Показатели процесса

На обучении часто просят рассказать об универсальном подходе к построению системы показателей для анализа бизнес‑процесса. Данная статья является попыткой это сделать. Данный подход появился в результате внедрения информационных систем анализа показателей процесса на практике. И да, статья не претендует на методологическую точность, это лишь один из взглядов на данную тему.

Договоримся о терминах

Что бы ввести понятийный аппарат для построения системы показателей на проектах мы применяли следующие определения.

Бизнес‑объект — это представление того или иного объекта нашего мира. Бизнес‑объект может быть, как физическим объектом: человек, организация, автомобиль, здание так и абстрактным понятием: навык, процесс, цель и так далее Полезно отдельно выделять цифровое представление бизнес‑объекта, например, для человека — это паспорт, для бизнес‑процесса — диаграмма или регламент.

Атрибут — это переменная, связанная с бизнес‑объектом, которая описывает его свойства. При этом в целях построения системы показателей атрибуты делим на метрики и аналитические разрезы.

Метрика — это атрибут бизнес‑объекта, у которого есть единицы измерения, рубли, килограммы, часы и так далее Метрика содержит цифровое значение — переменную, которая вводится пользователем. Как правило метрики бывают стоимостные, временные и объемные.

Аналитический разрез — это атрибут объекта, у которого нет единиц измерения (в мире ИТ — это справочник). И да из любой метрики можно сделать аналитический разрез поставив диапазон значений. И да, чуть не забыл обязательным аналитическим разрезом в анализе должен быть календарь (год, квартал, месяц, и так далее) — он не привязан ни к какому бизнес‑объекту.

Показатель — это метрика с одним или несколькими аналитическими разрезами в качестве фильтра. Показатель может иметь формулу расчета значений, на основании нескольких метрик и аналитических разрезов. Показатель используется при анализе процесса для принятия решений. Показатель имеет единицы измерения, или может быть выражен в процентах.

Для чего это все? Практика проектов внедрения BI‑инструментария показала, что переход к определению показателей без выделения метрик и аналитических разрезов на этапе проектирования системы показателей приводит к увеличению числа показателей из‑за пересечения метрик и аналитических разрезов уже на этапе сбора требований. Мне показалось это не очень удобным в проектах, хотя решать конечно вам.

Что измерить в первую очередь — результат процесса

Что же измерять в процессе? Для начала можно выделить для анализа объекты: результат процесса и сам бизнес‑процесс. Например, для процесса обучения — результат — это прирост компетенций слушателя. Для процесса производства автомобиля результатом, будет произведенный автомобиль.

Кстати, уже на этапе анализа результата процесса при анализе метрик полезно использовать аналитические разрезы, например, в случае результата процесса обучения — компетенции, интересны аналитические разрезы для бизнес‑объекта слушатель, например, пол, возрастные группы, регион и так далее

Начинаем измерять бизнес‑процесс

Когда измерение и анализ показателей результата выполняется, можно переходить к измерению самого процесса. У любого процесса можно выделить три группы «стандартных» метрик.

В первую очередь это время выполнения экземпляра процесса или среднее время выполнения процесса (набора экземпляров процесса). Дальше при анализе времени можно «нырнуть» на уровень времени исполнения отдельной операции, что позволит определить сколько времени в процессе идет работа, а сколько времени задача по процессу ждет своего исполнителя. Таким образом получаем время ожидания в процессе, с которым и нужно бороться, а также анализируем действия на соотношение ценности для заинтересованных лиц и времени, затрачиваемого на их выполнение с целью оптимизации процесса.

Следующей метрикой процесса по простоте расчета является частотность процесса. Т.е. количество экземпляров процесса на разных стадиях исполнения. На основании метрик частотности формируются показатели конверсии, например, процент прошедших программу обучения в требуемые сроки, ну а дальше можно обогатить анализ аналитическими разрезами бизнес‑объектов, обрабатываемых в процессе, например, конверсия по процессу обучения в разрезе возрастных групп слушателей или учебных курсов.

Дальше можно посчитать метрики качества работы процесса, и тут контекст процесса начинает сильно влиять, поэтому универсальным показателем для сервисных процессов часто становится индекс обратной связи, собираемый с пользователя процесса. В некоторых случаях для анализа качества процесса анализируют количество жалоб или претензий по процессу. Для анализа качества процесса можно заглянуть и внутрь процесса, например, считать цикл недостатком качества процесса, и считать количество возвратов и циклов, однако на практике достаточно сложно поднять такую метрику из информационных систем.

Наиболее полезной метрикой является себестоимость исполнения процесса, однако среди процессных метрик это самая трудозатратная и сложная с точки зрения расчета. Нужно понять какие ресурсы (затраты на исполнителей, информационные системы, содержание офиса и так далее) используются при исполнении процесса, после чего «переложить» ресурсные затраты на процесс с учетом времени использования ресурсов (времени операций), а также вероятности и частотности отдельных операций в процессе.

Преимуществом метрики себестоимости процесса является понимание себестоимости получения результата, а если считать метрику себестоимости вместе с показателями конверсии, то можно получить стоимостную оценку получения положительного результата процесса. При максимальной автоматизации процесса можно замахнуться и на себестоимость отдельного экземпляра процесса, и в некоторых организациях это уже обсуждается.

Определились с метриками — что дальше?

По‑хорошему владелец процесса должен сам принять решение, какие метрики и в каких аналитических разрезах ему нужны для расчета показателей с помощью которых он будет управлять процессом.

Если в качестве примера взять управление процессом обучения, то для меня важна средняя длительность обучения отдельного слушателя (в случае асинхронного обучения), которая влияет на общую конверсию группы слушателей по учебному курсу. Для улучшения данной метрики на практике пригодится workflow движок в платформе обучения, в котором можно разместить правила «подталкивания» слушателей, которые отстают от графика. Аналитическим разрезом для конверсии метрики может быть учебный курс, для понимания на каком курсе слушатели «застревают» чаще всего, а также форма оплаты слушателя или другие аналитики по бизнес‑объектам.

Второй метрикой для меня стала обратная связь от слушателей, с нормативом — не ниже 4 из 5, и тут срабатывает правило, все курсы, получившее оценку ниже 4, попадают в переработку. Как Вы уже поняли, аналитическими разрезом является учебный курс.

Третьей метрикой для моего учебного процесса стал показатель качества процесса, он процентный, например, слушатель прошел 80% всех практик и тестов в рамках обучения.

Метрика себестоимости процесса для меня стала одной из ключевых метрик для понимания эффективности учебного процесса и успешности его изменений. Например, если автоматизация снижает стоимость процесса обучения, не влияя критично на его качество, то можно ею заниматься, но главное, чтобы эффект от автоматизации на превысил затраты на нее.

Если подход с метриками, разрезами и себестоимостью вам откликается, логичным продолжением будет курс «Оптимизация бизнес-процессов». Он про системные улучшения: моделирование процессов, поиск гипотез, эксперименты и работу с сопротивлением — без абстракций, с опорой на измеримые результаты в реальных изменениях.

А чтобы узнать больше о формате обучения и задать вопросы экспертам, приходите на бесплатные демо-уроки:

• 14 января 19:00. «ИИ в управлении проектами: в чем ИИ действительно может помочь руководителю проектов». Записаться

• 21 января 20:00. «Data-driven против AI-driven: как принимать решения, когда данных мало или они недостоверны». Записаться

• 26 января 20:00. «Строим простой дашборд в Tableau». Записаться