惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

A
About on SuperTechFans
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
T
Tenable Blog
WordPress大学
WordPress大学
小众软件
小众软件
Y
Y Combinator Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
博客园 - 聂微东
大猫的无限游戏
大猫的无限游戏
T
The Exploit Database - CXSecurity.com
Attack and Defense Labs
Attack and Defense Labs
Simon Willison's Weblog
Simon Willison's Weblog
C
CXSECURITY Database RSS Feed - CXSecurity.com
量子位
有赞技术团队
有赞技术团队
C
Cisco Blogs
D
Darknet – Hacking Tools, Hacker News & Cyber Security
F
Fortinet All Blogs
S
Schneier on Security
Engineering at Meta
Engineering at Meta
Microsoft Azure Blog
Microsoft Azure Blog
Martin Fowler
Martin Fowler
Recent Announcements
Recent Announcements
Stack Overflow Blog
Stack Overflow Blog
Recent Commits to openclaw:main
Recent Commits to openclaw:main
阮一峰的网络日志
阮一峰的网络日志
G
GRAHAM CLULEY
Spread Privacy
Spread Privacy
F
Full Disclosure
Scott Helme
Scott Helme
GbyAI
GbyAI
N
Netflix TechBlog - Medium
MyScale Blog
MyScale Blog
Cloudbric
Cloudbric
云风的 BLOG
云风的 BLOG
L
LangChain Blog
aimingoo的专栏
aimingoo的专栏
Hacker News - Newest:
Hacker News - Newest: "LLM"
Security Latest
Security Latest
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
MongoDB | Blog
MongoDB | Blog
The GitHub Blog
The GitHub Blog
The Register - Security
The Register - Security
L
Lohrmann on Cybersecurity
PCI Perspectives
PCI Perspectives
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
D
Docker
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
S
Secure Thoughts
C
Check Point Blog

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Горячо-холодно: как определить температуру бизнеса с помощью тепловой карты BPMSoft
Pavel Kopelman · 2026-05-27 · via Все публикации подряд на Хабре

Средний

6 мин

7.3K

Сколько не оптимизируй бизнес-процессы, в них всегда остается какое-то узкое место, которое может застопорить всю работу. Знакомая ситуация? Но самое неприятное, что этот «засор» иногда очень сложно найти. В обновлении 1.9 платформы BPMSoft, о нем мы рассказывали вот тут, появилась тепловая карта бизнес-процессов (БП). Это инструмент визуальной аналитики, позволяющий оценивать эффективность исполнения БП с помощью цветовой индикации: от «холодного» к «горячему». С его помощью можно анализировать всю ветку процесса или его отдельные элементы за выбранный период – по среднему времени выполнения, количеству ошибок и нагрузке на конкретные узлы. Я, Павел Копельман, product owner направления BPMS в компании BPMSoft (ИТ-холдинг LANSOFT) расскажу о том, как эта технология работает и где может реально помочь.

Немного теории: что такое «тепловая карта»

Тепловые карты, или heatmap, активно используются как инструмент визуальной аналитики в разных областях – от веб-аналитики и маркетинга до UX/UI-дизайна. Карты кликов и скроллинга на сайтах, карты касаний в мобильных приложениях, цветовое отображение плотности трафика в картографических сервисах – все это варианты применения тепловых карт. Сами тепловые карты ничего не исправляют и не решают, но зато наглядно показывают интенсивность различных событий. Внимание вопрос: какое отношение этот инструмент имеет к управлению бизнес-процессами? Сейчас покажу наглядно.

Почему процесс не идет? Или где теряется эффективность

Возьмем компанию А с выстроенной бизнес-моделью, в которую входят: продуктовая линейка, клиенты и партнеры, финансовые потоки, сервисное обслуживание и техподдержка. Все эти элементы как-то связаны и взаимодействуют друг с другом. Но само по себе ничего не происходит, модель взаимодействия реализуется с помощью  бизнес-процессов. Процессы могут сбоить или выполняться неэффективно, и достаточно одного сломанного звена, чтобы вся бизнес-модель перестала работать. 

Как это выглядит в жизни? Возьмем процесс, который есть практически в любой компании, – продажи. Сначала поступает заявка, затем CRM-система автоматически открывает карточку клиента, обогащает ее данными, назначает ответственного и переводит на него звонок. Далее менеджер по ходу разговора заполняет форму. Предположим, по KPI вся стадия обработки входящего обращения должна занимать две минуты, а по факту сотрудник тратит на одно лишь заполнение формы около трех с половиной. Хотя все предыдущие этапы система выполняет за секунды. Стоп! Мы нашли узкое место  – это пользователь. 

Теперь нам надо понять, что именно он делает не так. Проведем анализ этого процесса:  1) сколько вопросов содержит форма, 2) насколько она релевантна, 3) как менеджер формулирует вопросы в разговоре, 4) просто ли клиенту на них отвечать. В зависимости от результатов решаем, что именно нужно оптимизировать: упростить форму, скорректировать скрипт общения, изменить логику процесса. Допустим, мы решили изменить сам процесс. Какие есть варианты? – Например, отказаться от телефонного опроса, заменив его на лид-форму без участия менеджера, или подключить ИИ-агента, который автоматизирует весь этот этап.

Как еще можно понять, что именно тормозит процесс? – Отслеживать пиковые значения. Например, вы рассчитали, что в среднем процесс укладывается в две минуты, а форма – заполняться за полторы. Но иногда это время вдруг увеличивается до 10-20-30 минут. Причины могут быть разными: неучтенный спрос, нетиповой сценарий общения или несоответствие логики формы реальным ответам клиента. Подобные пики – это тоже сигнал к пересмотру всего процесса.

