Единственное, что разделяет вас и выдающийся успех, – непрерывный прогресс.
2.10.1. Технология Process Mining
Моделирование процессов предприятия – очень трудоемкая работа. Обычно она требует усилий большой группы сотрудников. Получаемая традиционными методами модель процесса неизбежно содержит ошибки и, наоборот, часто не дает интересующую заказчика информацию. Как следствие, результаты анализа процессов на базе таких моделей ненадежны, поскольку основаны на искаженной информации, а не на реально имевших место фактах.
Добыча (mining) полезных данных о процессе путем извлечения структурированной информации из журналов событий информационных систем может решить эти проблемы. Такой журнал нередко содержит довольно подробную информацию о процессе: кто, как и когда выполнял функции процесса, какими были результаты, какой путь (сценарий процесса) был реализован в каждом конкретном случае (в каждом экземпляре процесса). Журналы событий имеются в большинстве компаний, но собираемая в них информация не используется.
Отправной пункт Process Mining – получение журнала событий. Каждое событие в нем – это действие, этап некоторого процесса и относится к конкретному экземпляру процесса (англ. case). События каждого экземпляра процесса упорядочены по времени их реализации. Для извлечения процесса из журнала достаточно информации о трех свойствах события:
Case ID – это уникальный идентификатор экземпляра процесса. Пример: если речь идет о процессе согласования заявки на закупку, это может быть номер заявки;
Activity – событие/шаг/функция процесса, реализованная в конкретном его экземпляре. Пример: «Создать заявку» или «Согласовать заявку»;
Timestamp – время, когда произошло событие, временная метка.
Если имеющиеся данные отвечают «да» на все вопросы контрольного списка данных о пригодности[45], то из них можно «извлечь» процесс. Вот эти вопросы.
1. Данные структурированы (столбцы, строки)?
2. Доступны ли столбцы идентификатора кейса (экземпляра процесса), активности (функции) и временно́й метки?
3. Есть ли хотя бы иногда один и тот же идентификатор кейса в нескольких строках? Если каждая строка имеет уникальный идентификатор кейса, данные либо непригодны, либо требуют переформатирования.
4. Меняется ли название активности (функции) хотя бы иногда в пределах одного и того же кейса (экземпляра процесса)? Если поле функции не меняется, нужно искать другой столбец активности.
5. Меняется ли временная метка хотя бы иногда в одном и том же кейсе? Если нет, то этот столбец не может использоваться в качестве метки времени.
6. Дата и время временно́й метки находятся в одном и том же столбце? Поскольку у функции (активности) может быть несколько временны́х меток (например, начала функции, начала исполнения, конца исполнения), каждая из них должна находиться в одном столбце с датой.
7. Если формат временны́х меток различен, то размещаются ли они в разных столбцах?
8. Понятны ли названия функций или могут ли они быть восстановлены (через код функции, например. То есть это не просто число или номер транзакции)?
9. Имеют ли разные экземпляры процесса (кейсы) одни и те же функции (а не просто произвольный текст, который каждый раз заполняется по-разному)?
Замечание: данные могут находиться в разных файлах (и поступать из разных ИТ-систем). Некоторые инструменты требуют объединения в один файл, другие работают с несколькими, «стыкуя» их по специальным ключам.
Наличие информации о дополнительных показателях и свойствах процесса, конечно, обогащает его анализ. Поэтому, как и в любом проекте по трансформации процессов, обязательным этапом является постановка задачи на трансформацию. А затем следует как можно раньше организовать процесс формирования журнала событий таким образом, чтобы в нем собиралась необходимая для анализа информация (рис. 33).
Рис. 33. Пример фрагмента журнала событий
Иногда подготовка журнала событий для извлечения процесса занимает значительное время. Как только он готов, инструментарий Process Mining способен визуализировать процесс на основании зафиксированных в журнале данных (рис. 34).
