Контроль бизнес процессов (Process mining), или как повысить эффективность бизнеса в это сложное время

Всем добрый день. Вы сами видите не лучшие времена в экономике и стране, поэтому сам бог велел задуматься об оптимизации бизнеса. В этой статье я расскажу с разных сторон как вы можете проконтролировать ваши бизнес процессы, выявить неэффективности и даже наладить системную работу в данном направлении.

Рис. 1. Пример бизнес-процесса по итогам контроля, то есть так, как он выглядит в реальности

Прежде чем я перейду к сути статьи, я бы хотел сделать несколько замечаний. В основе того, что я опишу ниже лежит DataScience с разных сторон. И вы должны понимать, что данный подход «требует». И требует он много чего: людей, которые сделают вам то, что будет описано ниже, усилий бизнес команды, инфраструктуры и ряда других вещей.

Я это говорю к тому, что то, что описано ниже труднореализуемо для небольших компаний (по крайней мере в текущем виде). Здесь в статье будет описываться системный подход, который в значительной степени интересен среднему и крупному бизнесу.

Давайте взглянем на простой бизнес-процесс, который я взял с просторов интернета:

Рис. 2. Пример бизнес-процесса, ссылка

Казалось бы, вот он бизнес процесс, всё ясно и просто. Однако в реальности может возникать миллион проблем и неэффективностей. Проблемы с документами, оборудованием и сервисами, сотрудниками … И так далее. Подключите воображение. И как итог, в реальности мы будем видеть что-то вот такое, как показано на рис. 3.

Рис. 3. Пример проблемного бизнес-процесса

С точки зрения бизнес-процесса, возникают задержки, циклы, которые съедают ваши время, силы и деньги. Эти проблемы снижают вашу производительность труда и маржинальность бизнеса.

Но прежде чем со всем этим бороться, нужно разобраться в реальной ситуации касательно вашего процесса.

Рис. 4. Бизнес-процесс с хранилищами данных

Самое первое что вы должны сделать, это создать точку контроля и хранения данных о процессе в идеале на каждом этапе бизнес процесса. Клиент оформил заказ?? Записали данные. Были оформлены документы в рамках этапа бизнес-процесса?? Записали данные. И так далее. Чем плотнее вы контролируете бизнес-процесс, чем больше вы выявите неэффективностей.

В идеале по каждому контролируемому этапу бизнес-процессу нужно собирать следующую информацию:

1. Наименование этапа

2. Данные по клиенту (если есть)

3. Данные по сотруднику компании, который выполнял работу

4. Состояние

5. Инциденты (если есть)

6. Дата начала выполнения работ

7. Дата окончания выполнения работ

8. Уникальный идентификатор работы (задачи). Например, это может быть номер заказа и так далее.

Только после того, как вы организовали сбор данных, вы можете приступать к анализу этих данных. Один из распространённых способов анализа это построение графа процесса.

Причем, вы можете анализировать как неэффективность процесса с помощью графа на основании данных ряда заказов/задач, выполненных в рамках одного бизнес процесса, так и неэффективность единичной задачи. Рассмотрим каждый из вариантов подробно с примерами.

В данных примерах будет использовать библиотека SberProcessPrining: https://github.com/SberProcessMining/Sber_Process_Mining

Данная библиотека написана для Python. Также отмечу, что в интернете есть и иные библиотеки.

Давайте рассмотрим примеры графов, построенных на основании выполнении РЯДА задач бизнес процесса. То есть, это некое среднее состояние бизнес-процесса.

Рис. 5. Пример реальной структуры бизнес процесса

На рис. 5 приведено самое примитивное представление бизнес процесса. Вам оно в значительной степени бесполезно, так как на данном представлении нет никаких метрик, которые бы позволили принять какое-то решение.

Рис. 6. Граф с метриками

Рис. 7. Обозначение метрик

Взгляните на граф на рис. 6. Данный граф с метриками уже сам по себе позволяет выявить неэффективные этапы вашего процесса. Например, самый первый этап. Казалось бы, простое назначение ответственного. Но при этом, оно занимает аж 17% времени, и при этом еще и зацикливается (то есть, ответственные переназначаются). Взгляните на Loop. Половина задач, выполняемых входе данного этапа бизнес-процесса зацикливается. То есть, переназначаются ответственные.

Далее, вы можете выявить звенья, которые возникают в ходе ошибочной работы сотрудников.

Рис. 7. Этап переклассификации

Например, в данном случае (рис. 7), проблема возникает в результате ошибки работы сотрудников на предыдущих этапах. Мало того, что сотрудники тратят 13% времени на исправление собственных или чужих ошибок, так еще и 6-7% раз выполняют эту работу повторно.

Рис. 8. Граф с инсайдами

Библиотека SberProcessMining позволяет визуализировать инсайды. Они подсвечены красными линиями. На графе на рис. 8, показаны зацикленные и неэффективные узлы и переходы.

Каждый из них является узким местом и требует проработки.

Давайте взглянем на всю операцию. На первом этапе зацикленность съедает 17 аж часов. На втором этапе 6 часов зацикленности. При этом прошу обратить внимание, что после второго этапа бывает такое, что сотрудник не справляется с работой и приходится повторно переназначать ответственного.

В целом, вы видите всё сами.

Здесь только важные вещи. Процессов может быть много и разных. Часть из них может быть сопряжена с работой технологической оборудования, логистикой, работой ИТ сервисов и так далее. И для того, чтобы разобраться в причинах неэффективности, вы вынуждены контролировать всё на столько, на сколько это возможно + контролировать инциденты.

