Process Mining: автоматизированная аналитика бизнес-процессов

О чем речь? Process Mining представляет собой автоматизированные системы и инструменты, позволяющие анализировать бизнес-процессы компании и выявлять их несовершенство, ошибки, факторы, замедляющие обработку поступающих запросов.

Как внедрить? Внедрение автоматизированных аналитических систем — сложный алгоритм. Предполагает, в первую очередь, выбор подходящего решения, описание процесса, сбор и аналитику данных и, наконец, запуск.

Process Mining: что это такое простыми словами

Process Mining (PM; рус. «глубинный анализ процессов») — совокупность методологий и инструментов, направленных на исследование и совершенствование бизнес-операций путем изучения логов событий в информационных системах.

Давайте рассмотрим, каким образом эти инновационные технологии способствуют повышению производительности предприятий на практике и почему область изучения процессов приобретает все большую актуальность в современном деловом ландшафте.

Представьте, что вы руководитель. Обычно для улучшения бизнеса привлекают консультантов, которые опрашивают сотрудников о выполнении процессов. Затем, опираясь на лучшие практики и понимание отрасли, предлагают изменения, которые, в идеале, приносят пользу.

Этот подход долгое время считался единственно возможным. Но с развитием технологий появились новые инструменты Process Mining, способные революционизировать управление бизнес-процессами.

Источник: shutterstock.com

Однако у традиционного подхода есть существенные недостатки, которые успешно закрывают решения Process Mining. В крупных фирмах физически не удается опросить всех сотрудников, что-то может быть упущено или намеренно скрыто. И при наличии утвержденных инструкций нет гарантии их актуальности, полноты охвата вариантов процесса, особо — редких случаев. Process Mining компании разрабатывают ПО, которое помогает преодолеть эти ограничения.

Поэтому традиционные системы PM и BAM-решения (business activity monitoring) не всегда эффективны — они требуют достоверной формальной модели процесса на входе. Это подразумевает необходимость проведения собеседований, создания модели и детализации последовательности операций.

В результате, как правило, документируются лишь базовые процедуры, что приводит к незначительному улучшению эффективности, после чего проект считается выполненным, несмотря на его ограниченное воздействие. Российские Process Mining системы также сталкиваются с этими проблемами, но активно разрабатывают инновационные подходы к их решению.

Кроме того, даже созданная модель не вечна. Бизнес меняется, и процессы следуют за ним. Модель, отражавшая 90 % информации вчера, через полгода может соответствовать лишь 60 %. Это создает потребность в постоянном обновлении и адаптации моделей, что становится возможным благодаря сфере Process Mining.

Отсюда возникает идея автоматического восстановления модели процесса. Однако эта задача — не из легких: этапы процедур не всегда линейны, их очередность может меняться. Процессы имеют разветвления, включают в себя циклы, такие как, например, итерации согласования документации.

Источник: shutterstock.com

Эти периоды могут быть многоуровневыми и содержать параллельно выполняемые операции. До недавних пор не существовало алгоритмов, способных реконструировать такие комплексные процессы. Обучение Process Mining приобретает все большую популярность, поскольку профессионалам в этой сфере необходимо глубоко понимать всю сложность и многоаспектность бизнес-операций.

Методы PM способны эффективно заместить функции консультанта (при условии, что активность персонала фиксируется в цифровых системах). Как следствие, руководство обретает инструменты для детального и точного анализа бизнес-операций на всех уровнях, применяя специальные средства глубинного исследования процессов.

Process Mining — это не инструмент, а целая философия управления бизнес-процессами, основанная на данных и объективном анализе. Компании, которые осваивают эти технологии сегодня, закладывают фундамент успеха в будущем, где гибкость и способность быстро адаптироваться станут ключевыми факторами выживания на рынке.

Задачи, решаемые с помощью Process Mining

Системы PM позволяют выявить ключевые проблемы, снижающие эффективность работы организации.

«Бутылочное горлышко»

Это критическое звено в последовательности операций, тормозящее весь рабочий процесс. Факторы, вызывающие такую ситуацию, могут варьироваться от недостаточной квалификации отдельного работника до избыточной загруженности коллектива.