Рис. 34. Схема работы систем Process Mining
Типичная ситуация после извлечения процесса – так называемый спагетти-процесс (рис. 35) – слабоструктурированный, с большой вариабельностью. Обычно имеет место в больших компаниях при отсутствии регулярного менеджмента. Описать такой процесс традиционными методами – абсолютно нереальная задача.
Рис. 35. Спагетти-процесс
В то же время инструменты Process Mining позволяют, во-первых, мгновенно извлечь такой процесс. Во-вторых, с помощью так называемых частотных фильтров и средств анализа он может быть представлен в виде наиболее значимых и часто встречающихся сценариев, то есть в пригодном для анализа виде (рис. 36).
Родоначальником технологии Process Mining считается профессор Эйндховенского технического университета (Нидерланды) и Квинслендского технического университета (Австралия) Вил ван дер Аалст. Его исследования посвящены проблеме извлечения исторических данных о ходе процесса для их применения при выявлении ошибок и совершенствовании.
В общем виде технология Process Mining реализует следующие шаги:
discovery (обнаружение) – изъятие данных о процессе из журналов ИТ-систем, отображение их в виде модели;
conformance checking (проверка соответствия) – определение, в какой мере фактический процесс совпадает с эталонным, сравнение «ожидание/реальность». В качестве эталонного (или нормативного) обычно выступает регламентированный в компании процесс. Выявлять расхождения между вручную смоделированным эталонным процессом и наблюдаемым поведением помогают алгоритмы проверки соответствия. Они выдают показатели степени соответствия и диагностические сведения, объясняющие наблюдаемые различия. С их помощью можно детально анализировать прецеденты, не соответствующие построенной модели;
enhancement (улучшение) – изменение процессов и тестирование улучшений с использованием математических моделей;
Рис. 36. Пример извлеченного с помощью Process Mining процесса, использованы частотные фильтры, представлены наиболее часто встречающиеся сценарии (https://promease.ru/)
monitoring (отслеживание) – наблюдение за течением обновленного процесса, контроль того, насколько задуманное соответствует полученному. На завершающей ступени настраивается регулярный мониторинг процессов с отслеживанием KPI по процессу, проверкой на соответствие процесса внутреннему регламенту, контролем и оповещением о некорректностях, ошибках и отклонениях.
2.10.2. Преимущества и перспективы Process Mining
По данным совместного исследования компаний ABBYY и PwC индекса цифровой компетентности (Digital IQ) российских компаний в 2020 году[46]:
• Process Mining названа наиболее перспективной технологией для повышения цифрового интеллекта;
• на анализ бизнес-процессов уходит 6–8 месяцев;
• 47 % компаний собирают информацию о процессах с помощью опросов сотрудников;
• классические методы анализа процессов следует дополнять аналитикой цифровых следов из-за возрастающей сложности процессов, высокой текучки кадров, цифровизации процессов, быстрого устаревания инструкций и регламентов, для исключения субъективного восприятия;
• 38 % компаний отказываются от внедрения Process Mining по причине недостатка данных для анализа, так как многие процессы проходят вне ИС и не оставляют цифровых следов.
Ключевые преимущества Process Mining по сравнению с традиционными методами моделирования и анализа процессов:
автоматизированное извлечение процесса из журналов событий, созданных на основе системных данных ИС;
• извлекаемые модели не зависят от человеческой субъективности, поскольку опираются на цифровые следы, оставляемые процессами;
• модель извлекается моментально, в отличие от трудоемкого и длительного процесса моделирования традиционными методами;
• эффект от внедрения корректирующих мер может быть смоделирован и оценен заранее, что дает возможность определить их потенциальную эффективность и прогнозировать возврат инвестиций;
• после внедрения корректирующих мер эффект может быть оценен мгновенно, в то время как традиционные методы предлагают длительное и затратное изучение новых процессов;
• обновление данных и анализ с использованием свежей информации не предполагает никаких дополнительных усилий, традиционный же подход предполагает новый сбор данных. Даже в ходе работ по моделированию процессов ситуация может измениться настолько, что модель процесса устареет до того, как будет проанализирована. Process Mining позволяет иметь дело с реальным процессом на тот момент, когда возникла потребность в его анализе;
• технология Process Mining позволяет создавать работающие в реальном режиме времени дашборды (dashboards) по процессам (рис. 37).
