в ожидании клиентов, а их руководителям не приходится тратить часы своего времени на составление расписания для сотрудников. Рассказываем, как это получилось.

До внедрения математической модели руководители отделений сами пытались прогнозировать поток посетителей, чтобы подготовить графики работы. Для этого им нужно было ежемесячно изучать этот поток, отмечать самые насыщенные дни и недели, отслеживать часы пик, после чего анализировать все эти данные при работе с графиками. Иначе невозможно понять, когда в отделение требуется больше сотрудников, а когда — меньше. На сбор данных и составление прогноза уходило много времени, а результат всё равно не был идеальным. Необходимо было автоматизировать процесс.

Чтобы спрогнозировать количество посетителей в каждом отделении Альфа-Банка хотя бы на два месяца вперёд с точностью до часа, аналитики «зашили» в математическую модель множество факторов и сложных зависимостей: недельную и годовую сезонности, праздники, различные внешние эффекты, такие как пандемия или экономические события в стране и многое другое.

Например летом, когда много людей в отпусках, будние дни для отделений банка почти не отличаются от выходных — поток посетителей примерно одинаков. А зимой, наоборот, в выходные дни клиентов заметно больше. И это приходится учитывать.

А ещё точность прогнозирования повышается, если объединять в одну модель сразу десятки отделений — чтобы данные об одних офисах помогали составлять прогнозы для других. Когда дата-сайентисты Альфы только начинали обучать модель, они пытались строить прогноз для конкретного отделения на основе только его данных. Это не дало абсолютных результатов. Оказалось, что информация, полученная из десятка офисов, похожих размерами, географией, особенностями расположения (например, вблизи или вдали от курортов или аэропортов), помогла модели точнее прогнозировать работу каждого из них.

Когда прогноз готов, на его основе модель распределяет сотрудников отделения по графику. Это так называемая целочисленная задача: один сотрудник — это одна единица, которая выходит работать в конкретно определённый час.

В этой задаче есть много ограничений, которые модель должна учитывать при составлении расписания: у сотрудника имеются нормативы, отпуска, у него должны быть выходные. У отделения есть определённый график работы, и в нём в любое время не может быть менее двух сотрудников.

Учитывая всё это, модель составляет прогноз и расписание на месяц вперёд.

В отделении, которым руководит Юлия Будаева, сейчас работает 21 человек. Раньше Юлия выбирала смены для сотрудников сама, занимало это до пяти часов (без учёта времени на прогнозирование потока). Теперь на проверку готового расписания и возможные правки у нее уходит 20 минут.

Модель используется уже восемь месяцев и её эффект очевиден. Теперь сотрудники работают не сменами в режиме 2/2, а выходят на работу веерно: например, один находится в отделении с 9.00 до 18.00, второй с 10.00 до 19.00, а третий с 11.00 до 20.00. Получается, что в пиковые часы — в обед и 17-18 часов вечера — в офисе банка больше сотрудников, и качество их работы с клиентами не страдает из-за большой нагрузки.

Впрочем, изменения в графики приходится так или иначе вносить — есть непредвиденные обстоятельства, больничные, увольнения. Поэтому дата-сайентисты Альфы продолжают улучшать модель. Сейчас они работают над тем, чтобы тщательнее рассчитывать нормативы сотрудников — к примеру, при построении графиков учитывать курсы повышения квалификации, которые засчитываются как рабочие часы.

Также в планах — научиться быстро рассчитывать графики по запросу руководителя, если вдруг сотрудник заболел или ушёл в отпуск. Для этого потребуется API (Application Programming Interface — интерфейс прикладного программирования), в котором руководитель отделения сам мог бы вводить нужные данные и получать результат. Сама математическая модель при этом не меняется, все улучшения коснутся исключительно программ, которые её обслуживают.