Process Mining: что это, как работает и где применяется в бизнесе

Для бизнес-процессов в компаниях обычно есть регламенты: как проходит заявка, кто и на каком этапе согласовывает, какие сроки нужно соблюдать. На практике все сложнее: появляются дополнительные шаги и неочевидные сценарии, которые замедляют работу.

Чтобы повысить эффективность, компании внедряют разные инструменты. Но часто это происходит вслепую — без понимания, как процессы работают на практике. Решить эту задачу помогает Process Mining.

В статье разберем, что это за технология и как с ее помощью оптимизировать бизнес-процессы.

Что такое Process Mining

Process Mining (перевод с англ. — процессная аналитика) — это технология анализа бизнес-процессов на основе данных из ИТ-систем. Она показывает, как процессы работают на самом деле, а не как описаны в регламентах.

В отличие от классического анализа, который опирается на интервью с сотрудниками и предположения внутреннего аудита, Process Mining работает только с фактами. Это позволяет:

• понять, как процесс выполняется сейчас и на каком этапе возникают задержки;
• выявить проблемы и причины отклонений от регламентов;
• оценить, как изменения повлияют на результат.

По сути, Process Mining помогает собрать разрозненные данные по процессу в понятную модель и принимать решения на ее основе.

Как работает Process Mining: технология и методы анализа

Process Mining простыми словами — это анализ событий, которые есть в ИТ-системах компании. Каждое действие — создание заявки, согласование, изменение статуса — сохраняется в виде записи. Из этих записей и формируется полная картина процесса.

Технология использует три метода анализа процессов:

1. Восстановление процесса (Discovery)

Система собирает все события по одному процессу, сортирует их по времени и выстраивает фактические маршруты.

Например, регламент предполагает процесс «Заявка → Согласование с руководителем → Выбор поставщика → Оплата». А Discovery показывает, что в 30% кейсов после «Согласования с руководителем» появляется лишний шаг «Дополнительное согласование с финдиректором». Этого этапа нет в инструкции, но он есть в жизни.

➤ Результат: фактическая карта процесса со всеми сценариями выполнения.

2. Проверка соответствия (Conformance checking)

Система сравнивает фактическую модель с эталонной — регламентом, инструкцией, SLA — и подсвечивает расхождения.

Например, в регламенте прописано, что счет должен быть оплачен в течение 5 рабочих дней. Conformance checking показывает: в 20% кейсов между этапами «Выбор поставщика» и «Оплата» вклинивается этап «Проверка оригиналов документов», который добавляет еще 3 дня.

➤ Результат: список отклонений от нормы с их частотой и влиянием на сроки.

3. Расширение модели (Enhancement)

На восстановленную модель процесса накладываются фактические данные: время выполнения каждого шага, загрузка исполнителей, количество повторных операций, стоимость. Это превращает цифровой двойник процесса в аналитический инструмент.

В рамках Enhancement проводят performance analysis — анализ производительности процесса.

Например, он показывает, что этап «Согласование с руководителем» в среднем занимает 2 дня, а «Дополнительное согласование с финдиректором» — 5 дней. Именно здесь процесс тормозит сильнее всего.

➤ Результат: обогащенная модель процесса с измеримыми показателями — временем, загрузкой, узкими местами. В итоге компания получает не просто визуальную схему процесса, а инструмент диагностики, который находит проблемные зоны и помогает делать обоснованные выводы.

Какие данные нужны для Process Mining

Источники данных для Process Mining — это любые цифровые системы, где фиксируются действия сотрудников и изменения статусов:

• ERP-системы (1С, SAP, Oracle, Microsoft Dynamics) — данные о закупках, финансах, логистике, производстве.
• CRM-системы (Битрикс24, amoCRM, Salesforce) — информация о работе с клиентами и заявками, статусы сделок.
• Service Desk и ITSM-системы (Jira, YouTrack, ServiceNow) — обработка инцидентов и запросов.
• Базы данных (PostgreSQL, MySQL, Oracle DB) — прямое подключение к таблицам с бизнес логами.
• Системы ЭДО (Directum, Диадок) — согласования, маршруты документов.
• Файлы и логи — CSV, Excel, журналы почтового сервера, логи обмена данными между системами.