Технология активно развивается, и сейчас трудно даже представить себе ее будущее. Однако целый ряд тенденций и прогнозов можно попытаться сформулировать[47]:
расширение использования машинного обучения и искусственного интеллекта для повышения точности, скорости и эффективности интеллектуального анализа больших объемов данных о процессах, а также выявления закономерностей и аномалий, которые было бы трудно или невозможно обнаружить с помощью «ручных» методов анализа;
Рис. 37. Пример дашборда процесса согласования договоров (https://habr.com/ru/companies/visiology/articles/545124/)
анализ в режиме реального времени: непрерывно анализируя данные по мере их появления в информационных системах, компании смогут выявлять и решать проблемы с лету, что радикально повысит гибкость и способность вовремя реагировать на изменение ситуации;
Некоторые программы и приложения не создают журналы событий, что значительно ограничивает возможности Process Mining. Например, если пользователь применяет Excel, то эти шаги будут пропущены. Таким образом, Process Mining иногда оставляет пробелы в процессе между участками, на которых создаются журналы.
Технологии Process Discovery и Task Mining могут собирать данные из информационных систем, производящих лог-журналы, и других приложений и программного обеспечения, которые используют сотрудники, таких как электронная почта, пакет Microsoft и т. д. Это делает их идеальным дополнительным инструментом для Process Mining и поиска возможностей автоматизации, например, с применением RPA.
Process Discovery – технология сбора информации (включая вычислительные и статистические методы, машинное обучение и компьютерное зрение) о действиях пользователя без привязки к тому или иному процессу. Данные представляются в виде отдельных операций (событий в операционной системе типа открытия веб-страницы или клика мышки). Эти цепочки могут быть (но совсем не обязательно) увязаны с каким-то процессом.
Process Discovery в некотором виде используется в Process Mining для первого шага из четырех (Process Discovery, проверка соответствия, улучшение, отслеживание) (см. параграф 2.10.1).
Task Mining – еще один инструмент изъятия информации о действиях на персональных компьютерах. Используя распознавание символов, обработку естественного языка и другие инструменты, он анализирует собранные данные и находит закономерности, которые можно интерпретировать как возможности для улучшения.
Process Discovery и Task Mining отслеживают рабочие столы пользователей и собирают данные с помощью программных агентов. Агенты – это части программного обеспечения, которые постоянно работают на устройствах пользователя в фоновом режиме. Они «записывают» все, что было сделано в бизнес-программах и приложениях.
Эти технологии очень похожи, но используются для разных конечных целей. Task Mining позволяет выявить неэффективность процессов, а Process Discovery находит возможности автоматизации. Компании, занимающиеся Process Mining, прибегают к Task Mining в качестве дополнительного сервиса, в то время как Process Discovery используется поставщиками RPA.
Обе технологии лучше всего работают с небольшими задачами. При анализе длинных процессов эти методы анализа требуют значительных вычислительных ресурсов и, кроме того, могут начать давать ложные результаты.
интеграция с другими технологиями (например, RPA и Process Discovery) и облачными сервисами – с увеличением количества систем, датчиков и разнообразных подключенных устройств (например, видеокамер в цехах или офисах) генерируются и могут быть проанализированы огромные объемы данных для принятия решений и оптимизации процессов. Например, можно отслеживать обработку и перемещения конкретных объектов – деталей, полуфабрикатов, заготовок, документов и пр.;
• разработка инструментов прогностического анализа процессов по принципу if-else – «что, если?». Они позволяют смоделировать будущий процесс и увидеть результаты внедрения технологии до того, как будут приняты реальные меры;
расширение контекста: полноценный анализ процессов требует разнообразной информации, которая в стандартном Process Mining сужена до временных меток. Извлечение различных данных, связанных с процессом, метрик, показателей и т. п. способно существенно расширить аналитический потенциал инструмента;
• Process Mining начнет играть ключевую роль в производственной сфере, например для создания цифровых двойников или цифровых советчиков технологических процессов, которые выдавали бы рекомендации относительно работы оборудования в режиме реального времени;
Цифровой двойник – это компьютерная модель реального производственного процесса. Цифровой советчик – это математическая модель, которая на основе прогнозирования оперативно выдает рекомендации.
