Анализ цифровых решений при оптимизации и автомтаизации процессов. Курсовая работа_Тихобаева_25-05-2021. Теоретические основы оптимизации и автоматизации 6 Основные понятия и этапы оптимизации 6
 Скачать 1.66 Mb.
|
Глава 2. Инструменты оптимизации и автоматизации процессов в компаниях «Ростелеком» и ФНС России2.1. Анализ цифровых решений для оптимизации и автоматизации процесса «прямые выплаты» в компании «Ростелеком»Компания «Ростелеком» была выбрана для анализа, поскольку выступила заказчиком проекта по оптимизации процесса прямых выплат, реализуемого в ходе обучения в университете. ПАО междугородной и международной связи «Ростелеком» для краткости «Ростелеком» (российское ПАО междугородной и международной электрической связи «Ростелеком в Москве») - телекоммуникационная компания, базирующаяся в России. Компания котируется в индексе РТС Московской биржи, акции также торгуются на NYSE и Франкфуртской фондовой бирже. «Ростелеком» - один из ведущих поставщиков услуг междугородной связи в России, через который компания обеспечивает более 50% продаж. Кроме того, около 25 процентов компании генерируют международные междугородные звонки. Компания основана в 1993 году. В «Ростелекоме» поднялся «Связьинвест». По данным компании, подавляющее большинство подключений к Интернету из-за границы в Россию, а также международных междугородних звонков осуществляется компанией. Для реализации совершенствования в компании Ростелеком было взято интервью с сотрудником компании, в ходе которого была получена информация о процессе «Прямых выплат» (приложение 4). Для выплат пособий своим сотрудникам, компания сотрудничает с фондом социального страхования (ФСС). Фонд социального страхования предусматривает прямые выплаты работникам компании Ростелеком пособий по: по временной нетрудоспособности; по беременности и родам; единовременное пособие при рождении ребенка; оплата отпуска застрахованному лицу, пострадавшему на производстве и др. Сам процесс происходит следующим образом: работником предоставляются заявление на выплату пособия, а также документы, которые подтверждают право работника на получение выплаты. Затем работодателем составляется реестр из документов, который отправляется в ФСС. Непосредственно ФСС решает, будет ли осуществляться выплата. При положительном решении производится перевод денежных средств работнику на указанные в заявлении реквизиты. Выше описано протекание процесса при отсутствии ошибок в заполненных заявлениях, однако в ряде ситуаций работниками допускаются ошибки. В ходе интервью, сотрудником компании был предоставлен документ (приложение 1), содержащий информацию о процессе устранения ошибок в заявлениях на выплату пособий. Как правило, ошибки, допускаемые сотрудником, подразделяют на 3 категории: ошибки в реквизитах карт; ошибки в стаже работы; ошибки в личных данных работника. Изучив документ и проанализировав его, можно выделить ряд недостатков данного процесса: Таблица 7 - Недостатки процесса прямых выплат
Источник: составлено автором. Таким образом, данный процесс содержит большое число повторяющихся рутинных операций, выполняемых сотрудником вручную. Помимо этого, само выполнение процесса требует около месяца. Данные критерии обуславливают необходимость усовершенствования процесса. Для последующего анализа процесса требовалось построить его модель as-is. С целью моделирования процесса в подходящей нотации, был проведен сравнительный анализ нотаций. Таблица 8 - Сравнение нотаций бизнес-моделирования
Источник: составлено автором. Исходя из проведенного анализа, была выбрана нотация BPMN, поскольку она является наиболее понятной для студента 3 курса, содержит необходимый набор инструментов и подходят для процесса нижнего уровня. Для моделирования процесса в нотации BPMN был использован сервис storm BPMN. Т  аким образом выглядит фрагмент модели процесса as-is (приложениеРисунок 3. – Модель процесса прямых выплат as-is. Обоснование выбора метода автоматизации. В таблице 9 приведен анализ BPM и RPA, упомянутых ранее, как методов автоматизации, с точки зрения подходящего решения для компании Ростелеком. Таблица 9 - Сравнение BPM и RPA
Источник: составлено автором. Вывод: BPM подходит для перестроения процессов с целью устранения проблемных участков, подключения информационных систем, а также кардинального роста производительности целой организации, в то время как подходит для автоматизации простых, часто повторяющихся действий, не требующих серьезной ответственности. Поэтому, для совершенствования процесса была выбрана технология RPA. Для выбора инструмента роботизации был проведен сравнительный анализ средств для роботизации, представленный в таблице 10: Таблица 10 - Сравнение средства для роботизации процессов
