Внутренний аудит и process mining: эффекты синергии

Автор: Рощектаев Сергей Александрович, Рощектаева Ульяна Юрьевна

Журнал: Научный вестник Южного института менеджмента @vestnik-uim

Рубрика: Финансы и учет

Статья в выпуске: 1 (29), 2020 года.

Бесплатный доступ

В статье рассмотрены методологические основы и практика применения технологии Process mining для повышения эффективности бизнес-процессов российских компаний. Определены вызовы цифровой экономики и предпосылки для развития методов Process mining. Установлены направления трансформации подходов к процессному управлению в условиях применения методов Process mining. Выявлены основные эффекты синергии внутреннего аудита и Process mining. Рассмотрены этапы реализации проекта Process mining и критерии качества корпоративных логов данных. Предложен алгоритм действий для подготовки к внедрению технологии Process mining в российских компаниях; для получения внутренним аудитом выявленных эффектов синергии.

Еще

Бизнес-процесс, внутренний аудит, цифровая экономика, эффективность деятельности, программное обеспечение

Короткий адрес: https://sciup.org/143171102

IDR: 143171102   |   DOI: 10.31775/2305-3100-2020-1-54-60

Текст научной статьи Внутренний аудит и process mining: эффекты синергии

For citiation: Roshchektaev S.A., Roshchektaeva U.Y. Internal audit and Process Mining: the effects of synergy. Scientific Bulletin of the Southern Institute of Management. 2020. (1): 54-60. (In Russ.) https://doi. org/10.31775/2305-3100-2020-1-54-60

There is no conflict of interests

В настоящее время в науке и практике широко и стремительно развивается область Process mining. К сожалению, подавляющее большинство литературных источников на текущий момент представлено на английском языке и даже у термина Process mining нет полного русского аналога.

Цель применения методов Process mining состоит в повышении эффективности бизнес-процес-сов компаний в цифровой экономике. Основная идея Process mining состоит в извлечении знаний о структуре и поведении бизнес-процессов из журналов или логов событий. Такие логи сегодня широко распространены и доступны в современных информационных системах. На основе автоматизированного исследования больших данных осуществляется выявление, мониторинг и улучшение реальных бизнес-процессов [1].

Несмотря на то, что данная область достаточно молодая, у дисциплины Process mining уже есть свой Манифест (или принципы), терминология, обучающие материалы, профессиональные конференции.

Применение технологии Process mining позволяет управлять эффективностью бизнеса на основе анализа процессов в реальном времени, фокусирования ресурсов в нужном месте в нужное время, а также за счет оперативного реагирования на риски.

Сегодня Process mining даёт ответ на вызовы цифровой экономики, позволяя получать знания из больших объемов данных, которые хранятся в корпоративных информационных системах.

Каковы же эти вызовы для российских компаний? Каковы предпосылки для развития методов Process mining? Интересны результаты исследования компании EY [2]. За последние 2 года в мире получено больше данных, чем за всю предшествующую историю человечества. До конца 2020 года в мире будет более 50 млрд. устройств для сбора, анализа и передачи данных; на каждого человека на планете будет производиться около 2 Мб данных в секунду. Таким образом, в условиях 4-й индустриальной революции глобальными трендами выступают гиперподключенность участников процессов и умная автоматизация производства и услуг. В цифровой экономике компании будут получать конкурентные преимущества через применение технологий аналитики данных.

Россия готовится к вызовам цифровой экономики. Основаниями для формирования цифровой технологической платформы российских компаний являются следующие стратегические документы.

  • 1.    Стратегия развития информационного общества в Российской Федерации на 2017 – 2030 годы (утверждена Указом Президента РФ от 09.05.2017 № 203). Цель Стратегии – создание условий для формирования в России Федерации общества знаний.

  • 2.    Национальная стратегия развития искусственного интеллекта на период до 2030 года (утверждена Указом Президента РФ от 10.10.2019 № 490). Стратегия является основой для разработки и корректировки в том числе плановых и программно-целевых документов акционерных обществ с государственным участием.