Источник: shutterstock.com

Иногда источником проблемы становится функционирование целого подразделения: например, затянувшееся утверждение документов одним руководителем может привести к срыву ключевых показателей эффективности всего отдела. Кроме того, "бутылочные горлышки" часто возникают вследствие ограниченных возможностей технического оснащения или из-за неполадок в оборудовании.

Лишние этапы

Это звенья процесса, которые можно исключить без ущерба для результата. Пример — избыточное количество согласований, значительно увеличивающее длительность процесса. Бывает, что один документ многократно возвращается на утверждение к одному руководителю после доработок.

Неактуальные процессы

По мере развития компании некоторые процессы теряют актуальность и требуют замены. Яркий пример — бумажный документооборот, когда сотрудник физически собирает подписи, хотя можно внедрить электронную систему.

Несоответствие реального процесса регламенту

Персонал может быть недостаточно подготовлен к выполнению процедур, не вполне осознавать их суть и, как следствие, видоизменять их под свои нужды. Такие ситуации нередко возникают, когда происходят изменения в рабочем процессе, а сотрудники по инерции придерживаются прежних методов.

Технологии Process Mining не ограничиваются лишь созданием виртуальных моделей бизнес-операций. Они также позволяют выявлять возможности для оптимизации и повышения скорости выполнения процессов. Например, если простую операцию ежедневно выполняют многие сотрудники, стоит задуматься о ее автоматизации.

Источник: shutterstock.com

Методы Process Mining включают предиктивную аналитику, помогающую предсказать потенциальные уязвимости в бизнес-процессах до их возникновения.

Инструменты Process Mining предоставляют возможность оценить результативность внедрения инновационных ИТ-решений уже на этапе пилотной реализации. Несмотря на отсутствие накопленных данных, можно исследовать характер взаимодействия персонала с новой системой, обнаружить проблемные области (по увеличению длительности выполнения операций) и выявить сотрудников, сталкивающихся с трудностями в освоении нового инструментария. Такой анализ позволяет оперативно исправлять ошибки, организовать обучение проблемных пользователей.

Преимущества применения технологии Process Mining

Рассмотрим основные достоинства в использовании технологии Process Mining:

Оптимизация расходов

Технологии Process Mining позволяют компаниям существенно сократить затраты путем автоматизации процессов и устранения лишних этапов. Показательный пример: клиент QPR, разработчика системы PM, компания Metsä Board смогла уменьшить количество ошибок в счетах на оплату на 80 % после внедрения решений Process Mining.

Повышение качества сервиса

Инструменты Process Mining помогают выявить "узкие места" и определить направления для оптимизации разных процессов, что приводит к сокращению общего времени производственного цикла. Это позволяет ускорить обслуживание, повысить качество услуг в целом. Результат — рост удовлетворенности клиентов, что положительно влияет на доходы компании и лояльность потребителей.

Преимущества в соблюдении требований

Хотя аудит традиционно считается трудоемким и длительным делом, использование методов Process Mining может значительно его ускорить. Более того, программы PM способны в режиме реального времени выявлять процессы, не соответствующие требованиям, оперативно уведомлять об этом руководство компании.

Как работает методология Process Mining

Технологии PM предполагают выполнение определенных этапов и операций. Алгоритм анализа по методологии Process Mining включает четыре ключевых этапа:

• Discovery (обнаружение).

• Conformance checking (проверка соответствия).

• Enhancement (улучшение).

• Monitoring (отслеживание).

Discovery — обнаружение

Цель начального этапа — собрать все данные о фактическом течении процесса, оценить их полноту и качество, рассчитать его базовые метрики.

На этом этапе проводится автоматическое обнаружение процессов и разведочный анализ. Бизнес-операции фиксируются в логах событий информационных систем. Минимальный набор полей для фиксации:

• идентификатор экземпляра процесса (Process ID);

• наименование операции — событие (Event);

• временная метка начала события (Time stamp).

