Анализ бизнес-процессов с применением технологии Process Mining

Размещено на http://www.allbest.ru/

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ

ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ

«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Факультет бизнеса и менеджмента

Выпускная квалификационная работа

Анализ бизнес-процессов с применением технологии Process Mining

по направлению подготовки 38.03.05 Бизнес-информатика

образовательная программа «Бизнес-информатика»

Соболева Александра

Москва 2019



Оглавление

Введение

Глава 1. Обзор литературы

1.1 Что такое Process Mining?

1.2 Существующие исследования

1.3 Примеры применения Process Mining

1.4 Методология ProcessMining

Выводы по главе

Глава 2. Исследование рынка

2.1 Общий обзор рынка

2.2 Улучшение процессов с помощью алгоритмического обнаружения и анализа процессов

2.3 Улучшение аудита и соответствия алгоритмическим процессам путем сравнения, анализа и валидации

2.4 Улучшение автоматизации процессов путем обнаружения и валидации возможностей автоматизации

2.5 Поддержка цифрового преобразования путем установления связи между стратегией и операциями

2.6 Улучшение оптимизации ресурсов ИТ-операций путем алгоритмического обнаружения и анализа ИТ-процессов

Выводы по главе

Глава 3. Практический опыт внедрения Process Mining

3.1 Изучение процесса с технической и бизнес перспективы

3.2 Составление инфозапроса

3.3 Получение и обработка данных. Составление журнала событий

3.4 Анализ процесса

3.5 Составление отчета о проделанной работе

Выводы по главе

Глава 4. Перспективы Process Mining на российском рынке

4.1 Рынок ProcessMining

4.2 ПО для ProcessMining

4.3 Роль аналитика в ProcessMining

4.4 Влияние ProcessMining на классический консалтинг

Выводы по главе

4.5.1 Предполагаемая картина будущего ProcessMining

4.5.2 Рекомендации для участников рынка

Заключение

Использованные источники

Приложение

Приложение 1. Перечень вопросов для личного интервью



Введение

21 век - эра цифровизации и датаизма (религия поклонения данным; термин впервые ввел в употребление Юваль Ной Харари в своей книге «HomoDeus: Краткая история будущего»).Почти каждый, иногда даже не задумываясь об этом, ежедневно вносит свой вклад в создание глобальной цифровой копии мира. Фото, книги и музыка уже давно существуют в цифровом формате, фитнес-браслеты, ставшие модными в последние несколько лет, помогают людям оцифровывать состояние своего здоровья. Также и крупные организации внедряют информационные системы для создания так называемого «digital twin» -цифровогоаналогадеятельности организации. process mining консалтинг цифровой

В связи с этим, каждый день производится огромное количество данных. Согласно исследованию DOMO, ежедневно в различных системах генерируется 2,5 квинтиллиона данных [25]. По прогнозам исследователей, эта цифра будет продолжать расти, и к 2020 году в секунду будет производиться 1,7 Мб данных. Однако просто хранить данные недостаточно. Важно уметь их анализировать и управлять ими. В связи с этим актуальной стала задача разработки инструментов для работы с большими объемами данных.

ProcessMining - инновационныйпродукт отрасли анализа бизнес-процессов, представляющий собой метод анализа процессов, направленный на обнаружение, мониторинг и улучшение реальных процессов путем извлечения информации из журналов событий, содержащихся в информационных системах организации.

Однако, прорывные технологии вроде ProcessMining не всегда оправдывают возложенные на них ожидания. В связи с этим, важно уметь заглянуть в ближайшее будущее технологии для того, чтобы предотвратить ее крах или обезопасить себя от невыгодных инвестиций.

Цель данной работы - оценить возможные тенденции развития и практического применения технологии ProcessMiningна ближайшие 5-7 лет. Для достижения цели необходимо решить следующие задачи:

1.Проанализировать современное состояние мирового и российского рынка ProcessMining.

2.Провести опрос среди экспертов области и получить их мнение на тему возможного развития технологии в ближайшем будущем.

3.Провести анализ научных публикаций, посвященных вопросам практического применения ProcessMining в крупных компаниях.

4.Обработать полученные данные и на их основе выявить предполагаемую картину ближайшего будущего ProcessMining.

5.Сформировать рекомендации для производителей и потребителей услуг ProcessMining по наилучшим дальнейшим действиям.

В ходе исследования будут рассмотрены три основных направления развития применения технологииProcessMining: возможные изменения на рынке услуг ProcessMining, предполагаемое развитие ПО для ProcessMining и изменение роли участия человека в осуществлении ProcessMiningпроектов (вопрос порога автоматизации технологии).

В результате исследования в рамках трех направлений, описанных ранее, будет составлена предполагаемая картина развития практического применения технологии ProcessMining на ближайшие 5-7 лет.Опираясь на составленный прогноз, будет также подготовлен список рекомендаций для участников рынка услуг и ПО для ProcessMining.

Данное исследование представляет ценность в той или иной мере для всех участников рынка технологии ProcessMining: как рынка услуг, так и рынка ПО. В среде конкуренции на рынке, возможность предугадать основные тенденции развития технологии открывает огромный потенциал для роста, развития, получения преимущества над конкурентами и занятия большей доли рынка. Представление о главных направлениях развития технологии и об основных отраслях-потребителях позволит производителям понимать, как грамотно распределять ресурсы на усовершенствование продукта и какие дополнительные опции включать в предлагаемый пакет услуг. Производителям ПО данное исследование может также помочь разрешить дилемму между созданием универсального продукта или разработкой продукта, направленного на взаимодействие с определенной ERP или CRM-системой. Что же касается потребителей услуг ProcessMining, индустрия на сегодняшний день с опаской относится к новой технологии, не осознавая в полной мере ее возможностей. Данное исследование откроет для них потенциал технологииProcessMining и позволит развеять мифы и страхи, препятствующие ее внедрению.

