Data-Driven, Process Mining и Process Intelligence - управление на основе данных. Революция в методах управления, которую не все замечают
Data-Driven – управление на основе данных
Data-Driven Management (Управление на основе данных) — это подход к принятию управленческих решений, основанный на анализе фактических цифровых данных, а не на интуиции или прошлом опыте.
Data-Driven — это философия и методология управления, при которой все действия (от операционных до стратегических) проверяются количественными показателями. В основе лежит сбор и анализ данных из различных ИТ-систем (1С, ERP, CRM, IP-телефония, кадровые системы, веб-аналитика, маркетинговые платформы и др.), финансовой отчетности и т.д.
Методология управления дает наиболее заметные результаты для организаций с большим количеством транзакций, где можно выявлять статистически значимые закономерности, тестировать гипотезы (А/Б-тесты) и измерять ROI (показатель рентабельности инвестиций) каждого действия - на основе event-логов.
Термин Data-Driven получил широкое распространение в 2010-х годов с развитием Big Data и технологий хранения данных, хотя сам принцип измерения результатов существовал и ранее (например, научный менеджмент Фредерика Тейлора начала XX века; популяризация концепции Питером Друкером и Томасом Дэвенпортом в 1990-х).
Process Mining – инструмент для анализа и оптимизации процессов
Process Mining - технология для визуализации, анализа и оптимизации деловых процессов. На основе анализа «цифровых следов» в ИТ-системах (1С, ERP, CRM, IP-телефония, кадровые системы, веб-аналитика, маркетинговые платформы и др.).
Технология лучше всего подходит для анализа массовых (1), повторяющихся процессов (2), которые полностью или преимущественно оцифрованы в информационных системах (3), с большим числом шагов/переходов (4).
Process Mining — это реализация Data-Driven подхода для анализа деловых процессов, добавляющая к обычной аналитике понимание последовательности, времени и логики реальных шагов (данные в динамике, на каждом этапе процесса). То есть Process Mining и Data-Driven соотносятся как частное и общее.
Термин Process Mining ввел профессор Вил ван дер Аалст в 2010-х.
Process Intelligence – интеллектуальное управление процессами
Process Intelligence —закономерный этап эволюции Process Mining, а не отдельная конкурирующая технология.
Не просто инструмент или технология, а новая управленческая парадигма, при которой организация получает возможность не только видеть, как исполняются её процессы, но и прогнозировать отклонения, генерировать гипотезы для оптимизации и автоматически корректировать ход выполнения процессов в рамках заданных бизнес-правил. В основе лежит непрерывный сбор и анализ цифровых следов из всех корпоративных ИТ-систем (1С, ERP, CRM, BPM, RPA-боты, IP-телефония, системы управления персоналом и др.), а также данных о действиях сотрудников на рабочих станциях (Task Mining).
Соотносятся они следующим образом:
Process Mining отвечает на вопрос: «Как на самом деле осуществляется процесс?» (диагностика, визуализация, выявление отклонений).
Process Intelligence отвечает на вопросы: «Почему это произошло? Что произойдет дальше? Как это исправить автоматически?» (анализ причин, прогнозирование, прескриптивная аналитика, автоматизация).
Другими словами, Process Intelligence расширяет классический Process Mining за счет добавления AI-модулей (предиктивная и прескриптивная аналитика), Task Mining (анализ действий сотрудников на уровне рабочих станций) и интеграции с RPA - исполнение улучшений без участия человека. Это превращает технологию из пассивного инструмента анализа/отчетности в активного участника операционного управления.
Термин Process Intelligence начал активно использоваться последние несколько лет, знаменуя переход рынка от ретроспективного анализа процессов (Process Mining) к интеллектуальным платформам, способным поддерживать принятие управленческих решений в реальном времени.