Далее происходит сбор и консолидация информации, включая подготовку данных (ETL), объединение материалов из разных источников, подключение справочников, входной аудит и валидацию.

Затем рассчитываются характеристики и показатели:

• метрики времени — анализ эффективного рабочего периода и затрат труда, включая реальную продолжительность операций, промежутки бездействия, сверхурочные занятия и другие подобные аспекты;

• значения по графу — обнаружение циклических процессов (доработок), возвратных действий между стадиями, избыточных элементов в цепочке процесса;

• показатели производительности — оценка рабочей нагрузки отдельных сотрудников, средних показателей эффективности, ординарного времени ожидания в очереди;

• метрики стоимости — вычисление затрат на каждый этап процесса;

• расчет потерь — выявление временных потерь на каждой стадии операции;

• метрики конкуренции (бенчмаркинг) — сравнительный анализ производительности персонала, подразделений и других структурных единиц;

• показатели эффективности — определение экономической выгоды (бизнес-ценности) от рационализации процессов.

Conformance checking — проверка соответствия

Цель этой фазы — установить степень соответствия действительного процесса идеальной модели, обнаружить существенные расхождения, препятствующие намеченному ходу операций, и осуществить своего рода анализ "предполагаемое/фактическое".

Источник: shutterstock.com

Производится сопоставление фактического хода деятельности с эталонным, предписанным в конкретной организации. На начальном этапе осуществляется реконструкция реального процесса в соответствии со следующим алгоритмом:

• выявление фактической последовательности действий;

• формирование "слова процесса";

• обнаружение повторяющихся и стандартных операций;

• выявление процента соответствия процессов эталонному пути;

• обнаружение "счастливых путей";

• поиск шаблонов поведения.

Enhancement — улучшение

Цель этого этапа — оптимизация процесса согласно выводам, полученным на предыдущем этапе. На основе результатов анализа осуществляется перепроектирование алгоритмов, и предварительное тестирование предложенных модификаций.

Инструменты Process Mining помогают в формировании выводов:

• графическое представление итогов анализа, создание информационных панелей;

• разработка профессиональных советов и предложений;

• прогностическая оценка результатов внедрения усовершенствований;

• рационализация и повышение эффективности бизнес-операций.

Затем происходит перепроектирование и моделирование:

• выдвижение инициатив по совершенствованию процессов;

• апробация предложенных модификаций с применением количественных методов моделирования.

Monitoring — отслеживание

Задача заключительной фазы — отслеживание корректности функционирования модифицированного процесса, а также контроль соответствия фактических результатов изначальным намерениям. На финальном этапе организуется систематическое наблюдение за алгоритмами, включающее предоставление информации о точности выполнения процедур соответствующим заинтересованным лицам:

• регулярная оценка ключевых показателей эффективности процесса;

• верификация соответствия алгоритма внутренним стандартам и правилам;

• мониторинг и сигнализация о нестандартных переходах, включая ошибки, дефекты процесса и мошеннические действия;

• идентификация этапов с высоким потреблением ресурсов;

• информирование ответственных лиц о выявленных отклонениях через разнообразные коммуникационные каналы.

Источники данных для технологии Process Mining

Высокий уровень автоматизации процессов — ключевой фактор для использования технологий PM. Источниками данных могут служить различные системы. Наиболее эффективны те, архитектура которых изначально проектировалась для поддержки процессов и управления рабочими потоками.

К ним относятся системы Process Mining класса ERP/EAM, CRM, BPMS, ITSM. Эти платформы хранят исторические данные об изменении состояния объектов, будь то активы, рабочие задания или обращения пользователей.

Источник: shutterstock.com

Фактически, информацию для анализа процесса можно извлечь из любой транзакционной системы. Инструменты Process Mining могут работать с данными из следующих классов систем:

• хранилища данных;

• OLAP-репозитории;

• системы руководства ресурсами предприятия (ERP);

• взаимоотношениями с клиентами (CRM);

• обработки заявок;

• мониторинга производительности приложений (APM);

• отслеживания ошибок;

• управления: данными о продукте (PDM);

• документами (DMS);

• ИТ-услугами (ITSM);

• конфигурацией ПО (SCM);

• проектами.

