Não é fácil limpar as compras de um grande banco. Especialmente quando eles são divorciados por dois sistemas integrados independentes ERP e EDMS. Ao combinar o VTB e o VTB24, também tivemos uma unificação dos sistemas de informação e agora um único processo de aquisição passa por eles. O que fazer A Process Mining veio em socorro - uma das tecnologias mais interessantes para pesquisa, análise e monitoramento de processos de negócios. Mas, ao mesmo tempo, é muito difícil de usar.
Process Mining é uma abordagem para a análise de processos de negócios usando tecnologias avançadas no campo da coleta e processamento de dados. Vimos muitos projetos caros e de larga escala em que eles assumiram a análise de processos usando a Mineração de Processos. Apesar de esses projetos terem sido encerrados, em 80% dos casos os belos esquemas obtidos não funcionaram. Mas as tristes estatísticas não nos assustaram e também decidimos desvendar nosso emaranhado de processos por meio da Process Mining. Detalhes sob o corte.
Como já dissemos, a complexidade da implementação se deve principalmente ao fato de que, após a fusão da VTB e da VTB24, o processo de compras no banco passa por vários sistemas de informação responsáveis por diferentes etapas do processo. Além disso, tivemos que levar em conta as informações históricas do sistema desativado. Como resultado, obtivemos um conjunto diversificado de fontes de dados de TI - banco de dados IBM Lotus, banco de dados MS SQL, banco de dados Oracle, SAP (integração via RFC). A imagem terminou com o fato de as fontes de dados estarem em diferentes segmentos de rede - isso também teve que ser levado em consideração na arquitetura da solução e nos métodos de integração. A propósito, temos um
post separado sobre a combinação dos segmentos de rede dos bancos. Mas voltando aos processos de negócios de compras.
De fato, o bom desejo de restaurar a ordem nos processos de negócios se decompôs em
duas tarefas :
- restaure um processo de negócios com base em dados de todas as fontes - para posterior otimização orientada a dados.
- calcular indicadores-chave de desempenho (KPIs) do desempenho do processo - para relatar à gerência
A implementação tecnológica da solução no banco inclui os seguintes componentes. A plataforma Process Mining é implementada com base no software Celonis, o componente de coleta de dados é o Pentaho DI + PostreSQL, o data warehouse e o showcase de dados são o banco de dados da coluna Vertica. O pacote Pentaho DI + PostreSQL nos permite coletar e processar centralmente dados de fontes (IBM Lotus, Oracle, MS SQL, SAP DFC). O Vertica é um poderoso banco de dados do tipo coluna que permite armazenar dados em um formato compactado e processar mais rapidamente grandes consultas em massa. É por isso que a Vertica serve como fonte de dados para a Celonis, que adota um modelo de dados para mapeamento automatizado de processos de negócios e análises subsequentes.
Nossa ferramenta principal é a Celonis, usada para mineração de processos. Possui rica visualização e análise interna, que podem ser expandidas usando a API Python integrada, que fornece acesso a todas as abordagens modernas de análise de dados.
Em geral, cada um dos componentes que escolhemos executa perfeitamente sua própria tarefa. No entanto, todos eles se encaixam como uma solução única. A nova plataforma permite que você forneça o Process Mining como um serviço, com um nível ajustável de detalhes e a frequência das atualizações de dados. Para algumas tarefas do banco, fornecemos dados para a Mineração de Processos a cada 15 minutos. Porém, no contexto desta tarefa, não há necessidade de atualizar os dados com mais frequência do que uma vez por dia.
No Celonis, é muito conveniente criar relatórios do Excel com base em representações analíticas, o que sempre torna transparente o cálculo da ferramenta. Concluímos que, juntamente com o KPI implementado, é conveniente ter um relatório na mesma planilha com uma lista completa de transações (eventos) com base nas quais esse KPI foi calculado. Como resultado, podemos resolver tarefas de relatórios analíticos e internos em paralelo - essa é uma vantagem importante.
