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

T
Threatpost
S
Schneier on Security
P
Palo Alto Networks Blog
www.infosecurity-magazine.com
www.infosecurity-magazine.com
S
Securelist
T
Threat Research - Cisco Blogs
D
Darknet – Hacking Tools, Hacker News & Cyber Security
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
V
Vulnerabilities – Threatpost
AI
AI
C
CERT Recently Published Vulnerability Notes
C
Cyber Attacks, Cyber Crime and Cyber Security
Recent Commits to openclaw:main
Recent Commits to openclaw:main
Know Your Adversary
Know Your Adversary
AWS News Blog
AWS News Blog
TaoSecurity Blog
TaoSecurity Blog
O
OpenAI News
Cyberwarzone
Cyberwarzone
G
GRAHAM CLULEY
SecWiki News
SecWiki News
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
Simon Willison's Weblog
Simon Willison's Weblog
I
Intezer
C
CXSECURITY Database RSS Feed - CXSecurity.com
C
Cisco Blogs
K
Kaspersky official blog
Spread Privacy
Spread Privacy
S
Security @ Cisco Blogs
Hacker News - Newest:
Hacker News - Newest: "LLM"
IT之家
IT之家
有赞技术团队
有赞技术团队
B
Blog
T
Tailwind CSS Blog
PCI Perspectives
PCI Perspectives
P
Privacy & Cybersecurity Law Blog
Last Week in AI
Last Week in AI
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Webroot Blog
Webroot Blog
博客园 - 叶小钗
Cisco Talos Blog
Cisco Talos Blog
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
H
Hacker News: Front Page
The Cloudflare Blog
C
Cybersecurity and Infrastructure Security Agency CISA
美团技术团队
V
V2EX
腾讯CDC
S
SegmentFault 最新的问题
Security Archives - TechRepublic
Security Archives - TechRepublic

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.