улучшенный пользовательский опыт: по мере того как технология становится все более популярной и все больше компаний ее внедряют, можно ожидать повышенного внимания к их опыту и упрощения инструментов. Поставщики будут вынуждены разрабатывать программное обеспечение, интуитивно понятное и простое, еще более доступное для широкого круга пользователей;
• дополнение Process Mining специализированными модулями, позволяющими проводить аудиты на соответствие процессов различным требованиям;
более строгая защита данных: по всей видимости, следует ожидать ужесточения регулирования в части ответственного и этичного использования Process Mining, чтобы обеспечить конфиденциальность и информационную безопасность отдельных лиц, а также точность, надежность и защищенность используемых данных.
2.10.3. Инструменты Process Mining
Технология Process Mining реализована во множестве инструментов. Существует несколько бесплатных, среди которых – ProM, Apromore, pm4py, bupaR, а также огромное количество платных инструментов: Minit, ABBYY Timeline, Puzzle Data, QPR ProcessAnalyzer, Disco Fluxicon, Perceptive Process Mining, Interstage Process Discovery, Discovery Analyst, XMAnalyzer и др. Лидерами среди них считаются Celonis, ARIS Process Performance Manager (Software AG) и SAP Signavio (рис. 38).
Бесплатные инструменты вполне подходят для разовых проектов. Однако может потребоваться написать несколько строк кода (например, в случае выбора pm4py и bupaR). Кроме того, реализация целого ряда возможностей, которые платные инструменты дают через «клики мышкой», в бесплатных занимает много времени и требует дополнительных квалифицированных усилий.
Если организацию интересуют непрерывный мониторинг выбранного процесса и его совершенствование на постоянной основе, то очевидный выбор – серьезный платный инструмент.
Рис. 38. Gartner’s Magic Quadrant for Process Mining Tools (https://www.gartner.com/doc/reprints?id=1-2D0PVO55&ct=230323&st=sb)
На российском рынке в целом сейчас выбор не настолько широк, однако представлен ряд весьма неплохих инструментов отечественных вендоров. В их числе:
Promease 2.0, разработчик «Промиз софт». Классический инструмент Process Mining: извлечение данных из ИС компаний, создание «цифровых двойников» буквально в один клик, широкие аналитические возможности. Прорабатываются варианты развития в сторону применения «смежных» технологий: распознавания образов, отслеживания объектов на видео и т. п.;
Proceset, разработчик «Инфомаксимум». Вендор позиционирует свою разработку как «систему активной бизнес-аналитики», где Process Mining – это только одна из возможностей. В частности, система позволяет определять наиболее подходящие для автоматизации и применения RPA операции и заранее оценивать эффект от их использования, рассчитывать оптимальный размер штата компании и пр.;
VK Process Mining, разработчик «VK Цифровые технологии». Функционал для системы класса Process Mining классический, акцент сделан на определении потенциала для автоматизации и выявлении узких мест. Особенностью платформы VK Process Mining разработчики называют модульность, а преимуществами – легкую масштабируемость решения, встроенный язык запросов и дружелюбный интерфейс;
Sber Process mining, разработчик «Сбер». Изначально разрабатывался как внутренний аналог зарубежного инструмента. Впоследствии появилась задача выйти на рынок. Довольно стандартный инструментарий класса Process Mining.
Допускаю, что уже к моменту издания этой книги список может существенно пополниться.
