Согласно аналитическому отчету Gartner, Process Mining активно набирает популярность и приближается к планке 2 млрд. долл. совокупного объёма рынка. Одним из трендов развития технологии стала возможность её использования в связке с Task Mining в цифровой инфраструктуре бизнеса для достижения максимально возможного уровня детализации бизнес-процессов и операций.
Учитывая направленность аналитики процессов и аналитики операций на повышение эффективности бизнеса, а также возможность совместного внедрения технологий, стоит отметить, что они решают разные задачи и отличаются целями использования. Главная разница лежит в плоскости источников данных и задач: Process Mining исследует сквозные бизнес-процессы, а Task Mining применяют для анализа операций. Эта технология помогает находить последовательности и закономерности в работе сотрудников, позволяя получить детальную картину выполнения бизнес-операций с точки зрения действий персонала за компьютерами.
К примеру, Газпромбанк выделил операции для последующей роботизации, обладающие наибольшим экономическим эффектом. «Пилотные проекты с применением Task Mining стартовали ещё в 2021 году, — рассказывает Елизавета Поваляева, начальник Центра роботизации процессов Газпромбанка. — Одно из направлений — это сервис по автодетекции потенциальных процессов под RPA. Почему RPA? Во-первых, обе технологии „говорят на одном языке“: Task Mining детализирует действия до каждого клика, а роботы автоматизируют найденные „клики“. Найденные цепочки процессов — практически каркас будущего робота. Во-вторых, алгоритмы позволяют массово выявлять потенциальных кандидатов под RPA на всей исследуемой группе сотрудников без их отвлечения. На выходе мы получаем список будущих роботов и их фактические трудозатраты. Найденные инициативы успешно внедряются в командах RPA».
Исходя из вышесказанного, формируется первичное представление о преимуществах и актуальности технологий, но давайте углубимся в суть и выделим пять главных причин, почему бизнесу нужна аналитика операций.
1. Повышение эффективности
Ошибки на уровне выполнения операций могут привести к нарушению на уровне выполнения процесса и, соответственно, замедлить его и принести дополнительные убытки. С помощью Task Mining можно выявить «узкие места» в работе сотрудников, исправить несоответствия, ускорить оказание услуг и, следовательно, снизить расходы. Анализируя накопленный опыт, можно сказать, что минимум 20% операций имеют потенциал для улучшения, и полученная от этого выгода находится на уровне нескольких миллионов.
Кейс: Россельхозбанк реализовал проект анализа потребительского кредитования и выявил причины, из-за которых клиенты не завершали процедуру. В ходе исследования были получены необходимые метрики по ключевым операциям, а также сформулирована гипотеза: чем больше недоработок в заявке, тем выше процент отказов. В конечном итоге был обнаружен резерв времени, на которое можно сократить выполнение процесса.
2. Определение потенциала оптимизации
Результат работы Task Mining — информация о реальном выполнении операций с точки зрении работы сотрудников, что делает технологию важной составляющей в предварительной подготовке к внедрению RPA-проектов. Получив реальный расклад дел, можно выявить самые эффективные практики выполнения задач и определить наиболее выгодные операции с экономической точки зрения, подлежащие роботизации. В конечном итоге грамотные действия в рамках описанного алгоритма позволяют компании увеличить прибыль и повысить клиентскую лояльность за счёт последующего ускорения действий.
Кейс: МТС реализовал проект оцифровки массового подбора персонала, на старте которого стояло несколько задач: определить логику наиболее частых и трудозатратных операций, узнать, сколько просмотров вакансий на специализированных сайтах и понять весь процесс целиком. В конечном итоге был определён потенциал оптимизации, составивший 16 тыс. человеко-часов.
3. Повышение прозрачности
После внедрения Task Mining можно получить объективные данные о работе каждого сотрудника. И это, например, даёт возможность справедливо оценивать эффективность и приложенные трудозатраты каждого. Вследствие этого решается вопрос с материальным поощрением персонала (имеется выборка реально решённых задач) и закрывается проблема перераспределения загрузки подчинённых. К примеру, идентифицируется «узкое место» в выполнении конкретной операции конкретным сотрудником и считается, сколько времени было потрачено на её выполнение. Полученные цифры сопоставляются с регламентами и выборкой по другим сотрудникам. На этой основе руководитель может сделать выводы и ставить задачи так, чтобы эффективность их выполнения стремилась к максимальной.
Кейс: крупная факторинговая компания ускорила процесс онбординга на 36,3%, применив аналитику операций, что позволило выявить, сколько времени тратится на обработку заявки, где возникает самое большое количество трудностей и отклонений от регламента, и какой временной резерв существует между поступлением заявки и её оформлением. Полученная информация позволила изменить подход к автораспределению задач, что стало отправной точкой для достижения результатов проекта.
4. Обучение сотрудников
Детализация действий пользователей с помощью Task Mining выявляет лучшие практики реализации конкретных задач сотрудниками, что позволяет актуализировать регламент их выполнения, приводит к сокращению количества ошибок и упрощению онбординга новых сотрудников.
Кейс: ИТ-компания хотела исследовать процесс технического документирования. Вариативность подходов сотрудников приводила к увеличению времени на доработку проектов и затруднениям в сопровождении. Внедрение Task Mining позволило компании не только улучшить качество документации и упросить процесс её создания, но и заложить основу для непрерывного обучения и развития сотрудников.
5. Улучшение соответствия
Собирая данные о действиях сотрудников, можно выявить нарушения соответствия нормам и отклонения от идеального алгоритма выполнения операций. Устранение таких шероховатостей повышает качество менеджмента процессов и выполнения работы.
Кейс: крупная страховая компания поставила целью изучить, визуализировать и оцифровать реальное выполнение процесса урегулирования убытков по ДМС. Ключевая задача — выявление «узких мест» и анализ неоптимальных работ сотрудников, а также проверка соответствия заданным нормам. В ходе реализации был определён потенциал экономии трудозатрат в 15 тыс. человеко-часов.
Подытожим: Task Mining — относительно новая технология, но тем не менее, о её востребованности говорит всё больше представителей бизнеса, появляются программные продукты (в том числе и отечественные) такого класса, а также публикуются результаты кейсов.
Следующий шаг технологическое развития Task Mining — его связка с искусственным интеллектом. Прямо сейчас можно сказать, что аналитику операций сложно представить без использования ИИ. Что я имею в виду? Характерный пример — автоматическая разметка операций, когда текстовым или голосовым вводом задаётся промт по необходимой выборке (самые дорогие, трудозатратные, часто используемые), а система с помощью алгоритма находит нужное и визуализирует результат. Подобный подход позволяет кратно экономить время и упрощать жизнь сотрудникам без аналитических компетенций. Теперь срок реализации проекта сокращается от нескольких лет до одного месяца, а персонал может быстро получать подробную информацию без предварительной обработки данных и привлечения сторонних специалистов.
