Возможности совершенствования процессов подготовки правовых актов государственными органами на основе подхода Process mining

Процессы создания правовых актов должны отвечать таким критериям, как прозрачность, контролируемость, соответствие регламентам. Однако сейчас эти процедуры крайне забюрократизированы, заранее спланированы и проходят много инстанций во время подготовки, согласования и подписания. Безусловно, большинство этих действий необходимы, выверены временем и законодательно закреплены. Вместе с тем есть операции, которые требуют оптимизации, в том числе и за счет их автоматизации или роботизации. Для их выявления и обеспечения соответствия процессов изменяющимся потребностям государства важно создать условия непрерывного мониторинга, своевременного выявления и оперативной адаптации и оптимизации нормотворческой деятельности органов власти. В этой связи вопрос применения современных технологий и подходов к анализу и формирования рекомендаций по совершенствованию процессов проактивного характера представляется авторам крайне актуальным. Цель настоящего исследования – изучение текущих особенностей подготовки правовых актов федеральными органами исполнительной власти и определение направлений совершенствования нормативных документов на основе глубинного анализа процессов (англ. Process mining). В качестве методов исследования применялись анализ литературы и российской нормативно-правовой базы, анкетирование и моделирование. Проанализирована разработка проектов правовых документов: актов Правительства и Президента Российской Федерации, федеральных законов. Показана необходимость перехода на смарт-управление, принципы которого позволят обеспечить оперативность и гибкость при подготовке нормативных правовых актов. Сформулированы метрики для мониторинга и контроля исполнения соответствующих поручений и выделены перспективы развития их информационной поддержки в результате внедрения технологий Process mining.

1. Алтухова Н.Ф., Васильева Е.В., Деева Е.А., Доценко Д.А., Козлов М.А. (2019). Экономика информационных систем: управление и оценка эффективности: учебник. М.: Кнорус. 624 с.

2. Васильева Е.В., Деева Е.А. (2017). Методы экспертных оценок в прикладной информационной экономике для обоснования преимуществ информационных систем и технологий // Мир новой экономики. № 4. С. 14–22.

3. Евланов Л.Г., Кутузов В.А. (1978). Экспертные оценки в управлении. М.: Экономика. 133 с.

4. Каменева Е.А. (2008). Организация контроля за исполнением поручений // Делопроизводство и документооборот на предприятии. № 2. С. 27–48.

5. Коротков Э.М. (2020). Исследование систем управления. Москва: Юрайт. 226 с.

6. Aghabaghery R., Hashemi Golpayegani A., Esmaeili L. (2020). A new method for organizational process model discovery through the analysis of workflows and data exchange networks // Social Network Analysis and Mining. V. 10, Art. Num. 12. https://doi.org/10.1007/s13278-020-0623-5

7. Batista E., Solanas A. (2019). Skip miner: towards the simplification of spaghetti-like business process models // Proceedings of the 10th International Conference on Information, Intelligence, Systems and Applications (IISA), 2019. Pp. 1–6. https://doi.org/10.1109/IISA.2019.8900713

8. Choi D., R’bigui H., Cho C. (2021). Candidate digital tasks selection methodology for automation with robotic process automation // Sustainability. V. 13, no. 16. Art. Num. 8980. https://doi.org/10.3390/su13168980

9. Codish D., Rabin E., Ravid G. (2019). User behavior pattern detection in unstructured processes – a learning management system case study // Interactive Learning Environments, V. 27. Is. 5-6: The new potentials for Intelligent Tutoring with learning analytics. Pp. 699–725. https://doi.org/10.1080/10494820.2019.1610456

10. Macak M., Vanát I., Merjavý M., Jevočin T., Buhnova B. (2020). Towards process mining utilization in insider threat detection from audit logs // Proceedings of the Seventh International Conference on Social Networks Analysis, Management and Security (SNAMS). Pp. 1–6. https://doi.org/10.1109/SNAMS52053.2020.9336573

11. Myers D., Suriadi S., Radke K., Foo E. (2018). Anomaly detection for industrial control systems using process mining // Computers & Security. V. 78. Pp. 103–125. https://doi.org/10.1016/j.cose.2018.06.002

12. Reinkemeyer L. (ed.) (2020). Process mining in action. Cham: Springer. 207 p. https://doi.org/10.1007/978-3-030-40172-6

13. Sangil M.J. (2020). Heuristics-based process mining on extracted philippine public procurement event logs // Proceedings of the 7th International Conference on Behavioural and Social Computing (BESC), 2020. Pp. 1–4. https://doi.org/10.1109/BESC51023.2020.9348306

14. Scholl H.J. (2020). Digital government: looking back and ahead on a fascinating domain of research and practice // Digital Government: Research and Practice. V. 1, no. 1. Pp. 1–12. https://doi.org/10.1145/3352682

15. Scholl H.J., Bolívar M.P.R. (2019). Regulation as both enabler of technology use and global competitive weapon: The Gibraltar Case // Government Information Quarterly. V. 36, no. 3. Pp. 601–613. https://doi.org/10.1016/j.giq.2019.05.003

16. Stefanini A., Aloini D., Benevento E., Dulmin R., Mininno V. (2020). A data-driven methodology for supporting resource planning of health services // Socio-Economic Planning Sciences. V. 70. Art. Num. 100744. https://doi.org/10.1016/j.seps.2019.100744

17. Takei T., Horita H. (2021). Towards goal-oriented business process model repair // Proceedings of the 10th International Congress on Advanced Applied Informatics (IIAI-AAI). Pp. 691–696. https://doi.org/10.1109/IIAI-AAI53430.2021.00123

18. Tang W., Matzner M. (2020). Creating humanistic value with process mining for improving work conditions - A sociotechnical perspective // Proceedings of the International Conference on Information Systems, ICIS 2020 – Making Digital Inclusive: Blending the Local and the Global. Virtual, Online; India; 13–16 December 2020.

19. van der Aalst W. et al. (2011). Process mining manifesto // Proceedings of the International Conference on Business Process Management. Springer, Berlin, Heidelberg. Pp. 169–194. https://doi.org/10.1007/978-3-642-28108-2_19

20. van der Aalst W.M.P. (2016). Process Mining: Data Science in Action. Berlin/Heidelberg: Springer.