Упражнение
Выберите инструмент Process Mining (из списка бесплатных или имеющих демоверсию или демодоступ). Ознакомьтесь с ним подробнее. Если при выполнении упражнения к параграфу 2.10.1 удалось получить фрагмент журнала событий, пригодный для извлечения процесса, попробуйте применить инструмент и построить модель процесса.
2.10.4. Анализ процессов с применением инструментов Process Mining
Нередко приходится сталкиваться с ситуацией, когда Process Mining используется весьма примитивно: процесс извлекается, а затем начинается хаотический анализ, опирающийся на стохастически возникающие в голове азартного аналитика вопросы. Собственно, и возникающие предложения по улучшению также весьма сомнительны, поскольку преследуют злополучную цель – «улучшить процесс». «Весь этот горький катаклизм»[48] происходит по причине того, что задача совершенствования процесса не ставится, не формулируется. А это следует делать в обязательном порядке (см. параграф 1.5.2).
Нужно ли проводить локальную диагностику при применении Process Mining? Это весьма полезная работа, поскольку дает возможность привязаться к реалиям процесса, хотя мы его и извлекли в настоящем виде. Но проблемы и трудности глазами исполнителей, а также их взгляды на возможности улучшений способны оказать существенную помощь на этапе анализа. Например, в части формулирования вопросов для анализа и проверки инструментами Process Mining.
Анализ в инструментарии Process Mining отличается от такого же анализа по «вручную» построенной модели. Что надо постоянно иметь в виду? Во-первых, мы видим только автоматизированные процессы. Во-вторых, мы видим процессы, как они есть «на самом деле», а не в регламенте, не «как надо», не с точки зрения эксперта – участника процесса, без розовых очков и не в мрачном свете. В-третьих, инструмент «помнит» информацию обо всех экземплярах процессов и действиях всех участников! Ну и наконец, мы можем обновлять эту информацию в режиме реального времени.
Все это дает целый ряд уникальных возможностей, которых обычно лишены аналитики, работающие по традиционной технологии. Но при этом остаются в силе важные особенности организации анализа процессов и сами методы анализа, которые мы рассматривали ранее. По-прежнему решающую роль играют личность аналитика, его знания, опыт и интеллект. Важно все время держать в уме задачу на совершенствование и правильно ставить вопросы для анализа. А вот технология и приемы получения ответа Process Mining имеют особенности. Рассмотрим некоторые из них.
Узкие места, или Bottlenecks («бутылочное горло»), – шаги, ограничивающие производительность процесса. Анализируя время ожидания, можно найти, где происходят основные задержки. Это и есть узкие места.
Возвраты и циклы в процессах – при традиционном способе моделирования часто упускаются, так как психологически воспринимаются участниками как исключения, не стоящие обсуждения.
Расхождения с имеющимися регламентами и инструкциями – возникает возможность установить действительную картину, которая в «ручном» варианте часто скрыта, так как эксперты – участники процесса нередко испытывают трудности при воссоздании реальной картины процесса. И в этих случаях невольно скатываются к пересказу регламента. Process Mining же не только выдает все варианты реальных процессов, но и показывает их частоту, давая возможность увидеть частые, редкие и проблемные сценарии процесса и выстраивать цепи вопросов для дальнейшего анализа. Кроме того, мониторинг отклонений процесса от регламента можно вести постоянно, занеся в инструмент как сам регламентный процесс, так и его нормативные параметры, например ограничения по времени на разных шагах.
Участники процесса – мы видим всех сотрудников, когда-либо принимавших участие в процессе[49], даже в его самых редких сценариях. Кроме того, есть возможность сравнивать их действия и давать им оценку с использованием абсолютно объективных данных. Мы также видим все точки взаимодействия пользователей/подразделений, можем проанализировать их влияние на паузы в процессе, то есть оценить организационный разрыв с точки зрения его влияния на процессные параметры.
Обход контрольных процедур (гейминг) – все варианты обхода как на ладони. Почти всегда участники процесса на интервью скрывают такую информацию.