Теперь мы можем сформулировать ключевые требования бизнеса к процессной архитектуре:

  1. процессы должны быть исполнимыми, то есть работать стабильно и непрерывно, без ручных «костылей» и постоянных доработок;

  2. критически важно минимизировать количество ошибок, чтобы обеспечить предсказуемость результата;

  3. результаты исполнения должны быть прозрачными и воспроизводимыми: процессы должны легко масштабироваться на филиалы и новые подразделения, при этом единые стандарты работы должны сохраняться.

Для чего нужна тепловая карта?

Давайте решим: какие параметры БП нужно контролировать, чтобы вовремя увидеть проблему? 

  1. частоту прохождения элемента БП – как в абсолютных, так и в относительных значениях. Это позволяет понять, какие ветки реально используются, а какие остаются невостребованными; 

    2. среднее время выполнения элемента БП; 

    3. пиковые значения времени выполнения – они позволяют выявлять задержки, искажения в работе процесса и определять этапы, на которых возникают отклонения от целевых KPI; 

    4. количество ошибок, выявленных при исполнении конкретных элементов БП.

Все эти параметры позволяет визуализировать тепловая карта БП, реализованная в BPMSoft 1.9. Она создает наглядную картину того, какие элементы процесса работают эффективно, а какие формируют нагрузку или становятся узкими местами.

Анализ строится на реальных исполняемых процессах. Пользователь видит не только завершенные процессы, но все запущенные – включая те, что зависли или не дошли до финального результата. 

Чем это отличается от уже существующих решений, работающих с моделированием на синтетических данных? Тепловая карта использует только фактическую статистику на реальном объеме операций и пользовательской выборке. Я изучал системы класса BPMS, ориентированные на исполнимые процессы и связанную модель данных, и могу сказать, что такой высокий уровень процессной аналитики как у тепловой карты встречается редко, даже среди импортных систем. 

Как устроена тепловая карта

В основе решения лежит доработанная диаграмма выполнения. Мы расширили существующее представление таким образом, чтобы агрегировать данные не по одному экземпляру процесса, а по всей выбранной совокупности. Для этого была реализована собственная логика расчета показателей по каждому элементу модели. Во-первых, добавлено логирование для элементов шлюзов и потоков, чего ранее не было. А во-вторых, разработан механизм пересчета метрик с учетом реального распределения сеансов исполнения.

Как это выглядит в реальности? Понятно, что стартовое событие проходит 100% экземпляров процесса. Далее, если возникает развилка и, например, 50% экземпляров идет по одной ветке, а 50% – по другой, система рассчитывает долю прохождения каждого элемента относительно общего числа запущенных процессов. Такой пересчет выполняется на каждом шаге, что обеспечивает корректность и сопоставимость данных на диаграмме. При этом тепловая карта может строиться на текущих и на архивных данных.

Основная работа была проделана не в интерфейсе, а в архитектуре фичи – разработке структуры запросов, бизнес-логики расчетов и сценариев использования. Наша задача состояла в том, чтобы создать инструмент, который не просто визуализирует данные, а делает анализ БП удобным и практически применимым для пользователей.

Проще говоря, мы используем уже имеющиеся в системе данные, но учим платформу по-новому их обрабатывать и интерпретировать. В системе хранится большой массив «сырых» данных о прохождении процессов – о том, как выполнялся каждый элемент и по каким маршрутам двигались экземпляры процессов. В новом релизе мы научили систему корректно агрегировать и пересчитывать эти данные, превращая их в понятные аналитические показатели. Главное было понять, какие метрики действительно важны для анализа процессов, как их корректно рассчитывать и как представить их пользователю так, чтобы они помогали выявлять узкие места и принимать решения по оптимизации.

Отдельно была реализована логика цветового отображения показателей. Для визуализации используется фронтенд-стек на базе Angular: часть компонентов переиспользована из существующих библиотек BPMSoft, часть разработана специально для этой функциональности.

Подключаем ИИ-агента к работе

Тепловая карта появилась не на пустом месте. Мы развивали инструменты процессной аналитики в BPMSoft постепенно. До релиза 1.9 пользователям уже были доступны:

  • трассировка – пошаговый просмотр выполнения БП с анализом логов и значений переменных;

  • данные на шаге БП, позволяющие определить причину ошибки на конкретном этапе;

  • диаграмма выполнения, показывающая маршрут прохождения БП в рамках отдельного сеанса исполнения.

Тепловая карта стала логичным продолжением и объединением всех элементов процессной аналитики. 

Кроме того, в обновлении 1.9 в конструкторе бизнес-процессов BPMSoft появился новый элемент – «Работа с LLM». Он позволяет подключать в привычную BPMN-логику большие языковые модели и за счет этого самостоятельно создавать ИИ-агентов. В «коробке» уже настроены подключения к облачным ИИ-сервисам Yandex Cloud, но архитектура решения открытая: к BPMSoft можно подключить любые другие базовые LLМ-модели, как внешние, так и развернутые в локальной инфраструктуре.

Сейчас расскажу, как ИИ-агент может помочь в оптимизации БП. Анализировать каждый процесс через тепловую карту – удобно, но в реальности не так просто. У пользователя могут быть сотни и тысячи БП. Проанализировать каждый из них вручную – задача трудоемкая. К тому же, не все процессы требуют одинакового уровня внимания и временных затрат.

Поэтому в следующих обновлениях BPMSoft мы собираемся реализовать механизм ИИ-аналитики библиотеки процессов. Система будет автоматически определять БП, требующие внимания и предлагать рекомендации по их улучшению. Это позволит сэкономить тысячи человеко-часов и сосредоточиться на тех процессах, которые действительно влияют на эффективность бизнеса.