ТехнологияProcessMining очень молодая, поэтому на сегодняшний момент многие ее аспекты еще не изучены глубоко. Например, на сегодняшний день еще не существует четкой методологии внедрения технологий ProcessMining, не сформирована методика определения объема данных, необходимого для построения корректного as-is процесса для анализа, не исследовано влияние ProcessMiningна классический консалтинг и роль консультанта-аналитика. Одна из целей данного исследования - дополнить базу знаний о ProcessMining, ответив на вопросы о его возможном развитии.

Для получения информации об основных направлениях развития технологии помимо изучения существующей литературы по теме был также проведен опрос экспертов области. Часть интервью была проведена очно, часть - с помощью онлайн опроса. Оба перечня вопросов представлены в приложении (см. приложения 1 и 2).

Работа состоит из 5 частей. В первой части дан обзор технологии ProcessMining, ее методик и особенностей. Далеерассмотрена современная исследовательская база, посвященная данному вопросу, включающая исследование рынка ProcessMining и прогноз его развития, проведенный крупной исследовательской и консалтинговой компанией Gartner. В третьей части описана методика и проанализированы результаты опроса экспертов. В 4-ой части представлен личный опыт автора работы на проектах по ProcessMining с описанием трудностей и недостатков существующей на данный момент практики и потенциала ее развития. В заключении представлены выводы, включающие предполагаемую картину развития применения технологии на ближайшие 5-7 лет и рекомендации для участников рынка.



Глава 1. Обзор литературы

1.1Что такоеProcessMining?

Грамотное и эффективное управление бизнес-процессами является ключевой составляющей успеха организации. Существует множество определений данного понятия. Например, процесс можно определить, как набор взаимосвязанных или взаимодействующих событий, которые преобразуют входные данные в выходные[24]. Другое определение понятия «бизнес-процесс» - набор логически связанных задач, выполняемых для достижения определенного бизнес-результата [12].

В качестве примеров бизнес-процессов можно назвать:

·процесс обработки кредитной заявки (услуги);

·процесс лечения пациента в отделении неотложной помощи (медицинское обслуживание);

·процесс изготовления автомобиля (производство).

В рамках одного процесса может осуществляться множество различных событий и изменений. При этом по одному процессу могут параллельно осуществляться несколько цепочек- экземпляров бизнес-процессов. Например,в рамках одного экземпляра бизнес-процесса могут встречаться следующие события:

·утверждение заявки на кредит;

·проверка кредитного рейтинга;

·установление очерёдности медицинской помощи для пациента;

·заказ недостающей части для производства товара.

Согласно работе Майкла Хаммера и Джеймса Чампи «Реинжиниринг корпорации»[16], а также работе Томаса Дэвенпорта [11], организации должны быть сконцентрированы на собственных процессах для достижения наилучшего результата. При этом ключевым всегда оставался вопрос о том, как же обеспечить безупречное течение процессов.

Попытки решить данный вопрос были сделаны с разных сторон. Результатом стала разработка различных методологий, концепций и инструментов, таких как: реинжиниринг бизнес-процессов, бережливое производство, шесть сигм. Также, было разработано огромное количество программного обеспечения, позволяющего моделировать, визуализировать и анализировать процессы, например, ARIS, Staffware, COSA, YAWL, Bizagi, Bonita, Camunda, jBPM, IBMBusinessProcessManager, OracleBPMSuiteимногиедругие [62].

Управление бизнес процессами (BPM)представляет собой обобщающий термин, описывающий методы, направленные на дизайн, исполнение, мониторинг и оптимизацию процессов. Глубокое знание процесса играет ключевую роль для его успешного совершенствования. Для получения таких знаний обычно используется ручной труд. Консультанты проводят интервью с участниками процесса, чтобы выявить его особенности и его реальный ход. Однако это достаточно дорогостоящий, трудозатратный и долгий метод. К тому же человеческий фактор может оказать значительное влияние на достоверность предоставляемой информации.

В свете растущей вычислительной мощности и объемов памяти современных IT-систем, описанных в 1965 году Гордоном Муром, у компаний появилась возможность записывать и хранить информацию о всех этапах процесса, которые проходят через информационные системы. Извлечение закономерностей из большого объема записей системы является серьезной и непростой задачей. Свидетельством может служить активное развитие областей интеллектуального анализа данных (или datamining), машинного обучения, искусственного интеллекта, datascience и больших данных [5].

Большинство бизнес-процессов поддерживаются более чем одной информационной системой, как показано на рис. 1.1.1, в связи с чем объемы хранимых данных о процессе растут большими темпами. При этом, данные могут записываться процессно-ориентированной системой, например, системой управления потоками работ (workflowmanagementsystem), сохраняющей информацию о ходе четко определенного процесса. Но также, данные о течение процесса могут храниться и в не процессно-ориентированных системах. Например, ERP-система может хранить информацию о процессе или специально разработанное приложение может записывать данные о ходе процесса в log-файлы. Обычно, выполнение каждого экземпляра бизнес-процесса сопровождается выполнением идущих друг за другом действий или функций (activities) и возникновением событий (events). Каждое событие, как правило, несет информацию о:

·дате исполнения (timestamp);

·имени или идентификаторе исполненного действия (activityname).

Рис. 1.1.1. Данные процесса получают цифровое отражение в системе. ProcessMining превращает данные в журнал событий для составления и анализа реальной картины течения процесса.

Источник:Van Der Aalst W. et al. Process mining manifesto //International Conference on Business Process Management. - Springer, Berlin, Heidelberg, 2011. - С. 169-194.