Ключевое требование — наличие журналов событий. Это записи, в которых зафиксировано: что произошло, с каким объектом и в какой момент времени. В источнике должно быть три обязательных поля:

Важно не только наличие case_id, но и его правильный выбор. Один и тот же процесс можно рассматривать с разных точек зрения: по заявке, заказу, клиенту, поставке или счету. От этого зависит, какие маршруты и отклонения увидит аналитик.

Можно добавить дополнительные параметры — например, момент завершения события (end timestamp), исполнителя (user), название продукта, канал коммуникации, тип документа, поставщика, сумму операции. Чем больше данных, тем глубже анализ: можно понять не только как проходит процесс, но и какие факторы влияют на его результат.

Какие метрики используют для анализа процессов

Process Mining позволяет не только увидеть процесс, но и измерить его эффективность. Для этого используются метрики, которые показывают, где процесс замедляется, где возникают отклонения и какие изменения могут дать наибольший эффект.

Ключевые метрики:

• Длительность процесса — общее время от первого до последнего события в кейсе. Например, от создания заявки до ее закрытия или от поступления заказа до оплаты. Метрика показывает, сколько времени занимает процесс целиком.
• Время выполнения шага — время, которое уходит непосредственно на выполнение конкретной операции, этапа или задачи. Его можно корректно рассчитывать, если в данных есть начало и завершение операции или при наличии нескольких последовательных шагов.
• Время ожидания — время простоя между этапами процесса. Например, заявка уже создана, но несколько дней ждет согласования. Эта метрика помогает находить «бутылочные горлышки» — этапы, где процесс чаще всего задерживается.
• Количество возвратов и повторных операций — сколько раз процесс возвращается на предыдущие этапы. Высокий показатель говорит о проблемах на входе или нечетких требованиях.
• Количество вариантов процесса — сколько разных сценариев выполнения существует. Большое количество вариантов может указывать на нестабильность процесса.
• Процент отклонений от регламента — доля процессов, выполненных по установленным правилам. Низкий показатель не всегда плохо: иногда отклонение эффективнее стандарта.
• Загрузка исполнителей и ресурсов — показывает, как распределена работа между сотрудниками, командами или системами. Помогает понять, где возникает перегрузка.
• Стоимость процесса или шага — рассчитывается, если к событиям можно привязать трудозатраты, стоимость ресурсов, сумму заказа или другие финансовые параметры. Помогает сразу оценить экономический эффект от оптимизации.

Метрики рассматривают в комплексе: сравнивают между собой, анализируют динамику и ищут причины отклонений. Например, высокая длительность процесса сама по себе не объясняет проблему. Причина может быть во времени ожидания, повторных согласованиях, перегрузке конкретного отдела или большом количестве нестандартных маршрутов.

В результате Process Mining помогает не просто зафиксировать проблему, а понять, где именно нужно оптимизировать бизнес-процессы и какие изменения дадут максимальный эффект.

Этапы внедрения Process Mining

Типовой проект Process Mining включает несколько шагов:

1. Выбор процесса для анализа. Он должен быть оцифрован: основные действия проходят через ИТ-системы и оставляют записи. При этом он регулярно повторяется — это позволяет собрать достаточно данных и увидеть устойчивые закономерности.

Пример: компания выбирает процесс «Согласование счетов на оплату», который проходит через несколько систем и выполняется ежедневно.

2. Постановка целей и гипотез. Бизнес и владелец процесса решают, что именно нужно улучшить, например сократить время обработки заказа или повысить удовлетворенность продуктом среди клиентов.

3. Сбор и подготовка данных. Данные выгружают из информационных систем, приводят к единому формату и объединяют в журнал событий. В нем фиксируются ключевые параметры процесса: идентификатор, действие и время. После этого данные проверяют на корректность и полноту.