Расследование инцидентов. Эта возможность, предоставляемая Process Mining, уникальна и не столько делает инструмент аналитическим по отношению к дизайну процесса, сколько позволяет применять его в режиме реального времени в управлении исполнением процесса. Например, можно выявлять, кто и в каких ситуациях превысил свои полномочия и к чему это привело. Можно мониторить риск-события и оперативно реагировать на них для минимизации ущерба.
ПРИМЕР
В среднем продолжительность процесса составляет десять дней, а для одного кейса (экземпляра процесса) она явно отличается (32 дня почему-то). Руководитель может разобрать этот инцидент с исполнителем, выяснив причины и постаравшись сделать выводы. Возможно, сотрудник просто забыл закрыть задачу или, наоборот, тщательно проверял что-то по причинам, которые не фиксировались в системе.
Отслеживание динамики изменения процесса (не со слов участников, а в реальности): как быстро устраняются выявленные недостатки, какова степень внедрения целевого процесса, какие филиалы быстрее внедрили новые процедуры, где изменений не произошло? Причем такой «повторный аудит» реализуется почти по нажатию клавиши для процесса, который попал «под колпак» Process Mining.
Cимуляции для сравнения вариантов трансформации. Причем в онлайн-режиме. Например: «Что будет, если мы на этом шаге привлечем вдвое больше сотрудников и обработка будет идти вдвое быстрее?»
Автоматический расчет и анализ стоимости процесса. Инструмент, используя временные метки, может показать, например, трудоемкость процесса, умноженную на ФОТ сотрудников, которые участвуют в нем.
Анализ временны́х параметров процесса – рай для аналитика! Традиционный метод анализа временны́х характеристик требует трудоемкого сбора данных. И результат обычно не очень качественный: даже если параметры собираются, они довольно грубо и не слишком достоверно описывают весьма усредненную ситуацию. В случае Process Mining мы имеем дело с «белый верх – черный низ, черный верх – белый низ» – объективная, реальная аналитика может быть представлена в зависимости от различных параметров. А значит, можно ставить самые разные вопросы и получать на них ответы! В «ручном» варианте сбора данных такие вопросы ставят в тупик.
ПРИМЕР
Процесс заключения расходных договоров. Задача: сокращение времени на заключение договора.
Восстановленная модель и возможности стандартного инструмента Process Mining позволяют отражать данные по временны́м характеристикам процесса в зависимости от суммы договора, контрагента, филиала, в котором заключен договор, конкретных сотрудников, его согласующих, прочих параметров, а также от наличия в сценарии конкретных фрагментов. Скажем, можно посмотреть, как влияет на время заключения договора тот факт, что договор в первой итерации не был согласован службой безопасности, и т. д.
Например, возможно ранжировать контрагентов по среднему времени заключения договора. Так можно определить группу компаний, с которыми подписание затягивается больше всего. Если речь идет об однотипных договорах, возможно, следует согласовать с каждым из них как шаблон такой вариант, к которому все равно после долгих препирательств компании так или иначе приходят. Изменения при этом вносятся в отмеченные поля, минимально касаются условий, в большей части – технических позиций. Остальной текст фиксирован. Так можно сократить шаги и итерации согласования, что позволит сократить общее время процесса.
Аналогичные рейтинги можно построить по подразделениям и менеджерам внутри компании и выявить тех из них, на ком процесс тормозится. Тут следует поработать индивидуально, пытаясь выявить причины длительного согласования, и постараться их устранить.
Такой анализ может быть выполнен и по различным филиалам компании, что даст возможность провести внутреннее бенчмаркинговое исследование и сравнить как процесс в целом, так и его отдельные шаги.
Нельзя забывать при этом, что на другой чаше весов скорости и низкой стоимости процесса лежит качество результата – договора. В этом смысле анализировать надо не только проблемы «строптивых» согласующих, но и тех, по чьей вине, ошибке или недоработке процессу приходится ходить кругами.