Источник: составлено автором. Вывод: RPA системы от компании UiPath - это наиболее оптимальный вариант для роботизации данного процесса, поскольку компания предоставляют возможность обучения построению данных систем по средствам видео-уроков, кроме того предоставляют возможность тестового создания роботов бесплатно неограниченное количество времени. Что же касается остальных продуктов, представленных на рынке, то они подходят больше для опытных пользователей и разработчиков RPA систем. Кроме того, если рассматривать данные компании по спектру предоставляемых услуг, то можно заметить, что компания UiPath обладает всем многообразием предлагаемых для пользователя возможностей, и при этом данная организация держит среднерыночную цену. Таким образом, UiPath это самый оптимальный выбор как для автоматизации процесса нижнего уровня, так и для дальнейшей крупномасштабной работы RPA систем в компании. В ходе работы была произведена автоматизация рассылки сообщений с заявлениями с помощью UiPath. После проведения мероприятий по автоматизации время на выполнение процесса сократилось с 1 месяца до 7 дней, что, несомненно, является хорошим результатом и подтверждает эффективность автоматизации. 2.2. Оптимизация процесса «Индивидуальное информирование налогоплательщиков с помощью виртуального помощника (чат-бота)» в ФНС РФВ настоящее время ФНС России представляет собой центр компетенций по сбору, обработке, хранению больших данных, а также предоставлению налогоплательщикам современных услуг. Организация ФНС РФ была выбрана для рассмотрения, поскольку налоговая служба стремится идти в ногу со временем и активно использовать современные технологии для повышения эффективности своей деятельности. ФНС России, ставя цифровизацию во главе своей повестки, последние годы осуществляет масштабную модернизацию всей информационной системы. Служба способна администрировать 165,8 млн. человек (как граждан России, так и иностранных граждан), 4,1 млн. юридических лиц и 3,97 млн. индивидуальных предпринимателей. Ежегодно обрабатывается 76 млн. налоговых деклараций, 15 млрд. счетов-фактур по НДС, информацию по 250 млн. сделок по трансфертному ценообразованию. Вся эта информация обрабатывается автоматически. Информатизация налоговых органов имеет богатую историю. Автоматизация деятельности началась с момента создания Службы в 1990 году и продолжается по сей день. Пройден путь от простого компьютера для налогового инспектора, выполняющего роль печатной машинки, до автоматизированной информационной системы, охватывающей практически все направления деятельности Службы, и самых современных центров обработки данных, отвечающих признанным во всем мире стандартам. Архитектура автоматизированной информационной системы ФНС России была сформирована более 15 лет назад. Активное развитие информационных технологий, а также существенные изменения в нормативной базе, налоговом администрировании привели к необходимости системного анализа существующей архитектуры Системы и проектирования перспективной архитектуры, отвечающей современным и перспективным требованиям. Проект модернизации с самого начала рассматривался как системный проект, затрагивающий все сферы деятельности службы, гораздо шире, чем просто ИТ-проект. Налоговыми органами было выбрано 4 основных направления модернизации: Реинжиниринг процессов налогового администрирования; Модернизация организационной структуры службы; Модернизация ИТ-инфраструктуры; Модернизация информационной системы. Анализ полученных результатов работ в период 2013–2016 гг. позволил выявить следующие основные недостатки [36]: Бизнес-процессы не были реорганизованы с целью повышения их эффективности и снижения затрат. Автоматизация находится на низком уровне, большая часть операций выполняется вручную; Процессы предоставления услуг гражданам не оптимизированы и излишне загружены; Устаревшая система обслуживания граждан. Данные факторы предопределяют необходимость изменения приоритетов и состава работ в части автоматизации процессов. На текущий момент реестр технологических процессов ФНС России содержит свыше 600 технологических процессов. Работа по реинжинирингу технологических процессов носит непрерывный характер и превратилась в постоянную повседневную работу. Таким образом, в