Девелоперская компания «Новый город» реализовала основной этап программы цифровой трансформации от реорганизации культуры и внедрения процессного управления до автоматизации основных процессов с продуманной архитектурой накопления структурированных данных и применением инструментария BI и ИИ-агентов. О ходе проекта и его значении для бизнеса рассказывает Роман Заболотный, руководитель направления бизнес-трансформации ГК «Новый город» и номинант на премию Data Award.

- Какие бизнес-задачи стояли перед компанией? В чем заключались ключевые «головные боли»?

Мы могли бы начать с продаж, где результат виден быстро, но выбрали строительные проекты. Именно здесь скрыта настоящая себестоимость, здесь процессы сложны, нелинейны и прощают меньше всего ошибок.

К ключевым «головным болям» можно отнести несколько проблем. В первую очередь, хаос в данных и отсутствие единой версии истины. Данные хранились в изолированных системах: «1С», «Битрикс», Google Таблицах, Excel, сетевых папках. Это приводило к расхождениям в отчетах, межфункциональным конфликтам и спорам о том, чьи данные верны. При этом сотрудники были захвачены рутинной отчетностью. До 40% рабочего времени ключевых специалистов из снабжения, сметно-договорного отдела, финансов уходило на ручной сбор и сверку данных, а не на анализ.

Был характерен управленческий «блэкаут» и запаздывающая реакция. Ответы на стратегические вопросы: «Какова маржинальность проекта?», «Где сверхбюджетные затраты?», – занимали дни. Компания работала в режиме «посмертного анализа». Объективные KPI в процессном управлении либо отсутствовали, либо рассчитывались вручную с большой задержкой. Как следствие, управленческие решения принимались на основе интуиции.

И критичной была невозможность масштабирования. Ручные процессы и неструктурированная ИТ-архитектура не позволяли выходить в новые регионы без потери качества и контроля.

- Насколько это критично для компании?

Изначально задача не была признана стратегической на уровне топ-менеджмента. Движение шло снизу вверх через демонстрацию отдельных шагов и получаемых выгод. Дальнейшее развитие и выход в новые города стали бы невозможными без перехода от реактивного управления к data-driven.

- В каком состоянии была инфраструктура для работы с данными до реализации проекта?

Инфраструктура представляла собой «зоопарк» несвязанных инструментов. Учет осуществлялся в экосистеме «1С», ставшей «творением Франкенштейна» из не связанных доработок и сиюминутных дописок системы. Отчетность и анализ осуществлялись в сотнях несинхронизированных Google Sheets и Excel-файлов при помощи ручного копирования данных. Планы закупок и прогнозные бюджеты также были выстроены в Google Sheets. ИТ-поддержка строилась по принципу исполнения отдельных запросов, отсутствовала единая стратегия и продуманная архитектура данных.

- Что предстояло сделать?

Нам предстояло создать единую цифровую среду для управленческих решений, обеспечить единую версию истины по закупкам, сметам, договорам, финансам и др., автоматизировать ручную отчетность и высвободить время ключевых специалистов, внедрить процессное управление с контрольными показателями. В целом, требовалось сформировать архитектуру, готовую к масштабированию в новые регионы.

- Что являлось целью проекта?

Глобальная цель – создание единой цифровой среды для принятия управленческих решений на основе актуальных и достоверных данных. С тактической точки зрения мы поставили такие цели, как сокращение времени на подготовку отчетности на 80%, повышение точности планирования закупок на 15% и снижение сверхнормативных расходов по статьям затрат на 7%.

- Какие требования предъявлялись к создаваемому решению?

Требовалась интуитивность и доступность – решение должно быть понятно бизнес-пользователю без глубоких технических знаний. Важна производительность – оперативный отклик и обновление данных, а также масштабируемость – легкое подключение новых источников и метрик. И, конечно же, нельзя было обойтись без интеграции с «1С» в виде надежных коннекторов без нагрузки на производственные базы.

- Как подошли к выбору технологий?

Выбор основывался на соответствии нашим требованиям по производительности, безопасности и визуализации, стоимости владения и наличии готовых коннекторов к «1С». Кроме того, обращали внимание на экосистему и доступность специалистов на рынке. И нас интересовал передовой опыт и «продукты будущего» вроде Process Mining.

В итоге были выбраны «1C:БИТ. Строительство» для перевнедрения системы, а также платформа PIX для BI-отчетности и фиксации реально-протекающих процессов как оптимальная по соотношению цена, качества и функциональности. Был выбран итеративный Agile-подход с разбивкой на этапы, прототипированием и максимальным вовлечением бизнеса.

- Что представляет собой созданная платформа данных?

В ходе проекта создан Цифровой аналитический хаб (ЦАХ) «Процесс-Затраты-Результат» (схема). Он состоит из Единого хранилища данных, набора интерактивных дашбордов под нужды отделов, процессной аналитики («PIX Аналитик процессов») для анализа реального исполнения процессов, а также ИИ-агентов контроля для автоматического мониторинга соблюдения процессов. Мы перешли от системы, где руководитель был вынужден «ловить косяки», к ИИ-надзору.

