ГлавнаяПрактикаКак это сделать

Показать все, что скрыто: для чего нужен сводный корреляционный мониторинг

23.07.2019Автор Илья Кошкин
Показать все, что скрыто: для чего нужен сводный корреляционный мониторинг
То, что раньше было отдаленной перспективой развития, сегодня становится реальностью благодаря концепции сводного корреляционного мониторинга бизнес-процессов.

Обеспечение прозрачности работы компании давно является одним из приоритетов развития любого бизнеса. Сегодня руководители хотят понимать каждый нюанс операций своего предприятия, предупреждая потенциальные проблемы через оптимизацию бизнес-процессов в реальном времени. То, что раньше было отдаленной перспективной развития, сегодня становится реальностью благодаря концепции сводного корреляционного мониторинга бизнес-процессов.

Когда бизнес видно насквозь

Современный мониторинг бизнеса появился из-за потребности руководителей компаний видеть все, что происходит внутри их бизнес-процессов. Цель – оптимизация управления и контроля. Компании и организации хотят понимать, как именно рассмотрение бизнес-показателей или удовлетворенность пользователей, различные транзакционные метрики и т. д. соотносятся со сбоями или апгрейдами в работе ИТ-инфраструктуры. Существует ли связь между работой этих компонентов и функционированием компании по таким показателям, как выручка, объемы продаж, производительность, и другим KPI.

Сейчас бизнесу больше не интересно получать аналитические сводки постфактум. Нужны проактивные инструменты управления текущей ситуацией в компании через ИИ-технологии прогнозирования трендов. С помощью современных решений, которые объединяются в концепции сводного корреляционного мониторинга, можно полностью избавиться или серьезно минимизировать такие явления, как упущенная прибыль, down-time, операционные издержки и т. д.

Особенно эти возможности актуальны для бизнес-процессов с критическим временем простоя для компании. Например, хорошие результаты дает мониторинг процессинговых систем платежных операторов и банков, сервисов контент-провайдеров и рабочих процессов интернет-магазинов, а также систем управления цепочками поставок (торговля, HoReCa).

Это происходит за счет интеграции сквозного мониторинга с другими участками ИТ-системы клиента в целях решения поставленной бизнес-задачи. Например, внедренная система корреляционного мониторинга бизнес-процессов компании Dunkin’ Donuts и ее объединение с программой лояльности сети кафе позволили определять крайний допустимый срок реализации для каждой конкретной партии фирменных пончиков сети и запускать специальные предложения со скидкой через push-уведомления участникам программы лояльности через приложение. В результате процент просроченных партий продукции существенно снизился, что в масштабах сети выражается миллионной экономией (количество участников программы лояльности Dunkin’ превышает 10 млн человек).

По большому счету любое решение в области корреляционного мониторинга является инструментом для планирования нагрузок на ИТ-системы и распределения их доступного ресурса с учетом сезонности, периодизации спроса, поставок, данных математических моделей прогнозирования для объединения бизнес-прогнозов с ИТ-прогнозами. Достигаемая при этом синхронизация позволяет в разы упрощать и ускорять локализацию и ликвидацию любой проблемы в работе компании, будь то человеческий фактор или выход из строя вычислительного узла на сервере.

Многослойный мониторинг

Создавать такую систему можно разными способами, но обычная конфигурация включает в себя следующий набор.

Прежде всего, это источники данных: логи серверов, БД, API приложения, различные бизнес-метрики и транзакции, записи о действиях конечных пользователей. Все они требуют объединения на единой платформе, поэтому система мониторинга должна качественно интегрировать разнородные данные посредством различных коннекторов.


Следующий уровень – системы хранения собранных данных. Здесь важный момент – требования к структурированности и срокам хранения информации, поскольку из анализа этих данных выводятся тренды, закономерности и аналитические картины. Это делается с помощью различных математических моделей выявления скрытых корреляций, и чем более параметров будет включаться в анализ, тем более глубокие и сложные зависимости можно обнаруживать. Без достаточной глубины и разнообразия данных в историческом срезе оптимального эффекта будет не достичь.

Далее идет слой визуализации, с помощью которого создается наглядная картина выполнения ключевых KPI, обозначенных в компании в качестве приоритетных. Несмотря на то, что этот уровень кажется самым простым и очевидным (взять данные и на их основе построить график, таблицу, отобразить их на панели управления), разнообразие отраслей и компаний приводят к высокой степени индивидуализации конечных решений. Это самый кастомизированный слой в любой системе корреляционного мониторинга.

При внедрении таких решений всегда стоит выбор: либо разрабатывать их самостоятельно, либо использовать своего рода конструктор из имеющегося софта. Практика показывает, что эффективнее и практичнее всего работает второй подход, когда на open-source-инструментах строится стек под каждый отдельный проект.

Увидеть то, что скрыто

Что дает грамотно спроектированная и качественно реализованная система корреляционного мониторинга?

Прежде всего она позволяет вовремя среагировать на текущие изменения, например заметить тренд падения продаж, недоступность критически важных участков ИТ-системы, оперативно локализовать проблему и максимально оперативно ее ликвидировать.