ProcessMining- это технология анализа процессов путем восстановления модели процесса через анализ набора цепочек событий исполнения этого процесса [50]. Методология ProcessMining включает в себя использование данных из различных процессно- и не процессно-ориентированных систем для построения и анализа реальной картины хода процесса. Помимо данных о названии и дате выполнения определенного события цепочки ProcessMining также предполагают использование дополнительной информации для получения более полного и разностороннего анализа.

Цель ProcessMining - автоматическое формирование точного представления о реальном ходе процесса. Журнал событий (eventlog) и модель процесса - это два ключевых артефакта, используемых в ProcessMining. Журнал событий хранит информацию о датах выполнения событий процесса, записанных информационной системой. Модель процесса используется для визуализации.

Журнал событий.Методы ProcessMining предполагают, что данные исполнения процесса хранятся в журнале событий [29]. В журнале событий информация хранится как последовательность событий.

Модель процесса. Модели процесса используются для описания поведения процесса организации, для достижения ряда различных целей: установления взаимосвязи между стейкхолдерами, усовершенствования процесса, управления процессом, автоматизации процесса, поддержки исполнения процесса [10]. Чаще всего модель процесса используется для сравнения as-is процесса с to-be процессом, проверки соответствия процесса нормативным требованиям (как, например, ISO 9001) [24], анализа проблем, связанных с производительностью, узких мест (bottlenecks) и других неэффективностей.

В рамках ProcessMining можно выделить три концепции: выявление (discovery), согласование (conformance) и улучшение (enhancement) [49, 55]. На рис. 1.1.2 изображен обзор этих составляющих с точки зрения реального течения процесса и информационных систем организации. На рис 1.1.3 данные концепции представлены в формате входных и выходных дынных. Как показано на рис. 1.1.2, методы Process Mining используют журналы событий и модели процесса для представления реального течения процесса. Основная цель ProcessMining заключается в выявлении точной и понятной модели процесса, основанной исключительно на данных, записанных в журнал событий. Данные модели могут быть использованы для понимания и улучшения реального течения процесса.

Рис. 1.1.2. Обзор трех главных концепцийProcessMining

Источник:Van Der Aalst W. et al. Process mining manifesto //International Conference on Business Process Management. - Springer, Berlin, Heidelberg, 2011. - С. 169-194.

Рис. 1.1.3. Три концепцииProcessMining, описанные со стороны входящих и исходящих данных.

Источник: Mannhardt F. Multi-perspective process mining //CEUR Workshop Proceedings. - 2018. - Т. 2196. - С. 41-45.

Как правило, ProcessMining не ограничен оффлайн-средой. Он также включает методы составления предсказаний и рекомендаций на основе текущих данных процесса в онлайн-режиме.

Выявление. Методы выявления процесса основываются исключительно на данных, хранящихся в журнале событий, и позволяют автоматически сгенерировать точную модель процесса, описывающую его реальное течение [29].

Учитывая природу бизнес-процессов, в особенности относящуюся к чертам человеческого поведения, техники выявления процесса связаны с некоторыми трудностями. В рамках выявления процесса необходимо:

·отфильтровать шум (редкие и ошибочные события) от регулярных событий;

·выявить корректные поведенческие связи между событиями несмотря на неполное наблюдение за процессом.

Согласование. При согласовании производится диагностика и количественный анализ отличий реального хода процесса от течения, описанного выявленной или описанной вручную моделью процесса. На данном этапе сложности представляют следующие задачи [50]:

·определение связи между событиями и элементами модели процесса;

·определение надежной меры для оценки качества модели процесса;

·сохранение баланса между достоверностью данных и моделью процесса;

·предоставление надежной и понятной диагностики.

Улучшение. В рамках улучшения данные журнала событий используются для того, чтобы улучшить существующую модель процесса. Чаще всего модели процесса являются частью документации, описывающей процесс, или определяются в рамках выявления процесса. Данные модели могут быть усовершенствованы с помощью информации о контексте процесса: логике принятия решений, индикаторов эффективности, моделей массового обслуживания. Модели процесса также могут быть улучшены с помощью информации, полученной при согласовании [50].

Существует четыре основных подхода к проведению ProcessMining [29]. Подход, направленный на control-flow процесса, основывается на анализе последовательности событий. Цель данного подхода - описать все возможные пути процесса. Результат, как правило, описывается с помощью сетей Петри или других нотаций (например, EPCs, BPMN или UML). Организационный подход направлен на анализ данных, скрытых в журнале событий. Например, какие пользователи, роли, департаменты задействованы в процессе и как они связаны между собой. Цель - структурировать пользователей благодаря их классификации по ролям или организационным подразделениям, или же предоставление сети их взаимоотношений. Также существует подход, основанный на отдельном внимании к кейсами их характеристикам. В рамках каждого кейса можно определить его уникальным путь, пользователей, задействованных в процессе его выполнения. Но также, кейс может содержать и другую дополнительную информацию. Например, если рассматривается процесс закупок, то кейс может содержать информацию о поставщике и количестве приобретаемого товара. Подход, сконцентрированный на времени, уделяет особое внимание длительности и частоте событий. Когда события содержат метки времени, можно обнаружить узкие места, измерить уровни обслуживания, отследить использование ресурсов и прогнозировать оставшееся время обработки текущей цепочки.

1.2 Существующие исследования

Отцом-основателем ProcessMiningявляется голландский ученый Вил ван дер Аалст. ПрофессорвпервыеввелтерминProcessMiningв 2004 году в [53].

Ученым проведено множество исследований по применению ProcessMiningв различных сферах деятельности. Результаты данных исследований будут описаны в следующей главе (см. главу 1.3). ПомимоосвоениятехнологииProcessMining,профессортакжепосвятилмногоработуправлениюпотокамиопераций (workflowmanagement), сетямПетри (Petrinets), управлениюбизнес-процессами (businessprocessmanagement), моделированиюианализупроцессов (processmodelingandanalysis). Ранее в данном исследований уже были приведены тезисы из его работ (см. главу 1.1). В манифесте ProcessMining [50] ученный описывает что такое ProcessMining, технологию его работы, его особенности, инструменты, применяемые при его проведении.