Главное условие — наличие в системе множества журналов событий и трасс — по ним восстанавливается фактический процесс.

Ключевой параметр оценки пригодности системы-источника к применению методологии PM заключается в ответе на вопрос: "Возможно ли по собранной информации реконструировать картину выполнения процесса?"

Эффекты внедрения инструментов анализа процессов, становится очевидным, что данная технология стремительно эволюционирует. Это происходит благодаря ее практическому использованию в реальных условиях коммерческих организаций.

Можно уверенно утверждать, что по мере роста автоматизации текущих бизнес-операций объем приверженцев методов Process Mining будет неуклонно увеличиваться, поскольку оптимизация операционной деятельности — ключевая тенденция современного предпринимательства.

Этапы внедрения и настройки инструментов Process Mining

Для более продуктивного использования Process Mining рекомендуем придерживаться следующих этапов:

Этап 1: Выбор оптимального решения

На современном рынке представлено около пятнадцати систем категории анализа бизнес-процессов, преимущественно от американских и европейских разработчиков. При выборе необходимо учитывать два ключевых аспекта:

• В последнее время наблюдались случаи, когда зарубежные поставщики различного ПО прекращали функционирование облачных сервисов в России, останавливали техническую поддержку своих продуктов. Поэтому рекомендуется обратить внимание на отечественные платформы, среди которых есть достаточно зрелые и надежные решения.

• Для крупных корпораций часто критически важны возможность развертывания системы на собственных серверах (что доступно не во всех случаях), наличие интеграций с существующими информационными системами предприятия, гибкость в настройке и адаптации решения под специфические задачи компании.

Этап 2: Идентификация процесса

Рекомендуется начать с процесса, имеющего максимальную степень цифровизации: только в этом случае система сможет провести его полноценный анализ. Но идеальные условия для такого изучения встречаются нечасто.

Источник: shutterstock.com

Довольно типична ситуация, когда процесс оцифрован лишь частично или ведется в нескольких не связанных между собой информационных системах. В таком случае необходимо проводить его анализ поэтапно и постепенно переводить "аналоговые" компоненты в цифровой формат. Это позволит со временем охватить весь процесс целиком и получить более полную картину для оптимизации.

Этап 3: Аккумуляция данных

Аналитическую базу могут составлять следующие источники информации:

• корпоративные платформы (такие как SAP, 1C, Salesforce);

• реляционные базы данных (PostgreSQL, MySQL и другие);

• разнообразные файловые депозитарии;

• журналы событий, формируемые из электронной корреспонденции или табличных документов в процессе работы персонала.

Нет необходимости концентрировать все данные в едином хранилище. При потребности их можно экспортировать с помощью специальных коннекторов, электронных таблиц или путем прямого подключения к базам данных.

Естественно, возникает вопрос об оптимальном объеме материала. Принцип "чем больше, тем лучше" здесь работает, но обычно достаточно выборки за полтора года функционирования. Для массовых и циклических процессов может хватить информации даже за месяц или неделю.

Этап 4: Оценка качества информации

Для эффективной классификации данные должны обладать определенными характеристиками. Основополагающие из них:

• уникальный идентификатор экземпляра процесса (это может быть номер закупки, договора, заявки или обращения в службу технической поддержки);

• наименование этапа (может включать статус, отдел или комбинацию отдела и статуса — по сути, идентификатор конкретного действия);

• хронологическая метка.

В качестве дополнительных атрибутов могут выступать исполнители, филиалы, географические регионы, разнообразные типы и признаки, а в некоторых случаях даже финансовые суммы. Важно понимать, что чем больше характеристик удается собрать, тем шире спектр гипотез для потенциального усовершенствования процесса.

Этап 5: Инициация проекта

В оптимальном сценарии к этому моменту все сегменты процесса должны быть переведены в цифровой формат и обладать сквозным идентификатором экземпляра.

