Защищайте бюджеты на Process Mining заранее 😄👌🏻
#ПроцессБар_МемнаяПятница

Планирование бюджетов на следующий год не за горами..

🔄 Подготовка данных. Где лучше обработать логи из систем-источников?
#ПроцессБар_топ

В некоторых решениях Process Mining есть встроенный инструмент обработки данных: можно переименовывать и добавлять новые столбцы, присоединять таблицы и т.д. Выглядит как достаточно удобная возможность. Но всегда ли надо это так?

Есть 5 нюансов, которые следует учитывать при выборе варианта обработки данных:

🔸 Наличие хранилища данных (ХД) в компании
Встроенный инструмент обработки данных - настоящая палочка-выручалочка, если:
- в компании нет корпоративного ХД
- ХД есть, но в нем нет нужных данных по процессу, а логика построения витрины* по процессу достаточно простая
- ХД есть, и даже есть почти готовая витрина в нем, но чтобы подключиться к ХД нужно пройти 389 кругов ада согласований. Тогда для пилотного анализа обработка данных внутри инструмента - отличный вариант

🔸 Стоимость места
Хранение данных - вещь небесплатная, поэтому учитываем стоимость: где хранение моих 30 Гб данных по процессу будут меньше стоить?
Стоимость лицензии PM-инструмента может зависеть от объема данных, загруженных в инструмент, и тогда может оказаться дешевле готовить данные вне решения.

🔸 Скорость загрузки данных в инструмент
Если вы планируете регулярно обновлять значительные объемы данных по процессу, и сырые данные занимают в разы больше места, чем обработанные, то этот пункт также берем во внимание.
Плюс бывают неожиданности: например, 100 Мб данных грузятся в PM-инструмент 3 минуты, а 300 Мб - 30 минут, то есть с увеличением объема данных скорость загрузки падает нелинейно.

🔸 Скорость обработки данных
ХД может быстрее обрабатывать данные, если логика витрины по процессу нетривиальная. Но этот параметр бывает сложно сравнить до того, как уже создана и проверена логика обработки в инструменте / в ХД.

🔸Нужно ли переиспользовать данные по процессу
Если реализовать подготовку данных внутри PM-инструмента, то потом сложнее эти данные использовать в другом месте - в BI-отчете на этих данных, или при переезде на другой PM-инструмент

*Витрина данных по процессу - набор данных, т.е. таблица, несколько таблиц, собранный под конкретный бизнес-процесс

📍Рубрики канала📍

Мы собрали все активные рубрики в одном сообщении. Пользуйтесь:)
✔️#ПроцессБар_топ -> про важные нюансы технологии
✔️#ПроцессБар_ВредныеСоветы -> лайфхаки наоборот
✔️#SuccessStory -> кейсы применения технологии
✔️#ПроцессБар_МемнаяПятница -> пятничные мемы
✔️#ПроцессБар_встречи -> анонсы и итоги встреч
✔️#Новости и #Бизнессплетни с доставкой в телефон/комп с тэгами
✔️#ПроцессБар_Видео -> ссылки на полезный видео-контент
✔️#ПроцессБар_ESG -> как дружат Process Mining и Устойчивое развитие
✔️#Разминка_для_мозга-> решаем и обсуждаем кейсы
✔️ #Прикинь -> интересные случаи из практики Process Mining

🍂 Осень - самое время подвести промежуточные итоги и сформировать план следующих шагов.

Хотим спросить у вас, какие темы / рубрики актуальнее других? Пройдите опрос и выберите самые интересные пункты 🔽

P.S. Если у вас есть конкретные темы, которые хочется обсудить в канале или на встречах, то welcome в лс @anya_politovaa

Больше кейсов богу кейсов!)
#SuccessStory #E2E
По результатам голосования вам интереснее всего читать истории успеха из мира Process Mining. Делимся новым кейсом от Celonis 🔽


✈️ Lufthansa Cargo настроили мониторинг сквозного процесса обслуживания клиентов от бронирования до доставки ✈️

Lufthansa Cargo - подразделение авиакомпании Lufthansa, которое занимается грузовыми авиаперевозками, Германия - Celonis, 2023

Обслуживание клиентов/ Учет доходов/ Логистика

Цель:
1. Улучшить взаимодействие подразделений компании, которые участвуют в процессах бронирования, обработки заказов, учета доходов и доставки грузов
2. Проверить соответствие эталонным процессам, а также проанализировать время прохождения и количество жалоб от клиентов
3. Найти точки для автоматизации

Проект в цифрах:
- 9 месяцев
- 3 системы-источника
- 60 таблиц в модели данных
- более 70 шагов в процессе
- более 2 млн кейсов

Итого:
1. Улучшили KPI по времени обработки инцидентов и выплаты компенсаций
2. Стали быстрее выявлять и решать проблемы нарушения в процессе доставки
3. Планируют добавить 3 новых процесса в сквозную модели и дальше исследовать e2e-процесс

Источник: статья
Ставьте 🔥, если такие посты интересны

📈 Результаты проекта, непонятные или слабые? 📈

Итак, мы сделали пилот, и нам понравилась технология и эффекты. Следующий этап - показать результаты проекта группе людей или конкретному человеку, кто принимает решение о закупке.