Помимо Вил ван дер Аалста значительный вклад в изучение ProcessMining внес ряд других ученых. С точки зрения разработки программного обеспечения в своей работе на ProcessMining взглянули исследователи Кук и Вольф. В рамках своего исследования [7] ими были определены 3 метода выявления модели процесса. Первый метод заключался в применении нейронных сетей, второй представлял из себя чисто алгоритмический подход, и третий метод основывался на принципах марковского подхода. Работа чисто алгоритмического подхода заключается в создании конечного автомата, в котором состояния сливаются, если их будущее (с точки зрения возможного поведения в следующих kшагах) идентично. Отличительной особенностью марковского подхода является использование смеси алгоритмических и статистических методов, а также возможность борьбы с шумом. Именно эти два подхода по мнению авторов исследования обладают наибольшим потенциалом. Первое упоминание параллельных процессов Куком и Вольфом происходит в [8], где они предлагают такие метрики как энтропия, число типов событий, периодичность и причинность для борьбы с этой проблемой на этапе выявления модели процесса. В своей следующей работе [9] Кук и Вольф предлагают меру для количественной оценки расхождений между моделью процесса и его фактическим поведением, выявленным с использованием данных, зарегистрированных в информационной системе.

Идея применения интеллектуального анализа процессов в контексте управления рабочими процессами впервые была представлена в [4]. Эта работа основана на графиках рабочих процессов, в рамкахпродуктов рабочих процессов, таких как рабочий процесс IBM MQSeries (ранее известный как Flowmark) и InConcert. В [4] описано выявление графа процесса, описывающего цикличность определенных событий. Шимм в [14, 43, 44] описал инструмент для майнинга, способный обнаруживать иерархически структурированные подпроцессы в рамках рабочих процессов. При этом, одним из требований для корректной работы данного инструмента является сбалансированность всех объединений и разбиений процесса. Хербст и Карагианнис в своих работах [17-22] также рассматривают вопрос применения интеллектуального анализа процессов в контексте управления рабочим процессом. Выявление модели процесса в работах Хербста и Карагианниса основано на применении индуктивного подхода. Работа, представленная в [21, 22], ограничена последовательными моделями, тогда как подход, описанный в [17-20], допускает параллелизм. В рамках данного подхода стохастические графы задач используются в качестве промежуточного представления, после чего генерируется модель рабочего процесса, описанная на языке моделирования ADONIS. На этапе ввода в эксплуатацию узлы задач объединяются и разделяются, чтобы обнаружить базовый процесс. Одним из основных отличий от других подходов является допущение наличия циклов в модели рабочего процесса. Природа разбиений и объединений (т. е. AND или OR) раскрывается на этапе преобразования, где граф стохастических задач преобразуется в модель рабочего процесса ADONIS с разбиениями и объединениями с блочной структурой.

В основе следующих статей лежат рабочие процессы с параллельным поведением. В [57-59] эвристический подход с использованием довольно простых метрик используется для построения так называемых «таблиц зависимости / частоты» и «графиков зависимости / частоты». В [34] представлен другой вариант этой методики с использованием примеров из области здравоохранения. Предварительные результаты, представленные в [34, 57-59], обеспечивают только эвристику и фокусируются на таких вопросах, как шум.

ProcessMining можно рассматривать как инструмент в контексте Business Process Intelligence (BPI). В [15, 42] описан набор инструментов BPI, включающий в себя так называемый «BPI Process Mining Engine». Он использует универсальные инструменты майнинга, такие как SAS Enterprise Miner, для генерации деревьев решений, связывающих атрибуты наблюдений с информацией о путях выполнения (например, длительность). Для выполнения анализа рабочего процесса удобно иметь так называемое «хранилище данных процесса» для хранения контрольных журналов. Например, хранилище данных упрощает и ускоряет запросы, необходимые для установления причинно-следственных связей. В [13, 60, 61, 63] проект такого хранилища и связанные с ним вопросы обсуждаются в контексте журналов рабочих процессов. Кроме того, в [63] описывается инструмент PISA, который можно использовать для извлечения метрик производительности из журналов рабочего процесса. Аналогичная диагностика обеспечивается ARIS Process Performance Manager (PPM) [23]. Более поздний, коммерчески доступной и настроенной версией PPM является StaffwareProcessMonitor (SPM) [47], который предназначен для добычи журналов Staffware. Стоит отметить, что ни один из последних инструментов не извлекает модель процесса. Основное внимание уделяется кластеризации и анализу производительности, а не причинно-следственным связям, как в [4, 6, 8, 9, 14, 17-22, 34-36, 43-46, 57-59].

Также стоит отметить еще одну интересную работу, в которой процесс выявления модели процесса сравнивается с процессом вывода грамматики из примеров предложений (основываясь на некотором количество предложений вне контекста, необходимо найти простейшую модель, которая может генерировать эти предложения) [37]. Существует сильная аналогия с проблемой интеллектуального анализа процессов: учитывая количество путей процесса, необходимо найти простейшую модель процесса, которая может генерировать эти пути. Многие вопросы, важные в области изучения языка, также важны для анализа процессов (то есть, изучение только на положительных примерах, борьба с шумом, измерение качества модели и т. д.).Однако важным отличием между областью логического вывода и областью интеллектуального анализа является проблема параллелизма, которая не является актуальной в области логического вывода. Несмотря на это важное различие, кажется полезным исследовать, какие теоретические результаты, измерения и методы добычи могут использоваться или обновляться, чтобы они стали полезными для интеллектуального анализа процессов.

1.3 Примеры применения ProcessMining

ProcessMining имеет огромный потенциал для применения в различных отраслях: от металлургической промышленности до медицины. На сегодняшний момент описано множество примеров применения технологии ProcessMining.

