5466
Оптимизация процессов и «пути клиента» в банке
Май, 2020 год.AI-платформа Sber Process Mining и open-source python-библиотека SberPM для оптимизации процессов и клиентских путей.
Какую проблему решали
В Сбербанке более 2 000 процессов и более 400 клиентских путей (точек соприкосновения, через которые проходит клиент от осознания потребности до покупки). Наиболее значимые из них ежегодно подвергаются редизайну и оптимизации.
Для выявления длительных и дорогих этапов, а также неэффективных сценариев создавались рабочие группы экспертов. Редизайн или оптимизация занимали не менее полугода — за это время результаты исследований теряли актуальность.
Для выявления длительных и дорогих этапов, а также неэффективных сценариев создавались рабочие группы экспертов. Редизайн или оптимизация занимали не менее полугода — за это время результаты исследований теряли актуальность.
Требовался инструмент, позволяющий проводить изменения процессов и клиентских путей без участия экспертов в кратчайшие сроки.
Решение проблемы
Команда Сбербанка разработала AI-платформу Sber Process Mining и Python-библиотеку SberPM, предназначенные для оптимизации процессов и клиентских путей.
Универсальные AI-инструменты позволяют исследовать процессы (бизнес, управляющие, обеспечивающие) и клиентские пути, протекающие в любых автоматизированных системах.
Универсальные AI-инструменты позволяют исследовать процессы (бизнес, управляющие, обеспечивающие) и клиентские пути, протекающие в любых автоматизированных системах.
Алгоритм быстро выявляет «узкие места» на пути клиента или в любом процессе без участия эксперта и дает рекомендации по их устранению.
Применяемые технологии
Система алгоритмически определяет основные пути процесса за счет классического Process Mining и новых подходов по векторному представлению процессов.
В результате получается автоматически спроектированный граф и набор рассчитанных метрик процесса, которые включают в себя расчет длительности, зацикленности, пинг-понг между этапами и т.д.
Используется подход к автоопределению основных причин ошибок и отклонений в процессе на основе текстовой информации. Алгоритм подбирает причины отклонений в тексте, разбивает выборку на кластеры и интерпретирует тексты в кластерах. Используются стандартные технологии и библиотеки препроцессинга, кластеризация kmeans, интерпретация – top-k words from cluster.
Бизнес-процесс
До проекта:
- Привлечение группы экспертов для анализа и изменения процессов и клиентских путей.
- Высокие трудозатраты на создание корректной выборки для исследования.
- 6 месяцев на редизайн одного процесса или клиентского пути.
После проекта:
- Автоматический анализ эффективности процессов и клиентских путей.
- Рекомендации для принятия решений.
- Управление стоимостью процессов и клиентских путей на основе логов.
- 1-2 недели на редизайн одного процесса или клиентского пути.
Результаты
Команда Сбербанка
Александр Кореков
Исполнительный директор по исследованию данных
Ия Малахова
Вице-президент-директор департамента финансов
Нанули Попхадзе
Исполнительный директор, руководитель Центра компетенций Process Mining
Данил Сметанев
Исполнительный директор
Вячеслав Струц
Исполнительный директор
Татьяна Студеникина
Исполнительный директор по исследованию данных
Алексей Телятников
Управляющий директор
Тимур Хананиев
Главный инженер по разработке
Похожие кейсы
AI-кейсы с доказанной бизнес-эффективностью. Все проекты успешно прошли проверку комиссией из признанных экспертов в технологиях и бизнесе.