Анализ процессов (process mining), или процессная аналитика — секретный соус цифровой трансформации. Недавний опрос 1220 руководителей ИТ-подразделений по всему миру, проведенный ABBYY, показал, что многие организации автоматизировали неправильные процедуры, теряя время и деньги. Руководитель отдела совершенствования процессов ABBYY Ричард Рабин рассказывает на портале TechBeacon о том, как правильно структурировать данные и процессы, подлежащие автоматизации.

По данным опроса, 22% руководителей ИТ-подразделений полностью отказались от проекта автоматизации, тогда как 32% заявили, что технология не работает так, как это изначально планировалось.

Анализ процессов объединяет данные о событиях из множества распределенных в рамках бизнеса процессов для создания цифрового двойника, действия которого можно анализировать для повышения эффективности рабочего процесса. Проще говоря, это передовая технология искусственного интеллекта, которая глубоко проникает в операции компании, чтобы тщательно изучить процедуры и подсказать ей, как именно их можно сделать лучше. Хотя это может быть чрезвычайно полезно, традиционный анализ процессов сопряжен с проблемами, которые нужно понимать, потому что это не универсальная технология, подходящая для всех типов процессов.

Ниже приводятся три распространенных слепых зоны, которые организации могут легко преодолеть, обратив внимание на возможности, использующиеся недостаточно эффективно.

1. Схема обычно не может охватить все полезные пути

При традиционном анализе процессов большинство подходов в значительной степени опираются на диаграмму потоков или схему анализируемого процесса.

Эти диаграммы обычно дополняются метриками времени или количеством экземпляров, которые следуют по пути от одного события к другому. Схемы полезны для понимания того, что происходит в распределенном процессе, поскольку они берут данные из всех систем учета и показывают течение процесса, сколько времени он занимает и сколько экземпляров выбирают одну ветвь по сравнению с другой.

Ограничение этого подхода заключается в том, что, хотя некоторые бизнес-процессы имеют тенденцию следовать небольшому количеству вариаций пути, другие — более изменчивы. Для многих реальных проблем предприятий существует так много маршрутов, что диаграмма потоков всех данных становится неимоверно сложной, а значит — практически бесполезной. Представьте себе каракули двухлетнего ребенка, и вы поймете, о чем идет речь.

Чтобы решить проблему сложности и отклонений, поставщики ИТ-услуг часто предлагают способы фильтрации данных. Это позволяет изолировать данные от различных способов завершения процесса, чтобы действовать только наиболее распространенным путем. Хотя это может быть полезно в сильно изменчивых процессах, таких как кейс-менеджмент (отфильтровывая достаточное количество данных, чтобы сделать диаграмму полезной), имеется риск удалить данные, которые важны для результатов, что сделает полученные инсайты ошибочными. Помните, что наиболее часто используемый путь может оказаться наименее эффективным.

Интеллектуальный анализ бизнес-процессов (process intelligence) — подход нового поколения к анализу процессов — решает эту проблему путем включения диаграммы потока процессов и широкого спектра дополнительных инструментов численного анализа, которые обеспечивают метрики процесса и его понимание независимо от вариативности процедур. Такая аналитика включает отображение всех конкретных пройденных путей с соответствующими метриками для каждого, а также аналитические модули для отображения узких мест, затрат, времени между этапами, сроков событий, различных метрик процесса и истории метрик. Она также позволяет ознакомиться с разбивкой по размерам.

Использование дополнительного численного анализа, наряду с меньшей зависимостью от схемы, выводит возможности интеллектуального анализа процессов за пределы процессной аналитики и охватывает все процессы, а не только те, которые следуют небольшому числу вариаций пути.

2. Понимание и охват ручных задач

Следующая слепая зона связана с этапами процесса, которые выполняются вручную. Когда люди выполняют шаг процесса на своем ноутбуке вручную, они входят в приложение, которое записывает, что и когда было сделано. Но во многих случаях они этого не делают, а вместо этого ищут данные в Интернете, изменяют данные в электронной таблице или выполняют какую-либо другую задачу, которая не создает легкодоступных следов деятельности. Нужно понимать, что способ выполнения задач имеет прямое отношение к завершению процесса. Поэтому многие компании используют интеллектуальный анализ задач (task mining), чтобы фиксировать эти действия и преобразовывать низкоуровневые данные о наборе/нажатии кнопок в события более высокого уровня. Затем эти события могут быть проанализированы аналогично событиям процесса, полученным непосредственно из различных систем учета.

Важно подчеркнуть, что интеллектуальный анализ задач необходимо рассматривать как часть плана анализа процессов. Без интеллектуального анализа вам удастся лишь частично понять сквозной процесс. Останутся пробелы, не будет данных, которые помогут понять, на что и почему тратится время людей.

3. Не забывайте о неструктурированных данных

Еще одной ключевой слепой зоной в анализе процессов является доступ, интеграция и понимание неструктурированных данных. Не все данные доступны в журнале или БД, созданной системой учета. Захват ручных действий с помощью интеллектуального анализа задач позволит получить информацию о том, что пользователи делают на своих компьютерах, но все равно останется много данных, которые находятся в физическом документе или в неструктурированном текстовом поле, например, в форме. В некоторых случаях эти неструктурированные данные могут не понадобиться, но во многих других случаях они будут нужны для контекста, который они придают процессу. Они — дополнительное пространство для анализа метрик, чтобы лучше понять результаты процесса.

При планировании стратегии анализа процессов и интеллектуального анализа процессов учитывайте, какой тип анализа вы хотите проводить с вашими данными и является ли неструктурированный контент его частью. Возможно, для преобразования неструктурированных данных вам потребуется рассмотреть решения по интеллектуальной обработке документов. Или вы можете выбрать систему процессов, которая уже имеет интеллектуальные возможности для извлечения информации из неструктурированного содержимого.

Знайте свои слепые зоны

Анализ процессов может предотвратить попадание вашей организации в статистику неудачных проектов цифровой трансформации, но только в том случае, если вы знаете о своих потенциальных слепых зонах. Чтобы избежать этого, нужно воспользоваться преимуществами анализа поведения и обнаружения, мониторинга и прогнозирования возможностей, а также автоматически предпринимать действия, когда этого требует тот или иной процесс. Вашим проектам цифровой трансформации также потребуется доступ к событиям и данным, которые часто отсутствуют в этих видах анализах.

К ним могут относиться ручные действия, которые не регистрируются ни в одной системе учета, и неструктурированные данные, которые часто присутствуют как часть общего процесса, но не всегда доступны для использования в контексте или в качестве аналитической метрики. В конечном счете, основное внимание должно быть сосредоточено на инсайтах и на результатах анализа процессов, а также на том, как эти результаты позволяют вашей организации лучше достичь желаемых результатов цифровой трансформации, а не потерпеть неудачу.