Например, в работе [51] описывается применение ProcessMining в одном из провинциальных отделений Национального департамента общественных работ Нидерландов, отвечающего за строительство и обслуживание дорожной и водной инфраструктуры. В рамках данного примемаProcessMining был применен с целью анализа процесса предоставления счетов субподрядчикам и поставщикам. Анализ был проведен с помощью трех ранее описанных подходов (см. главу 1.1): (1) подход, ориентированный на control-flow процесса, (2) организационный подход и (3) подход, направленный на анализ кейсов. Благодаря построению модели as-is в рамках подхода, ориентированного на control-flowпроцесса было выявлено, что в рамках процесса выставления счетов происходит зацикливание определенных этапов процесса, что выходит за рамки исключений. Далее, с помощью применения организационного подхода, были выявлены этапы процесса, в ходе которых зацикливание процесса крайне нежелательно. Более глубокий анализ данных этапов процесса позволил выявить два типа ролей пользователей, приводящих к появлению зацикливаний. И наконец, подход, направленны на анализ кейсов помог посчитать эффект появления зацикливаний на ход процесса. В результате, были составлены рекомендации по оптимизации хода процесса для устранения зацикливаний.

Далее, в [33] представлен анализ процесса ухода за пациентами с гинекологической онкологией в голландской больнице. Анализ процесса проведен с помощью тех же методик, описанных в предыдущем примере. Исследование продемонстрировало возможность применения ProcessMining даже в таком нестандартном процессе как медицинский уход за больным. Тем не менее данный процесс является недостаточно структурированным по сравнению с процессами, например, в отрасли производства. В связи с этим исследователи столкнулись с некоторыми сложностями. Данный примерпозволил определить новые точки роста для технологии, которые будут исследоваться учеными далее.

Другая работа [32], посвященная применению ProcessMining в медицинской среде, описывает пример анализа процесса ухода за пациентами с инсультом. Информация, собранная с различных технических приборов, мониторов и датчиков, была преобразована в журнал событий. С помощью применения ProcessMining исследователи смогли наглядно рассмотреть различия между процессами ухода за больными в двух разных больницах. Помимо самого процесса ухода за больными, была также проанализирована выборка данных, описывающая поведение больных до поступленияв больницу. Исследование показало, что большинство больных поступают в больницу уже после того как время для помощи им истекает. Анализ действий до поступления в больницу помог определить узкие места и увидеть различия в ходе процесса после поступления пациента.

Другой пример использования ProcessMining был описанв [26] для сферы аудита.В рамках исследования ProcessMining сравнивался с видеонаблюдением. В данном исследовании продемонстрировано, что ProcessMining способствует повышению эффективности проведения аудиторских процедур. Возможность проследить историю определенного события благодаря модели процесса, которая недоступна для классических методов аудита, позволяет находить узкие места процесса, такие как кража и мошенничество. В отличие от установления видео наблюдения, ProcessMining является намного менее затратным средством мониторинга поведения пользователей. В работе также отмечается, что из-за дороговизны видеонаблюдения многие компании устанавливают муляжи. ProcessMining при меньших затратах собирает полный объем данных.

Еще одно интересное применение ProcessMining описано в работе [38]. В данном исследовании описывается применение технологии ProcessMining для мониторинга записи и хранения данных в репозиториях программного обеспечения, таких как системы контроля версий, трекеры ошибок и почтовые архивы. Майнинг репозиториев позволил взглянуть на процесс разработки программного обеспечения и сделать о нем некоторые выводы.

Существует еще множество работ, описывающих разнообразное применение ProcessMining в разных сферах и областях.

1.4 Методология ProcessMining

В рамках проведения проектов по ProcessMining не существует установленной методологии, так как каждый проект имеет свои уникальные неповторимые особенности. Во-первых, на ход проекта непосредственно влияет анализируемый процесс, во-вторых, влияет цель проекта: она может заключаться в повышении прибыли организации, сокращении определенного числа сотрудников или в поиске узких мест и неэффективностей.Тем не менее, в каждом ProcessMining проекте есть схожие черты. Наиболее четко формулированный подход на сегодняшний день описан в работе [56]. На рис. 1.4.1 представлена методология, описанная в работе.

Рис.1.4.1. МетодологияProcessMining

Источник: van Eck M. L. et al. PM2: A Process Mining Project Methodology //International Conference on Advanced Information Systems Engineering. - Springer, Cham, 2015. - С. 297-313.

На первом этапе происходит планирование, в рамках которого определяется выборка данных для извлечения на втором этапе. Для этого проводится подробный анализ документации, описывающей процесс. Изучается не только путь процесса, но и его длительность для определения промежутка времени за которое будет необходимо извлекать данные. Также изучаются особенности процесса, которые могут играть роль при составлении журнала событий, а также информационные системы, в которых ведется запись данных о процессе.

После формирования полного представления о ходе процесса и информационных системах, происходит извлечение данных из системы.

После получения, данные обрабатываются и составляется журнал событий, на основе которого строится модель процесса. Данная фаза проекта как правило имеет итеративный характер. После составления модели процесса, она оценивается на адекватность, как с помощью сравнения с нормативными документами, так и с помощью консультации с владельцами процесса. После выявления неточностей, применяются поправки к журналу событий и модель процесса перестраивается заново. В ходе данной фазы проекта может потребоваться извлечение дополнительных данных для построения более полного журнала событий и, соответственно, более точной модели процесса.

После окончательного согласования модели процесса, начинается этап анализа, на котором тестируются гипотезы и/или выявляются узкие места процесса. Данная фаза проекта также является итеративной, так как в ходе выявления узких мест может быть выявлена неточность модели данных. В связи с этим, проект может вернуться на шаг назад для повторного формирования журнала событий и перестроения модели процесса.

