Мультипроцессная аналитика как главный прорыв в аналитике за последние 12 лет

Что такое мультипроцессная аналитика, и почему она скоро станет трендом.

Привет! Я – Александр Бочкин, предприниматель, основатель и генеральный директор IT-компании Инфомаксимум.

Идею для материала, кстати, подсказали в комментариях. В прошлый раз я хотел на простых примерах рассказать о сложной процессной аналитике. Сегодня попробую пойти другим путём и детально осветить мультипроцессную.

Мы уже выяснили, что процессная аналитика помогает:

визуализировать и анализировать бизнес-процессы: процессная аналитика демонстрирует реальные бизнес-процессы, автоматически строя модели на основе данных из информационных систем. Это даёт более чёткое представление о том, как процессы работают на самом деле;
обнаруживать «узкие места» и ненужные шаги: анализируя реальные данные о выполнении процессов, Process Mining выявляет уязвимости и шаги, которые приводят к неэффективности;
определять соответствие нормативным требованиям: технология даёт возможность убедиться, что бизнес-процессы соответствуют внутренним и внешним нормативным требованиям, путём анализа их реального выполнения;
оптимизировать процессы: Process Mining позволяет оптимизировать процессы, устраняя ненужные шаги, улучшая потоки работы и повышая общую эффективность;
повышать прозрачность процессов: предоставляет стейкхолдерам чёткое и объективное представление о процессах, что помогает в принятии обоснованных управленческих решений;
прогнозировать и предотвращать проблемы: путём анализа тенденций и шаблонов в данных о процессах Process Mining «предсказывает» будущие проблемы и предотвращает их ещё до того, как они произойдут;
снизить затраты: устранение неэффективных шагов и оптимизация процессов помогает снизить операционные затраты.

Итого: технология – отличный инструмент для глубокого исследования и оптимизации внутренних процессов.

Традиционный Process Mining – то, о чём я рассказывал ранее – это аналитика бизнес-процессов в «вакууме». В реальной жизни такого нет – процессы связаны и могут влиять друг на друга. А как отследить это самое влияние? Здесь помогает как раз мультипроцессная аналитика (МПА).

МПА по сути – это логическое продолжение Process Mining. Её основное отличие и преимущество в том, что технология оценивает именно то, как один процесс влияет на другой. Это помогает выделить ряд уникальных метрик, которые нельзя получить другим способом. Например, время события в одном процессе до события в другом. Разберём на примере процесса обработки заказов.

Если декомпозировать процесс, то на входе будут 2 сущности – непосредственно заказ и позиции в нём. Каждая сущность содержит лог с case table, таблицу с атрибутами по каждому экземпляру выполнения процесса.

При анализе обработки заказа обычным способом сначала потребовалось бы преодобработать данные. Для этого пришлось бы загружать и объединять 4 таблички (2 по логам и 2 по case table), писать скрипт обработки информации, формировать модель данных, и то-о-о-о-олько тогда мы сможем получить единый процесс. Дальше пишем формулу расчёта дельты между первым получением товара и закрытием заказа. Но есть один нюанс: позиций в заказе может быть несколько, и на каждую из них дублируется лог обработки заказов. Поэтому метрику нужно считать для каждой позиции отдельно.

С применением МПА алгоритм действий будет другой, потому что в основе метода лежит объектно-ориентированная модель данных, и акцент уже не на пресловутые case table, а на ID – определенные объекты внутри процесса. Поэтому предварительно обрабатывать данные не надо, надо только соединить нужные таблички. Лог по позициям связан с case table по позициям, лог по заказам – с case table по заказам, а case table по заказам с case table по позициям. Вуаля, модель создана.

Суть в том, что при таком методе определяются моменты между двумя событиями: поставкой первого товара из заказа и моментом обработки заказа. Идёт расчёт разницы между получением заказа (информацией из лога по позициям) и финишем обработки заказов (из лога заказов). Получается, что мы как бы вытаскиваем одно событие из разных процессов, но считаем общий показатель. Какие возможности это приносит?

Изучение процесса с различных ракурсов и его глубинный анализ с учётом разных факторов и влияния других процессов.
Уменьшение трат на формирование данных для аналитики и выполнение проекта в 3-5 раз быстрее.
Экономия на узкопрофильных специалистах.

При этом никаких дополнительных систем, инструментов и приложений не нужно.

Спасибо, что дочитали! Надеюсь, вы готовы к обсуждению :)

Поделитесь в комментариях, о каких моментах, тонкостях или других деталях мультипроцессной аналитики хотите узнать. Возможно, что-то осталось непонятным – всегда готов ответить на любой вопрос.

А о том, как сейчас развивается наш флагманский продукт – система активной бизнес-аналитики Proceset, можно прочитать в ТГ-канале.