  • 3.    Национальная программа «Цифровая экономика Российской Федерации», срок ее реализации – до конца 2024 года (паспорт Национального проекта утвержден протоколом заседания президиума Совета при Президенте РФ по стратегическому развитию и национальным проектам от 04.06.2019 № 7). Одна из целей – увеличение внутренних затрат на развитие цифровой экономики за счет всех источников не менее чем в три раза по сравнению с 2017 г. (с 1,7% до 5,1% в валовом внутреннем продукте страны) [3].

Process mining или извлечение процессов – это общее название группы методов, предназначенных для анализа и совершенствования бизнес-процес-сов на основе изучения журналов о выполненных операциях. Process mining устанавливает связь между реальными процессами, данными об их реализации и моделированием процессов (рис. 1).

обеспечивает поддержку, контроль

МИР людей организаций проверка соответствия извлечение моделей процессов

бизнес-процессов

моделирует, анализирует

МОДЕЛЬ ПРОЦЕССА

усовершенствование процессов

Рисунок 1. Содержание Process mining [1]

ИНФОРМАЦИОННЫЕ СИСТЕМЫ

устанавливает конфигурирует внедряет анализирует записывает события, в т.ч. транзакции, сообщения, инциденты

ЖУРНАЛ ОПЕРАЦИЙ

А. Проектирование процесса Разрабатывается высокоуровневая модель процесса

В. Реализация в ИТ-системе

Выполняется конфигурирование информационных систем автоматизации разработанного процесса

С. Люди и работа

ИТ-система координирует и поддерживает действия сотрудников при выполнении процесса

С. Process Mining Реконструируется процесс «как есть», затем производится проверка соответствия и улучшение процесса

В. ИТ-системы

Деятельность находит отражение в журналах ИТ-систем

А. Люди и работа

В ходе работы сотрудники создают информацию о деятельности, которую они выполняют

Рисунок 2. Процессное управление на основе Process mining [2]

Сегодня Process mining революционным образом меняет подходы к процессному управлению, ставит всё «с ног на голову» (рис. 2).

Анализ начинается с финальной стадии классического проектирования бизнес-процесса, т.е. в ходе работы сотрудники создают информацию о выполняемой деятельности. Далее деятельность отражается в логах ИТ-систем. Затем на основе Process mining реконструируется процесс «как есть» и выполняется проверка соответствия и улучшение процесса.

Проект Process mining реализуется в несколько этапов (рис. 3).

Каждый проект исследования процессов начинается с исходных данных. Для корректной работы с данными, необходимо извлечь и конвертировать их в соответствующий лог событий. События могут храниться в таблицах бизнес-систем (SAP, 1C), журналах регистрации транзакций. Данные о событиях чаще всего не содержат четкой структуры. Журнал должен содержать события, которые относятся к конкретному одиночному процессу. Таким образом, качество результатов Process mining напрямую зависит от входных данных, от качества журналов событий. Критерии качества корпоративных логов данных установлены Рабочей группой по Process mining [3].

Как известно, одной из задач внутреннего аудита является повышение эффективности биз-нес-процессов компаний. При этом Process mining придаёт новое качество внутреннему аудиту: внутренний аудит становится стратегическим партнером бизнеса, «продающим» усовершенствованные процессы; расширяется покрытие проверками Обществ Группы. Появляется возможность 100%-го охвата анализируемого процесса, а не риск-ориентированных выборок.

Рисунок 3. Этапы реализации проекта Process mining

Выделим основные эффекты синергии внутреннего аудита и Process mining. Аудитор быстро понимает организационную структуру процессов на предприятии. Ему доступен поиск «узких мест» процесса на основе извлеченной фактической модели процесса, возможен анализ типичных и аномальных сценариев процесса. Аудитор выявляет, какие существуют типы отклонений фактического исполнения процесса от эталонного. Оценивает, какие задачи выполняются какими ресурсами, с какой производительностью. Получает возможность тестировать популяции процессов целиком, а не их выборки. Аудитор не полагается на неак- туальные описания процессов; выводы аудитора полностью опираются на фактические данные. Аудитор может подтвердить соблюдение установленных стандартов и выявить их несоблюдение; идентифицировать неэффективные контроли. Получает возможность усовершенствовать процесс, наглядно продемонстрировать менеджменту ожидаемые результаты. В целом, внутренний аудитор получает инновационный инструмент для сокращения затрат по процессу и для повышения его эффективности [4].