Следующим шагом является настройка непосредственного доступа к данным журнала событий выбранного процесса посредством интеграции с исходными системами. После этого открывается полноценная возможность глубокого его анализа, выявления потенциальных точек оптимизации и ежедневного мониторинга эффективности внедренных изменений.

Решения Process Mining в России

Попытки создать российские PM-инструменты, учитывающие специфику отечественного бизнеса, предпринимались неоднократно. Однако только сейчас эти решения стали действительно удобны в плане загрузки данных и анализа существующих деловых процессов.

Начальные попытки интеграции методов Process Mining на отечественном рынке были предприняты примерно в 2009-2010 годах. Эксперты компании Software AG применяли эту технологию при реализации проектов по внедрению ARIS Process Performance Manager.

Источник: shutterstock.com

Тем не менее, данный инструментарий был преимущественно сфокусирован на оценке параметров бизнес-операций посредством функционала Process Intelligence. В результате концепция извлечения процессов не получила широкого распространения, оставшись вспомогательным аналитическим методом в рамках более обширного подхода к их оптимизации. Примерно в то же время группа энтузиастов продвигала систему Fluxicon Disco, но с тем же итогом.

Новый импульс рынок PM получил в 2016-2017 годах с появлением системы Process Mining Celonis. Маркетинговую поддержку данного продукта осуществляет корпорация SAP, что уже само по себе дает значительное преимущество на рынке.

В итоге именно это решение в настоящее время проходит пилотное тестирование в нескольких крупных корпорациях, среди которых можно выделить такие финансовые гиганты, как ВТБ и УБРиР. На рынке представлены и другие системы, например QPR ProcessAnalyzer, но их использование скорее исключение, чем правило.

Возрастающая популярность методологии анализа бизнес-процессов в совокупности с курсом на замещение импортных технологий стимулировали создание в России собственного программного решения под названием Proceset.

Принимая во внимание значительные финансовые затраты на эту разработку, заслуживает внимания альтернативный вариант — использование общедоступного инструментария ProM (TU/e). Он не имеет ограничений по доступу и может стать экономически эффективным решением для отечественных компаний.

Примеры использования технологии Process Mining зарубежных и российских компаний

PM активно применяется в различных отраслях: производство, высокие технологии, энергетика, телекоммуникации, торговля, фармацевтика, страхование, финтех, аэрокосмическая и оборонная промышленность.

Источник: shutterstock.com

Такие гиганты рынка как Siemens, Dell, Royal Dutch Shell, Unilever, Adidas AG, LʼOreal Paris, The Coca-Cola Company, AstraZeneca, Сitigroup Inc. используют data Process Mining для оптимизации процессов. Наиболее распространенные сферы применения: клиентский сервис, кредитный конвейер, кол-центры, логистика, техподдержка, доставка, техобслуживание и ремонт.

Проанализируем ряд показательных кейсов:

Ruukki (металлургия)

Анализ обслуживания клиентов с использованием данных из SAP и Salesforce выявил недостатки в ведении клиентской информации в CRM, что замедляло обработку заказов. Исправление этих недочетов с помощью QPR Process Analyser ускорило сервис и повысило его качество.

Caverion (инженерные услуги)

QPR Process Analyser помог измерить эффективность основных процессов компании. Анализ данных из ERP-системы выявил причину задержек: медленную подготовку бухгалтерских документов. В результате эффективность процессов была повышена, и компания решила регулярно использовать Process Mining.

Vaisala (производство металлургического оборудования)

С помощью QPR Process Analyser были проанализированы процессы техподдержки, продаж, доставки, ремонта и маркетинга. Данные собирались из Salesforce и Oracle BI. Анализ позволил оптимизировать процессы и снизить операционные затраты.

Строительный торговый дом «Петрович»

Решение класса PM (Promease) помогло изучить более 150 тысяч заявок, что привело к возможности сокращения времени обработки заказа на 7—10 %. Менеджер по внедрениям отметила большой потенциал Process Mining для операционной деятельности компании.