Теперь давайте взглянем на пример разбора единичной задачи (рис. 9, 10).

Как вы понимаете, контролировать можно не только процесс в среднем, но и отдельные задачи. Могут быть критически важные задачи, по которым, например, могут быть установлены законодательные нормативы или регулирование.

Поэтому может возникать отдельный контроль проблемных задач, которые вам было бы интересно разбирать.

Рис. 9. Пример графа с метриками отдельно взятой задачи, выполняемой в рамках бизнес-процесса

Рис. 10. Пример графа с инсайдами отдельно взятой задачи, выполняемой в рамках бизнес-процесса

Как вы видите из рис. 9-10, данный пример это типичный пример неэффективной работы по задаче в рамках процесса, который показан на рис. 6 и 8.

Вы опять видите неэффективности, циклы, переназначение, пересогласование и так далее.

Рис. 11. Метрики процессов

В ходе анализа процесса SberProcessMining собирает множество метрик, пример некоторых из них приведен на рис. 9

Метрик действительно миллион + вы можете собирать дополнительно любые из них. Я остановлюсь на некоторых примерах.

Рис. 12. Анализ переходов

Например, на рис. 12 вы видите анализ переходов (переход это изменение процесса от этапа к этапу, представленное стрелочкой на графике). Столбчатая диаграмма – количество переходов (выполненных задач), график их длительность.

Зелеными овалами я выделил неэффективные переходы, число которых низко, но при этом они имеют огромную длительность, выбивающуюся из общего контекста.

Рис. 13. Анализ активностей

Тоже самое и для этапов процесса. Как вы видите, некоторые этапы требуют значительного времени выполнения. Особенно взгляните на этап «Переквалификация», который возникает в результате ошибочной работы сотрудников на предыдущих этапах.

Рис. 14. Зацикленность этапов

Зацикленность этапов – это неэффективность (то есть сотрудники выполняют работу повторно). От зацикленности нужно избавляться. Вы видите на рис. 14 ТОП-3 самых зацикленных процессов.

А с учётом ошибок в работе на этапе Классификации, например, этому этапу следует уделить особое внимание.

Рис. 15. Эффективность сотрудников

Как вы понимаете, ключевым элементом в процессе является сотрудник. Поэтому, супер важно оценивать их эффективность и искать слабые звенья.

На рис. 15 показаны слабые элементы. Например, есть сотрудники, которые почти не работают (синий овал). А есть сотрудники, эффективность которых ничтожна (зеленый график). Взгляните на график длительности. Они выполняют небольшой объем работы, но супер долго. То есть, просиживают на работе время.

Когда вы крупная компания, у вас огромное количество продуктов и процессов, то вам имеет смысл налаживать автоматический контроль.

Вы можете сделать это следующими способами:

- Контролировать по нормативам.

- Контролировать с помощью детектора аномалий.

Допустим вы знаете, что у вас есть норматив по времени ответа на обращение клиента. Допустим он 24 часа. Соответствующие этапы, связанные с нормативом можно проконтролировать.

Я не буду останавливаться на подобном контроле, он очевиден. Или когда метрики задачи приближаются к предельно-допустимым значениям, или выходят за них, можно наладить выполнение тех или иных действий. В примитивном случае, уведомлений.

Здесь отмечу важность предиктивной аналитики ответственных метрик, чтобы ПРЕВЕНТИВНО реагировать на угрозы.

Также отмечу сложность реализации с точки зрения формирования всех нормативов и классификаторов.

Если заставить бизнес нормировать деятельность задача архисложная, то на помощь могут прийти алгоритмы детектирования аномалий.

Рис. 16. Пример работы детектора аномалий с помощью алгоритма Isolation Forest

Например, на рис. 16 показано как алгоритм Isolation Forest выделил 1% аномальных задач по параметрам длительности выполнения задачи и количества этапов.

Вы можете использовать другие алгоритмы и метрики. Их может быть много, в том числе метрики качества, в том числе метрики качества изготавливаемого изделия.

Преимуществом использования детектора аномалий является то, что вы собрали метрики по задачам какого-то процесса, и сразу можете идти в бой.

Немаловажным фактором является постоянный контроль ответственных метрик, а также их прогноз, с точки зрения проактивного принятия управленческих решений.

Рис. 17. Предиктивная аналитика с применением нейронных сетей

На рис. 17 приведена метрика нагрузки на один сервис. Как видно из рис. Слева, нагрузка за полтора года выросла в 4 раза. Если есть требования по отказоустойчивости, или у вас работают сотрудники, то важно понимать что вас ждёт в будущем, чтобы принять управленческие решения.

На рис. 17 справа показан прогноз на срок до 1,5 месяцев.

Как вы видите, на срок до 20 дней практически полное совпадение скользящей средней (синий график) и прогноза (оранжевый график).

Здесь же отмечу, что прогноз осуществлялся скользящей средней EMA с периодом 50. На рис. 17 приведен дневной график.

В заключение скажу два слова о себе. В настоящее время я развиваюсь в направлении аналитики, принятия решений, торговли и инвестирования на базе нейронных сетей. Также я развиваюсь в направлении DataScience применительно к бизнесу. Иногда пишу статьи на vc, если кому интересно, можете найти из здесь.

Контакты:

Telegram: https://t.me/step_a_v

VK: https://vk.com/mauriy

Всех благ, побед и

успехов!