AOC проводит пилотный процесс интеллектуального анализа данных в службе поддержки и управления файлами Совета провинции Жирона.
Поделиться
В последние месяцы AOC провел пилотный процесс майнинга в службе поддержки пользователей. Интеллектуальный анализ процессов — это дисциплина, целью которой является обнаружение, мониторинг и улучшение процессов посредством извлечения знаний из журнала событий информационных систем. Эта дисциплина выходит за рамки простой обработки данных и включает в себя глубокое знание процесса, из которого они исходят. То есть к ЧТО (данным) добавляется КАК (процесс). Итак, как только вы загрузили достаточно данных и узнали о процессе, вы можете начать задавать вопросы.
В случае с AOC мы обнаружили такие удивительные вещи, как то, что наш процесс поддержки, для нас линейный и простой, имел более 3.400 вариантов или что мы были более эффективными во время пандемии с большим количеством запросов на поддержку, чем раньше. Это также открытая дверь для симуляций с вопросом «Что, если…?» , например, «Что, если второй уровень поддержки будет отвечать непосредственно пользователю, а не переносить ответ на первый уровень?», ответ: можно было бы сэкономить до 16.000 XNUMX часов обработки в год.
Параллельно в предыдущем случае был проведен пилотный проект службы электронного управления файлами, которую Diputació de Girona предлагает примерно 150 муниципалитетам провинции. Учитывая ограничения бюджета, этот второй пилот был более ограниченным. Мы благодарны Управлению поддержки электронного администрирования Провинциального совета Жироны за их сотрудничество.
Короче говоря, очень положительный опыт, который мы хотим продолжить изучать. Мы считаем, что это поможет нам улучшить процессы управления AOC, и что мы будем ценить экстраполяцию на местные администрации.
Эта инициатива является частью ряда инновационных инициатив, продвигаемых AOC для изучения возможностей, предлагаемых технологиями передовой аналитики и искусственного интеллекта для улучшения предоставления государственных услуг.
Видеопрезентация работ
Пилотный файл для службы поддержки пользователей
Вызов
Как мы можем быстро определить точки для улучшения в работе службы поддержки и определить, какие действия окажут наилучшее влияние на удовлетворенность людей и организаций, использующих службу?
Актуальные вопросы
Консорциум AOC оказывает поддержку через Центр обслуживания клиентов (CAU), откуда администрации, граждане и компании могут обращаться с запросами и запросами, связанными с услугами Консорциума AOC. Рост в последние годы деятельности собственных служб AOC, подчеркнутый повсеместным увеличением цифровых процедур из-за пандемии COVID-19, также привел к постоянному росту этой поддержки с момента ее создания. и в задействованных актерах.
В настоящее время служба насчитывает более 60.000 XNUMX запросов на поддержку и включает в себя участие различных подразделений консорциума AOC, технических офисов и внешних поставщиков.. Это разнообразное участие, помноженное на объем типов услуг, порождает большое разнообразие возможных потоков обработки запросов на поддержку, а также сложную проверку соблюдения сроков ответа и разрешения.
Возникает необходимость анализа работы процессов службы поддержки с целью:
измерять время работы людей и организаций, использующих сервис
определить возможные области для улучшения (в отношении организационных изменений или технологического обеспечения процесса)
быть в состоянии измерить влияние предлагаемых действий в отношении областей для улучшения
быть в состоянии оценить будущее влияние изменений спроса (на что повлияла пандемия)
Прикладное решение: расширенный анализ с интеллектуальным анализом процессов
Управление различными запросами и запросами CAU Консорциума AOC осуществляется с помощью инструмента Начисление оплаты которая является специальной платформой для управления запросами на обслуживание. Этот инструмент продажи билетов позволяет вести подробный учет:
зарегистрированные запросы
его категоризация (по регистрации, по приоритету, по услуге,)
его назначение различным субъектам, участвующим в его разрешении
временная метка для записи каждого запроса и временные метки для назначения изменяются до тех пор, пока они не будут разрешены.
Наличие такой подробной записи, позволяющей воспроизвести выполнение каждого запроса от начала (от записи самого запроса) до конца (при его разрешении и принятии лицом, его зарегистрировавшим), представлялось как возможность иметь возможность бежать расширенный анализ процессов службы поддержки с процесс майнинга.
Таким образом, AOC продвигает пилотный или ценностный тестовый проект, чтобы продемонстрировать применимость и преимущества интеллектуального анализа процессов в практической среде на основе собственных процессов поддержки AOC, из которых был награжден итерем с платформой Апромор.
Это пилотный проект, ограниченный коротким периодом времени (приблизительно 3 месяца), в течение которого необходимо провести расширенный анализ процессов поддержки, отвечающих поставленной задаче.
