Калькулятор стажа для Hopper-IT: просто и быстро
В этом году мы успешно внедрили у себя в Компании калькулятор стажа, разработанный в начале 2024 года на базе платформы Sherpa RPA руководителем внедрения роботизированной автоматизации процессов (RPA) Hopper-IT Иваном Бородулиным.
Забегая немного вперед – вместо трех утомительных часов, необходимых для выполнения аналогичной задачи вручную сотрудниками отдела кадров, за счет роботизации время обработки сократилось до 30 секунд.
Но обо всем по порядку
В своей прошлой публикации, мы провели исследование, чтобы определить оптимальную платформу для внедрения роботизированной автоматизации. В результате анализа был выбран наиболее подходящий инструмент — Sherpa RPA.
Затем мы приступили к сбору и приоритизации проблем, требующих автоматизации в первую очередь. Эти задачи были выбраны с учетом их значимости и способности раскрыть потенциал Sherpa RPA для дальнейшего расширения и реализации будущих идей в области автоматизации.
Наша самая большая проблема
После первичного анализа сфер для автоматизации, мы сосредоточились на проблеме, связанной с подсчетом трудового стажа сотрудников – новых, действующих или увольняющихся.
Необходимость автоматизации данного процесса стала очевидной, так как позволила бы высвободить ресурсы и повысить общую эффективность работы отдела кадров, так как этот процесс, требующий тщательной проверки данных и учета множества факторов, был подвержен ошибкам и занимал «львиную» долю рабочего времени.
А как же готовые онлайн сервисы?
В настоящее время существует множество платных и бесплатных онлайн-сервисов, предназначенных для выполнения различных операций, в том числе и сервисы для подсчета стажа сотрудников. Эти платформы отличаются друг от друга набором функций и степенью детализации расчетов. Однако, проведя собственное «расследование» на примере трех таких сервисов, мы обнаружили значительные расхождения в их результатах. При одинаковых исходных данных, каждый сервис выдал разные значения стажа, с разбросом от 5 до 30 (!) дней. Это вызвало сомнения в точности таких инструментов, так как невозможно определить, какой же из них выполняет правильные расчеты.
Причины таких расхождений остаются неизвестными, но можно предположить, что некоторые сервисы не учитывают в своих расчетах важные факторы, такие как:
- Високосные годы (366 дней в году);
- Пересечения периодов, когда сотрудник может работать одновременно в нескольких местах;
- Последний рабочий день на предыдущем месте работы.
Эти недостатки в работе существующих сервисов стали важным стимулом для разработки собственного решения на базе роботизированной автоматизации, что и послужило основой для создания робота, способного производить точные расчеты стажа сотрудников.
Как мы жили "ДО": модель ручного подсчета
Ручная последовательность действий, которой следовал кадровый специалист для расчета стажа сотрудников, включала несколько этапов:
1. Запрос файла с информацией: На первом этапе кадровый специалист запрашивал у сотрудника .pdf файл, содержащий информацию о предыдущих местах работы, который можно получить через портал Госуслуги.
2. Расчет разницы дат: Далее специалист рассчитывал разницу между началом и концом каждого периода работы, измеряя её в днях. При этом учитывались следующие нюансы:
- Пересечения рабочих периодов: В случаях, когда сотрудник трудился одновременно на нескольких должностях, важно корректно учитывать пересечения рабочих периодов. Например, если сотрудник работал на трех различных должностях в период с 01.02.2024 по 10.02.2024 (10 дней), суммарное количество дней стажа не должно превышать 10. При этом необходимо исключить двойной учет одних и тех же дней. Несмотря на кажущуюся простоту этой задачи, корректное исключение пересечений является критически важным, поскольку ошибки в этом расчете могут существенно исказить итоговые результаты.
- Високосные годы: В расчетах важно учитывать високосные годы, поскольку их продолжительность составляет 366 дней. Если сотрудник работал в високосный год полностью или частично, это должно быть учтено, чтобы избежать ошибок в вычислениях.
- Разнообразие данных: Файл .pdf содержит не только данные о приеме и увольнении, но также может включать записи о «Приеме по совместительству», «Переименовании компании», «Изменении названия компании» и «Переводе по должности». В случаях отсутствия записей о приеме после переименования компании или увольнения, кадровому специалисту необходимо проводить дополнительные трудоемкие вычисления для определения точных дат приема или увольнения.
- Сложение и конвертация данных: На последнем этапе необходимо суммировать все дни и перевести их в формат лет, месяцев и дней (например, 6 лет 11 месяцев 12 дней). Этот процесс требует значительных усилий и времени, поскольку включает в себя рутинные и повторяющиеся вычисления.
Надеюсь, прочтя все это, Вы прониклись духом кадрового документооборота и почувствовали всю ту «печаль», которую испытывает делопроизводитель, день ото дня выполняя эту длительную и рутинную операцию.
Кратко о ТЗ и проекте
Особенность технического задания (ТЗ) и основная цель проекта заключалась в оптимизации времени выполнения процесса расчета стажа сотрудников с минимальным участием человека. Основной задачей было разработать систему, в которой робот способен самостоятельно выполнять все вычисления и учитывать все необходимые факторы.
Важной частью проекта было также определение модели взаимодействия между роботом и человеком, поскольку выбранная модель напрямую влияла на скорость выполнения операции. На основе нашего опыта работы с Телеграм-ботами, была принята следующая схема взаимодействия:
- Передача файла: Кадровый специалист отправляет Телеграм-боту файл, полученный из Госуслуг.
- Перенос файла: Телеграм-бот передает файл роботу для дальнейшей обработки.
- Выполнение расчетов: Робот выполняет необходимые вычисления, учитывая все специфические нюансы и пересечения, а затем возвращает результат обратно специалисту.
Такая модель обеспечит максимальную эффективность автоматизации процесса наряду с простотой и удобством ее использования для кадровых специалистов.
Начало реализации
Мы помним, что на входе роботу будет поступать некий файл .pdf, сформированный на Госуслугах.
И хотя, выбранный нами Sherpa RPA, успешно «справляется» с .pdf, и даже поддерживает создание шаблона, выяснилось, что параллельно с .pdf, на Госуслугах также формируется .xml файл, в котором также, как и в .pdf, записана информация о прошедших местах работы сотрудника.
Файл .xml хорош тем, что ничего не нужно распознавать, его можно открыть в табличном формате и далее использовать как угодно. Именно таким решением мы и воспользовались. Через Sherpa RPA мы открываем .xml файл и сохраняем его в табличный .xlsx.
Этот подход позволяет значительно упростить дальнейшую обработку данных, поскольку .xlsx файл легко интегрируется в существующие аналитические инструменты и обеспечивает удобное представление информации для последующих вычислений и анализа.
Два сапога - разного размера
Когда мы начали работать с файлом .xml, возникли некоторые сложности, связанные с особенностями структуры данных. Файл отображал информацию в двух отдельных таблицах: «до» и «после» 31 декабря 2019 года. Это разделение объясняется введением электронных трудовых книжек после указанной даты, что привело к переносу данных из бумажных источников в электронный формат.
Таблица «до 31 декабря 2019 года» представляла собой данные, которые были перенесены из бумажных трудовых книжек. Такая таблица обычно имела следующий вид:
а таблица «после 31 декабря 2019 года» выглядела так:
Форматы данных могут различаться, что требует различных подходов к вычислениям. Сложные вычисления в Excel позволили привести данные к единому формату, на основе которого была рассчитана итоговая цифра стажа:
Конечно, данную задачу можно было бы решить и иными способами, например, полностью используя Sherpa RPA. Однако, такой подход потребовал бы больше времени на реализацию, и робот в конечном итоге выполнял бы процедуру значительно медленнее по сравнению с Excel.
Наше супер решение
На выходе мы получили полноценную RPA-форму на базе отечественного продукта, в рамках которой был разработан первый робот для внутреннего отдела кадров Hopper-IT. Этот робот обрабатывает информацию о сотруднике менее чем за минуту, что значительно превосходит наши ожидания. Вручную такая операция могла занимать несколько часов!
Текущий кейс продемонстрировал, что Sherpa RPA открывает новые горизонты для автоматизации отчетной деятельности и браузерных операций. Мы успешно справились с довольно сложной задачей, и впереди нас ждут немало амбициозных и интересных кейсов для автоматизации. Опираясь на наш опыт, мы готовы помочь и Вам. Нажмите кнопку, чтобы погрузиться в мир RPA!
Спасибо за внимание и до новых встреч!