Почему бизнес всё больше интересуется Task Mining

Сейчас всё чаще в контексте бизнес-кейсов затрагивают аналитику задач или аналитику операций. Один из ярких примеров: в МТС проанализировали процесс массового подбора персонала в одном из подразделений. Благодаря Task Mining удалось определить потенциальную экономию трудозатрат более 16 тыс. человеко-часов.

Перспективно, интересно и полезно. Но что же такое Task Mining? Рассмотрим, каковы особенности аналитики операций, где её стоит применять, и почему больше всего она полезна в связке в Process Mining.

Суть и особенности

Любой бизнес-процесс — это цепочка из десятков более мелких этапов, которые выполняются сотрудниками на их компьютерах. Часто они рутинны и повторяются много раз. По факту это большой слой информации, который несёт определённые негативные аспекты. Например:

• высокий риск ввода неправильных данных;
• длительность шагов, выполняемых вручную;
• необходимость повторного ввода данных в различные системы;
• ограниченная возможность масштабирования процесса;
• зависимость от индивидуальных навыков и опыта сотрудников.

Есть универсальный способ одним махом избавиться от всех этих проблем — отдать часть функций ботам. Но не всё так просто. Появляется классический вопрос: какой именно из этапов будет самым оптимальным для передачи RPA? Где роботы будут наиболее эффективны и принесут самую большую экономическую выгоду? Решать это, основываясь на гипотезах и личных суждениях, чревато потерей денег, времени, а ещё — клиентской лояльности и собственной репутации. Здесь и вступает в дело Task Mining, или аналитика операций/задач.

Task Mining — это технология, которая способна отслеживать, регистрировать и анализировать простейшие бизнес-действия, выполняемые сотрудником на своей рабочей машине. Всё это вкупе обеспечивает прозрачность выполняемых внутри компании действий.

Специфика

Инструменты класса Task Mining позволяют лучше разбираться в задачах, которые выполняются сотрудниками. Среди них можно зафиксировать даже самые мелкие, например:

• копирование и вставка данных;
• загрузка/выгрузка документов;
• поиск по всем открытым приложениям и страницам;
• раздача доступов сотрудникам (например, при онбординге новичков).

Всё становится видимым из-за того, что технология базируется на фиксации взаимодействия пользователя с интерфейсами систем и приложений. Это даёт понимание последовательности действий сотрудников: какие именно операции они выполняют, из чего те состоят, сколько времени уходит на ту или иную задачу. Такой уровень прозрачности и анализа данных позволяет компаниям оптимизировать рабочие операции, улучшать эффективность и повышать производительность, что ведёт к росту клиентской лояльности.

Принцип работы

Стандартная цепочка работы системы класса Task Mining выглядит следующим образом:

• Регистрация совершённого действия.
• Уточнение контекста работы.
• Сравнение информации.
• Определение потенциала автоматизации/роботизации.
• Визуализация полученных результатов.

Разберём все этапы чуть подробнее.

Регистрация совершённого действия. На Западе самым используемым методом регистрации фактических действий пользователя за компьютером является связка из OCR, NLP и машинного обучения. Снимаются скриншоты, обрабатываются инструментами естественного языка, а далее машинное обучение собирает и воспринимает все действия.

Еще один вариант — специальные «агенты мониторинга». Это намного более надёжно с ракурса служб безопасности, требует меньше ресурсов и не затрагивает персональную информацию. Фиксируются исключительно факты взаимодействия с интерфейсом, эпизоды заполнения полей, открытие меню, нажатие кнопок. Без снижения производительности, без скриншотов и без лишних нервов.

Конкретизация работы. Инструмент Task Mining как бы «цепляет» взаимодействие пользователя с интерфейсами приложений: комментарии в заявке, ввод значений в системах, отметка чекбоксов и т. д.. С помощью механизма анализа «корзин цифровых следов» система определяет выполнение конкретных операций.

