Как нефтяная компания решила провести импортозамещение и создала отечественный продукт Process Mining «Промайн»

ПАО «Газпром нефть» успешно использует технологии глубинного анализа бизнес-процессов (Process Mining) для снижения рисков и повышения эффективности бизнес-процессов.

В рамках проекта был разработан программный продукт, полностью соответствующий всем требованиям бизнес заказчика, брендбука, ИТ архитектуры и информационной безопасности компании.

Система введена в промышленную эксплуатацию на более чем 100 пользователей и внедрена в десятки процессов (объемом до 100 млн событий каждый) в периметре компании.

Получены значительные финансовые эффекты от снижения рисков и повышения эффективности процессов с помощью «Промайн».

Идет активное развитие функционала, включая сложные математические методы симуляции, поиска первопричины отклонения ключевых показателей процессов и автоматизации отчетности.

·         Большое количество математических методов анализа

·         Большой объем данных

·         Для одновременной работы большого количества пользователей требуется высокая производительность системы

Система «Промайн» обеспечивает автоматическое рабочее место аналитиков, реализуя широкий функционал импорта и разметки логов событий, автоматизации контроля, визуализации отчетности и проверки гипотез по первопричинам обнаруженных отклонений.

«Промайн» уже применяют внутренние аудиторы, руководители и владельцы бизнес-процессов, команды цифровой трансформации, процессные офисы и методологи.

Необходимо подчеркнуть, что серьезным отличием проекта является сложная математика, реализующая практически весь ключевой функционал системы. За относительной простотой пользовательского интерфейса скрыты алгоритмы высокоэффективных вычислений, основанные на классических методах computer science. Для эффективной работы с DAG в «Промайн» активно используется математический аппарат теории графов, а реконструкция BPMN описания процессов на основе логов событий требуют применения алгоритмов построения опорных деревьев (Refined Process Structure Tree = RPST), применяемых в теории компиляторов. Функционал выравнивания вариантов прохождения процесса (trace alignment) использует идеи и методики, применяемые для анализа ДНК в современной биоинформатике. Активно используются алгоритмы, ставшие классическими в ML: применение ансамблей деревьев в функционале поиска первопричины и прогнозирования, алгоритмы кластеризации в многомерном пространстве, оптимизационные алгоритмы (minmax) и различные классические стат. методы для оценки характеристик цифровой модели процесса. Стоит выделить алгоритмы имитационного моделирования, которые требуют полноценной цифровой модели процесса, которая в случае глубинного анализа процессов (process mining) является реконструированной BPMN схемой процесса, наполненной в каждой точке и в каждом узле массой статистических характеристик реального процесса. Симуляцию также усложняет тот факт, что нотация petri-net не всегда может быть легко воспринята бизнес-пользователями, а BPMN нотация содержит узлы or-join, логика которых требует одновременного моделирования и настоящего и будущего, поскольку активация узлов будет зависеть от событий, которые произойдут с токенами на других входах узла.

Несмотря на сложность анализа, в «Промайн» обеспечивается высокое быстродействие для комфортной работы аналитика даже для большого объема данных лога событий.