Упражнение
Если при выполнении упражнения к параграфу 2.10.4 удалось извлечь модель процесса, попробуйте провести ее анализ в выбранном инструменте по списку методов, перечисленных в настоящем параграфе.
2.10.5. Мифы и правда о Process Mining
В последнем параграфе этой главы рассмотрим некоторые заблуждения, связанные с технологией Process Mining.
Миф 1.Process Mining исключает людей из процедур моделирования и совершенствования процессов. Действительно, технология может заменить трудоемкую и не особенно достоверную в части результатов работу по моделированию бизнес-процесса, когда аналитик должен опросить участников процесса и собрать у них информацию о его временны́х параметрах. Однако в начале работы с процессом иногда требуются значительные трудозатраты для приведения журналов событий в вид, пригодный для извлечения процесса.
На этапе анализа инструмент дает достоверную и богатую информацию. Но работать с ней должен аналитик. Именно он может последовательно ставить правильные вопросы, понимая цель совершенствования и разматывая информационные клубки, чтобы добраться до причинно-следственных конструкций и понятных решений. И естественно, решения принимаются менеджментом.
Миф 2.Процесс надо майнить заново каждый раз, когда в этом появляется нужда. Технология позволяет, раз проведя настройку, непрерывно пополнять данные о поведении процесса. Поведение изъятого и непрерывно изымаемого из журналов событий процесса можно изучать за любой отрезок времени. Это резко снижает затраты на поддержание базы знаний или репозитория процессов в актуальном состоянии.
Миф 3.Process Mining сразу делает понятным процесс и очевидными направления его совершенствования. Извлеченный процесс – просто классная качественная модель с богатой аналитической информацией и удобными инструментами для проведения анализа, которые делают приятными и профессионально привлекательными сами аналитические исследования, а их результаты – обоснованными и достоверными. Но, как и прежде, добраться до причин и найти «кнопку» у процесса непросто в большинстве случаев. Поэтому придется попотеть.
Миф 4.Process Mining позволяет выявлять плохо работающих сотрудников. Вообще говоря, технология помогает обнаруживать места проявления неэффективности, но чаще всего на виновного не указывает. Тут необходимы аналитик и грамотный анализ. Плохо ли работает менеджер кредитного отдела банка, который реже других выдает кредит? Мне приходилось, кстати говоря, слышать утверждения, что да, по его вине банк напрасно тратит деньги на реализацию процедуры выдачи кредита, которая самой выдачей кредита не оканчивается. Но это только одна сторона медали! Не стоит ли посмотреть в целом на финансовый результат менеджера: сколько банк зарабатывает на выданных им и возвращенных заемщиком кредитах? Сколько банк теряет на операциях по выдаче кредитов и невозвращенных кредитах? Ведь цель банка – не просто выдать кредит, но и вернуть его вместе с процентами.
То есть технология дает сигналы о проблемах и потенциальных ошибках, но размотать весь клубок до выводов о качестве работы сотрудника по данным извлеченного процесса – хитрая и не всегда решаемая задача.
Миф 5.Process Mining автоматически исправляет все отклонения в процессе. Конечно, инструмент не принимает решения за менеджера, лишь показывает картину процесса и может представить информацию в разнообразных разрезах. Но сделать выводы и решить, в каком направлении двигаться и как менять процесс, должен человек.
Миф 6.Process Mining – просто модная технология, пошумит и исчезнет. Эта технология дает уникальную возможность опираться не на субъективные рассказы о процессах, а на факты, которые позволяют увидеть деятельность компании, как она есть на самом деле. И собрать нужное количество информации, чтобы провести вполне серьезный анализ, а на базе его результатов принять нужные решения. Никакая другая технология этого не позволяет сделать. Кроме того, с Process Mining становится гораздо доступнее реализация CPI-цикла в управлении процессами. Это значит, что многие компании получают реальную возможность подняться на верхние ступени зрелости своих процессов, что ускорит их развитие и серьезно укрепит конкурентоспособность.