Хусниддин Бозоров, начальник службы управления банковскими процессами Узпромстройбанка (SQB), рассказывает как и почему банк стал первым в Узбекистане, который применил в своей деятельности процессную аналитику.
— Что стало отправной точкой старта проектов по процессной аналитике?
— Мы четко осознавали ряд больших задач, стоящих перед банком. Прежде всего, нам нужно было увидеть, насколько фактическое выполнение процессов совпадает с регламентами. В реальной работе всегда появляются возвраты, ожидания, дополнительные согласования, и без данных сложно понять, где именно процесс теряет скорость. Вторая задача — снизить операционную сложность, связанную с работой в большом количестве информационных систем. Сотрудники работают в нескольких окнах, переносят данные, проверяют документы, сохраняют файлы. Это создает нагрузку и повышает риск ошибок. Третья задача — сократить долю ручных операций там, где они повторяются и поддаются стандартизации. По отдельности такие действия могут казаться незначительными, но при большом количестве повторений они влияют и на скорость обслуживания, и на нагрузку на сотрудников, и на качество клиентского опыта. Понятно, что классических инструментов анализа процессов недостаточно для решения таких задач. Наши партнеры посоветовали обратить внимание на Process Mining и Task Mining. Мы изучили кейсы и поняли, что этот подход соответствует нашим задачам. Однако момент: в Узбекистане подобных внедрений не было, поэтому мы смотрели на опыт более зрелых рынков, в том числе российского. В 2024 мы приехали на Форум ProcessTech в Саранск, потому что было важно узнать о всех тонкостях, нюансах и возможных барьерах лично. Мы видели, что эти технологии уже используются не как эксперимент, а как инструмент управления операционной эффективностью. После этого мы приняли решение попробовать этот подход в SQB. Важную роль сыграла команда Инфомаксимум: они помогли структурировать первые шаги, показать методологию работы с данными и перевести идею из уровня интереса к технологии в полноценный проект. Для нас было важно, что партнер принес не только программный продукт, но и практический опыт внедрения в сложных корпоративных средах.
Представители банка SQB на конференции ProcessTech X SQB в Узбекистане
— Как вы выбирали первые процессы для анализа и что хотели проверить на старте?
— Мы не ставили задачу сразу охватить весь банк. Нам важно было начать с процессов, где уже были понятные бизнес-боли и где можно было проверить ценность подхода на фактических данных. Одним из первых направлений стал кредитный процесс. Он хорошо подходит для Process Mining, потому что в нем есть маршрут заявки, этапы согласования, возвраты, ожидания, успешные и неуспешные сценарии. Мы анализировали выдачу кредитного продукта на основе журналов событий из автоматизированной банковской системы. Также мы смотрели на операции сотрудников через Task Mining. Это уже другой уровень анализа, где фокус на реальные действия человека за персональным компьютером. Какие операции повторяются, сколько времени они занимают, где сотрудник переключается между системами, где вручную переносит данные или работает с документами. Так мы могли сопоставить две картины: как движется процесс и что фактически делает сотрудник внутри этого процесса.
— Какие результаты дали первые исследования?
— По кредитному процессу мы проанализировали массив почти из 5 тыс. заявок. Process Mining показал фактические маршруты их прохождения: где заявка возвращается на предыдущие этапы, где повторяются действия, где возникают ожидания и длительные переходы. По итогам анализа было выявлено 3 410 заявок с повторными действиями, что составило 68% от общего числа. Также система показала, что 25% заявок длились более 17 дней, а потенциальное сокращение сроков на длительных переходах оценивается до 12 дней. Task Mining, в свою очередь, позволил увидеть ручной труд, который обычно остается незаметным на уровне регламентов. Мы проанализировали кредитный конвейер в 9 департаментах SQB: с помощью Proceset было автоматически оцифровано 1 964 операции и проанализировано 7 429 часов работы сотрудников. Обнаруженный потенциал оптимизации составил до 60%. Важно правильно читать эти показатели. Это не значит, что такой объем работы можно просто убрать. Это значит, что мы увидели значимый пласт повторяющихся действий, где можно упростить маршрут, убрать лишний ручной ввод, объединить операции, настроить интеграции или применить автоматизацию.
Выступление банка SQB на конференции ProcessTech X SQB в Узбекистане
— Каким образом происходил процесс промышленного внедрения Proceset?
— В 2025 году мы перешли к масштабированию и промышленной эксплуатации. Важной точкой стала одна из рабочих встреч весной 2025 года, после которой началась активная фаза интеграции с банковскими источниками данных. Если в начале данные могли загружаться вручную и использоваться для ограниченного анализа, то в промышленном контуре мы двигались к автоматической загрузке из банковских систем и озера данных, инкрементальному обновлению, расширенному доступу бизнес-пользователей и масштабированию на несколько продуктовых линеек. На этом этапе важна была не только технология, но и методология. Нужно было корректно учитывать производственный календарь, отсутствие сотрудников, качество данных, профильные и непрофильные операции, специфику работы разных департаментов. Также требовалась настройка инфраструктуры, доступов к данным, производительности отчетов и корректного сопоставления информации из разных систем. Мы постепенно пришли к тому, что процессная аналитика должна становиться компетенцией внутри банка. В 2025 году вместе с Инфомаксимум начали «обучение» первой проектной группы. С января 2026 года это перешло на постоянную основу для сотрудников департамента проектной деятельности и Change-команды. Кроме того, проводились встречи с департаментами: разбирались результаты Task Mining, интерпретировались данные, формировались мероприятия по оптимизации ручного труда.
— Какие практические выводы банк сделал из полученных данных?
— Было важно, чтобы аналитика не осталась просто красивой картой процесса с подсвеченными проблемными местами. Если мы видим повторное действие, нужно понять причину: неполные данные, неясные критерии, неудобная передача информации между подразделениями, техническая задержка, ручной ввод. В Task Mining наиболее показательными оказались операции с документами и внутренними системами: выбор и сохранение документа в электронном документообороте, редактирование документа и создание связанного запроса, скачивание и сохранение файла, ручной перенос данных между системами. По одной типовой операции трудозатраты оценивались в 9,6 тыс. часов в год, ее выполняли 103 сотрудника. Из этого сложились несколько направлений работы. Первое — единое окно сотрудника, чтобы человек меньше переключался между системами. Второе — перевод участников процесса в единый конвейер. Третье — интеграция данных между системами, чтобы не переносить одну и ту же информацию вручную. Отдельное направление — Цифровой сотрудник. Он может брать на себя шаблонные операции: обработку документов, заполнение полей, работу с данными, выполнение действий в корпоративных системах. Для нас это естественный следующий шаг: сначала мы на данных видим, где возникает ручная нагрузка, а потом выбираем, что изменить в процессе, что интегрировать, а что автоматизировать. Больше новостей о процессной аналитике, анонсов мероприятий и новых кейсов — в нашем телеграм-канале.
