• Сегодня 23 июля 2024
  • USD ЦБ 87.78 руб
  • EUR ЦБ 95.76 руб
Двенадцатая конференция «Внутренний контроль и внутренний аудит как инструменты повышения эффективности бизнеса»
Двенадцатая конференция «Внутренний контроль и внутренний аудит как инструменты повышения эффективности бизнеса»
Восьмая конференция «Автоматизация корпоративного казначейства»
Корпоративные подарки детям сотрудников
50 бизнес-моделей новой экономики. Уроки компаний-единорогов
https://t.me/cfo_russiaru

Ольга Бабенчук, ПГК: «Развитие технологии Process mining – это инвестиция, которая при правильном понимании выглядит очень привлекательно»

09.02.2023

Ольга Бабенчук, ПГК: «Развитие технологии Process mining – это инвестиция, которая при правильном понимании выглядит очень привлекательно»

Ольга Бабенчук, заместитель начальника управления рисков и внутреннего контроля Первой грузовой компании и спикер Девятой конференции «Внутренний контроль и внутренний аудит как инструменты повышения эффективности бизнеса», рассказала CFO Russia про предпосылки и этапы развития технологии Process mining в ПГК для анализа эффективности контролей и процессов.

Что стало предпосылками для развития технологии Process mining в области анализа эффективности контролей и процессов?

Основной предпосылкой развития Process mining стало внедрение в 2019 году ИТ-решения SAP, которое объединило в одну систему все ключевые бизнес-процессы компании. С другой стороны, SAP критично изменил систему внутреннего контроля: часть процессов получили преднастроенные стандартные контроли, удругих изменилась технология выполнения, и старые контроли перестали быть актуальными. Для части процессов по требованию бизнес-экспертов были разработаны и внедрены дополнительные контроли. Изменились требования и подходы к логированию транзакций, ролевой модели и управлению правами доступа. Все эти факторы вкупе дали возможность получить цифровой портрет любого бизнес-процесса, автоматизированного в SAP.

Второй предпосылкой, также связанной с внедрением SAP, стало подробное документирование бизнес-процессов в ARIS в виде диаграмм и регламентов. Следствие этого – определение владельцев процессов и фиксация зон ответственности, глубокое понимание целей процессов и связанных с ними операционных рисков. Это дало возможность подробно описать и задокументировать операционные контроли, которые ранее были или рассеяны по разным бизнес-процессам, или не имели четко очерченного круга ответственных, или не были задокументированы, а выполнялись по умолчанию.

Третья предпосылка – непрерывное улучшение и повышение эффективности процессов ПГК. Различные проекты требовали и требуют данных о процессах. Например, среднего времени, или оценки трудозатрат на выполнение определенных функций, или узких проблемных мест процессов. Для части проектов анализ проводили внешние консультанты на основе интервью исполнителей, при этом данные интервью не всегда подтверждались цифровыми данными SAP.

Расскажите, в какие этапы проходит развитие технологии Process mining в вашей компании?

Развитие Process mining началось в ПГК не так давно. В первый момент были ожидания, что есть некое ИТ-решение, которое может самостоятельно подключиться к SAP и выдать цифровой портрет бизнес-процесса или подсветить проблемные области. Например, зацикленность или необязательные шаги. Однако при тестировании различных решений выяснилось, что первый и ключевой этап – это подготовка данных – датасета. От качества, полноты и представления датасета результат зависит критичным образом. Если процесс рассмотреть, как набор последовательных шагов, а каждый шаг – это изменение определенного объекта в SAP, то достаточно легко собрать единую таблицу, даже в Excel, с перечнем таких объектов и их статусами.

Далее такую таблицу можно дополнить временем изменения статусов и пользователями, которые статус меняли, – идеальный датасет готов. Но для сложных процессов, где параллельно могут выполняться различные шаги, или шаги процесса не всегда идут в строгой очередности, подготовка датасета усложняется. Например, в процессе может быть шаг получения пакета документов, потом его согласование и отражение в учете. При больших объемах операций такая последовательность может быть легко нарушена. Например, после отражения пакета документов в учете от контрагента получен корректировочный пакет, тогда по нему есть уже два шага по получению, проверке и отражению в учете.

Другой пример: при задержке согласования пакета документов по различным причинам отражение хозяйственной операции в учете может проводиться по запросу от бизнес-подразделения, например, на основе служебной записки. А этап согласования пакета документов следует уже после этапа отражения в учете, что нарушает логическую структуру датасета. Другим примером могут служить редкие нетипичные для процесса операции, которые несут в себе характеристики данных, сильно отличающиеся от выполнения процесса по обычным операциям. Например, если процесс закупок в компании единый и для закупки услуг (например, консалтинга), и хозтоваров (например, канцелярии), и основных средств (например, зданий), то, очевидно, датасет процесса закупок будет содержать ассорти из множества разрозненных данных. А шаг по формированию ОС-1 (документ, необходимый для постановки на баланс купленного здания) будет интерпретирован как необязательный и неэффективный, ведь для основного массива закупочных операций, а это хозяйственные товары, ОС-1 не нужен.  