Разработанные ИИ-агенты круглосуточно мониторят соблюдение процессов (сроки, лимиты, статусы) и указывают на ошибки, недочеты и риски на ранних этапах. В результате обеспечивается единое качество работы вне зависимости от того, где находится площадка: Владимир, Нижний Новгород или головной офис. Снижена нагрузка на линейных руководителей.

- Какие дата-продукты реализованы на ее основе?

Нами реализована BI-аналитика и ИИ-агенты в области снабжения (мониторинг цен поставщиков, динамика остатков, анализ выполнения плана закупок), сметно-договорной деятельности (автоматическое выявление отклонений и рисков на ранних этапах контроля лимитов, статусов договоров, объемов выполненных работ), финансов (план-фактный анализ бюджета в разрезе проектов, ЦФО, статей затрат), строительных процессов (своевременное обеспечение ресурсами, взаимодействие с подрядчиками). Также активно анализируем процессы, проводя визуализацию реально протекающих процессов и выявляя узкие места.

- Каков масштаб решения? Кто является основными пользователями экосистемы?

Около 200 человек пользуются «1С:БИТ». Это сотрудники снабжения, сметно-договорного отдела, прорабы, кладовщики, финансовые аналитики, руководители проектов, маркетинг и иные подразделения. Еще около 15 человек стали ключевыми потребителями BI-аналитики – это топ-менеджмент, включая генерального и финансового директоров, РП. Около 30 человек являются потребителями инструментов Process Mining: не только топ-менеджмент, но и менеджмент среднего звена. География проекта охватила головной офис в Твери, а также наши новые регионы: Владимир, Нижний Новгород, Череповец.

- Каких бизнес-результатов уже удалось достичь?

Достигнуто сокращение времени на подготовку отчетности до 85% – с двух дней до двух часов в неделю. Скорость принятия решений сократилась с нескольких дней до нескольких минут. Ошибки в отчетности из-за человеческого фактора сведены к нулю. Адаптация новых сотрудников в регионах – ускорена в три раза через видео-инструкции и внедрения «ядра» клонированного процесса.

- Пытались ли оценить их с финансовой точки зрения?

Да, конечно. Оценка нами ведется в двух плоскостях: прямая экономия (Hard Savings) и косвенная экономия (Soft Savings). Если говорить про прямую экономию, то оптимизация учета и прозрачности за счет внедрения «1С:БИТ» дала эффект более 200 млн руб. Процессное управление позволило устранить неэффективные связки и сократить потери, что сэкономило еще более 50 млн руб. Выявленные и заблокированные за счет использования BI неэффективные расходы также превысили 50 млн руб. ИИ-агенты позволили превентивно выявлять отклонения – этот эффект мы оцениваем в 10 млн руб. Инструменты Process Mining дают небольшой эффект в деньгах, но кратно ускоряют анализ и изменение процессов. Косвенная экономия заключается в высвобождении более 200 человеко-часов ежемесячно, снижении нагрузки на линейных руководителей за счет ИИ-контроля, а также упреждающем управлении рисками перерасхода бюджетов и срывов сроков.

Общий ROI за два года кратно превысил вложения.

- В чем вы видите особенность реализованного проекта?

Главная особенность – сквозная бизнес-логика «Процесс-Затраты-Результат». В одной экосистеме связаны операционные данные (что и сколько закупили), финансовый результат (во что это вылилось в деньгах), контроль качества исполнения (ИИ-агенты и майнинг процессов). Вторая особенность – технология масштабирования:

не «тотальная цифровизация всего», а формирование «чистого ядра» процессов и тиражирование управленческой культуры в новые регионы.

- Какова ценность проекта для отрасли? Есть ли интерес от коллег?

Внутри компании BI-система трансформировалась из инструмента отчетности в стратегический актив, позволяющий управлять маржинальностью каждого проекта в реальном времени. Наш опыт показывает, что средний региональный девелопер может конкурировать с федеральными игроками не за счет бюджета на ИТ, а за счет глубокой эклектики методологий: подхода Agile, инструментов BI и Process Mining, а также технологий ИИ. Это делает подход доступным для тиражирования. Интерес со стороны коллег есть – подход к масштабированию через «чистое ядро» процессов и ИИ-контроль вызывает вопросы и запросы на обмен опытом.

- В каких направлениях планируете развивать проект?

В первую очередь, предиктивная аналитика: прогнозирование цен на материалы, рисков перерасхода бюджета, сроков поставок. Эту задачу решаем с помощью ML-моделей.

Движемся к демократизации данных с помощью инструментов self-Service BI и внедрения каталога данных. Аналитики в новых городах должны строить отчеты без участия центрального офиса.

Развиваемся в сторону мобильной аналитики и сценариев what-if. Для этого адаптируем дашборды для планшетов и смартфонов, а также моделируем последствия управленческих решений. Проводим масштабирование на смежные домены: продажи, маркетинг, HR-аналитику, эксплуатацию объектов. Будем дальше развивать ИИ-агентов – от контроля к проактивным рекомендациям и автоматическому реагированию.