Начнем с важного нюанса: эффективность — не то же самое, что и высокая производительность. И это то, что было бы неплохо принимать во внимание вендорам программного обеспечения класса Process Mining. Часто в их призывах фигурирует то, что сначала бизнесу нужно исследовать собственные процессы, а только потом «спускаться» на уровень мелких действий. Но практика показывает, что такой подход не несет большого профита, когда анализируются сложные сквозные БП, где много рутинных повторяющихся операций.
Классический алгоритм
Проведем гипотетический эксперимент: в большом «сложном» процессе участвуют 3 подразделения, базирующиеся в разных частях мира. В контексте выполнения этого БП вторая команда работает с результатом действий первой, а третья — второй. Понятная логическая цепочка. Несколько месяцев наблюдения и исследования показали, что именно первая команда — самая эффективная, поскольку закрывает все задачи в очень сжатые сроки. Работа этой команды получала больше всего преференций, когда вторая и третья были признаны «узкими местами», где требовалась оптимизация.
И вроде бы все правильно и обоснованно, однако реальное положение дел оказалось куда интереснее. Углубленный анализ показал, что вторая команда тратила огромное количество времени на исправление ошибок и реворков. Еще одна проблема — передавалась не вся информация по конкретным задачам. Выходило, что основной акцент первая команда делала на скорости работы, а на ее качестве и соблюдении регламентов и инструкций.
Аналитика «вне вакуума»
О чем говорят результаты эксперимента? Что применение «однобокого анализа» может привести к некорректной интерпретации данных. Изучение работы компании только с точки зрения, например, только Process Mining может оказаться не столь эффективным, как изначально предполагалось.
Как компании работают сейчас? Сначала с помощью процессной аналитики «вытаскивают» данные из логов для поисков «узких мест» в БП (в рамках эксперимента им стала вторая команда). Далее на «сломанных» участках начинают подключать Task Mining — аналитику операций. По итогу действия второй команды отнесли к неэффективным, а руководство уже начало строить планы по оптимизации их работы. Однако по факту очевидно проблемная вовсе не эта команда.
Следствие как причина
Как показал эксперимент, отдельное применение технологий, по факту, просто переносит проблемы от одной команды к другой и не дает бизнесу той самой обещанной «прозрачности».
К сожалению, рассмотренная нами ситуация довольно типична, а такие случаи не единичны. Руководство компаний часто решают мелкие проблемы некорректно, упуская из виду действительно важные вопросы. Поэтому важно помнить, что Process Mining и Task Mining должны работать в синергии.
По материалам ProcessMi