После окончательного согласования результатов анализа с владельцем процесса, проект переходит на финальную стадию, в рамках которой составляется отчет о проделанной работе, включающий в себя полученные наблюдения и рекомендации по оптимизации работы процесса.



Выводы по главе

В данной главе был представлен краткий обзор технологии Process Mining: было дано определение, описаны принципы работы, основные направления и методология практического применениятехнологии.

Также был проведен подробный анализ современной исследовательской базы. На основе проведенного анализаможно сделать вывод, что на сегодняшний день достаточно глубоко изучена техническая сторона технологии, а именно, подробно изучены методы извлечения модели процесса из данных, содержащихся в журнале событий. Тем не менее, в рамках данной области остается еще много вопросов, требующих более глубокого изучения, а именно вопросы борьбы с шумом в данных, цикличности и параллелизма.

Кроме того, в проведенном исследовании также представлено большое количество работ, посвященных применению ProcessMining в самых разных сферах деятельности, что свидетельствует о большом потенциале применения технологии. Список исследований, посвященных данному вопросу, будет продолжать расти, так как большое количество процессов еще не были исследованы. Сложные, менее структурированные процессы будут также способствовать развитию исследования вопросакластеризации данных и извлечения модели процесса.

Несмотря на внушительный размер исследовательской базы для такой молодой технологии, в ней все еще есть некоторые пробелы. На данный момент нет актуальных исследований, посвященных будущему практического применения ProcessMining, а именно, отвечающих на вопрос, какие области будут главными потребителями, а какие - поставщиками, какие компании будут занимать большую долю рынка, как будут выглядеть инструменты для ProcessMining, будет ли это онлайн или оффлайн технология? Кроме того, не был рассмотрен вопрос влияния ProcessMining на классический консалтинг: станет ли ProcessMining дополнением классического консалтинга, или же станет его цифровой трансформацией и полностью его заменит?

Все эти вопросы будут исследованы в следующих главах ВКР.



Глава 2. Исследование рынка

2.1 Общий обзор рынка

По результатам исследования, выпущенного крупной исследовательской и консалтинговой компанией Gartner (3 апреля 2018 г.)[27], в 2017 году рыночная оценка приблизилась к 120 миллионам долларов. Поскольку предвидится значительное увеличение доли рынка США, а такжерост осведомленности многих организаций о преимуществах Process Mining, исследователи ожидают, что рынок увеличится в три или четыре раза в течение следующих двух лет.

Хорошим примером для организаций, еще не внедривших ProcessMining, могут послужить успешные проекты в крупных компаниях.

Например, одно из крупнейших внедрений на мировом рынке было проведено в американской компанииWalmart, управляющей крупнейшей в мире сетью оптовой и розничной торговли [41].Гигант розничной торговли имеет более 20 000 магазинов бытовой техники в 28 странах и провел последние пять лет, создавая крупнейшее в мире облако частных данных. Это частное облако помогает им лучше конкурировать с Amazon и обрабатывать 2,5 петабайта (один квадриллион) данных каждый час.

ProcessMining помог точно определить процессы, которые имеют значительную задержку по времени. Благодаря возможностям, предоставляемым ProcessMining, Walmart смог измерить колебания времени оформления заказа и удовлетворенность клиентов, чтобы решить, следует ли расширить их новую услугу «Check out with Me» по всей стране или по всему миру.

Walmart не смог бы достичь BPI в таком масштабе без Process Mining. ProcessMining используются в качестве неотъемлемой части их стратегии, чтобы лучше понять своих клиентов и принимать более эффективные бизнес-решения.

Другой масштабный проект по внедрениюProcessMining был проведен для одной из крупнейших телекоммуникационных компаний Vodafone. ProcessMiningспособствовалобнаружению уязвимостей процесса, высвободил время для владельцев процессов для решения проблем и позволил в реальном времени анализировать сложные, взаимозависимые процессы.

Согласно недавнему анализу [41], Vodafone снизил стоимость одного технологического заказа с 3,22 до 2,85 долл. Через год после использования инструментов и методов интеллектуального анализа процессов. Кроме того, фирма увеличила «совершенные сделки» - внутренние заказы, выполняющиеся без какой-либо ручной доработки, - с 73% до 93% за два года. Предоставляя своим командам технологии (программное обеспечение для интеллектуального анализа процессов) и полномочия для внедрения изменений на нужном уровне, Vodafone прочно удерживается в конкурентном телекоммуникационном пространстве.

Российский рынок не отстаёт от мирового. Несмотря на то, что технология начала активно внедряться в России для коммерческого использования только в 2016 году, такие крупные компании как Теле2, ВТБ24 и УБРиР уже внедрили ProcessMining на своих производствах [1,2,48].

Что касается производителей программного обеспечения, несомненным лидером мирового рынка сегодня является Celonis [40]. Интерес к технологии Process Mining и тенденция на импортозамещение в частности привели к тому, что в России начали разрабатывать собственный инструмент - Proceset[39].

В ходе исследования Gartner задал вопросы крупнейшим поставщикам Process Mining о внедрении и важности основных типов интеллектуального анализа процессов и о его областях применения. Респонденты также поделились своими будущими ожиданиями по обоим вопросам.

Результаты опроса по основным типам ProcessMining подтвердили, что большинство случаев применения ProcessMining по-прежнему сосредоточено на выявление процесса (discovery). Тем не менее, в исследовании также отмечается тенденция в направлении большего внимания к применению типовсогласования (conformance) и улучшения (enhancement) (см. рис. 2.1.1).

Следующий вопрос исследования касался области, где был/будет применен ProcessMining. По результатам опроса было подтверждено, что большая часть проектов по интеллектуальному анализу процессов сегоднянаправлена на анализ бизнес-процессов. При этом ProcessMiningтакжепостепенно начинает применяться для изучениявзаимодействий с клиентами (см. рис. 2.1.2).

