Покажем живой Storm: демо-день для командБлижайший демо-день — вторник, 25 августа, 14:00 МСКРегистрация
Свяжитесь с нами

БанкиСтоит ли автоматизировать

Что даст автоматизация обзвона на ранней просрочке?

Ценность автоматизации — в том, куда переезжают освободившиеся операторы.

Что дал расчёт

Сбор на сегменте 31–60 дней
было100138индекс, база 100+38%
Контактов операторами
было14 0005 100шт/мес−64%
Выход в тяжёлое взыскание
было1912%−7 п.п.

На потоке 168 000 контактов в год это6,0 млн ₽в год

Что за процесс и где он ломался

Раннее взыскание в банке: 22 оператора, около 14 000 контактов в месяц. Должники сегментированы по глубине просрочки: 1–7 дней, 8–30, 31–60, свыше 60.

Операторы обзванивают всех подряд по очереди сегментов, начиная с самых свежих.

Вопрос, на который отвечали

Что даст автоматизация обзвона на ранней просрочке?

Признаки, по которым стало понятно: дело не в людях

Сбор на глубоких сегментах падает, потому что до них не доходят руки. Ранняя просрочка съедает три четверти ёмкости отдела, хотя большинство должников там платит после первого же напоминания.

Как процесс превратили в имитационную модель

Смоделировали сегменты по глубине просрочки, вероятность оплаты после контакта в каждом из них, ёмкость операторов и переход должника в следующий сегмент, если контакта не было.

Робота задали как отдельный маршрут в обход операторской очереди: он берёт свой сегмент целиком и не конкурирует с людьми за ёмкость. Это и позволяет увидеть, что происходит с освободившимися операторами.

Какие данные взяли и что честно допустили

Поток
14 000 контактов в месяц, сегменты по фактическому распределению
Вероятность оплаты после первого контакта
71% на 1–7 днях, 24% на 31–60
Робот работает только на сегменте 1–7 дней
Не моделировали
судебное взыскание — это отдельный процесс

Отчёт симуляции: что показал расчёт

Здесь будет живой отчёт симуляции

Расчёт по этому кейсу ещё не прогнан. После прогона сюда встанет тот же отчёт, что видит пользователь Storm: очереди, загрузка ресурсов, время цикла и стоимость одной заявки по каждому сценарию.

Какие сценарии прогнали и чем они отличались

Сценарии, прогнанные в модели
СценарийЧто меняли
Как есть БазовыйВсе сегменты обзванивают операторы
Робот на ранней просрочке Сегмент 1–7 дней уходит на автообзвон
Робот на ранней и средней просрочке Автообзвон до 30 дней
Робот на ранней просрочке и сокращение штата Автообзвон без переброски людей

Было и стало

Сравнение «было / стало» по каждой метрике. У метрик разные единицы, поэтому каждая пара показана в своём масштабе.
  • Было
  • Стало

  1. Сбор на сегменте 31–60 дней , индекс, база 100

    100
    138+38%

  2. Контактов операторами , шт/мес

    14 000
    5 100−64%

  3. Выход в тяжёлое взыскание , %

    19
    12−7 п.п.

  4. Операторов , чел

    22
    22без сокращения

  5. Стоимость контакта , ₽

    64
    28−56%
Ключевые метрики процесса до и после изменения
МетрикаБылоСталоИзменение
Сбор на сегменте 31–60 дней , индекс, база 100100138+38%
Контактов операторами , шт/мес14 0005 100−64%
Выход в тяжёлое взыскание , %1912−7 п.п.
Операторов , чел2222без сокращения
Стоимость контакта , ₽6428−56%

Что показал расчёт

  1. 71% ранних должников платит после автоматического напоминания

    Оператор им не нужен — нужен факт напоминания. При этом именно они занимали три четверти ёмкости отдела.

  2. Эффект даёт переезд операторов на глубокие сегменты

    Сценарий с сокращением штата вместо переброски даёт минус 9% сбора: деньги экономятся на ФОТ и теряются на возврате.

  3. Робот на средней просрочке почти не работает

    Там вероятность оплаты после автоматического контакта втрое ниже — должнику нужен разговор, а не напоминание.

Что оказалось не так, как считали

Автоматизация оказалась ценна не тем, что сокращает людей. Тот же робот с сокращением штата даёт минус 9% сбора, а с перебросом операторов — плюс 38%. Решение принималось про то, куда пойдут освободившиеся руки.

Что даст автоматизация обзвона на ранней просрочке?

Что решили сделать и что получилось

Запустили автообзвон на ранней просрочке и перевели операторов на глубокие сегменты. Эффект робота считали приёмом «Автоматизировать задачу», вывод раннего сегмента из общей очереди — приёмом «Обход узкого места».

Сокращение штата, заложенное в бизнес-кейс автоматизации, из него убрали: расчёт показал, что оно съедает весь эффект.

Приёмы оптимизации, которые здесь сработали

Почему на этот вопрос отвечает имитационное моделирование, а совещание — нет

Бизнес-кейс автоматизации почти всегда пишут как экономию на людях, которых она заменяет. Модель показывает второй эффект, который обычно крупнее первого: что произойдёт с освободившейся ёмкостью. Без прогона этот выбор делается вслепую — и, как правило, в пользу сокращения.

Освободившаяся ёмкость дала больше, чем дало бы сокращение: операторов осталось 22, а сбор на сегменте 31–60 дней вырос на 38%.

Где этот вывод не работает

Расчёт про раннее взыскание. Судебная стадия живёт по своим срокам и в этой модели не участвует.

Частые вопросы по этому расчёту

question

answer

question

answer

question

answer

question

answer

Ваш процесс, ваши числа

Покажем на вашем процессе

Пришлите диаграмму и то, что знаете про поток: сколько заявок в день, сколько людей, сколько занимает операция. Соберём модель, прогоним сценарии, которые вы назовёте, и разберём отчёт вместе — с очередями, загрузкой ресурсов, сроком и стоимостью заявки.

  1. Присылаете диаграмму и три-четыре цифры про поток
  2. Собираем модель и прогоняем сценарии, которые вы назовёте
  3. Разбираем отчёт вместе и обсуждаем, что из него следует
Показать на моём процессеПосмотреть другие кейсы

Первый процесс считаем бесплатно: нужна диаграмма и несколько цифр по потоку.

Поддержка