ПАО «МТС»

Российские программы класса Process Mining (Proceset) помогли МТС выявить возможности сокращения трудозатрат более чем на 16 000 человеко-часов для 105 специалистов кадровой службы, что составляет 11 % рабочего времени. Были даны конкретные рекомендации по улучшению процессов. А использование Process Mining в сочетании с Task Mining решено масштабировать на другие направления.

ПАО «Алроса»

Группа компаний «Рамакс» провела аудит корпоративного бизнес-процесса и реконструировала его реальное протекание. Были сформулированы предложения по оптимизации бюджетных расходов. По словам представителя «Алросы», основной целью проекта был перевод качественной оценки в количественную для определения влияния основных шагов алгоритма на общую эффективность.

Перспективы методологии Process Mining

Несмотря на долгое существование технологии PM, лишь сейчас объем фактических данных в информсистемах фирм позволил активно применять ее на практике. Значительный рост интереса к Process Mining может наблюдаться, если бизнес-процессы достигнут нового качественного уровня. То есть перейдут из внутренних информационных систем компаний в социальные сети.

В них множество участников алгоритмов будут выстраивать взаимодействие, причем не в рамках одной компании. Возникнет сообщество независимых исполнителей, готовых выполнять разные задачи в распределенном бизнес-процессе; он будет формироваться автономно.

Источник: shutterstock.com

Наиболее эффективные варианты бизнес-процессов могут быть выделены среди огромного множества существующих. Это позволит искать и анализировать оптимальные алгоритмы работы в колоссальных объемах данных.

Однако этот футуристический прогноз относится к отдаленному будущему. В ближайшее десятилетие российским организациям предстоит анализировать внутренние бизнес-процессы, интегрированные в ERP-системы или структуры электронного документооборота, используя инструментарий PM.

Process Mining — это методология исследования рабочих потоков, обладающая потенциалом существенного повышения продуктивности действующих деловых операций. Несмотря на то, что данный подход не является панацеей от всех сложностей в сфере бизнес-аналитики, он, несомненно, найдет последователей и займет определенную нишу на отечественном рынке информационных технологий.

Скачайте полезный документ по теме:

Чек-лист: Как добиваться своих целей в переговорах с клиентами

Часто задаваемые вопросы о Process Mining

Успешные внедрения Process Mining демонстрируют, что компании способны достичь значительного сокращения затрат, повышения эффективности процессов и улучшения качества продукции/услуг.

В чем состоит различие между Process Mining и Data Mining?

Data Mining:

• Главным образом применяется для выявления иерархических взаимосвязей в масштабных массивах информации. К примеру, анализ того, какие группы клиентов предпочитают определенные категории товаров в различных каналах продаж и с какой периодичностью.

• В качестве исходных данных используются таблицы с разнородной информацией из любых областей.

• Оперирует многомерными представлениями (кубами), позволяющими изменять уровень детализации (различные степени агрегации) материала.

Process Mining:

• Фокусируется не на смысловых связях между данными, а на их интерпретации в виде процессов.

• Исходными материалами служат транзакционные записи по объектам учета. Обычно такими являются задачи, заказы, заявки, наряды и т. д. Примерами транзакционных данных могут быть журналы событий, аудиторские записи, сведения о случаях и состояниях объектов (включая их статус или смену ответственного подразделения).

• Использует методы выборки для создания модели процесса на основе наиболее репрезентативных сценариев. Process Miningне просто ищет связи между данными. Его цель — определить взаимосвязи между этапами процесса, отклонения от нормального хода, факторы, влияющие на эти изменения, эффективность алгоритма, его вариативность, а также узкие места в нем.

Каковы отличия Process Mining от BI (Business Intelligence)?

Process Mining и Business Intelligence преследуют общую цель — содействовать компаниям в принятии эффективных решений на основе фактических данных. Однако эти инструменты отличаются глубиной анализа процессов:

• BI позволяет обнаружить и визуализировать ошибки, но определение причин проблем требует экспертной интерпретации.

• Process Miningанализирует не отдельные факты, а последовательности событий из разных информационных систем, что позволяет ответить не только на вопрос "как", но и "почему".