качестве решения существующих проблем была принята не автоматизация конкретных процессов, а пересмотр всей деятельности ФНС с последующим проектированием ПО для автоматизации деятельности организации в масштабах всей страны, что обусловило создание автоматизированной информационной системы Налог-3. АИС «Налог-3» представляет собой единую информационную систему ФНС России, обеспечивающую автоматизацию деятельности ФНС России по всем выполняемым функциям в том числе: прием, обработку, предоставление данных и анализ информации, формирование информационных ресурсов налоговых органов, статистических данных, сведений, необходимых для обеспечения поддержки принятия управленческих решений в сфере полномочий ФНС России и предоставления информации внешним потребителям. АИС «Налог-3» создана с целью повышения эффективности работы налоговых органов за счет: Оптимизации бизнес-процессов с целью выполнения программы повышения эффективности бюджетных расходов в условиях сокращения численности. Повышения открытости налоговых органов, максимального перевода взаимодействия с налогоплательщиками в электронный вид. Комплексного использования накопленной информации. Внедрения передовых информационных технологий. Снижения стоимости владения IT-инфраструктурой. Помимо этого, ФНС России активно развивает электронные сервисы. Они помогают налогоплательщикам решать большинство налоговых вопросов без посещения инспекции. Сегодня реализовано уже более 50 электронных сервисов. Некоторые из них встроены в естественную среду налогоплательщиков и позволяют им, не отвлекаясь от ежедневных дел, пользоваться услугами, предоставляемыми ФНС. Почти 100% налогоплательщиков уже используют бухгалтерское программное обеспечение, которое позволяет заполнять налоговые декларации, осуществлять платежи в электронном виде. ФНС позиционирует себя, как сервисную службу. Приоритетной задачей при взаимодействии с налогоплательщиками является повешения качества предоставляемых услуг, чтобы общение с налоговыми органами проходило для налогоплательщика комфортно, а услуга была бы оказана за максимально короткое время. Одним из решений для оптимизации и автоматизации процесса консультирования и информирования налогоплательщиков стала разработка чат-бота прикладного программного обеспечения АИС «Налог-3», реализующего сервис виртуального помощника налогоплательщика в части развития базы знаний, используемых диалогов, создания дашборда (dashboard), обучения нейросетевого классификатора. В ходе интервью с сотрудником организации была получена следующая информация (приложение 5). Консультирование в ФНС осуществляется в настоящее время несколькими способами, анализ которых приведен в таблице 11: Таблица 11 - Сравнительная характеристика способов информирования налогоплательщиков в ФНС РФ.
Источник: составлено автором. Базовое назначение сервиса интеллектуального виртуального помощника налогоплательщика (чат-бот) – интерактивное онлайн-информирование и обеспечение автоматизации обслуживания налогоплательщиков на сайте nalog.ru и в сервисе ФНС России «Личный кабинет налогоплательщика для физических лиц». Чат-бот (рисунок 5) предоставляет функции разработки и исполнения сценариев диалогов, настраиваемые под предметную область конкретных запросов налогоплательщиков. Он позволяет строить сценарии диалогов по правилам или автоматически обучаться на данных с помощью технологии машинного обучения, выполнять текстовые взаимодействия на естественном языке, просматривать и проводить разметку диалогов, строить различного вида аналитические отчеты. Сценарии диалогов могут включать уточняющие вопросы налогоплательщику, получение информации из смежных информационных систем ФНС.  Рисунок 4. –Интерфейс чат-бота для налогоплательщиков Ответы чат-бота могут содержать различные формы интерактивного взаимодействия с клиентом: прямые ответы, ссылки на разделы сайта nalog.ru, уточняющие вопросы, запросы дополнительной не персонифицированной информации для передачи в смежные информационные системы. Развитие прикладного программного обеспечения общения с налогоплательщиком посредством чат-бота при посещении налогоплательщиком официального сайта ФНС России (далее сайт), в том числе ЛК ФЛ, согласно технологическому процессу «Индивидуальное информирование налогоплательщиков с помощью виртуального помощника (чат-бот)» включает в себя разработку и доработку следующих функций: 1. Создание статистического модуля «Дашборд» для получения руководством проекта и руководством ФНС актуальной