|
Параметр |
Data‑Driven |
Process Mining |
Process Intelligence |
|
Что это |
Подход к управлению и принятию решений, основанный на анализе данных. Принятие решений на основе фактов вместо интуиции |
Технология для анализа и оптимизации деловых процессов по цифровым следам (логам систем). Понимание и улучшение конкретных процессов |
Комплексная система мониторинга, анализа и автоматической корректировки деловых процессов в реальном времени (эволюция Process Mining с элементами AI, Task Mining, BI). Сквозная оптимизация всей сети процессов компании в режиме реального времени |
|
Объект анализа |
Любые структурированные и неструктурированные данные: финансы, продажи, маркетинг, HR, клиентский опыт, операционные показатели и т. д. |
Конкретные деловые процессы: шаги, последовательность шагов, продолжительность, отклонения, исполнители, ресурсы, точки принятия решений |
Деловые процессы в динамике: не только последовательность шагов, но и контекст (действия пользователей, взаимодействие систем, загруженность ресурсов), а также внешние факторы (KPI, клиентские данные, рыночные условия) |
|
Вопрос, на который отвечает |
Что говорят цифры? Какие закономерности и тренды скрыты в данных? |
Как на самом деле осуществляется деловой процесс (а не как он описан в регламенте)? Где узкие места и отклонения? |
Как процесс работает сейчас? Почему возникают задержки или ошибки? Как можно оптимизировать процесс прямо сейчас или предсказать проблемы? |
|
Источники данных/ период времени |
Базы данных, CRM, ERP, веб‑аналитика, опросы, соцсети, IoT‑сенсоры и т. д. Анализ исторических данных и ретроспективных трендов |
Логи информационных систем (ERP, CRM, BPMS и др.), фиксирующие выполнение шагов процесса – архив данных. Анализ исторических логов (обычно за определённый период) |
Логи систем, в том числе в реальном времени, + данные с рабочих станций (Task Mining), KPI из BI‑систем, данные о ресурсах и загрузке, внешние данные (рынок, клиенты). Анализ в реальном времени + прогнозная аналитика (что будет дальше) |
|
Методы и инструменты |
Статистический анализ, визуализация данных (дашборды), машинное обучение для прогнозирования |
Алгоритмы process discovery, conformance checking, social network mining, анализ времени выполнения |
Process Mining + Task Mining + AI/ML (прогнозная аналитика), потоковая обработка данных, интеграция с RPA, динамические дашборды |
|
Типичный сценарий использования |
Определить оптимальный уровень запасов, сегментировать клиентов, спрогнозировать спрос |
Найти причину задержек в обработке заявок, выявить дублирующие шаги в процессе согласования |
Автоматически перенаправить заявку в другой отдел при перегрузке, предсказать риск срыва SLA и предложить корректирующие действия |
|
Результат |
Обоснованные управленческие решения (ценообразование, ассортимент, маркетинг, найм), прогнозы, дашборды KPI |
Модель реального процесса («as‑is»), карта узких мест (узкие горлышки, задержки), анализ отклонений от регламента, предложения по улучшению процесса |
Динамическая модель процесса в реальном времени, сквозная видимость всех процессов компании, рекомендации по оптимизации (в т. ч. прогнозные), автоматизация выполнения решений через интеграцию с RPA/AI |
Из исследования технологии – от PROCESSMI за 2025 год:
1. Рост числа компаний, переходящих к промышленной эксплуатации
Среди фактических пользователей 35% уже вышли на промышленную эксплуатацию, 37% — в фазе масштабирования (ранее преобладали пилотные внедрения).2. Рост доли потенциальных пользователей
В 2025 году 55% компаний (78 из 141) только рассматривают внедрение — это свидетельствует о расширении рынка и высоком ожидаемом спросе.3. Рост интереса к интеграции PM + Task Mining + AI
75% компаний либо уже используют (29%), либо планируют внедрение (46%) связки Process Mining, Task Mining и AI.4. Дефицит специалистов как барьер — и драйвер спроса на управленцев с новыми компетенциями
Дефицит квалифицированных аналитиков отмечают 47% компаний. Спрос на процессных аналитиков и специалистов по данным вырос на 40–50% в 2023–2025 гг.5. Рост числа компаний с центрами компетенций Process Intelligence
45% крупнейших российских компаний сформировали PI-офисы (отделы развития методологии управления процессами).6. Среднегодовые темпы роста 32-38% рынка Process Mining в России
Фактический объем рынка Process Mining в России по итогам 2024 года оценивается в 1,2-1,4 млрд руб., а в 2025 году — в 1,6-1,9 млрд руб. при среднегодовых темпах роста 32-38%. Закрепление технологии в операционных и управленческих контурах крупных компаний и госсектора формирует предпосылки перехода к ускоренному сценарию развития с выходом рынка в диапазон 7-9 млрд руб. в среднесрочной перспективе.
Изменение моделей управления: от «интуиции» к «инженерии процессов». Управление становится менее «человеко-зависимым».
Data-Driven, Process Mining и Process Intelligence применяются всё чаще – в государственном управлении и во всех отраслях экономики. Происходит переход от классического иерархического менеджмента, где решения часто принимаются на основе опыта и запаздывающих отчетов, к управлению на основе данных (Data-Driven Management) и процессной инженерии - управление на основе данных в реальном времени, встроенное в операционный контур. Изменения кардинальные и революционные, и многие недооценивают значение этих изменений – в том числе для рынка труда и карьеры конкретных менеджеров.
На примере Process Mining и Process Intelligence можно наблюдать сдвиг целей и рост возможностей систем - от диагностики к проактивному управлению. Ранее Process Mining использовался как инструмент ретроспективного анализа — для того, чтобы «посмотреть, что сломалось». Теперь технология стала ядром Process Intelligence — системы, которая не просто выявляет отклонения и моделирует сценарии, но и автоматически корректирует параметры выполнения процессов в рамках заданных управленческих политик.
Роль человека трансформируется от аналитика к стратегу. Рынок фиксирует снижение спроса на специалистов начального уровня, которые занимались простым описательным анализом. Их функции автоматизируются AI-модулями. Растет спрос на специалистов, способных интерпретировать результаты AI-аналитики, моделировать сценарии изменений и оценивать управленческие эффекты. Человек смещается от рутинного анализа к стратегическому управлению на основе инсайтов, сгенерированных системой.
Кадровый дефицит и рост сложности процессов запускают трансформацию традиционных операционных структур. Стандартизированные зоны (контакт-центры, типовой бэк-офис) замещаются связками AI-RPA, интегрированными с платформами Process Intelligence.
Накопленная критическая масса новаций приводит к кардинальным переменам. Управление становится менее «человеко-зависимым». Process Mining и Process Intelligence становятся не просто ИТ-инструментами, а фундаментом для построения «самооптимизирующейся» организации, что, с высокой степенью вероятности, является революцией в управленческой мысли и практике.