Разработка и внедрение интеллектуальной системы «КАСКАД» для анализа рисков и контролей в процессах автомобильной логистики

Заказчик:: НЛМК
Руководитель проекта со стороны заказчика: Никита Лисенков

Руководитель направления по развитию Дирекции по безопасности
Поставщик: Кэпт (Kept)
Год завершения проекта: 2023
Сроки выполнения проекта: Август, 2021 - Май, 2023
Масштаб проекта: 10000 человеко-часов
Цели: 1. Обеспечение сбора, обработки и анализа данных из систем, сопровождающих процесс автомобильной логистики

2. Организация своевременного выявления потенциальных индикаторов рисков мошенничества и злоупотреблений, включая неправомерный заезд и выезд с территории предприятия, несоблюдение запланированного маршрута и параметров движения (скорость, остановки, контрольные точки маршрута), несоответствия веса и типа груза

3. Проведение реинжиниринга процессов автомобильной логистики

4. Разработка, внедрение и поддержка масштабируемой системы, адаптивной под формирование контролей в других процессах

5. Работа контролей и отчетность позволяют оперативно реагировать на риски и воздействовать на процессы
Результаты: 1. Разработана комплексная ИТ-система, включающая:

a. Интеграцию с системами-источниками через корпоративные шины данных

b. Гибкую микросервисную архитектуру, реализующую логику контролей и анализ качества данных от источников

c. 18 контролей – индикаторов риска на базе лучших практик в области управления рисками и противодействия мошенничеству

d. Сквозной процесс отработки тревог по контролям, вовлекающий релевантных специалистов

e. Сервис аналитики и отчетности с интерактивными дэшбордами, позволяющий выявлять тренды и зависимости

f. Сервис настроек и ведения НСИ

2. Проведен реинжиниринг процессов, оптимизировано более 10 процессов (заезд и выезд автомобилей с территории комбината, контроль оснований заезда, организация и отслеживание движения автотранспорта на предприятии, пересмотрена процедура взвешивания на автомобильных весах и пр.)

3. Работа контролей и отчетность позволяет оперативно реагировать на риски и снижать вероятность мошенничества и хищений на предприятии

Уникальность проекта

1. Реализация антифрод системы на базе более 10 технологий и продуктов, сложная функциональная архитектура и интеграции

2. Большой объем данных, анализируемых в режиме реального времени, включая координаты, скорости, направление движения сотен транспортных средств и сравнение их с ожидаемыми значениями

3. Синергия технологических компетенций и опыта в разработке методологии выявления индикаторов риска мошенничества и злоупотреблений

4. Внедрение системы выступило драйвером изменения и оптимизации смежных бизнес-процессов и ИТ-систем

5. Развитие проекта посредством разработки и внедрения контролей в других бизнес-процессах и включения их в общий процесс работы с рисками

Использованное ПО: 1. Корпоративные шины данных (Kafka, SAP PO)
2. Микросервисная архитектура (микросервисы на Java, Python)
3. Два типа хранилища – транзакционное PostgreSQL и аналитическое Hadoop
4. SAP GRC PC, SAP HCM
5. Таск-трекинг в Jira
6. BI-платформа Apache Superset
7. Системы мониторинга (Grafana, Sentry, разработки на Python)
Сложность реализации: Сложность реализации проекта была обусловлена следующими факторами:

1. Интегрируемые системы-источники и процессы внедрялись / дорабатывались параллельно с разработкой Системы. С одной стороны, была возможность «диктовать» требования к источникам, с другой – требовалось значительное вовлечение в проектирование и поддержку доработок смежных систем
2. Недостаточная детальность документации по системам-источникам потребовала больше трудозатрат на проектирование интеграций и потоков данных
3. Проблемы с качеством данных от систем-источников, решение которых потребовало пересмотра процессов, доработок источников и внедрения автоматического мониторинга качества и факта поступления данных
4. Высокий риск выделения недостаточной инфраструктуры под проект в силу сложностей прогнозирования нагрузки на систему и объема данных на старте
5. Бизнес-логика контролей значительно эволюционировала по ходу проекта, поскольку требовалось учитывать особенности и параллельные изменения в системах, данных и процессах, а также повышать практическую ценность контролей для лучшего покрытия фрод-рисков
6. Вынужденный пересмотр архитектуры системы из-за ухода Tableau с российского рынка, было принято решение реализовывать аналитику на базе Apache Superset
Описание проекта: В рамках проекта было необходимо разработать и внедрить масштабируемую систему с функционалом:

1. Загрузки и анализа данных в режиме реального времени от транспортной (TMS) и телеметрической системы, весового комплекса (автомобильные весы, весы погрузчика) и системы контроля и управления доступом (СКУД)
2. Контроля факта поступления и качества данных от систем-источников, информирования администраторов систем о появлении проблем с данными
3. Хранения данных в двух типах хранилищ – транзакционного на PostgreSQL (обеспечивает работу микросервисов) и аналитического на Hadoop (использовался в т.ч. как витрина данных для BI)
4. Автоматизации процесса отработки тревог по сработавшим контролям и рискам на базе Jira с вовлечением ответственных подразделений и сотрудников, данные по которым поступали из SAP HCM
5. Формирования оперативной и статистической аналитики и отчетности с интерактивными дэшбордами на Apache Superset
6. Конфигурации системы (управление контролями, их калибровочными параметрами и настройками) и ведения нормативно-справочной информации в SAP GRC PC

Потребность в едином рабочем интерфейсе была реализована посредством размещения страницы Системы и её модулей на корпоративном портале. В Системе предусмотрено 5 гибко настраиваемых ролей с различными уровнями доступа.
География проекта: г. Липецк, Новолипецкий металлургический комбинат