Обзор функционала программных продуктов для Process mining приведен в таблице 1.

Таблица 1

Сравнительный анализ функциональности программного обеспечения для Process mining

Функциональность

ProM

Disco

Celonis

Описание

Типы входящих лог-файлов

MXML, XES

CSV, XLS, MXML, XES, FXL

CSV, XLS

Поддерживаемые форматы входных данных

Ограничение по количеству строк

Неограниченно

До 5 миллионов событий

В зависимости от ограничения базы данных

Максимальное количество строк для исследования

Лицензия

Открытая

Пробная (30 дней), Академическая, Коммерческая

Пробная (30 дней), Академическая, Коммерческая

Тип лицензии отличается периодом использования и функциональностью

Типы моделей для анализа

BPMN, WF, Petri nets, ECPs, Transition systems, Heuristics и др.

Fuzzy model

Fuzzy model, Support of charts

Какая модель будет применяться для анализа логов

Поддерживаемые платформы

Desktop Version

Desktop Version

Web, Software as a service version

Типы платформ, где может быть установлено ПО

Фильтрация данных

Выбор определенного пула логов

Создание карты процесса из логов

Вывод на экран карты процесса

Проверка соответствия

-

Проверка отклонений по ключевым факторам

Анализ социальных сетей

-

Тип модели для исследования соц. сетей

Правила принятия решений в анализе

-

-

Визуализации каждой точки принятия решений

Визуализация исследуемого процесса

Возможность анимации движения объектов на карте процесса

Performance Data (Время, скорость, объём и др.)

Возможность анализа производительности на различных участках карты процесса

Продолжение Табл.1

Функциональность

ProM

Disco

Celonis

Описание

Правила для исследования отклонений

-

-

Возможность прописывать правила отклонений в бизнес-процессе для поиска отклонений в процессе работы модели

Кластеризация процесса

-

-

Возможность разделения неструктурированного процесса на отдельные множества для каждого из которых производиться построение карты процесса

Дельта-анализ

Возможность сравнения модели AS-IS с эталонной моделью рабочего процесса

Корневой функциональностью программ для Process mining является автоматическое создание карт или моделей процессов из непосредственно загруженных журналов событий (рисунок 4). Возможен выбор нужного уровня абстракции карты процесса (например, 100%, 50%, 20%). Толщина линий треков и окраска действий показывают основные процессные потоки и их интенсивность. При 100%-ном отражении получена полная, сложная для восприятия карта, отображающая все варианты исполнения процесса. При 20%-ом масштабе мы получаем визуализацию наиболее типичного сценария исполнения процесса. При 50%-ом масштабе отображены в том числе действия процесса, которые исполняются реже. Такая карта подходит для выявления аномалий при исполнении бизнес-процесса. Примерно такую карту процесса знают участники, которые заняты в процессе [5].

На рисунке 4 приведен пример анимации фактических процессных потоков для определения «узких» мест процесса. Анимация процесса – это способ визуализации потоков процесса. Реальные события из журнала событий воспроизво- дятся на извлеченной карте процесса. На рисунке 4 представлены «узкие» места, которые были обнаружены в бизнес-процессе: каждая точка – это отдельное исполнение процесса в режиме реального времени; скопление точек – это проблемные участки процесса.

На рисунке 5 приведен ряд примеров реализованных проектов Process Mining в России и мире.

Для сотового оператора сформирована фактическая карта процесса закупок, выявлены случаи аномального поведения процесса закупок. Так, более 100 из почти 600 заказов миновали обязательные стадии и были закрыты сразу после создания. Определены узкие места процесса – это этапы регистрации и согласования заказа. Определены закупки, прошедшие через все стадии за слишком короткий срок – менее 1 ч. В металлургической компании установлены системные риски процесса закупок; например, установлена техническая возможность оплаты закупки без оприходования ТМЦ (около 500 случаев за год). Установлены закупки, оформленные с нарушением принципа разграничения полномочий. Для ритейлера сформирована фак-

Рисунок 4. Пример анимации процессных потоков для определения «узких» мест процесса

Российский сотовый оператор

  • • сформирована фактическая карта процесса закупок со всеми маршрутами исполнения процесса

  • • выявлены случаи аномального поведения процесса закупок (109 из 568 заказов миновали обязательные стадии и были закрыты сразу после создания)

  • • определены узкие места процесса (этапы регистрации и согласования заказа)

  • • выявлены закупки, прошедшие через все стадии за слишком короткий срок (менее 1 ч)

Российская металлургическая компания

  • • установлены системные риски процесса закупок; например, установлена техническая возможность оплаты закупки без оприходования ТМЦ (около 500 случаев за год)

  • • выявлено значительное количество случаев, когда весь процесс занимал менее 1 дня, что является косвенным признаком осуществления закупки без планирования и в обход закупочных процедур

  • • установлены закупки, оформленные с нарушением принципа разграничения полномочий

Российский ритейлер

  • • сформирована фактическая карта процесса товародвижения с отображением путей с наибольшим количеством и объемом заказов

  • • на основе анализа 71 602 перемещений товаров выявлены 17 маршрутов поставок, не соответствующих принятой модели

  • • осуществлена визуализация маршрутов поставок товаров на географической карте, маршруты поставок товаров динамически увязаны с прочими графиками

Suncorp - страховая компания Австралии

  • • применена технология Process Mining для анализа процесса обработки заявок на страховое возмещение ущерба

  • • цель проекта - выявление реального процесса и возможностей для улучшения с точки зрения скорости и качества обработки заявок

  • • выявлены факторы, влияющие на задержки при обработке заявок

  • • срок обработки заявок на страховое возмещение сокращён с 30-60 до 1-5 дней

Copenhagen Airports A/S

  • •внедрены инструменты Process Mining в отношении системы, отслеживающей перемещения багажа

  • •оперативно выявлены причины отклонения фактических параметров процесса от KPI, идентифицированы наиболее проблемные области процесса

Рисунок 5. Примеры реализованных проектов Process Mining в России и мире тическая карта процесса товародвижения, выявлены маршруты поставок, не соответствующие принятой модели. В аэропорту Копенгагена внедрены инструменты Process Mining в отношении системы, отслеживающей перемещения багажа; определены наиболее проблемные области процесса. В австралийской страховой компании применена технология Process Mining для анализа процесса обработки заявок на страховое возмещение ущерба. Срок обработки заявок сокращён с 30-60 дней до 1-5 дней.

На наш взгляд, для подготовки к внедрению технологии Process mining в российских компаниях и для получения внутренним аудитом установленных нами эффектов синергии необходимо выполнить следующие действия.

  • 1.    Оценить состояние корпоративных журналов событий, формируемых в ИТ-системах.

  • 2.    Определить уровень качества корпоративных логов данных в соответствии с критериями Рабочей группы по Process mining.

  • 3.    Принять решение о выборе программного обеспечения для внедрения технологии Process mining.

  • 4.    Обеспечить возможность внутреннему аудиту тестировать популяции процессов компаний целиком, а не их выборок, на основе технологии Process mining. Таким образом, применение методов Process mining позволит внутреннему аудиту стать стратегическим партнером бизнеса, «продающим» усовершенствованные бизнес-процессы.

Список литературы Внутренний аудит и process mining: эффекты синергии

  • W.M.P. van der Aalst. Process mining. Discovery, Conformance and Enhancement of Business Process. Springer-Verlaq, 2011.
  • Process Mining: Технологии анализа бизнес-процессов на основе данных [Электронный ресурс] Режим доступа: http:// https://www.ey.com/ru (дата обращения: 05.02.2020)
  • Критерии качества логов IEEE Task Force on Process Mining [Электронный ресурс] Режим до ступа: http://www.processmining.org/logs (дата обращения: 05.02.2020)
  • Рощектаев С.А., Рощектаева У.Ю. Выявление фактов фальсификации финансовой отчетности: модель М. Бениша // Научный вестник Южного института менеджмента. 2018. № 2 (22). С. 37-43.
  • ROOMTOUR в среде логов: DISCO, CELONIS И PROM - что же лучше? [Электронный ресурс] Режим доступа: http:// https://newtechaudit.ru/disco-celonis-prom/ (дата обращения: 05.02.2020)
Статья научная