Рис. 2.1.2. ОбластипримененияProcessMining

Источник: Kerremans M. Gartner market guide for process mining //Report G00353970. Gartner. - 2018.

Данные за 2019 год отражают постепенное включение других областей, таких как технические ИТ-процессы(включая процессы разработки), предоставление оборудования и,благодаря более широкой доступности технологии IoT, процессы OT (operationaltechnology). Примеры процессов OT включают в себя взаимодействия машин с машинами или датчиками.

Наконец, по результатам опросапоставщики ProcessMining были отранжированы в зависимости от того, уделяют ли они больше внимания автономной функциональности процессов(глубина), или оперативным функциональным возможностям организации (ширина). Одной из характерных черт отличия профилей между собой стал центр закупок. Если для первого профиляон сосредоточен вокруг бизнес-аналитиков и опытных пользователей, работающих с различными бизнес-процессами, то для последнего он сосредоточен вокруг старшего руководства - CIO, COO и старшего вице-президента.

Комбинируя данные ранжирования с данными о возможностях интеллектуального анализа процессов, важность этих возможностей была сгруппирована на основе профилей (см. рис. 2.1.3). Также был создандополнительный профиль для «интегрированных поставщиков» (integrated vendors).Данный профиль собрал в себе поставщиков, которые дополнительно к интеллектуальному анализу процессов предлагают дополнительные услуги, такие как анализ бизнес-процессов предприятия (enterprise business process analysis или EBPA) или пакет управления бизнес-процессами (business process management suite или BPMS). Все крупные поставщики, присутствующие на рынкеProcessMining, предоставляют функции и технические возможности реализации большинства вариантов его использования. Тем не менее, фокус, глубина и ширина этих функций зависит от первоначального варианта применения интеллектуального анализа процессов, который определил для себя каждый поставщик.



Рис. 2.1.3. Возможности ProcessMining в разрезе фокуса поставщиков

Источник: Kerremans M. Gartner market guide for process mining //Report G00353970. Gartner. - 2018.

В своем исследовании Gartnerтакже определил пять основныхтенденций развития современного рынка ProcessMining:

1.Улучшение процессов с помощью алгоритмического обнаружения и анализа процессов.

2.Улучшение аудита и соответствия алгоритмическим процессам путем сравнения, анализа и валидации.

3.Улучшение автоматизации процессов путем обнаружения и валидации возможностей автоматизации.

4.Поддержка цифрового преобразования путем установления связи между стратегией и операциями.

5.Улучшение оптимизации ресурсов ИТ-операций путем алгоритмического обнаружения и анализа ИТ-процессов.

Рассмотрим данные тенденции более подробно.

2.2.Улучшение процессов с помощью алгоритмического обнаружения и анализа процессов

Process Mining обеспечивает наглядность и понимание реальных бизнес-операций и процессов, применяя набор алгоритмов к событиям, что приводит к легко адаптируемым, легко обслуживаемым и проверенным моделям процессов. Помимо выявления неэффективности процесса, этот метод дает представление о том, где улучшить операции, например, в рамках инициативы по цифровизации, и как достичь целевых результатов в бизнесе. Таким образом, поддерживая эффективность и результативность процессов, инструменты интеллектуального анализа процессов являются ключевыми инструментами инициатив по улучшению процессов и связанных с ними дисциплин. В этом случае пользователи данных обычно поддерживают работу команды по улучшению процессов для обнаружения, анализа, улучшения и оптимизации процессов с использованием таких методологий, как кайдзен (lean), plan-do-check-act (PDCA; total quality management [TQM]) или define, measure, analyze, improve and control (DMAIC [Six Sigma]). ProcessMining в значительной степени дополняет традиционную область анализа бизнес-процессов, позволяя аналитикам бизнес-процессов документировать, анализировать и оптимизировать сложные процессы на концептуальном и логическом уровнях, а также перепроектировать их, независимо от какой-либо запланированной автоматизации.

Исследователи отмечают сдвиг в уровне охвата применения ProcessMining. Этот другой уровень охвата также оказывает влияние на пользователей и участников инициативы по разработке процессов.

Объем охвата Process Mining или инициативы процесса может быть расположен на трех разных уровнях:

·уровень одного процесса;

·операционный уровень;

·организационный сквозной уровень.

На рис. 2.2.1 показана упрощенная бизнес-модель для иллюстрации этих уровней.

Рис. 2.2.1. Часть упрощенной модели ведения бизнеса в розничном банке

Источник: KerremansM. Gartnermarketguideforprocess mining //Report G00353970. Gartner. - 2018.

Операционные бизнес-модели связывают внутренне ориентированные операционные модели и внешние операции с сегментированной моделью рыночных взаимодействий. Эта сегментация показывает комбинации продуктов, услуг, каналов, регионов и клиентов. Процессы играют центральную роль в этих моделях.

Как показано на рис. 2.2.1, Process Mining может применяться этим розничным банком на трех уровнях:

·Уровень одного процесса. В центре внимания инициативы будет углубленное рассмотрение конкретного процесса, такого как предоставление ипотеки или выдача кредитной карты.

·Операционный уровень. Основное внимание будет уделено тому, как взаимодействие с определенными сегментами клиентов, такими как семьи с двумя доходами, согласуется с полной операцией банка (регистрация, предложение, андеррайтинг, принятие и исполнение). Или же внимание может быть сосредоточено на том, как жалобы определенного клиентского сегмента будут обрабатываться на разных этапах жизненного цикла продукта.

·Организационный сквозной уровень. Основное внимание будет уделяться сквозным операциям с различными продуктами, то есть не только по ипотечным кредитам, но также по сбережениям, аренде, инвестициям и другим продуктам и услугам.

