Наталья Старикова: От центра обслуживания к центру изменений

Наталья Старикова

Директор филиала «ОЦО» «ОХК «УРАЛХИМ», выпускник Школы IT-менеджмента РАНХиГС

...

Программные роботы, машинное обучение, управление ИТ-проектами. Чем занимается объединенный центр обслуживания крупнейшей российской компании по производству минеральных удобрений.

Создание объединенных центров обслуживания (ОЦО) в крупных холдингах было очень популярно еще 10–12 лет назад. С тех пор во многом произошло переосмысление роли ОЦО внутри компании, его задачи и функции. Несомненно, самые успешные кейсы – это ОЦО, которые стали генераторами качественных изменений в компаниях, заложили базисы быстрой адаптации к пандемии и другим ограничительным условиям. О чем сейчас нужно думать менеджменту ОЦО рассказывает Наталья Старикова, директор филиала «ОЦО» «ОХК «УРАЛХИМ», выпускник Школы IT-менеджмента РАНХиГС.

Давайте немного предыстории: как давно существует ваш центр и какие задачи он должен был решить?

ОЦО «УРАЛХИМа» действует с 2013 года. Многие федеральные холдинги создавали ОЦО в регионах с низкой стоимостью труда, с низкими издержками, например, Нижний Новгород и Ярославль - признанные центры размещения ОЦО. «УРАЛХИМ» создает свой ОЦО в Перми – промышленном миллионнике с высокой средней зарплатой. Уже на этом этапе решается стратегическая задача поиска кадров: основная функция будущего ОЦО – ИТ-сервисы. А в Перми сразу несколько ВУЗов готовят отличных специалистов для этой отрасли. Для них остаться в родном городе, но решать задачи федерального уровня – заманчивая перспектива. Несколько активов «УРАЛХИМа» расположено в Пермском крае, и это тоже сыграло свою роль.

На первом этапе половину загрузки ОЦО составлял финансовый сервис, половину – ИТ-функции, включая не только поддержку приложений, поддержку пользователей, но и разработку и поддержку инфраструктуры рабочих мест. И это тоже необычная практика – обычно централизуют в первую очередь только финансовый сервис.

Четыре завода, большой логистический центр, торговые дома и некоторые другие подразделения – у каждого клиента есть свои системы учета, регламенты и стандарты. Первый эффект был получен от централизации. А последующие – от унификации процессов и документов. Как раз на этом этапе мы уже работали со слаженной командой финансового блока и ИТ. Стратегия полностью себя оправдала.

ИТ-функция также выполнила задачу централизации и унификации инфраструктуры, в т.ч. Центров обработки данных. ЦОДы находились на различных предприятиях и в различных регионах. Оборудование было разное, ИТ системы, регламенты доступа к информации тоже. Единое пространство для обработки данных позволило оптимизировать стоимость обслуживания и бизнес-процессы.

Что стало актуальным после стандартизации процессов и оборудования?

Как только критический порог накопления информации и навыков был пройден – мы стали центром внедрения изменений и отдельных приложений. На базе ОЦО был создан проектный офис по управлению ИТ-проектами, и это способствовало тому, чтобы четко сформулировать направления дальнейшего развития и определить структуру управления.

Наш CIO находится в головной компании, и разработка стратегических инициатив происходит там же. Например, принятие решение по разворачиванию систем промышленной безопасности, ИБ – инструментария, развитию нового ИТ направления – внедрению систем управления производственными процессами MES, LIMS принимаются на уровне головной компании. А на старте проектов известно, что именно ОЦО будет отвечать за поддержку решения. Обычно само внедрение выполняет подрядчик, но мы участвуем на всех этапах, чтобы со временем эксплуатировать и развивать системы самостоятельно. Мы заранее должны взять людей на сопровождение конкретного продукта, обучить их и быть готовы сразу по завершении внедрения приступить к поддержке и дальнейшему развитию. Поэтому на проекте мы работаем вместе с подрядчиком.

Используете ли вы инструментарий, применяющий роботизацию и машинное обучение?

Резкий рост интереса к роботизации и ИИ в России наблюдается уже почти три года. Мы примерно столько же занимаемся этим направлением, потому что оно соответствует нашей основной задаче: снижению себестоимости поддержки, повышению эффективности отдельных процессов и масштабированию без существенного увеличения затрат. Среди метрик по увеличению эффективности процессов много самых разных показателей: снижение стоимости сервиса, скорость выполнения операции, качество и расширение сервисов и т.д.