Um modelo de processo de negócios digital, montado dessa maneira, permite detectar: vários círculos de coordenação; atrasos no tempo gasto no status; artistas ineficazes ou mais ocupados; as melhores e piores unidades no contexto do KPI e muito mais. Ao analisar as informações da perspectiva do processo, é fácil fazer a transição da análise de dígitos para a otimização. Informações sobre cada compra que podemos visualizar na Celonis e com todo o histórico de alterações - antes disso precisávamos ir para quase dezenas de sistemas.
Com a ajuda da Process Mining, podemos analisar uma compra específica e uma amostra de interesse por tipo, unidade ou outros parâmetros em dinâmica. Dessa maneira, é possível identificar etapas ineficientes do processo sem problemas ou, por exemplo, encontrar os motivos para o processo se desviar de um determinado modelo. Por exemplo, foi assim que aprendemos com certeza que a negociação de acordos é geralmente uma das etapas mais longas do processo. E eles também calcularam a porcentagem de compras que não se enquadram no status final e identificaram os motivos para isso.
Se formos além, a Mineração de Processos nos permitirá não apenas identificar problemas com base em estatísticas multifacetadas, mas também descobrir as melhores maneiras de realizar compras, entender por que nem todos as usam.
Ok, a Mineração de Processos é ótima, mas e os objetivos específicos do projeto? Lidamos com sucesso com o primeiro deles nos termos declarados. Inicialmente, era necessário restaurar os processos de negócios apenas para compras pelo Departamento de Tecnologia da Informação, mas após receber os primeiros resultados e demonstrá-los, o cliente interno solicitou que a solução fosse escalada para todas as compras bancárias. E conseguimos fazer isso sem alterar os prazos acordados.
Com a segunda tarefa, calculando o KPI, tudo não foi tão simples. Os requisitos rigorosos para o erro nos cálculos de KPI exigiam uma qualidade melhorada dos dados coletados - 96-98% em comparação com as fontes. Essa qualidade não foi alcançada imediatamente; levou tempo para o departamento financeiro nos dedicar especialmente ao processo de negócios. O centro de competência do banco de mineração de processos e o departamento financeiro identificaram conjuntamente dados e recursos de baixa qualidade de implementações técnicas que às vezes distorcem os modelos de processos.
Como resultado do projeto, estávamos entre os 20% das pessoas de sorte que a Process Mining realmente ajudou. E isso não é sorte. Para criar um modelo de processo com base em dados reais atualizados diariamente, calcule os indicadores do processo e traga tudo para representações analíticas bonitas e convenientes - isso é apenas parte da história. Muitos projetos perdem o que nenhuma Process Mining -
qualidade de dados - funcionará sem. Trabalhamos muito com o cliente interno para melhorar a qualidade dos dados, para que nosso sistema possa não apenas conduzir análises, mas também preparar relatórios regulares para tomar decisões importantes de gerenciamento.
Como resultado do projeto, nossa compreensão de Process Mining, em princípio, mudou um pouco. Essa é uma abordagem para coletar informações díspares sobre o processo e sua subsequente análise aprofundada usando ferramentas modernas. Além disso, uma abordagem que envolve coleta
contínua e seqüencial , registro e análise de eventos de sistemas de informação sobre o objeto-alvo da pesquisa e sua evolução ao longo do processo.
Nossa solução baseada na tecnologia de Process Mining provou ser útil para um grande número de usuários diferentes envolvidos no processo de compras. Agora, na estrutura de um único sistema, eles podem analisar profundamente esses processos, monitorar o status de compras específicas, KPIs e, finalmente, automatizar os relatórios. Se falamos de números, a introdução da Process Mining e a implementação de um pacote de medidas pelo departamento financeiro nos permitiu reduzir o tempo para o processo de compras em 25%, enquanto o número total de compras aumentou 3 vezes.
A Celonis possui um mercado rico com complementos pagos. Mas chegamos à conclusão de que é melhor desenvolver suas próprias ferramentas de ajuste fino personalizadas usando a API Celonis em Python. Compartilharemos essa experiência em artigos futuros.
Sobre a união de grandes bancos em diferentes níveis, podemos ler mais uma coisa: