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.
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 |
|
Российская металлургическая компания |
|
Российский ритейлер |
|
Suncorp - страховая компания Австралии |
|
Copenhagen Airports A/S |
|
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)