В этой части рубрики #ПроцессБар_ВредныеСоветы рассказываем, как сделать так, чтобы Process Mining ни за что не остался в компании после презентации результатов

1️⃣ Нужно помогать людям развивать интуицию на встречах, поэтому не стоит рассказывать контекст по процессу. Самостоятельно догадаться про границы процесса и про системы-источники - невероятно интересный вызов, каждому захочется испытать свои силы
2️⃣ Забудьте про слайды с рассказом про технологию Process Mining. Ни у кого даже мысль не возникнет спросить про метод, которым вы пользовались при анализе процесса

3️⃣ Если вы на свой страх и риск решили рассказать про бизнес-эффекты, то сначала нужно рассказать про каждый шажочек, начиная с этапа формирования гипотезы. Как можно дольше оставляйте тайну, сколько FTE и денег можно сэкономить
4️⃣ Показать предложения по оптимизации - так себе идея. Мы же уже нашли проблемы в процессе, этого достаточно. Проблемы не нужно решать, расслабьтесь!

5️⃣ Не показывайте заранее презентацию владельцам бизнес-процессов и другим заинтересованным лицам. Идеальный вариант: если выводы пилота не будут пересекаться с исходными целями и ожиданиями руководителей
6️⃣ Обязательно пропустите рассказ про возможности развития Process Mining в компании. Роадмап развития - интуитивно понятная и очевидная вещь, про нее не нужно даже упоминать

Ставьте 🔥, если заходит такой формат постов

☀️🍂 Двигаемся в сторону октября с рубрикой #ПроцессБар_МемнаяПятница

🤖Считаем эффекты от автоматизации🤖

С помощью Process Mining мы можем оценить, сколько времени в реальности уходит у сотрадников на те действия, которые можно автоматизировать. Мы получаем более точные ответы на вопросы:
- сколько FTE мы сэкономим при автоматизации?
- как быстро окупятся ресурсы, затраченные на разработку автоматизации?

Доброго пятничного утра 🌤
#ПроцессБар_КотоПятница

У нас в команде есть хорошая традиция: скидывать по пятницам своих котиков в общий чат. Предлагаем попробовать такой движ здесь!)

Оставляйте фото своих пушистых любимцев в комментариях 🐈 Будем периодически создавать отличное настроение друг другу)

💡Для тех, кому интересно машинное обучение и Data Science

Коллеги из комьюнити NoML и Yandex Cloud проведут онлайн-встречу по математической оптимизации для бизнеса. Подробности в анонсе ниже ⬇️

Математическая оптимизация для бизнеса

Мы продолжаем продвигать тему математической оптимизации и исследования операций в массы специалистов по DS/ML.

На вебинаре 12 октября вместе с коллегами из Yandex Cloud расскажем о том, что такое математическая оптимизация, в чём преимущества её совместного с ML использования при решении бизнес задач, а также как и почему надо всем этим заниматься в облаке.

Обсудим:
▫️ основные компоненты оптимизационных задач;
▫️ типичные бизнес-сценарии оптимизации;
▫️ реальные проекты, в которых использовалась математическая оптимизация;
▫️ примеры решения оптимизационных задач в сервисе Yandex DataSphere.

Докладчики: Дмитрий Рыбалко (Yandex Cloud), Максим Гончаров (GlowByte), Илья Лещёв (GlowByte).

Время и место встречи: 12 октября в 12:00, онлайн.
Зарегистрироваться на мероприятие можно по ссылке.

Любимая рубрика #ПроцессБар_МемнаяПятница теперь будет выходить еще и в формате видео⚡️

Всем круто отдохнуть на выходных!

Технология Task Mining (TM) начала набирать популярность в России 2-3 года назад. В этом посте расскажем про саму технологию и про то, какую бизнес-пользу может принести ТМ

➡️ Если кратко, то в чем суть технологии?
С помощью TM мы можем отследить, какие действия делает сотрудник за своим компьютером

➡️ А если подетальнее?
На компьютеры сотрудников устанавливается программа (агент мониторинга), которая в фоновом режиме отслеживает действия сотрудника:
- клики мышкой = открытие программ, нажатие кнопок...
- ввод текста = заполнение форм, полей..

➡️ Какую пользу может принести Task Mining?
Когда мы собрали данные по нескольким сотрудникам, то мы сможем
- понять, сколько времени сотрудники работает активно
- увидеть, в каких программах сотрудники проводят больше всего времени
- выявить лишние действия в процессе работы
- найти потенциал для автоматизации шагов и операций в бизнес-процессах

➡️ Как работает Task Mining вместе с Process Mining?
Сам по себе Task Mining поможет увидеть картину рабочего дня сотрудника. Но именно в связке с Process Mining мы можем проанализировать последовательности действий сотрудников и найти взаимосвязь между, казалось бы, не связанными событиями.

➡️ Что нужно для того, чтобы построить анализ по действиям сотрудника?
Если кратко, то работы технологии ТМ состоит из 5-ти этапов:
1. Выбор решения класса TM. У некоторых вендоров Process Mining уже есть свои решения TM, что очень удобно, если интсрумент PrM уже закуплен. Можно также выбрать отдельное ТМ, но тогда могут быть сложности при интеграции c PrM
2. Выбор группы сотрудников и процессов, которые хотим проанализировать. Учитываем, что чем более стандартизованный процесс возьмем, тем лучше сработает ТМ.
3. Установка и отладка агентов мониторинга на компьютеры сотрудников
4. Обработка данных. Собираем действия сотрудника, которые зафиксировали агенты мониторинга, в цепочки для последующего анализа
5. Анализ действий сотрудников. Создаем дашборды и отчеты по действиям полученным цепочкам действия сотрудника

Ставьте 🔥 на пост, если было полезно