Как сохранить продуктивность сотрудников при переходе на удалёнку?
С введением режима самоизоляции средним и крупным компаниям пришлось перевести большое количество сотрудников на дистанционный режим работы. Помимо проблем с коммуникациями и безопасным доступом персонала к корпоративным ИТ-системам в процессе реорганизации бизнес столкнулся и с неожиданными вызовами. Эффективность удалёнки оказалась не самой высокой: привыкшим к строгому графику людям сложно сосредоточиться из-за многочисленных отвлекающих факторов и отсутствия дома оборудованных рабочих мест. Опытным фрилансерам проблема знакома, но они трудятся в таком режиме годами и давно освоили методы самомотивации. Офисным работникам перестроиться сложно, им нужен основанный на четких показателях эффективности ненавязчивый контроль. Осуществить его непросто, если ваш офис разросся до размеров города, даже если действия сотрудников регулируются регламентами SLA (Service Level Agreement) и другими формальными документами. Внедренные в компаниях системы мотивации и измерения качества бизнес-процессов зачастую не рассчитаны на дистанционный режим. Дают сбои в условиях самоизоляции и метрики эффективности на основе KPI (Key Performance Indicators).
Постоянное отслеживание показателей SLA и KPI по организации — задача непростая даже в «мирное» время, а сегодня актуализировать их на ходу практически нереально. Помимо традиционных факторов, вроде отсутствия четко формализованных должностных инструкций сотрудников и переплетения их ролей в информационных системах, добавились изменения рыночной обстановки и связанная с переходом на дистанционную работу дезорганизация.
Изменение цели и структуры бизнес-процессов требует оперативной корректировки отслеживаемых индикаторов и метрик оценки эффективности, однако из-за т.н. лоскутной автоматизации некоторые части процессов не оставляют электронных следов. С этим можно было мириться при обычном режиме работы компании, но сейчас физическое взаимодействие между сотрудниками затруднено. Система оценки эффективности должна максимально использовать имеющиеся данные, но возможно ли это без длительной и затратной перестройки средств протоколирования событий и действий пользователей?
Современный бизнес генерирует огромное количество машинных данных (многим более привычен термин BigData): журналы серверов и сетевого оборудования, показания датчиков устройств IoT, электронные письма и сообщения в чатах, журналы звонков и другая информация из разнообразных источников. Помимо технических сведений о работе информационных систем в этом потоке отражается и связанная с бизнес-процессами активность пользователей: взаимодействие с контрагентами, движение финансов, товаров и т.д.
Выделить полезные сведения из плохо систематизированного набора байтов в разных форматах непросто. Крупные организации внедряют системы автоматизированного анализа машинных данных для оперативного выявления узких мест в ИТ-системах и бизнес-процессах. Применяющиеся ими средства не могут работать со столь разнообразной информацией и как правило решают частные задачи информационной безопасности (SIEM — Security Information and Event Management), мониторинга и управления ИТ-инфраструктурой или анализа бизнес-процессов (BI — Business intelligence).
По отдельности эти системы работают отлично, но их интеграция невероятно сложна, а поскольку вопросы на стыке бизнеса и ИТ возникают часто, потребовалось универсальное решение. Без него сложно соотнести, скажем, неравномерную нагрузку на серверы с цикличностью бизнес-процессов или понять, как изменение режима работы сотрудников повлияло на их эффективность и какой отдел тормозит отлаженный до введения самоизоляции процесс.
Одно из лучших универсальных решений предлагала американская компания Splunk. Оно довольно успешно продвигалось в России, в отечественной компании VolgaBlob даже создали Smart Monitor — набор аналитических инструментов для этой платформы. После ухода американского разработчика с российского рынка Smart Monitor был реализован на стеке продуктов с открытым исходным кодом для поиска и аналитики, обработки данных из разных источников и средств визуализации.
Smart Monitor помогает компаниям учитывать эффективность сотрудников, собирая и анализируя метаданные из электронной почты и календарей, логов доступа через VPN к корпоративным ресурсам, журналов телефонных звонков, логов доступа к файловым хранилищам, веб-порталу и учетным системам, а также информации о регистрации устройств пользователя в локальной сети и его интернет-трафике. Помимо этого, анализируется печать, копирование и сканирование пользователем документов, проходы через СКУД. Разработчик не пытается дублировать функциональность систем предотвращения вторжений (DLP) с режимом тотальной слежки за действиями сотрудников. Скорее Smart Monitor представляет собой гибридный продукт на стыке поведенческого анализа (UBA — User Behavior Analytics) и Business intelligence.
Система может работать с четко заданными параметрами KPI и SLA, но более интересен режим так называемого «цифрового пульса».
В нем она автоматически определяет их значения на основании исторических данных. Мониторинг и анализ операционной эффективности может выполняться по сотрудникам, подразделениям или по бизнес-процессам. Кроме того, в системе есть функция выявления аномалий в поведении сотрудников, подразделений и этапах выполнения бизнес-процессов.
Smart Monitor не требует менять принципы регистрации событий. Показатели операционной эффективности отражаются системой в динамике. При этом наборы метрик настраиваются без программирования — решение можно внедрить быстро и с относительно небольшими трудозатратами. Это особенно важно в нынешней ситуации, когда адекватная оценка операционной эффективности и скорость реакции бизнеса на связанные с эпидемической обстановкой изменения определяет его способность к выживанию.