Второй этап – формирование задач и гипотез по бизнес-процессу. В зависимости от того, что мы хотим узнать о процессе, происходит выбор инструментов Process mining. Например, если мы просто хотим получить цифровой портрет бизнес-процесса, нарисовать диаграмму-граф, подсветить зацикленные области или необязательные шаги, то можно обойтись и стандартными решениями визуализации. Например, Qlik. Если задача проанализировать поведение пользователей в рамках выделенного процесса, например, выявить «малоактивных» пользователей, или выполняющих нетипичные комбинации транзакций, или посчитать среднюю нагрузку на пользователя, или среднее время, или стоимость выполнения шага процесса, то так же при небольшом или среднем объеме данных достаточно возможностей Excel. Если же требуется проверка гипотез относительно процесса, т.е. применение технологий Machine Learning, например, выявление нетипичных зависимостей одних характеристик процесса от других (длительность выполнения процесса закупки в зависимости от вида закупки или исполнителя), то необходимо переходить на специализированные ИТ-решения, в крайнем случае привлекать Python-аналитика.

Третий этап – формирование и интерпретация результатов Process mining-исследования и обсуждение результатов с владельцем бизнес-процесса. На данном этапе необходимо понимать, что технология Process mining – это набор математических и статистических моделей, результаты расчетов этих моделей крайне чувствительны к качеству данных из датасета и выбору самих моделей. Например, среднее время на выполнение транзакции по отражению хозяйственной операции может быть рассчитано сверхоптимистично, если в датасете процесса закупок смешаны транзакции, которые выполняются в ручном режиме и транзакции, выполняемые автоматически при пакетном вводе или при автоматическом согласовании пакета документов по определенному виду заказов на закупку. Другим примером могут быть необязательные шаги с позиции данного процесса, но необходимые в другом. Например, шаги по заполнению аналитических данных заказа по закупке могут быть и не нужны для отражения операции в учете, однако на таких данных позднее строится управленческая и налоговая отчетность. Другой пример – создание объекта «поставка» к заказу не является необходимым шагом для отражения операции закупки, но без такого объекта и его данных в SAP не рассчитается корректно сумма аванса под закупку.

Четвертый и финальный этап – это принятие управленческих решений. Обычно проведение Process mining-исследования – это не самоцель, оно входит в периметр более масштабного проекта по аудиту, тестированию контролей или реинжинирингу процессов. Результаты исследования рассматриваются вкупе с данными интервью, мнением экспертов-консультантов, анализом документов. В зависимости от задачи проекта результаты исследования могут лечь в основу рекомендаций по корректировке алгоритма выполнения процесса, внедрению дополнительных или упразднению неэффективных контрольных процедур, изменению функционала сотрудников. Результаты исследований можно перевести в формат регулярных отчетов. Например, настроить ежедневный мониторинг выполнения контрольных процедур или метрик бизнес-процессов (количество обработанных транзакций, количество отклоненных транзакций, нагрузка на сотрудников).

Как вы оцениваете эффект от развития Process mining для анализа эффективности контролей и процессов?

Если говорить в терминах эффективности – решение отдельной задачи минимальными затратами, то ситуация двойственная. С одной стороны, мы можем получить информацию о процессе на основе регламента, инструкций, пользовательских отчетов, интервью исполнителя. Это стандартный подход при аудите или анализе процессов и контролей, он применяется много лет. Под такой подход разработаны методики и профессиональные рекомендации: как делать выборку документов или транзакций, как проводить интервью, как интерпретировать отклонения, как документировать результаты. Есть много специалистов в консалтинговых и аудиторских практиках, которые в совершенстве владеют этими методиками. Это означает, что привлечь таких специалистов и сделать исследование стандартными методами можно достаточно быстро, а рыночная стоимость услуг известна заранее.

Технология Process mining только развивается. Для получения готового результата приходится прикладывать усилия по адаптации технологии к особенностям ИТ- и бизнес-архитектуры компании. Для объемного и сложного бизнес-процесса требуется дополнительная работа программистов и математиков для донастройки любого ИТ-решения, со стороны компании – слаженная работа архитекторов SAP и бизнес-экспертов для доработок SAP, формирования датасета и интерпретации результатов. Такой уровень технической сложности делает разовое применение технологии Process mining достаточно дорогой, а срок, затраты и результаты не всегда совпадут с первоначальными ожиданиями.

С другой стороны, можно смотреть на развитие технологии Process mining как на инвестицию, которая на начальном этапе требует достаточно много вложений и усилий. Если при этом есть понимание, что с каждым новым исследованием затрат будет требоваться все меньше, а результат будет более точным, быстрым и стоить дешевле, чем исследование силами внешних консультантов или аудиторов, то такая инвестиция выглядит достаточно привлекательно.

Задать свои вопросы Ольге и узнать больше об опыте Первой грузовой компании вы сможете на Девятой конференции «Внутренний контроль и внутренний аудит как инструменты повышения эффективности бизнеса», которая состоится 16 февраля 2023 года.

Мария Кириченко


Комментарии

Защита от автоматических сообщений