Второй важнейший момент – способность систем корреляционного мониторинга обнаруживать проблемы, которые находятся на стыке нескольких участков ИТ-системы и даже на границах несколько независимых ИТ-систем.

Для примера возьмем бизнес-процесс, нацеленный на конечного пользователя, скажем, оплату покупки на сайте интернет-магазина. Понятно, что она включает в себя авторизацию, выбор товара, оформление заказа и оплату путем перевода денег с карты на счет продавца через процессинговую систему банка-партнера магазина.

Вполне вероятна ситуация, когда покупатель будет испытывать проблемы с платежом (долгий срок проведения, зависание страниц, отсутствие подтверждения о зачислении денег и т. д.), а для специалистов поддержки магазина при изучении данных о работе всех ИТ-компонентов, по которым «размазан» процесс платежа, все будет выглядеть как «все системы работают в штатном режиме». Однако итоговый результат не соответствуют заявленному уровню качества клиентского опыта в компании.

Множество бизнес-процессов в одном, казалось бы, рутинном акте покупки в Интернете приводит к тому, что небольшая ошибка на стыке нескольких систем остается незамеченной и вызывает критический сбой в работе бизнеса. В данном случае средства корреляционного мониторинга показали, что часть кода сайта написана с ошибкой, которая заставляет отправлять в рамках одной транзакции слишком много запросов и ответов между сайтом и процессинговой системой банка. А из-за особенностей роутера часть пакетов с этими запросами терялась. В итоге постоянная пересылка и потери пакетов приводили задержкам.

По отдельности все выглядело штатно, но на стыке возникала ситуация, которая для пользователя выглядела как нерабочий сервис. К интернет-платежам люди относятся очень осторожно, и любые зависания, задержки вызывают неприятные ощущения: «мои деньги теперь неизвестно где», «платеж завис, не дошел до магазина, пропал».


Что вам стоит стать прозрачным

Чем больше данных, темточнее будут отображаться состояние бизнес-процессов компании и связанные с ними KPI.

Затраты на проект системы мониторинга с точки зрения бюджета, времени и кадровых ресурсов могут серьезно варьироваться. Цена и сроки входа в эту область довольно низкие, поскольку «пилот» занимает всего несколько недель и способен дать первичное понимание ситуации в компании на базе базовых ключевых метрик. Это не глубокий уровень, но и его бывает достаточно, чтобы подсветить основные моменты в текущих процессах. Такой эффект дают, например, агрегированные бизнес-метрики – для получения базовых аналитических срезов не требуется подключения к первоисточнику данных (мастер-данным).

Если мы говорим о крупной компании, то здесь речь может идти о проекте на два-три года с масштабным вовлечением заказчика – создании системы сквозного корреляционного мониторинга всех ключевых процессов и KPI, включая ИТ-инфраструктуру и процессы по всем бизнес-направлениям. Заниматься этим самостоятельно можно, но нецелесообразно: такие проекты довольно затратны, а текущие операционные задачи с сотрудников никто не снимал, к тому же нужен центр принятия окончательных решений, но внутри компании ее кадрового ресурса на таком уровне обычно не хватает.

Ожидания и кейсы

Помимо очевидного улучшения качества прогнозирования и сокращения издержек, использование продвинутых решений в области бизнес-мониторинга дает мощный психологический эффект и организационные улучшения. У многих специалистов за годы работы на своих участках часто замыливается глаз, они перестают замечать реальные проблемы и не видят пространства для их решения.

Так, для ретейл-компании в рамках проекта по созданию системы корреляционного мониторинга был проведен мониторинг обратной связи от потребителей. Для этого система отражала информацию по рейтингам и отзывам, которые покупатели оставляли на сайте магазина, в Google, на «Яндексе» и «2ГИС», обученная модель автоматически классифицировала их по категориям и распределяла по сотрудникам центра реагирования. В итоге выяснилось, что в одном из магазинов сети люди жаловались на постоянную духоту и полное отсутствие инфраструктуры для сопровождающих – детей, супругов, друзей. Компания отреагировала: поставила в помещениях кондиционеры и организовала зону отдыха – рейтинг магазина в очень короткие сроки опередил многих конкурентов и сравнялся со средними показателями в собственной сети. В деньги такие вещи конвертировать сложно, но без апгрейда мониторинга данный момент остался бы незамеченным, а для имиджа потребительски ориентированной компании это важнейшая деталь.

Описанный кейс очень точно отражает растущую потребность бизнеса (в данном случае – ретейла) в детальном понимании состояния каждого из магазинов и сравнения его с точками конкурентов (особенно локальных, в конкретной географии). Этими задачами в крупных сетях занимаются сегодня специальные подразделения.

Проблема в том, что когда отзывов очень много и отсутствует их классификация, то возможно получить только общую оценку магазина, понять же причины, которые приводят, например, к аномально низкой оценке конкретной точки, нельзя. Внедряя мониторинг и классификацию отзывов по различным направлениям, можно собирать релевантные задаче данные автоматически, классифицировать их, обработать и предоставлять в структурированном виде.

И получать осязаемые практические бизнес-результаты.