Il n’est pas facile de nettoyer les achats d’une grande banque. Surtout lorsqu'ils sont divorcés par deux systèmes intégrés indépendants ERP et EDMS. En combinant VTB et VTB24, nous avons également eu une unification des systèmes d'information, et maintenant un processus d'approvisionnement unique les traverse. Que faire Process Mining est venu à la rescousse - l'une des technologies les plus intéressantes pour la recherche, l'analyse et la surveillance des processus métier. Mais en même temps, il est très difficile à utiliser.
Process Mining est une approche de l'analyse des processus métier utilisant des technologies avancées dans le domaine de la collecte et du traitement des données. Nous avons vu beaucoup de projets coûteux et à grande échelle où ils ont entrepris l'analyse des processus à l'aide de Process Mining. Malgré la fin de ces projets, dans 80% des cas, les beaux schémas obtenus n'ont pas fonctionné. Mais les tristes statistiques ne nous ont pas effrayés et nous avons également décidé de démêler notre enchevêtrement de processus via Process Mining. Détails sous la coupe.
Comme nous l'avons déjà dit, la complexité de la mise en œuvre est principalement due au fait qu'après la fusion de VTB et VTB24, le processus d'approvisionnement de la banque passe par plusieurs systèmes d'information qui sont responsables des différentes étapes du processus. De plus, nous avons dû prendre en compte les informations historiques du système mis hors service. En conséquence, nous avons obtenu un ensemble diversifié de sources de données informatiques - base de données IBM Lotus, base de données MS SQL, base de données Oracle, SAP (intégration via RFC). L'image se termine par le fait que les sources de données se trouvent dans différents segments de réseau - cela doit également être pris en compte dans l'architecture de la solution et les méthodes d'intégration. Soit dit en passant, nous avons un article distinct sur la combinaison des segments de réseau des banques. Mais revenons aux processus opérationnels d'approvisionnement.
En fait, la bonne volonté de rétablir l'ordre dans les processus métier s'est décomposée en
deux tâches :
- restaurer un processus métier basé sur les données de toutes les sources - pour une optimisation ultérieure basée sur les données.
- calculer les indicateurs de performance clés (KPI) de la performance des processus - pour le reporting à la direction
La mise en œuvre technologique de la solution dans la banque comprend les composants suivants. La plateforme Process Mining est implémentée sur la base du logiciel Celonis, le composant de collecte de données est Pentaho DI + PostreSQL, le stockage de données et la vitrine de données est la base de données de colonnes Vertica. Le bundle Pentaho DI + PostreSQL nous permet de collecter et de traiter de manière centralisée les données provenant de sources (IBM Lotus, Oracle, MS SQL, SAP DFC). Vertica est une puissante base de données de type colonne qui nous permet de stocker des données sous une forme compressée et de traiter plus rapidement de grandes requêtes massives. C'est pourquoi Vertica sert de source de données pour Celonis, qui prend un modèle de données pour une cartographie des processus métier automatisée et une analyse ultérieure.
Notre outil clé est Celonis, utilisé pour le Process Mining. Il possède une visualisation et des analyses internes riches, qui peuvent être étendues à l'aide de l'API Python intégrée, qui donne accès à toutes les approches modernes d'analyse de données.
En général, chacun des composants que nous avons choisis remplit parfaitement sa propre tâche. Cependant, ils s'emboîtent tous comme une solution unique. La nouvelle plateforme vous permet de fournir Process Mining en tant que service, avec un niveau de détail réglable et la fréquence des mises à jour des données. Pour certaines tâches de la banque, nous fournissons des données pour Process Mining toutes les 15 minutes. Mais dans le cadre de cette tâche, il n'est pas nécessaire de mettre à jour les données plus d'une fois par jour.
Dans Celonis, il est très pratique de créer des rapports Excel basés sur des représentations analytiques, ce qui rend toujours le calcul de l'outil transparent. Nous sommes arrivés à la conclusion que, avec le KPI mis en œuvre, il est pratique d'avoir un rapport sur la même feuille avec une liste complète des transactions (événements) sur la base desquelles ce KPI a été calculé. En conséquence, nous pouvons résoudre des tâches de reporting analytique et interne en parallèle - c'est un avantage important.
