Глубинный поиск бизнес-процессов

Повышение интереса к бизнес-анализу, мониторингу и технологиям BI сегодня демонстрирует возрастающее желание получить доступные инструменты для отслеживания и контроля деятельности компании, один из которых уже сегодня применяется на практике в некоторых компаниях. Среди направлений сферы автоматизированного анализа глубинных поиск процессов является наиболее популярным и динамично развивающимся методом, кратко определяемый как «мониторинг бизнес-активностей организации, целью которого является использование логов информационных систем для диагностирования операционных процессов» [1]. Данная методология родилась и разрабатывается в Нидерландах группой ученых-исследователей Технологического Университета Эйндхофена под руководством родителя основной идеи подхода — профессора Вила Ван дер Аалста.

Целью глубинного поиска бизнес-процессов является «выделение подробных моделей процессов из журналов событий, то есть разработка такой процессной модели на основании имеющегося набора данных, которая максимально приближена к реальности и сообразна динамике исследуемых процессов» [1]. Одним из отличительных свойств Process mining является то, что анализ бизнес-активности начинается со сбора фактической информации о процессе, его доступных «следов» присутствия. Такие данные в необходимом объеме может предоставить любая информационная система, реализующая свои функции через отдельные транзакции — ERP, CRM, SCM, B2B, BPM. В целом неважно, настроены ли эти системы в соответствии с заранее определёнными маршрутами — для данной методологии в первую очередь необходимо получение любой структурированной информации, которая может охарактеризовать действия над каким-то конкретным объектом или данными. Такие записи используются для конструирования описания области процесса, а затем и спецификации, которая может адекватно описать зарегистрированное поведение пользователя в информационной системе в ходе операций над объектом или данными. Именно такое выделение структурированного описания процесса из набора реальных операций и называется автоматизированным выявлением бизнес-процессов.

Говоря подробней о глубинном поиске бизнес-процессов, необходимо привести несколько главных характеристик этого подхода, которые отмечены в статье [3]. Во-первых, «выявление бизнес-процессов отнюдь не сводится к выявлению простой последовательности переключений между различными задачами. Конечно, выявление цепочек действий является одной из ключевых задач при выявлении процессов. Однако Process mining имеет помимо этого еще два направления — проверка соответствия модели-образцу и совершенствование процесса. Это позволяет изучить организацию и в других плоскостях, таких как структура организации, спектр кейсов, которые составляют жизнь компании, а также изучить ее во временных и частотных разрезах» [3]. Кроме того, выявление процессов отнюдь не является лишь неким специфическим поиском труднодоступных связей между данными, которые позволяют выстроить шаги в единый процесс. Большинство алгоритмов глубинного поиска вообще не концентрируются на процессе как таковом, их результаты не сводятся лишь к классическим «деревьям принятия решения» или правилам выбора. Ну и конечно же, глубинный поиск процессов доступен не только для ограниченного статического массива данных, но также может применяться и на данных, которые генерируются здесь и сейчас, что позволяет контролировать текущие бизнес-ситуации. Такой подход делает возможным даже прогнозирование на основании имеющейся полномасштабной модели процесса и опыта предыдущих ситуаций.

Помимо указанного деления этой методологии на три ветви в зависимости от цели ее использования Ван дер Аалст [1] и авторы статьи [3] в рамках данного подхода выделяют также выявление бизнес-процессов в различных плоскостях организации с целью определения текущей ситуации с различных сторон в совокупности. Анализ потока управления или переключение задач в рамках бизнес-процесса, безусловно, является ключевым аспектом анализа деятельности организации для данного подхода, его целью становится наиболее детальное и приближенное к реальности описание последовательности задач и их структуризации в основной процесс и его исключающие ответвления. Результатом исследования в такой плоскости обычно является модель процесса в широком понимании этого термина, то есть в виде сети Петри или в любой из нотаций, заданных алгоритму для вывода полученных закономерностей. Другой исследуемой стороной организации при этом может стать ее организационная структура, в таком случае методология направлена на выявлении активных участников бизнес-процесса, их роли в каждой из задач и отношения (взаимозаменяемость, строгая последовательность работ, образующая иерархию ролей и прочее). Соответственно, результатом обследования компании в этой плоскости становится обычно классификация сотрудников в разрезе ролей и организационных единиц и структуры, показывающие взаимосвязи и координацию между работниками. Кроме перечисленных сторон деятельности организации глубинный поиск процессов позволяет исследовать все производственные ситуации, в которых выявленный в логах процесс шел тем или иным образом. Четвертой плоскостью, которая может быть изучена посредством данного подхода, могут быть временные и частотные закономерности деятельности организации. В случае, когда в логах имеется также отметка о времени фиксации события, мониторинг исполнения процесса позволяет обнаружить «узкие места», повлиять на уровень работы сервисов, задействованных в процессе, отследить использование ресурсов и степень, с которой задействован тот или иной участник, а также предсказать оставшуюся длительность исполнения в зависимость от обстоятельств.

Таким образом, можно заключить, что данная методология автоматизированного выявления бизнес-процессов предлагает весьма широкие возможности для анализа деятельности организаций, при этом не требуя дополнительных усилий для подбора и трудоемкой подготовки исходных данных. Математические же алгоритмы, которые ложатся в основу такого подхода, могут быть общими для обработки журналов событий самых разных информационных систем, что дает свободу применения такого метода. Кроме того, классификация и оценка хорошо структурированных данных в формате лога событий является достаточно простой и легко осуществимой вручную задачей. Благодаря перечисленным сильным сторонам глубинного поиска процессов в данном исследовании применению именно этой методологии в практической части будет уделено больше внимания.