Иван Исаев, ПАО «МТС»: Process Mining система по учету и прогнозированию эффективности сотрудников

7 декабря 2020

Компания МТС в настоящее время активно выходит на рынок цифровизации и искусственного интеллекта. Представители телекоммуникационных компаний сейчас являются одними из лидеров по количеству данных и уровню цифровизации, поэтому многие успешно обкатанные внутри подходы и решения МТС адаптирует и предлагает внешнему рынку. Так, МТС разработала Process Mining систему: учет и прогнозирование эффективности сотрудников на основе анализа цифрового следа, с использованием методов машинного обучения и AI. Иван Исаев, директор направления анализа данных и искусственного интеллекта для проектов технического блока ПАО «Мобильные ТелеСистемы,  поделился деталями этого проекта в контексте лучших практик, применимых как для «телекомов», так и для других отраслей.

Какие цели и задачи ставила перед собой компания при разработке проекта?  

IMG_3473.jpgМТС обладает крупнейшей телекоммуникационной сетью с более чем 120 тыс. базовых станций и имеет большое количество наработок, которые компания обкатала внутри и использует как для цифровизации собственных процессов, так и для предложения внешним заказчикам.

Целью этого проекта стало повышение эффективности работы сотрудников за счет формирования единого, обоснованного стандарта моделей оценки эффективности для подразделений технического блока компании на основе методики, разработанной совместно с консультантами из «большой тройки» и «большой четверки», в частности, методики BCG Bio Tag. Позднее стало понятно, что подход применим и для внешнего рынка.

 Еще одной целью стало формирование прозрачного процесса работы подразделений технического блока компании для руководителей и HR.  Также необходимо было расширить применение анализа данных для улучшения работы подразделений в части оптимизации численности, выявления функций для автоматизации, формирования планов набора и оптимизации численности с учетом сезонного фактора работы и трендов роста нагрузки, связанных с ростом сети.

Мы определили для себя следующие задачи проекта: мониторинг эффективности труда подразделения и сотрудников для линейного руководителя, прозрачное ранжирование сотрудников по производительности труда, а также прозрачность в утилизации рабочего времени сотрудников и анализ загруженности.

Какие параметры проекта стали уникальными для ИТ-рынка?

Уникальность проекта заключается в реализации комплексной методологии сбора до 100% цифрового следа сотрудников компании. Также можно отметить интеграцию с более чем 5 источниками данных и анализ неструктурированных данных (структурированные данные из реляционных БД, текстовые данные, записи звонков (speech to text recognition). Подчеркну, что данный инструмент является стандартом для выявления функций для автоматизации внутри компании МТС.  Реализация системы проведена  c привлечением консультантов из большой тройки и четверки.

Архитектура решения реализована с использованием масштабируемой микросервисной архитектуры, включает интеграционную платформу, аналитические модули, в дальнейшем предусматривает бизнес-глоссарий данных и каталог метаданных.

Какие результаты для компании дала реализация этого проекта?

Результат: эффект методологии, апробированный в ряде подразделений компании, показал прирост в эффективности от 5% до 15%. Внедрением на основе реализованной архитектуры модулей машинного обучения, обслуживанием сетевой инфраструктуры у крупных операторов занимаются десятки тысяч человек, поэтому эффект от масштабирования подобной практики как у операторов, так и у других промышленных компаний, например, из отраслей сырьевой промышленности, получается значительный - сотни миллионов рублей. Экономия достигается за счет оптимизации и перераспределения персонала, занимающегося рутинными операциями, и автоматизации части функций (диспетчерские функции, автоматизация прогнозирования и устранения части инцидентов на сети, умное и автоматизированное проведение работ на сети МТС).

Что оказалось самым сложным при реализации? Как преодолели эти трудности?

Наиболее сложным являлись следующие аспекты. Как я уже отметил выше, нам была необходима реализация комплексной методологии сбора до 100% цифрового следа сотрудников компании за счет интеграции с более чем 5 различными системами данных, в которых сотрудники производят работы. Это была кропотливая и требующая детального погружения работа, была разработана базовая методика оценки, но далее она адаптировалась под каждое подразделение.

Мы провели большую работу по анализу неструктурированных данных (структурированные данные из реляционных БД, текстовые данные, записи звонков (speech to text recognition).

Также высокую сложность представляли процессы Data Engeneering, интеграции с источниками и Data Governance, и реализация моделей расчета и прогнозирования эффективности для конкретных подразделений. Данные челленджи были решены с помощью высокой экспертизы команды инженеров и поставщика в лице компании  Informatica (DIS Group).

***

Справка о проекте

Проект по разработке Process Mining системы (учет и прогнозирование эффективности сотрудников на основе анализа цифрового следа, используя методы машинного обучения и AI) был начат в компании в декабре 2019 года, предварительно же методика была апробирована в полуавтоматическом режиме и подтвердила свою эффективность на одном из подразделений. К ноябрю 2020 года был завершен первый этап проекта.

Описание проекта

На основе имеющихся источников (БД систем менеджмента операционных процессов, CRM систем, Jira, Outlook, записи звонков) получена карта цифрового следа сотрудников (время утилизации рабочего временим в этих системах близко к 100%).

На основе этого цифрового следа рассчитывается ряд коэффициентов эффективности, связанные с утилизацией рабочего времени, длительность времени работы над задачами разного типа, успешностью и своевременностью выполняемых задач, сложностью выполняемых задач, значимостью выполняемых задач.

Это позволяет получить 100% прозрачность в процессах для принятия решений о наборе/оптимизации персонала, автоматизации ряда функций (какие функции возможно автоматизировать и как), по работе с человеческим капиталом (обучение, прогноз выгорания).

Также уже имеется опыт успешного пробного внедрения методологии у ряда компаний из непрерывной сырьевой промышленности (системы расчета динамических КПЭ операторов цехов) для премирования наиболее успешных операторов и диспетчеров, внедрения соревновательного эффекта за счет стремления других сотрудников равняться на лучших.

География проекта

 РФ и ряд других стран.

1134
Поделиться
Предметная область
Отрасль
Управление