информации о работе интеллектуального помощника налогоплательщика в режиме реального времени по данным за прошедший период; 2. Дообучение классификатора, включающего нейросетевую модель, для более качественного обслуживания налогоплательщиков за счет отработки классификатором вопросов налогоплательщиков; 3. Создание интеграций интеллектуального помощника налогоплательщика с сервисами ФНС для увеличения числа каналов, по которым налогоплательщик сможет получить нужную информацию. В рамках развития прикладного программного обеспечения общения с налогоплательщиком посредством чат-бота реализованы интеграции со следующими сервисами ФНС России: «Калькулятор транспортного налога ФЛ», «Калькулятор страховых взносов», «Калькулятор земельного налога и налога на имущество физических лиц», «Запись на прием в инспекцию». Решения такие как виртуальные консультанты, роботы, голосовые помощники и ассистенты позволяют вести естественный диалог с помощью текстовых сообщений или голоса. Они могут общаться как с большими аудиториями, так и с ограниченным кругом лиц, например, с клиентами компании или ее персоналом. Порядок обслуживания обращения виртуальным консультантом на примере чат-канала: 1. При получении сообщения от клиента виртуальный консультант анализирует контекст и тему, заполняет информационные слоты, определяет персональные и метаданные, в том числе проверяет, авторизован ли пользователь. 2. Для доступа к различного рода данным виртуальный консультант подключается к информационным системам компании в режиме реального времени. 3. С учетом полученной информации виртуальный консультант предоставляет клиенту наиболее релевантный ответ. Если клиент был авторизован, виртуальный консультант предоставит ему персонифицированный ответ. В зависимости от каналов связи ответ может различаться по формату: содержать ссылки на разделы сайта, уточняющие вопросы или несколько вариантов ответа на выбор в виде кнопок или картинок. 4. После предоставления ответа возможна фиксация оценки обратной связи. 5. В случае если есть необходимость перевести клиента на специалиста, виртуальный консультант передает историю диалога и дополнительные параметры по клиенту, которые узнал: кто обратился, что интересует клиента, на чем остановился диалог. Схема работы чат-бота представлена на рисунке 7.  Рисунок 5. –Схема работы чат-бота Особенностью данного чат-бота выступает возможность анализировать KPI за выбранный период, где KPI – (Key Performance Indicators) – ключевой показатель успешности работы чат-бота. KPI позволяет контролировать и оценивать работу чат-бота – чем выше значение данного показателя, тем корректнее чат-бот распознает тематики и дает ответы на заданные пользователем вопросы. KPI рассчитывается только относительно успешных ответов чат-бота среди размеченных вопросов. Привязку процентного показателя относительно количества успешных ответов чат-ботом можно задать и отредактировать в конфигурационном файле. Например, KPI установлен 50%, значит работа бота будет считаться корректной, если среди размеченных вопросов будет 7 правильно данных ответов чат-ботом из 14 вопросов и некорректной, если будет правильных ответов меньше 7. Данные соотношения выставляются в конфигурационном файле и на их основе в дальнейшем рассчитывается KPI (приложение 3).  Информация отображается для пользователя в числовом и графическом виде. Для соотношения этих представлений служит цветовой индикатор. Графическое представление строится на основе числовых данных. Просмотреть информацию по разметке можно за любой предлагаемый временной промежуток (рисунок 8)Рисунок 6. –Анализ чат-ботом своего KPI Для определения эффективности работы чат бота был проведен анализ затрат на выполнение автоматизированных операций: Таблица 12 - Значения параметров, характеризующих основные автоматические операции, производимые чат-ботом при обработке сообщений от пользователей ЛК ФЛ или Сайта nalog.ru
