Вызов

Как быстро выявить точки улучшения в работе службы поддержки и определить действие, которое лучше всего повлияет на удовлетворенность пользователей.

Проблемный

Консорциум AOC предлагает поддержку пользователям через Центр обслуживания пользователей (CAU), откуда администрации, граждане и компании могут обращаться с запросами и запросами, связанными с услугами Консорциума AOC. Рост в последние годы активности самих служб AOC, подчеркнутый широким распространением цифровых процедур из-за пандемии COVID-19, также привел к постоянному росту этой поддержки с момента ее создания, как по объему запросов, так и по количеству участников. вовлеченный:

В настоящее время сервис уже превышает 60.000 XNUMX запросов на поддержку в год и включает в себя участие различных подразделений консорциума AOC, технических офисов и внешних поставщиков. Это разнообразное участие, помноженное на объем типа услуг, порождает широкий спектр возможных потоков обработки запросов на поддержку, а также сложную проверку соблюдения сроков ответа и разрешения.

По этой причине была рассмотрена необходимость анализа работы процессов службы поддержки с целью:

  1. Измеряйте время работы по отношению к людям и организациям, использующим сервис
  2. Выявить возможные области улучшения (в отношении организационных изменений или технологического обеспечения процесса)
  3. Уметь измерять влияние предлагаемых действий в отношении областей улучшения
  4. Возможность оценить, каким будет будущее воздействие в результате изменений спроса (как и влияние пандемии)

Прикладное решение

Выполните один расширенный анализ процессов соответствующей службы поддержки процесс майнинга.

Что такое процессный майнинг?

Интеллектуальный анализ процессов — это набор методов, которые позволяют анализировать журналы выполнения процесса (в данном случае процесса службы поддержки) с использованием различных типов визуализации для выявления узких мест, отклонений и в то же время обнаруживать возможности для оптимизации производительности и максимизировать результаты.

Интеллектуальный анализ процессов, как и интеллектуальный анализ данных, опирается на анализ данных как на фундамент аналитических возможностей; но интеллектуальный анализ процессов выходит за рамки простой обработки данных и включает в себя глубокое знание процесса, из которого они исходят. Другими словами, КАК (процесс) добавляется к ЧТО (данным), что позволяет нам понять, как происходит РЕАЛЬНАЯ операция (реальные усилия, реальные затраты, реальное время отклика и т. д.).

Таким образом, AOC провела пилотный проект или проект проверки ценности, чтобы продемонстрировать применимость и преимущества процессного анализа данных в практической среде на основе собственных вспомогательных процессов AOC, от которых будут награждены Итерем с Платформа Apromore.

пилот

Это пилотный проект, ограниченный коротким периодом времени (примерно 3 месяца), в рамках которого был проведен расширенный анализ процессов поддержки для решения поставленной задачи.

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.
  • Возможности моделирования (Что если...?) установить различные сценарии, оценить влияние на процесс и определить наиболее подходящий вариант улучшения процесса.

Происхождение данных для возможности применения процесса интеллектуального анализа

Управление различными запросами и запросами CAU Консорциума AOC осуществляется с помощью инструмента Начисление оплаты Это специализированная платформа для управления запросами на обслуживание. Этот инструмент Начисление оплаты 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.

Факт наличия подробной записи, позволяющей воспроизвести выполнение каждого запроса от начала (от регистрации самого запроса) до конца (до его разрешения и принятия лицом, его зарегистрировавшим), был представлен как отличная возможность иметь возможность выполнять расширенный анализ процессов службы поддержки с процесс майнинга.

Что мы обнаружили?

Было проанализировано 1.324.963 306.181 01 записи о действиях, соответствующих 01 2017 запросу в службу поддержки за период с 11 по 11.

Применив интеллектуальный анализ процессов за короткий период 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 поддержки, хотя с теоретической точки зрения является линейным и ограниченным, в анализируемый период имеет более 23.855 XNUMX вариантов; что позволяет стать отправной точкой для обзора и стандартизации процессов.
  • производительность При сравнении до (2017–2019 гг.) и после (2020 и 2021 гг.) пандемии было подтверждено, что при большем количестве запросов на поддержку в постпандемический период служба стала более эффективной:
    • До пандемии: ежегодно обрабатывалось около 50.000 XNUMX запросов на поддержку.
    • После пандемии: ежегодно поступало более 60 000 запросов в службу поддержки, что позволило сократить среднюю продолжительность обработки запросов от момента регистрации до ответа и закрытия заявки на 42,5%.
  • Анализ вариантов. Были измерены продолжительность запросов (общее время от начала до конца) и время обработки (время, в течение которого запрос не находится в ожидании у третьих лиц), что позволило сравнить различные сервисы. Таким образом, удалось выявить различия и то, как скорость ответа на запросы варьируется в зависимости от используемого сервиса.
    Также проводилось сравнение на основе уровней эскалации запросов, выявления поведенческих особенностей и возможности... оценить влияние изменений в процессе.
  • Моделирование: можно было не только проанализировать историю, чтобы сделать ценные выводы, но также можно было оценить потенциал интеллектуального анализа процессов, чтобы проверить влияние возможных изменений или улучшений. В моделировании были внесены изменения в количество людей, назначенных для определенных задач, и их влияние на время решения. Возник вопрос: «Что, если второй уровень поддержки всегда отвечал непосредственно пользователю, а не передавал ответ на первый уровень?». Ответ: "ежегодно можно сэкономить до 16.000 XNUMX часов обработки!

Какой вывод мы можем сделать?

Применимость и преимущества интеллектуального анализа процессов были продемонстрированы в практической среде, такой как служба поддержки пользователей консорциума AOC. Проект позволил:

  • Получите 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 позволяет проверять и делать прозрачными метрики процессов и производительность, сокращать время ожидания, устранять случаи, не соответствующие правилам, 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

Пилот завершен. Расширенный анализ с завершением анализа процесса обслуживания клиентов.

Больше информации

  • Итерем
  • Платформа Apromore