В зависимости от области применения, инструменты интеллектуального анализа процессов могут использоваться различнымисотрудниками организации: владельцамибизнес-подразделений, сотрудниками отделов и оперативным персоналом. Кроме того, исследователи также отмечаютсдвигфокуса анализа ProcessMining в сторону «путешествия клиента» (customerjourney) и взаимодействия с клиентами, а также их соответствия внутренним бизнес-операциям и процессам. Большой интерес к расширенной аналитике заставил многих поставщиков сосредоточиться на этом сценарии использования, чтобы предоставить расширенные возможности, связанные с анализом процессов, ориентированным на бизнес-пользователей.

2.3 Улучшение аудита и соответствия алгоритмическим процессам путем сравнения, анализа и валидации

Большинство организаций имеют внутренние стандартные оперативные процедуры, политику, рабочие инструкции или передовые методы, воплощенные в корпоративных системах, таких как ERP и CRM. На практике многие из этих предопределенных операций часто дополняются "теневыми операциями" или другими отклонениями от регламента. Process mining помогает в проверке или аудите соответствияфактических операцийопределенному ходу событий. Более точные оценки отклонений от процесса и вопросы соблюдения регламента, такие как, например, разделение обязанностей, помогают управлять этими рисками и сообщать о выводах в аудиторском отчете. Это также помогает обеспечить надежность внешней финансовой отчетности и соблюдение внешних законов и правил. В этих случаях стороны, заинтересованные в примененииProcess Mining, могут быть найдены в финансовом менеджменте и командах анализа и контроля рисков.

Другим вариантом такого примененияProcessMining является сравнение и анализ одного и того же процесса в различных подразделениях, дочерних компаниях или даже странах.

Исследователи отмечают рост применения ProcessMining в крупных внешних аудиторских компаниях. Большинство из них уже некоторое время экспериментируют, но в последнее время некоторые из них начали сотрудничать с поставщиками Process Mining для создания платформ, на которых они могут выполнять свою аудиторскую деятельность и составлять отчеты более автоматизированным способом.

2.4Улучшение автоматизации процессов путем обнаружения и валидации возможностей автоматизации

Инициативы в области автоматизации процессов позволили значительно повысить эффективность процессов. Process Mining способствует обнаружению и оценке возможности автоматизации процессов.

Кроме того, модели процессов часто используются для настройки корпоративных систем, таких как ERP и CRM. Однако традиционные модели процессов, основанные на интервью, зачастую дают лишь ограниченное или предвзятое представление об истине и в высшей степени абстрактные результаты, которые могут быть истолкованы по-разному. Интеллектуальный анализ процессов, как дополнительный подход к традиционному моделированию бизнес-процессов, обеспечивает видимость процесса путем создания высоко адаптируемых, высоко ремонтопригодных и проверенных моделей бизнес-процессов.

Из-за огромной популярности, выросшей вокруг RPA за последнее время, Process Mining привлекает большое внимание этого сообщества. Интеллектуальный анализ процессов повышает успешность автоматизации на уровне задач, такой как RPA, путем визуализации и понимания контекста процесса, чтобы при изменении процессов автоматизированные задачи могли адаптироваться и не теряли своей актуальности. Кроме того, Process Mining помогает в выявлении и приоритезации возможностей автоматизации на уровне задач. В прошлом году отмечается несколько случаев партнерств, между самыми известными поставщиками RPA и некоторыми поставщиками Process Mining.

Еще одной перспективной тенденцией является включение операционной технологии (OT) в сбор журналов событий с использованием интернет-протоколов (или IoT). Сочетание событий IoT и других событий позволит обнаружить и проверить ценность разрешения взаимодействия вещей в рамках процессов.

2.5 Поддержка цифрового преобразования путем установления связи между стратегией и операциями

Перенос сферыProcess Mining на операционный и организационный уровень станет небольшим шагом на пути к связываниюоперационных идей с большими стратегическими инициативами, такими как цифровая трансформация или цифровой бизнес. Это все еще довольно новый вариант использования, который привлекает больше внимания из-за темы цифрового бизнеса и, в последнее время, цифровой трансформации. Он обеспечивает видимость, анализ и понимание бизнес-моделей, которые представляют собой способ ведения бизнеса, предоставляя информацию в реальном времени всем конечным пользователям о том, как они в настоящее время работают и что можно улучшить. В некоторых случаях сообщалось, что это даже помогает конечным пользователям думать о возможностях цифровизации.

Прецедент, связанный собъединением стратегии с операциями или фокусированием на изменении бизнеса и цифровой трансформации, смог фактически обеспечить компонент новой концепции, которую исследователи описали как «цифровой двойник» организации (digital twin). Process Mining может стать неотъемлемой частью любой инициативы по трансформации бизнеса и, безусловно, может помочь в руководстве цифровыми бизнес-инициативами, предоставляя часть подключения к данным этого цифрового двойника организации. Этот прецедент показал, что процесс интеллектуального анализа данных с оперативной точки зрения может распространяться на более широкое сообщество конечных пользователей в рамках организации.

2.6 Улучшение оптимизации ресурсов ИТ-операций путем алгоритмического обнаружения и анализа ИТ-процессов

Этот вариант использованияProcessMining не является прямой целью или результатом улучшения бизнес-процесса, основанного на результатах. Однако обнаружение, анализ и оптимизация ИТ-операций и процессов-это новый вариант использования, который, безусловно, может принести много пользы ИТ-организациям и широко распространенным практикам, таким как DevOps. ProcessMiningможет быть использован для совершенствования процессов разработки, совершенствования процессов тестирования, подготовки процессов миграции, диагностики системных ошибок, использования технологий и стабилизации после внедрения/преобразования. Эта стабилизация сосредоточена вокруг проблем юзабилити, задержек обслуживания клиентов и сценариев воспроизведения.