Ольга Андреева, СБЕР: «Рецепт эффективного исследования Process Mining в использовании ML-моделей и шаблонных дэшбордов»

Ольга Андреева, руководитель команды бизнес-аналитики Process Mining СБЕРа и спикер Семнадцатой конференции «Автоматизация корпоративных бизнес-процессов», рассказала CFO Russia о развитии технологии Process Mining в России и использовании технологии в компании.

Какие инструменты Process Mining сегодня чаще всего используют в компаниях?

Process Mining активно развивается последние 20 лет, и за это время инструменты анализа процессов плотно вошли в менеджмент большинства крупных компаний. Сейчас уже никого не удивишь BI-функционалом, возможностями подключения баз данных и восстановления модели процесса. Все эти элементы стали обязательными для систем класса Process Mining (PM).

При этом аналитики, занимающиеся оптимизацией и автоматизацией процессов, не могли не задаться вопросом, как можно ускорить и упростить сам процесс анализа. К тому же, и само поле исследований благоприятствует такому вопросу – Process Mining, появившийся на стыке Process Management и Data Science, вбирает в себя лучшее из каждого из миров и позволяет применять инструменты машинного обучения для автоматизации аналитики.

Основываясь на больших данных, PM позволяет использовать подходы и методы статистического анализа, совмещая это с лучшими практиками визуализации и презентации данных. Модели машинного обучения и решения на базе искусственного интеллекта обогащают подход, повышают эффективность и качество исследований.

Поэтому мы придерживаемся взгляда, что дальнейшее развитие и будущее процессной аналитики, как и многих других бизнес-направлений, за интеграцией умных технологий. И рынок разделяет такой взгляд. Мы видим, что инструменты, вызывающие наибольший интерес со стороны контрагентов – это как раз ML-модули, реализованные на нашей платформе Process Mining от СБЕРа. Да и ни одно наше внутреннее исследование не обходится без их применения. Отметим, что на данный момент наш сервис по оптимизации бизнес-процессов насчитывает 8 моделей на базе ИИ, и список регулярно расширяется.

Какие преимущества как у процесса анализа процессов, так и у самого бизнеса появляются благодаря внедрению ML- и AI-инструментов? Можете ли привести пример из вашей практики Process Mining в формате «было-стало»?

ИИ, конечно, не заменяет аналитика на творческих этапах исследования, когда необходимо разбираться в нюансах бизнес-логики и нормативов, однако может значительно упростить проверку стандартных гипотез. Поэтому в первую очередь ML-модели способствуют упрощению и ускорению исследования.

Например, если начать исследование с применения модуля автоматического поиска инсайтов, можно будет не тратить время на анализ графов на предмет зацикленностей и таблиц в поисках длительных этапов. Модель сама выведет список операций, на которые необходимо обратить внимание для дальнейшего анализа, и даже посчитает потенциальный финансовый эффект. Это помогает сфокусировать внимание и приоритизировать дальнейшую аналитику.

Вторая проблема, в решении которой нам помогает ML – анализ разрозненной информации. Это могут быть, например, комментарии к задачам, переписки исполнителя с автором задачи, общение в чате с клиентом. Анализ таких данных практически невозможно произвести вручную, особенно на больших объемах.

Если говорить о наглядных примерах, то в нашей практике было интересное исследование, где мы анализировали эффективность работы бота небольшого внутреннего кол-центра. Благодаря умным моделям текстового анализа и кластеризации у нас в итоге получилось увеличить процент успешно обработанных ботом звонков с 45% до 75%.

На старте проекта у нас был только журнал вызовов, где одна строка представляла собой один звонок с указанием его времени. Но наши Data Science специалисты смогли транскрибировать записи разговоров, векторизовали и кластеризовали их. В итоге мы получили фактические скрипты общения бота с клиентом и смогли определить, на каких вопросах бот испытывает наибольшие затруднения, чтобы затем устранить найденные ошибки.

Как добиться максимальной эффективности Process Mining?

Чтобы получить наибольшую выгоду от исследования с минимальными затратами на него, я бы советовала освоить и побольше пользоваться двумя функциональными возможностями – ML-моделями и созданными шаблонными дэшбордами.

Первое поможет вам ускорить и упростить рутинные части исследования, как я уже рассказывала выше. А второе гарантирует повторяемость с минимальными трудозатратами. Однажды реализованный BI-дэшборд можно дублировать в следующем исследовании, либо обеспечить регулярную поставку данных в него напрямую из баз, чтобы актуальная карта процесса всегда была под рукой. Такой подход значительно сокращает сроки принятия решений и оценки проведенных изменений.

Задать свои вопросы Ольге и узнать больше об опыте СБЕРа вы сможете на Семнадцатой конференции «Автоматизация корпоративных бизнес-процессов», которая пройдет 16-17 мая 2024 года в Москве.

Алиса Попова

Комментарии