Что такое процессный майнинг?
Интеллектуальный анализ процессов — это набор методов, которые позволяют анализировать записи выполнения процесса (в данном случае процесса службы поддержки) с использованием различных типов визуализации для выявления узких мест, отклонений и в то же время обнаружения возможностей для оптимизации производительности. и максимизировать результаты.
Интеллектуальный анализ процессов, как и интеллектуальный анализ данных, основан на анализе данных как фундаментальной опоре аналитических возможностей; но интеллектуальный анализ процессов включает в себя карты процессов с показателями частоты случаев и производительности, которые в дополнение к получению показателей (ЧТО) позволяют нам идентифицировать причины и зависимости (СОМ), позволяя понять, как развивается РЕАЛЬНАЯ операция (реальные усилия, фактические затраты, фактические время отклика,…).
Что мы обнаружили?
Было проанализировано 1.324.963 306.181 01 записи о действиях, соответствующих 01 2017 запросу на поддержку за период активности с 11 по 11.
Применив интеллектуальный анализ процессов за короткий промежуток времени, мы получили следующую ключевую информацию для улучшения процессов:
Открытие процессов: отправная точка того, как выполняются процессы, позволяет принимать лучшие решения при их редизайне. Процесс обеспечения, хотя с теоретической точки зрения является линейным и ограниченным, в анализируемый период имеет более 23855 вариантов; который позволяет стать отправной точкой для пересмотра и стандартизации процессов.
Спектакль: в сравнении до (2017–2019 гг.) и после (2020 и 2021 гг.) пандемии; Было обнаружено, что с большим количеством запросов на поддержку в постпандемический период служба была более эффективной:
До пандемии: ежегодно обрабатывалось около 50.000 XNUMX запросов на поддержку.
Постпандемический период: ежегодно поступает более 60.000 42,5 запросов на поддержку; сокращение до XNUMX% средней продолжительности запросов от регистрации до ответа и закрытия.
Анализ вариантов: время запроса (общее время от начала до конца) и время обработки (время, в течение которого запрос не находится на рассмотрении от третьих лиц) были измерены для сравнения различных служб. Таким образом, стало возможным определить различия и то, как ответы на запросы различаются в зависимости от различных служб.
Его также сравнивали на основе уровней масштабирования запросов, определения поведения и возможности измерения влияния изменений в процессе. Например, «Какое влияние оказывает время отклика пользователя, если второй уровень поддержки отвечает непосредственно пользователю, а не переносит ответ на первый уровень?»; и определить объективную экономию при потенциальной модернизации процесса, которая позволила бы это изменение.
Моделирование: стало возможным не только проанализировать историю, чтобы сделать ценные выводы, но и оценить потенциал интеллектуального анализа процессов, чтобы проверить влияние возможных изменений или улучшений. В одном моделировании были внесены изменения в количество людей, назначенных для определенных задач, и их влияние на время решения.
Это позволяет нам отвечать на различные сценарии «Что, если…?» с моделированием на основе объективных сервисных данных.
Проект был разработан с использованием следующих методов и с совместной и управляемой оценкой результатов:
Автоматическое обнаружение карт процессов и сравнение моделей.
Панели визуализации данных, статистика и аналитические возможности платформы Apromore.
Навыки моделирования (Что, если…?) Чтобы установить различные сценарии, оценить влияние на процесс и определить наиболее подходящий вариант улучшения процесса.
Процессы майнинга в государственном управлении
Применимость и преимущества интеллектуального анализа процессов были продемонстрированы на практике и позволили:
Полное представление о процессе и его фактическом выполнении, которое невозможно проанализировать с помощью других методов.
Только при большом количестве данных были получены сложные аналитические расчеты, получение которых в противном случае было бы дорогостоящим.
Возможность моделирования для оценки влияния изменений на производительность процесса, что позволяет сосредоточиться на конкретных модификациях для максимального улучшения процесса.
В государственных организациях интеллектуальный анализ процессов может позволить нам проверять и делать прозрачными метрики и производительность процессов, сокращать время ожидания, устранять случаи, не соответствующие регламенту, а на организационном уровне — экономить время при идентификации и определении процессов. .
Одной из наиболее распространенных проблем является доступность и качество данных. В этом случае они были доступны и легко извлекались в инструменте. Начисление оплаты. Очень важно, чтобы инструмент или платформы, используемые для выполнения операций, делали эту запись и позволяли извлекать эту информацию, если вы хотите свести к минимуму усилия по подготовке данных при работе над проектом исследования процессов.
Статус проекта
· Пилотный проект: завершен расширенный анализ с анализом процессов.
