Узпромстройбанк (SQB) первым в Узбекистане запустил Process Mining и Task Mining в промышленную эксплуатацию на платформе Proceset. Банк провел серию проектов по повышению эффективности: анализ прохождения маршрута кредитных заявок и оценка операционной нагрузки сотрудников кредитного конвейера.
Process Mining и Task Mining в банках: зачем и что дают
Кредитный процесс в банке включает множество этапов: юридическую проверку, финансовый анализ, оценку залогов, согласование условий и принятие решения. Каждый из них выполняется в разных информационных системах и по собственным правилам. В результате возникают задержки, возвраты на предыдущие этапы и повторные действия, а реальные причины потерь остаются скрытыми. Process Mining помогает увидеть процесс таким, какой он есть на самом деле. Технология извлекает данные о каждом событии из информационных систем — АБС, CRM, систем документооборота — и восстанавливает карту процессов банка по фактическим данным: сколько вариантов маршрутов существует, где возникают возвраты, на каких этапах формируются ожидания и где теряется время. Task Mining дополняет эту картину на операционном уровне. Если Process Mining отвечает на вопрос «как движется заявка», то Task Mining — «что при этом делает сотрудник». Технология автоматически фиксирует действия за рабочим местом: переключения между приложениями, ручной ввод данных, работу с документами. Процессная аналитика на основе технологий Process Mining и Task Mining дают банку сквозное понимание процесса — от движения кредитной заявки между подразделениями до конкретных действий сотрудников. Это позволяет находить точки потерь, принимать решения на основе данных и повышать эффективность процессов с прогнозируемым экономическим эффектом.
Банк SQB: первое внедрение в Узбекистане
SQB — один из крупнейших коммерческих банков страны. Кредитный бизнес — ключевое направление: тысячи заявок в месяц, несколько департаментов в процессе, каждый со своими системами и регламентами. Банк понимал: для управления таким процессом традиционных методов анализа — аудитов, интервью и изучения регламентов — уже недостаточно. Они позволяют понять, как процесс должен работать, но не показывают, что происходит в реальности: где возникают отклонения от целевого сценария, накапливаются задержки, появляются возвраты на предыдущие этапы и растут трудозатраты сотрудников. Чтобы получить объективную картину процесса на основе данных, SQB принял решение внедрить технологии Process и Task Mining от Proceset.
Process Mining: анализ кредитного процесса
С помощью Proceset банк проанализировал около 5 000 кредитных заявок и восстановил фактические маршруты их прохождения. Анализ показал, где заявки возвращаются на предыдущие этапы, где возникают ожидания и какие переходы оказывают наибольшее влияние на сроки рассмотрения:
- 3 410 заявок (68%) проходили через повторные действия и возвраты на предыдущие этапы;
- каждая четвертая заявка обрабатывалась дольше 17 дней;
- на длительных переходах — потенциал сокращения сроков до 12 дней.
Для нас это стало основой для предметного разговора с бизнес-подразделениями об оптимизации процессов
Результатом проекта стала детальная карта кредитного процесса, основанная на фактических данных. Банк получил возможность точно определить участки, где формируются очереди, возникают возвраты и теряется время. Это позволило перейти от обсуждения гипотез к принятию решений на основе измеримых показателей и конкретных точек оптимизации.
Task Mining: анализ кредитного конвейера в 9 департаментах
Task Mining автоматически фиксирует действия сотрудников: в каком приложении работает специалист, как долго, что именно делает и в какой последовательности.
SQB проанализировал 9 департаментов, участвующих в кредитном конвейере. Результаты:
- 1 964 операции оцифровано автоматически;
- 7 429 часов работы сотрудников вошло в выборку;
- потенциал оптимизации — до 60%;
- выделены операции, подходящие для передачи Цифровому сотруднику.
Наиболее показательными оказались операции, связанные с обработкой документов и работой во внутренних системах: выбор и сохранение документов в СЭД, создание связанных запросов, скачивание файлов и ручной перенос данных между приложениями. По одной из таких типовых операций суммарные трудозатраты достигали 9 600 часов в год, а в ее выполнении участвовали 103 сотрудника.
По отдельности такие операции могут занимать немного времени, но на масштабе банка они превращаются в значимую нагрузку.
Как банк работает с результатами
Параллельно с внедрением SQB при поддержке Инфомаксимум развивает внутреннюю экспертизу в процессной аналитике. В 2025 году началось обучение первой проектной группы: сотрудники учатся самостоятельно читать данные Proceset, интерпретировать результаты кредитного процесса и обсуждать их с бизнес-подразделениями. С января 2026 года работа стала регулярной — в неё включены сотрудники департамента проектной деятельности и Change-команды.
Proceset помогает увидеть, где именно процесс теряет время, какие операции перегружают сотрудников и что можно автоматизировать в первую очередь. Благодаря этой модели банк подготовил фундамент для следующего шага — интеллектуальной автоматизации.
Следующий этап
По итогам анализа банк сформировал несколько направлений работы: развитие единого окна сотрудника, перевод участников процесса в единый конвейер и интеграция данных между системами для сокращения ручного переноса информации. Отдельное направление — Цифровой сотрудник: он берет на себя шаблонные операции, которые уже определены как приоритетные для автоматизации. Это обработка документов, заполнение полей, работа с данными в корпоративных системах. В дальнейшем SQB планирует расширять применение Proceset, включая регулярный мониторинг процессов и применение Multi Task Mining для анализа новых направлений деятельности и поиска дополнительных возможностей для повышения эффективности. Больше новостей о процессной аналитике, анонсов мероприятий и новых кейсов — в нашем телеграм-канале.