Растут требования к скорости формирования отчетности, улучшению ее качества. Например, если раньше мы сдавали отчетность на 10-й рабочий день после закрытия периода, а теперь требуется сдавать на 7-й, то это требует значительных изменений. Скорость подготовки требует автоматизации.

Первых RPA, программных роботов, мы запустили в 2019 году. Робот дает возможность оптимизировать затраты, снизить число ошибок, резко ускорить выполнение отдельных операций. Роботизация при детальном сравнении оказывается дешевле некоторых видов автоматизации. Например, нужно передать какие-то данные в другую систему. Очевидное решение – построить шлюз передачи данных, который хороший специалист, в зависимости от системы, будет «писать» почти три месяца. А если эта задача разовая, например, миграция данных при внедрении нового продукта, можно запустить робота в ночную смену, который просто «забьет» всю необходимую информацию в новую систему.

Массовые запросы тоже решаются дешевле и быстрее с помощью роботов. Например, нам поступает в день до сотни запросов от сотрудников на справки 2-НДФЛ. За ночь робот обрабатывает все запросы и извещает получателей. Наши RPA не только готовят сами справки, но и рассылают сотрудникам сообщения о том, что справка готова, ее можно забрать в центре кадрового обслуживания предприятия. Одновременно достигается снижение численности персонала ОЦО (или перепрофилирование сотрудников), увеличение скорости работы и рост удовлетворенности сотрудников своевременным получением документов и информации о статусе заказа.

В последнее время мы вели проект на внешней электронной площадке, где каждый наш поставщик должен был ввести продаваемый им ассортимент. Делать этого никому не хотелось, и мы применили роботов, которые заносили все необходимые сведения о товарах в каталог электронной торговой площадки, после чего владельцы аккаунта получали сообщение о необходимости только проверить ассортимент. На удобство работы с поставщиком такие подходы влияют очень сильно.

Есть ли кейсы с машинным обучением?

Конечно, есть. Мы в основном, используем искусственный интеллект для работы с базами данных по алгоритму. Дальше всего мы продвинулись в применении машинного обучения для управления НСИ и для сортировки клиентских заявок.

Сначала о сортировке. На первую линию поддержки приходит запрос от пользователя. Поток этих запросов по исполнителям распределяет приложение, применяющее машинное обучение. Есть база правил, по которым ранее люди распределяли заявки на обслуживание. К ней добавляется статистика закрытия заявок. После внедрения машинного обучения скорость распределения заявок выросла кратно. В свое время мы пытались научить пользователей не звонить в техподдержу, а подавать заявки правильно, соблюдая формальные требования, заполняя нужные поля. Это, как оказалось, не самое эффективное решение. Теперь для подачи заявки пользователю не надо объяснять, что и где у него случилось. Он просто делает снимок своего экрана, скриншот, и присылает ее нам со словами – «у меня есть проблема, сервис не работает». Дальше ИИ распознает изображение и определяет, в чем проблема, и распределяет заявку соответственно. Определяется и предприятие, и пользователь. Распознавание скриншота и распределение заявки занимает 0.12 секунды! 90% заявок распределяется автоматически, качество распределения достигло 89%.

Второй кейс связан с мастер-данными для закупок. Это общая проблема всех крупных компаний. Связывание данных поставщиков с данными компании – кропотливая и объемная работа, обычно ею занимаются люди, постоянно выверяя справочники. Мы решили использовать машинное обучение для мэппинга - связывания справочников. Результаты интересные: в стандартных группах, например, металл, приложение успешно связывает около 70% ассортимента. Это на самом деле очень хороший результат.

Как отразилось на работе ОЦО изменение политической и экономической ситуации после введения в марте ограничительных мер?

Наши проблемы точно такие же, как и у большинства крупных российских производственных компаний, одна из основных – техническая составляющая, «железо».

При использовании технологий и оборудовании мы пользовались продвинутыми решениями европейских компаний. Сейчас стоит задача по поиску и адаптации аналогов в процессы компании.

На прошедшей в конце февраля конференции Школы IT-менеджмента «Практика цифровой трансформации: опыт, кейсы, методология» был очень впечатляющий рассказ выпускника Школы из Китая. Он рассказывал об опыте китайской экономики, которая адаптировалась к международным санкциям и произвела импортозамещение собственными разработками за довольно короткий срок, звучали цифры в районе 60%. Эти достижения были результатом системных усилий не одной компании, а всего государства. Так что примеры преодоления трудностей есть.

Автор: Ольга Мельник

Источник: it-world.ru

Если вы заметили ошибку, выделите необходимый текст и нажмите Ctrl+Enter, чтобы сообщить об этом редакции    Система Orphus

RSS: популярные интервью на Anti-Malware.ru