Сравнение. По уникальным идентификаторам работника и его компьютерной активности система Task Mining как бы «соединяет» их, чтобы получить разрез текущей работы. Идёт анализ действий разных сотрудников для решения задач одного типа, затраченного времени и т. д.. Благодаря этому становится возможной точная оценка сложности той или иной задачи, её реальная, а не регламентированная длительность и т. д.. Если ответ на «отбивочное» письмо, который должен занимать 3-5 минут, длится 1,5 часа — это станет очевидным.

Определение потенциала для роботизации. Алгоритмы машинного обучения фиксируют повторяющиеся последовательности действий (паттерны) и выделяют самые длительные/трудозатратные из них. Как правило, именно их роботизация даёт самый значимый экономический эффект.

Визуализация. Наглядное и детальное представление всей цепочки действий на всех уровнях.

Благодаря такому подходу компания способна:

• выявить наиболее длительные и/или трудозатратные операции;
• определить маломасштабные задачи, к которым будет невыгодно применять роботизацию;
• количественно оценить оптимизацию;
• провести детальный бенчмаркинг филиалов;
• исследовать применяемый в компании софт, выделить и устранить легаси.

Симбиоз с процессной аналитикой

Несмотря на схожий с Process Mining алгоритм работы, технологии значительно отличаются по задачам, источникам и результатам. Фокус процессной аналитики — это сам процесс, а основная задача — восстановить его реальное выполнение. Аналитика операций акцентирует внимание на деятельности именно персонала.

Наглядно это отражено в таблице:

Обе технологии можно эффективно использовать независимо друг от друга, но только их связка обеспечивает детальный и постоянный анализ процессов, чтобы бизнес получил максимально полные возможности для своего развития, сохранения конкурентоспособности и повышения лояльности клиентов.

Практическое применение

Согласно личному опыту, чаще всего бизнес планирует применять Task Mining для решения следующих задач:

• поиск и выделение операций, выполняемых сотрудниками при осуществлении рабочей деятельности, с целью выявления наиболее трудозатратных и рутинных;
• получение метрик по операциям:
• варианты протекания операций (сравнение факта и регламента);
• продолжительность операций;
• количество выполнений операций;
• сравнение динамики показателей выполнения операций в разрезе отдельных исполнителей/подразделений;
• расчёт среднего/медианного значения показателей выполнения операций в разрезе отдельных исполнителей/подразделений;
• поиск возможных путей оптимизации:
• актуализация инструкций и регламентов выполнения операции;
• нормирование численности персонала на основе данных о количестве и времени выполняемых операций;
• сокращение трудозатрат сотрудников путём применения лучших практик выполнения операции;
• выявление рутинных операций, имеющих высокий потенциал для роботизации/автоматизации (вставка и копирование данных, массовое скачивание и загрузка файлов, заполнение форм и др.).

Это наиболее частые задачи, однако далеко не все. Например, крупная розничная сеть в рамках цифровизации процесса правовой поддержки применила Task Mining для изучения экономического эффекта внедрённых ранее роботов. Газпромбанк при помощи аналитики операций стремился не только выявить потенциал для дальнейшей роботизации, но и найти те этапы процесса, которые не логируются корпоративными информационными системами.

Кроме того, значительный экономический эффект технология способна принести в телекоммуникациях, логистике, строительстве, промышленности и других сферах.

В настоящее время экономическая ситуация диктует свои правила, и одним из главных приоритетов бизнеса стали сохранение конкурентоспособности и переход к российскому программному обеспечению. Компании хотят знать больше о своих процессах и операциях, чтобы понимать, где и как их можно оптимизировать, изменить, улучшить. И ищут для этого различные инструменты, одним из которых постепенно становится Task Mining.

На данный момент уже есть исключительно российские решения, позволяющие реализовать подобные задачи, которые позволяют быстро адаптироваться к изменяющимся условиям рынка и принимать эффективные решения.

Александр Бочкин, генеральный директор “Инфомаксимум”