Un modèle de processus commercial numérique, ainsi assemblé, vous permet de détecter: plusieurs cercles de coordination; retards dans le temps passé dans le statut; interprètes inefficaces ou les plus occupés; les meilleures et les pires unités dans le contexte des KPI et bien plus encore. En analysant les informations dans une perspective de processus, il est facile de passer de l'analyse numérique à l'optimisation. Des informations sur chaque achat que nous pouvons voir dans Celonis, et avec l'historique complet des modifications - avant cela, il aurait fallu passer à presque des dizaines de systèmes.
Avec l'aide de Process Mining, nous pouvons analyser à la fois un achat spécifique et un échantillon d'intérêt par type, unité ou autres paramètres de dynamique. De cette façon, il est possible d'identifier sans problème des étapes de processus inefficaces ou, par exemple, de trouver les raisons pour lesquelles le processus s'écarte d'un modèle donné. Par exemple, c'est ainsi que nous avons appris avec certitude que la négociation d'un accord est généralement l'une des étapes les plus longues du processus. Et ils ont également calculé le pourcentage des achats qui ne tombent pas dans le statut final, et en ont identifié les raisons.
Si nous allons plus loin, Process Mining nous permet non seulement d'identifier les problèmes sur la base de statistiques à multiples facettes, mais aussi de découvrir les meilleures façons de passer par l'approvisionnement, de comprendre pourquoi tout le monde ne l'utilise pas.
D'accord, le Process Mining est génial, mais qu'en est-il des objectifs spécifiques du projet? Nous avons traité avec succès le premier d'entre eux dans les termes déclarés. Initialement, il était nécessaire de restaurer les processus commerciaux uniquement pour l'approvisionnement par le Département des technologies de l'information, mais après avoir reçu les premiers résultats et les avoir démontrés, le client interne a demandé d'adapter la solution à tous les achats de la banque. Et nous avons réussi à le faire sans décaler les délais convenus.
Avec la deuxième tâche, calculer le KPI, tout n'était pas si simple. Les exigences strictes concernant l'erreur dans les calculs de KPI ont nécessité une meilleure qualité des données collectées - 96-98% par rapport aux sources. Cette qualité n'a pas été atteinte dans l'immédiat, il a fallu du temps au service financier pour nous consacrer notamment au processus métier. Le centre de compétences de la banque d'extraction de procédés et le service financier ont identifié conjointement des données et des caractéristiques de faible qualité des implémentations techniques qui déforment parfois les modèles de processus.
Grâce au projet, nous étions parmi ces 20% de personnes chanceuses que Process Mining a vraiment aidées. Et ce n'est pas de la chance. Pour construire un modèle de processus sur la base de données réelles mises à jour quotidiennement, calculer des indicateurs de processus et apporter le tout à des représentations analytiques belles et pratiques - ce n'est qu'une partie de l'histoire. De nombreux projets ne savent pas ce dont aucun Process Mining -
la qualité des données - ne fonctionnera sans. Nous avons beaucoup travaillé avec le client interne pour améliorer la qualité des données, afin que notre système puisse non seulement effectuer des analyses, mais également préparer des rapports réguliers pour prendre des décisions de gestion importantes.
À la suite du projet, notre compréhension du processus d'exploitation minière en principe a légèrement changé. Il s'agit d'une approche de collecte d'informations disparates sur le processus et de son analyse approfondie ultérieure à l'aide d'outils modernes. En outre, une approche impliquant
la collecte, l'enregistrement et l'analyse
continus et séquentiels des événements des systèmes d'information sur l'objet cible de la recherche et son évolution au cours du processus.
Notre solution basée sur la technologie Process Mining s'est avérée utile pour un grand nombre d'utilisateurs différents impliqués dans le processus d'approvisionnement. Désormais, dans le cadre d'un système unique, ils peuvent analyser en profondeur ces processus, suivre l'état des achats spécifiques, des KPI et enfin automatiser le reporting. Si nous parlons de chiffres, la mise en place de Process Mining et la mise en place d'un train de mesures par la direction financière nous ont permis de réduire le temps de passation des marchés de 25%, alors que le nombre total d'achats a été multiplié par 3.
Celonis possède un marché riche avec des modules complémentaires payants. Mais nous sommes arrivés à la conclusion qu'il est préférable de développer vos propres outils de réglage fin personnalisés à l'aide de l'API Celonis en Python. Nous partagerons cette expérience dans de futurs articles.
À propos de l'union des grandes banques à différents niveaux, nous pouvons lire encore une chose: