 |
БФТ-Холдинг развернул подсистему многомерного анализа данных в АИС МФЦ Амурской области
БФТ-Холдинг обновил автоматизированную информационную систему многофункциональных центров предоставления государственных и муниципальных услуг Амурской области (АИС МФЦ). Теперь в ней доступна подсистема многомерного анализа данных. Она позволит сотрудникам МФЦ оценивать эффективность отдельных бизнес-процессов по обслуживанию населения и на основе полученных сведений повышать качество оказания госуслуг.
В состав ГАУ «МФЦ Амурской области» входит 25 многофункциональных центров, а также 25 территориально обособленных подразделений, которые суммарно за год обрабатывают порядка 1,2 млн обращений жителей и оказывают им 400 тыс. государственных и муниципальных услуг. Цифровые инструменты для обслуживания населения предоставляет АИС МФЦ.
Ежедневно в систему стекается огромный массив количественных и временных данных о ходе оказания госуслуг. Глубинный анализ этих сведений необходим учреждению для непрерывного мониторинга показателей обслуживания заявителей, а также для поиска точек неэффективности в отдельных бизнес-процессах и их оперативного устранения. Решить задачу по обработке массива разнородных данных помогает новый модуль АИС МФЦ – подсистема многомерного анализа OLAP.
В рамках проекта специалисты БФТ-Холдинга развернули новую функциональность, а также настроили ежедневный импорт данных в подсистему OLAP из оперативных баз данных (БД) АИС МФЦ и системы электронной очереди. Это позволило автоматически сопоставлять сведения, хранящиеся в БД АИС МФЦ, с данными БД электронной очереди, а также получить возможность анализа на стыке этих данных.
В подсистеме можно построить выборку на любой диапазон времени. Ответственный сотрудник МФЦ может получать срезы данных по дате, времени, сотрудникам, подразделениям, типам услуг, темам обслуживания и другим параметрам. Показатели по времени ожидания в очереди и времени обслуживания рассчитываются в трёх вариантах: среднем, минимальном и максимальном. Например, по услуге «Получение паспорта гражданина России» можно узнать, сколько времени в среднем занимало обслуживание заявителей в месяц, а также каковы были минимальные и максимальные значения этого показателя. Полученные данные по сети МФЦ в целом можно затем детализировать до уровня отдельных подразделений МФЦ, а при необходимости — и до конкретных сотрудников. Все сведения при этом можно отразить в виде таблиц или графиков, а получившиеся выборки экспортировать на своё рабочее место.
БФТ-Холдинг также провёл обучение сотрудников МФЦ работе с обновлённой системой. Новая версия АИС МФЦ уже доступна пользователям во всех подразделениях ГАУ «МФЦ Амурской области».
«Внедрение OLAP-аналитики позволяет нам проводить более глубокий анализ процессов взаимодействия сотрудников с заявителями, оценивать время ожидания и обслуживания в разрезе отделений и специалистов, оперативно вносить коррективы с целью оптимизации процесса оказания государственных и муниципальных услуг. Кроме того, мы можем детально анализировать эффективность работы сотрудников, это помогает нам принимать правильные управленческие решения, направленные на повышение качества обслуживания населения», – комментирует Ирина Викторовна Вотинцева, директор ГАУ «МФЦ Амурской области».
Справка:
БФТ-Холдинг – аккредитованная Минцифры России системообразующая компания непрерывного цикла, разработчик программных продуктов и заказных решений для государственного и корпоративного сектора. Решения компании внедрены в 83 субъектах РФ, в портфеле более 15 крупных федеральных проектов, среди которых создание Единой цифровой платформы в социальной сфере (Социальное казначейство) и обеспечение эксплуатации текущих информационных систем СФР, развитие Единой цифровой платформы «Работа России» и запуск «Службы занятости населения 2.0» Роструда, разработка Единой цифровой платформы Национальной системы пространственных данных Росреестра, проект по развитию Национальной системы управления данными (Единая информационная платформа и Витрины данных) Минцифры России.
Контактное лицо: Татьяна Алексеева
Компания: БФТ-Холдинг
Добавлен: 22:09, 14.12.2023
Количество просмотров: 242
Страна: Россия
| Транспортные документы от Платформы ЭПД можно будет подписать в смартфоне, Платформа ОФД, 17:06, 17.08.2026, Россия631 |
| «Платформа ОФД» присоединилась к соглашению Минцифры России о развитии и внедрении мобильной электронной подписи «Госключ». Сотрудничество направлено на проработку новых сценариев использования сервиса, обмен технологической экспертизой и поддержку интеграции в продукты электронного документооборота. |
| UDV Group: банки столкнутся с ИБ-рисками из-за нейросетей без правил, UDV Group, 17:04, 17.08.2026, Россия622 |
| Российский разработчик решений в области киберустойчивости UDV Group прокомментировал рекомендации Банка России по безопасному использованию искусственного интеллекта финансовыми организациями. По оценке эксперта компании, ИИ постепенно становится для банков не только инструментом автоматизации, но и отдельным объектом управления информационной безопасностью. |
| ActiveCloud запустил в России услугу частного облака, ActiveCloud, 20:34, 16.08.2026, Россия699 |
| Облачный провайдер ActiveCloud запустил в России услугу частного облака для размещения критически важных систем, ресурсоемких приложений и инфраструктуры с повышенными требованиями к безопасности. |
| «НОБИЛИС» ПРЕДСТАВИТ ЦИФРОВУЮ ЭКСПЕРТИЗУ В СФЕРЕ КОРПОРАТИВНОГО ЗДОРОВЬЯ НА ВНОТ-2026, Нобилис ООО, 14:07, 14.08.2026, Россия794 |  |
| ООО «Нобилис», разработчик российской платформы управления корпоративным здоровьем TouchMED, объявляет об участии в ключевом отраслевом событии - XI Всероссийской неделе охраны труда (ВНОТ-2026). В фокусе презентации компании - практические инструменты цифровизации медосмотров, в том числе профилактических и предиктивной аналитики для снижения операционных рисков и повышения эффективности персонала. |
| Nexign: российский бизнес не спешит использовать ИИ для поиска аномалий, Nexign, 14:03, 14.08.2026, Россия136 |  |
| Почти 80% российских компаний уже применяют инструменты мониторинга своей ИТ-инфраструктуры, но лишь каждая шестая использует модели машинного обучения для обнаружения аномалий. Мешают нехватка внутренней экспертизы, низкое качество данных и сложность подсчета окупаемости инвестиций. |
|
|