4. Построение модели «как есть» (AS-IS). Очищенные данные загружают в систему. Алгоритмы автоматически восстанавливают фактическую схему процесса — со всеми ветвлениями, циклами и отклонениями.

5. Анализ узких мест и проверка гипотез. Аналитики исследуют процесс и ищут причины проблем.

Пример: анализ показал, что 40% заявок на оплату возвращаются на доработку из-за отсутствия обязательного поля «Код затрат». То есть проблема не в ошибках сотрудников, а в регламенте процесса.

6. Разработка сценариев изменений (TO-BE). На основе анализа формируют рекомендации: какие этапы можно упростить, автоматизировать или исключить. Каждое изменение должно иметь измеримый эффект: сокращение времени, снижение затрат, уменьшение числа возвратов.

Примеры сценариев TO-BE: убрать лишний этап согласования, добавить обязательное поле в форму заявки, перенастроить маршрутизацию на ответственного сотрудника, автоматизировать рутинный перенос данных между системами.

7. Внедрение и контроль результатов. После внесения изменений программа продолжает собирать данные и отслеживает эффект с помощью метрик. Если результата нет — возвращаются к шагу 5 и проверяют новые гипотезы.

8. Масштабирование. Успешный пилот тиражируют на другие процессы. В компании формируют центр компетенций Process Mining, который самостоятельно запускает проекты, обучает сотрудников и поддерживает стандарты работы с данными.

Такой поэтапный подход помогает не просто провести интеллектуальный анализ процессов, но и выстроить системную работу с процессной аналитикой и постепенно оптимизировать бизнес-процессы в компании.

Как VK Process Mining упрощает внедрение процессного анализа

VK Process Mining подключается к уже работающим системам и позволяет начать анализ без долгой подготовки. Среди преимуществ продукта:

• Готовые инструменты. Решение включает набор готовых шаблонов для разных задач: Variant Explorer (анализ вариантов процесса), Case Explorer (изучение отдельных кейсов), анализ повторов шагов, времени, общая статистика, сравнение с эталоном, поиск закономерностей. Аналитика не начинается с чистого листа.

• Мультипроцессная аналитика. VK Process Mining показывает не отдельные этапы, а сквозные цепочки — например, как заявка проходит через закупки, логистику и финансы.

Для сложных процессов всё чаще используют object-centric подход: он позволяет анализировать не один case_id, а несколько связанных объектов — например заказ, поставку, счет и платеж. Это помогает избежать искажений, которые возникают при принудительном сведении сложного процесса к одному идентификатору.

• Task Mining. Модуль собирает данные с рабочих столов сотрудников: клики, ввод данных, переключения между окнами. Это закрывает «слепые зоны» — действия, которые не попадают в системные логи, потому что выполняются вручную.

• Два варианта поставки. В контуре компании — для бизнеса с высокими требованиями к безопасности. Или в облаке — для быстрого старта без капитальных затрат на инфраструктуру. В обоих вариантах доступны одни и те же возможности.

• Поэтапное внедрение с поддержкой: специалисты помогают подключить источники данных, настроить модель, проверить корректность процессов и подготовить дашборды. После этого команда заказчика может самостоятельно работать с системой, отслеживать KPI и развивать процессную аналитику внутри компании. Либо при необходимости наши специалисты сопровождают проект на всех этапах.

В результате бизнес получает не просто инструмент, а рабочий механизм управления процессами — с регулярным мониторингом, проверкой гипотез и измеримым эффектом от изменений.

Применение процессной аналитики в бизнесе: кейсы VK Process Mining

Process Mining работает в любой сфере, где процессы оставляют цифровые следы. Например, VK Process Mining уже используют в логистике, металлургии, банках и ритейле. Вот как это выглядит на практике.

• Логистика и цепочки поставок — Process Mining помогает анализировать маршруты, выявлять задержки и оптимизировать поставки.

Компания Health & Nutrition (ex Danone) проанализировала доставку скоропортящейся продукции от завода до покупателя и выяснила, что только 23% поставок укладываются в сроки. Это позволило определить и оптимизировать проблемные маршруты.

• Банковский сектор — технология служит для анализа процессов одобрения, обработки заявок и внутреннего согласования.

В банке «Кубань-Кредит» процессную аналитику запустили в облаке за 7 дней. Уже в первый месяц проанализировали около 300 маршрутов одобрения кредитных карт и выявили отклонения в процессе.

• Телеком — Process Mining помогает управлять масштабными процессами и проверять гипотезы по их улучшению.

Компания «Ростелеком» за 6 месяцев внедрила локальную версию VK Process Mining, перенесла более 300 млн событий и протестировала 50 гипотез по оптимизации.

• Металлургия — в промышленности технология помогает анализировать производственные и закупочные процессы, выявлять задержки и снижать издержки.

В металлургической компании проанализировали процесс согласования расходных договоров с поставщиками. Выявили избыточные этапы и частые возвраты на доработку. После оптимизации срок согласования удалось сократить на 38%.

Рекомендации по внедрению Process Mining

• Начинайте с пилота на одном процессе. Выберите процесс с понятной задачей — например, с высокой длительностью или частыми возвратами. Пилот позволяет быстро получить первые результаты и обосновать масштабирование.

• Опирайтесь на фактические данные, а не на регламенты. Реальные процессы почти всегда отличаются от описанных. Сначала анализируйте модель AS-IS и только потом сравнивайте ее с эталоном.

• Вовлекайте бизнес в анализ. Без участия сотрудников, которые работают в процессе, данные легко интерпретировать неправильно. Бизнес помогает понять причины отклонений.

• Сначала оптимизируйте процесс, затем автоматизируйте. Автоматизация усиливает текущую логику процесса. Если в нем есть лишние шаги или ошибки, они сохранятся. Сначала процесс нужно упростить.

Тренды и будущее процессной аналитики в России

Российский рынок процессного анализа растет. Компании переходят от точечных пилотов к промышленному использованию технологии. По данным исследования TAdviser, Process Mining и Task Mining перестали быть экспериментом и становятся рабочим инструментом бизнеса. Технология используется для операционного управления наравне с BI-дашбордами.

Можно выделить несколько ключевых направлений развития:

• Переход от анализа к управлению процессами Если раньше Process Mining использовали для разовых проектов, то сейчас компании выстраивают постоянный мониторинг. Бизнес отлаживает процессы в динамике и принимает решения на основе данных, а не только экспертных оценок.

• Интеграция с автоматизацией Процессная аналитика все чаще используется как база для автоматизации. С ее помощью находят операции, которые можно роботизировать, и оценивают потенциальный эффект еще до внедрения.

• Low-code и доступность для бизнеса Process Mining постепенно выходит за пределы ИТ-подразделений. Бизнес-специалисты могут самостоятельно работать с данными: загружать их, строить модель процесса в несколько кликов и настраивать дашборды без сложной разработки.

• Использование искусственного интеллекта Алгоритмы машинного обучения помогают находить неочевидные закономерности и заранее выявлять риски, например срыв сроков или рост затрат. ИИ автоматически генерирует гипотезы и прогнозирует развитие процессов.

Заключение: Process Mining как основа управления процессами

С помощью Process Mining можно увидеть, как в реальности работают процессы, и выявить точки, которые влияют на сроки, затраты и результат. Это дает бизнесу возможность перейти от разовых проверок к системной работе с процессами: находить узкие места, оценивать эффект изменений и масштабировать улучшения.

VK Process Mining помогает выстроить такую практику — от подключения данных до регулярного мониторинга и анализа процессов.

Начните с пилотного проекта, чтобы оценить возможности технологии на своих данных. Оставьте заявку — команда VK Tech поможет подключиться и показать первые результаты.

Часто задаваемые вопросы