Источник: составлено автором. Вывод: чат-бот имеет неоспоримое преимущество перед человеком по скорости обработки запросов. Чат-бот способен ответить более чем 200 клиентов в среднем за 4 секунды в то время, как работник налоговой службы затратил бы на ответ клиенту не менее минуты, при этом консультируя лишь одного человека, что доказывает эффективность виртуального помощника. Таким образом, ИИ является прекрасным решением для автоматизации процессов консультирования в столь крупных масштабах. Преимуществами пользования данным чат-ботом являются: 1. Веб-чат в форме диалога чат-бота с налогоплательщиком в свободной форме, путем представления быстрых релевантных ответов на вопросы, касающиеся налогообложения физических лиц, а также на сообщения по непрофильным темам и бессодержательным сообщениям, с учетом ограничений в соответствии со ст.102 НК РФ 2. Инициация чат-бота (включение и приветствие налогоплательщика) в момент входа на Сайт, с главной страницы Сайта; 3. Прием, обработка обращения и выдача ответа чат-ботом в т.ч. с ссылками на разделы сайта; 4. Автоматическое управление продолжительностью диалога налогоплательщика с чат-ботом и определение момента завершения диалога; 5. Установление уровня удовлетворенности (факта неудовлетворенности) налогоплательщика ответом чат-бота; в случае неудовлетворенности налогоплательщика ответом, формирование ботом соответствующего признака; 6. Оценка релевантности полученных ответов; 7. Обучение и дообучение искусственных нейронных сетей; 8. Возможность модернизации сценария диалога с налогоплательщиком; 9. Сбор статистики и аналитики, формирование различных отчетов по обработке обращений, направленных через чат-бот; 10. Выгрузка диалогов для дальнейшего анализа, в том числе в других подсистемах АИС «Налог-3»; 11. Дополнение перечня ключевых показателей процесса рассмотрения обращений показателями, которые позволят анализировать причины, из-за которых налогоплательщик обратился в налоговый орган; 12. Возможность спроектировать профили АРМ для разных должностей и функциональных ролей. Выводы по 2 главеВо второй части курсовой работы были рассмотрены некоторые цифровые решения, которые были применены для оптимизации и автоматизации процессов в двух организация – Ростелеком и ФНС. В компании Ростелеком для совершенствования был рассмотрен процесс прямых выплат, являющийся процессом нижнего уровня и не несущего жизненно-важного значения для организации. Робот в данном случае являлся средством для снижения нагрузки участников процесса и освобождение их от выполнения рутинных задач. В ходе выполнения этого проекта студенческой группой были задействованы самые простые и доступные средства оптимизации и автоматизации, не требующие глубинных навыков, знания программирования, платных лицензий. Для компании ФНС, в отличие от Ростелеком, требовалось глобальное перестроение всей организации деятельности. Необходимо было пересмотреть не только процессы абсолютно всех уровней, но и спроектировать автоматизированную систему, которая будет действовать во всех участках ФНС на территории России. Данная АИС должна была реорганизовать старые и медленно-функционирующие процессы, сделать их соответствующими современным требованиям, а также оптимизировать работу налоговых органов в целом. Для этих целей были выбраны цифровые решения, отличающиеся от тех, что можно было применять для процесса нижнего уровня. Для автоматизации столь масштабной организации было решено создать целую АИС вместо автоматизации каждого или некоторых отдельных процессов. С этой целью были применены средства для разработки ПО, требующие глубинных знаний как в программировании, так и в понимании структуры организации и ее деятельности. ЗаключениеВ данном исследовании были рассмотрены основные понятия и сущность оптимизации и автоматизации процессов компании. Был проведен анализ различных инструментов, применяющихся при проведении оптимизации и автоматизации, в ходе которого удалось достигнуть заявленных целей и задач. Были проанализированы инструменты, которые применялись для оптимизации процессов в двух организациях – консультирование налогоплательщиков с помощью чат-бота в ФНС РФ и прямых выплат в Ростелеком. Поскольку рассматриваемые процессы являются процессами разных уровней, то и масштаб проведения работ, и сами инструменты отличались для обоих процессов. Кроме того, поскольку процесс прямых выплат в компании Ростелеком является простым процессом нижнего уровня, для его оптимизации не требовалось обладать определенными знаниями в сфере функционирования процессов этой организации, а также в области программирования в то время, как автоматизация процесса консультирования налогоплательщиков с помощью чат-бота в ФНС РФ требовала программирование чат-бота с нуля, что несомненно подразумевает привлечение большого числа специалистов в области автоматизации и программирования.Таким образом, анализ решений показал, что выбор инструментов для оптимизации и автоматизации зависит во многом от масштабов организации, уровня и количества совершенствуемых процессов. |
