В помощь бизнесу: Оптимизация процессов по-русски
Цифровизация и процессная аналитика — не просто веление времени. Сегодня это главное условие развития любой компании, для которой производственные данные становятся главной ценностью. Теперь, когда все основные бизнес-процессы оцифрованы и подчинены единой логике, перед компаниями открыты практически безграничные возможности для их совершенствования и получения дополнительной прибыли. Ключевыми инструментами для достижения цели становятся системы класса Process Mining.
Process Mining — интеллектуальный анализ процессов, который фокусируется на обнаружении, анализе и оптимизации бизнес-процессов на основе цифровых данных из журналов событий информационных систем. Уход иностранных вендоров из России вызвал в ИТ-сфере ряд затруднений (заменить зарубежное ПО было просто нечем), но при этом он послужил мощным стимулом для развития отечественных продуктов. Освободилась ниша на российском рынке процессной аналитики, выросла лояльность потенциальных заказчиков. Перед разработчиками открылись новые возможности в виде грантов, предоставляемых национальными проектами, такими как «Цифровая экономика» через Российский фонд развития информационных технологий (РФРИТ), «Сколково» и Фонд содействия инновациям (ФСИ).
В поисках верной стратегии
В настоящий момент российский рынок систем Process Mining развивается в четырех направлениях, которые могут пересекаться друг с другом. Первый подразумевает расширение систем бизнес-аналитики (BI), которых на российском рынке представлено достаточно много, с добавлением процессных карт. Второй путь — это разработка большого количества преднастроенных и готовых шаблонов анализа процессов, чтобы каждый пользователь мог без лишнего обучения быстро перейти к работе с системой. Третий путь — это повторение лучших практик западных игроков, чьи решения сегодня недоступны для заказа, и предоставление пользователям гибкого инструмента анализа процессов с возможностью разработки собственных представлений и показателей. Четвертое направление — инвестиции в искусственный интеллект (ИИ) и машинное обучение.
Каждый из этих подходов имеет свои плюсы и минусы.
1. Создание продукта Process Mining за счет добавления функциональности построения карт процессов к стандартным BI-решениям.
Плюсы: Готовая BI-система обладает широкими возможностями по предоставлению отчетности с готовым набором соответствующих виджетов. Средства визуализации позволяют создавать интерактивные и интуитивно понятные пользовательские интерфейсы, упрощающие восприятие и понимание сложных процессов.
Минусы: BI-системы используют стандартные механизмы агрегирования, визуализации и анализа данных, но не фокусируются на конкретных процессах. Они не обладают специфическими функциями, свойственными решениям класса Process Mining, что не позволяет глубоко погрузиться в анализ процесса и рассмотреть его со всех сторон.
2. Предоставление пользователям большого количества преднастроенных представлений.
Плюсы: Дружелюбный и интуитивно-понятный интерфейс, быстрое обучение пользователей работе в системе. Минусы: Ограничение возможностей произвольной визуализации данных имеющимся набором шаблонов. Кроме того, опыт внедрения решения класса Process Mining показывает, что ни один процесс нельзя полностью проанализировать с использованием только шаблонных подходов. Каждый процесс обладает собственной спецификой и требует индивидуального подхода при его анализе.
3. Создание отечественного продукта класса Process Mining с использованием опыта мирового лидера в процессной аналитике компании Celonis.
Плюсы: Максимальное использование передового опыта мирового лидера позволяет получить отечественный продукт с лучшим соотношением функциональности и стоимости. Определение приоритетов в разработке основано на анализе опыта внедрения и использования продукта Celonis, что позволяет акцентировать внимание на наиболее востребованной функциональности.
Минусы: Первые версии продукта не несут инновационной составляющей, так как идет работа по повторению привычной и востребованной функциональности существующих западных решений.
4. Активное внедрение моделей машинного обучения (ML) для автоматического анализа процессов.
Плюсы: Получение в ряде случаев готового результата по процессам, которые требуют оптимизации без длительного ручного анализа.
Минусы: Методы ML могут быть сложными в использовании и требовать значительного времени для настройки и обучения моделей. Также могут возникать проблемы при интерпретации результатов работы машинного обучения неподготовленным пользователем, так как работа ИИ часто выглядит «черным ящиком» для обычных пользователей. В связи с этим может возникать вопрос доверия к полученным результатам.
Что предлагает «Систематика»
Начиная с 2016 года «Систематика» развивает направление процессной аналитики, занимаясь внедрением импортных систем данного класса. На счету у компании есть ряд успешных кейсов реализации подобных решений, особенно в российских банках. В этой отрасли существует широкий спектр возможностей для улучшения критичных бизнес-процессов. В частности, можно добиться ускорения процессов клиентского обслуживания без потери качества, оценить эффективность работы персонала, снизить длительность и стоимость процессов, обеспечив при этом их продуктивность и прозрачность.
Уход западных вендоров и наличие собственного опыта и знаний Process Mining послужили предпосылками для создания «Систематикой» в 2023 году нового конкурентоспособного решения, которое сегодня известно как Optimining (решение внесено в Реестр российского ПО за № 20433). Продукт был создан при поддержке РФРИТ в рамках федерального проекта «Цифровые технологии».
При разработке продукта «Систематика» выбрала из существующих подходов два наиболее перспективных. Во-первых, сделала акцент на максимальное использование передового опыта мировых лидеров систем класса Process Mining, который позволяет получить продукт с лучшим соотношением цены и качества. Равняясь на лучших, можно сконцентрировать внимание на наиболее востребованной функциональности. Подход обеспечивает практически бесшовное импортозамещение технологий, основанных на проприетарном западном ПО. При этом пользователи могут быстро переходить на новое решение, сохраняя привычные инструменты и возможности.
Во-вторых, в систему добавлена возможность использования алгоритмов машинного обучения. На текущий момент реализован алгоритм прогнозирования шагов незавершенных кейсов, не требующий специфических знаний для его использования. Данная технология дает возможность заранее увидеть возможные проблемы в ходе выполнения процесса и позволяет компаниям предпринять меры по их предотвращению или смягчению последствий.
В результате правильно выстроенной стратегии развития продукт Optimining уже сегодня покрывает практически все функции, выполняемые зарубежными аналогами. Разработчики зрелых решений понимают, что пользователям нужно убедиться в том, какие возможности предлагают продукты в реальности, и предлагают демонстрационный доступ, помогают с тестированием. Сегодня «Систематика» постоянно проводит пилотные проекты с Optimining, чтобы заказчик мог оценить преимущества новой платформы и проверить ее работу на своих процессах и данных. Практика показывает, что это единственный адекватный подход в современных условиях.
Сфера применения данного продукта весьма широка. Optimining может использоваться на крупных предприятиях в высококонкурентных отраслях с большим количеством разветвленных бизнес-процессов — производство, финансы, логистика, ритейл. Экономический эффект формируется за счет оптимизации процессов обслуживания клиентов и повышения их качества, сокращения затрат и производственных циклов, повышения эффективности процессов технического обслуживания и ремонтов оборудования (ТОиР) и других возможностей.