Традиционный Business Intelligence не способен отобразить:

• Расхождения между фактическими и запланированными бизнес-процессами.

• Альтернативные варианты реализации алгоритмов.

• Разнообразные отклонения от процесса (пропуск этапов, зацикливание, блокировки).

По сути, Process Mining представляет собой усовершенствованную, ориентированную на алгоритмы версию BI. Он не только визуализирует данные, но и решает специфические задачи, а также детально выявляет корни проблем.

В каких случаях целесообразно использовать Process Mining?

Принципиально, PM можно применять в любых ситуациях, где деятельность сотрудников отражается в информационных системах и выполняется одно из двух условий:

• Речь идет о простых массовых процессах, выполняемых тысячи (десятки, сотни тысяч) раз ежедневно. Например, обслуживание клиентов в банке. Тут последовательность действий отточена до мельчайших деталей, и основное внимание уделяется эффективности работы отдельных сотрудников, подразделений. Хотя кардинально изменить механику алгоритмавряд ли удастся, оптимизация каждого звена может дать значимый суммарный эффект.

• Рассматриваются сложные, протяженные индивидуальные процессы, охватывающие деятельность многих отделов. В этом случае Process Miningнацелен не столько на ускорение, сколько на упрощение алгоритма, оптимизацию количества этапов, устранение дефектов, лишних циклов, необоснованного вовлечения новых участников и т. д.

В обоих сценариях применение PM способно принести ощутимую экономическую выгоду, повышая эффективность и прозрачность бизнес-процессов.

Как взаимодействуют Process Mining и Machine Learning?

Машинное обучение часто интегрируется в процесс майнинга алгоритмов. Использование технологий Machine Learning позволяет не только зафиксировать факт или выявить "слово процесса", но и глубоко проникнуть в суть проблемы. В контексте Process Mining наиболее часто применяются следующие методы машинного обучения:

• Поиск ассоциативных правил — автоматическое выявление основных и специфических путей процессов — помогает понять типичные, нестандартные сценарии выполнения задач.

• Робастные методы — автоматическое обнаружение отклонений по времени, стоимости и частоте — позволяют выявить резкие изменения, которые могут быть незаметны при агрегировании данных за продолжительные периоды.

• Анализ временных рядов — прогнозирование времени выполнения процесса и допустимого диапазона отклонений. Это дает возможность оценить границы вариативности алгоритма и определить необходимость вмешательства.

По каким параметрам сравнить Process Mining системы?

Современные инструменты PM совместимы с различными системами (ERP, CRM и др.) и могут быть интегрированы в любую существующую ИТ-инфраструктуру. При выборе поставщика обратите внимание на следующие функциональные возможности:

• Анализ журналов событий для выявления реальных бизнес-процессов.

• Проведение проверок на соответствие требованиям для обнаружения аномалий.

• Предоставление информации о сотрудниках, отклоняющихся от стандартных процедур.

• Интеграция с существующим ПО и ИТ-инфраструктурой компании.

Среди ведущих разработчиков систем класса Process Mining можно выделить:

• Celonis (Германия).

• Lana Labs (Германия).

• Minit (Словакия).

• QPR (Финляндия).

• «Инфомаксимум» (Россия) — включен в реестр отечественного ПО.

• Signavio (Германия).

• Disco (Нидерланды).

В условиях усиливающейся конкуренции и нестабильности рынка, применение PM становится ключевым элементом успешной бизнес-стратегии. Следуя этой тенденции, российские компании могут выйти на новый уровень эффективности и конкурентоспособности, обеспечивая себе устойчивое положение на внутреннем и мировом рынке.

Автор статьи

Дмитрий Свистунов

Руководитель SEO-отдела и разработки

Последние статьи этого автора:

• Адаптивная верстка сайта: гайд для начинающих
• Анкор ссылки: виды, правила составления, влияние на продвижение
• Белая раскрутка сайта без перехода на темную сторону

Забрать гарантированный подарок

Полезные
материалы
для руководителей

Скачать 3,2 MB