За последние несколько лет компании финансово-технологической отрасли — от розничных банков и платежных сервисов до эквайринговых, кредитных, страховых и инвестиционных платформ — прошли первую волну повышения операционной эффективности. Достигалась она преимущественно за счет выравнивания штатной численности по отраслевым ориентирам, либо путем реализации отдельных инициатив HR-блока. Это имело свои результаты, т.к. в отрасли имелся достаточный потенциал оптимизации, накопленный за предыдущие периоды. Но сегодня этот резерв в значительной мере исчерпан. Дальнейшее механическое сокращение персонала упирается в предел, за которым начинается деградация качества обслуживания, рост числа ошибок в обработке операций и сопротивление среднего управленческого звена. Между тем структурный потенциал эффективности в отрасли далек от исчерпания: он переместился из плоскости штатного расписания в плоскость операционной модели. 

В современном финтехе зрелый клиентский фронт и недоинвестированный операционный тыл. Клиент видит мобильное приложение, мгновенные платежи, кредит или страховой полис «в один экран», но за этой витриной по-прежнему скрыт значительный объем ручного труда: в расчетах, обработке карт и эквайринге, сверках, андеррайтинге, претензионной работе и контакт-центре. Именно здесь сосредоточен следующий резерв, и работа с ним требует иной логики, чем сравнение численности с конкурентами.

Предел штатного подхода и два сценария постановки задачи

Сопоставление численности с эталонными показателями отрасли — полезный, но грубый инструмент. Он отвечает на вопрос «сколько», но не уточняет, «как»: какие именно процессы избыточно трудоемки, где трудоемкость создается структурой работы, а где ее организацией.

Когда компания выравнивает штат по бенчмарку, она снимает верхний слой избыточности, не затрагивая ее причины, поэтому второе сокращение по той же методике дает меньший эффект при кратно большем операционном риске.

Чтобы работа по оптимизации была продуктивной, постановку задачи нужно адаптировать под текущую фазу — рост или спад/стагнацию — потому что они задают разный приоритет и фокус у одной и той же работы по перестройке операционной модели.

Сценарий «Развитие»: рост объемов без роста численности

Когда бизнес растет темпами, опережающими отрасль, цель — не сокращать численность персонала, а справляться с растущим объемом работы без пропорционального роста количества сотрудников. Разница принципиальна. Сокращение — это угроза для сотрудников, она разрушает доверие. А работа на прежнем штате при растущих объемах позволяет перенаправить высвободившиеся ресурсы на обслуживание нового портфеля, а не выводить их из компании. Для растущей и прибыльной компании такая постановка и мягче политически, и точнее экономически: фокус смещается на пропускную способность процессов.

Сценарий «Стагнация или спад»: фокус на себестоимости

На сжимающемся или стагнирующем рынке логика меняется. У компании нет растущего портфеля, для которого можно было бы использовать высвободившиеся силы и время сотрудников. Поэтому фокус смещается на снижение себестоимости продукта и операций. На первый план выходят: стоимость обслуживания в разрезе продуктов и клиентов, рационализация продуктовой линейки, сокращение затрат на поддержку убыточных или низкомаржинальных сегментов, перевод постоянных затрат в переменные.

Если в сценарии развития численность — это ограничитель пропускной способности (не хватает рук, чтобы обслужить спрос), то в сценарии спада численность — это прямая статья себестоимости, которую нужно приводить в соответствие с сократившимися объемами быстрее, чем это делает рынок. Важно, что инструментарий анализа в обоих сценариях один и тот же: меняется не метод, а приоритет разрезов и трактовка результата.

В обоих случаях корректный объект оптимизации не численность сама по себе, а операционная модель: совокупность процессов, функций, уровней управления и точек присутствия, через которую компания производит свои продукты. Численность – производная от устройства этой модели. Работать с производной, не трогая первопричину, значит обрекать себя на возврат избыточности через год-полтора, независимо от фазы рынка.

Два пула затрат: почему потенциал эффективности не сводится к фонду оплаты труда

Распространенная методическая ошибка — считать потенциал эффективности только от фонда оплаты труда. В операционных расходах финтех-компаний средней величины можно выделить два сопоставимых по объему пула — затраты на персонал и все остальные операционные расходы: помещения и точки обслуживания, инфраструктура и информационные технологии, процессинг, закупки, аутсорсинг. И этот второй пул затрат нередко равен первому.

Отсюда следует двоякое практическое следствие. Во-первых, оценка, опирающаяся только на персонал, систематически занижает реальный потенциал: за бортом остается половина расходной базы. Во-вторых, что важнее для разговора с финансовым блоком, учет второго пула повышает не амбициозность оценки, а ее честность: он показывает, что команда видит всю экономику, а не только ее самую заметную часть. Перестройка процессов почти всегда высвобождает оба пула одновременно, перевод операций в цифровой формат снижает и трудозатраты, и стоимость их обеспечения.

В сценарии спада именно второй пул нередко быстрее влияет на себестоимость, чем работа с численностью.

Шесть разрезов, на которые стоит посмотреть, перестраивая операционную модель

Как же перестроить операционную модель, чтобы высвободить реальный резерв эффективности, а не просто «подрезать» штат? Ответ — в шести аналитических разрезах, описанных ниже. Это не каталог отдельных оптимизационных инициатив, которые можно запускать по выбору. Это шесть проекций одной операционной модели и, соответственно, шесть направлений ее перестройки.

Каждый разрез отвечает на свой вопрос об устройстве модели, но все опираются на общую фактологическую базу и в сумме описывают, как модель должна быть переустроена целиком, а не где «срезать» людей. Резерв численности в этой логике — не цель, а измеримое следствие более правильного устройства процессов, продуктов, структуры и сети.

Сеть и формат присутствия

Геопространственный и транзакционный анализ сети обслуживания, а также отраслевые бенчмарки помогают увидеть, где присутствие избыточно или недозагружено относительно реального потока операций.

Часть точек можно будет перевести в облегченный или дистанционный формат без потери присутствия, что высвободит и клиентский персонал, и сетевые расходы на аренду и обслуживание. Речь не о закрытии сети, а о ее рационализации: меньше, но крупнее и эффективнее, с опорой на дистанционные каналы. Это перестройка канального слоя модели.

Для того чтобы выявить наиболее перспективные точки рационализации сети, полезно обратиться к внешним экспертам, которые не завязаны на внутренние артефакты данных и сложившуюся управленческую рутину.

Стоимость обслуживания в разрезе продуктов и клиентов

Анализ стоимости обслуживания распределяет трудозатраты и прочие расходы по продуктам и клиентским сегментам с учетом их маржинальности.

Регулярно обнаруживается, что унаследованные продукты и «длинный хвост» линейки потребляют непропорционально много ресурсов при незначительном вкладе в доход. И это — основание для рационализации портфеля, перестройки продуктового слоя модели. В сценарии спада именно этот разрез выходит на первый план.

Чтобы выявить самые важные и перспективные для компании продукты, а не распылять усилия на все направления одновременно, можно провести экспресс-диагностику.

Нормирование численности по функциям

Нормирование переводит разговор с уровня обобщенных сравнений на уровень конкретных гранулированных нормативов. Например, сколько операций приходится на штатную единицу в операционном блоке, сколько обращений на оператора, сколько заявок на специалиста? Эти нормативы сравниваются с лучшими в своем классе. Такой подход позволяет перевести ощущение о «раздутости» в проверяемую величину и задает целевое устройство функций.

Процессы и ручной труд

Картирование ручного труда показывает, сколько рабочего времени уходит на повторяющиеся и неавтоматизированные операции, где концентрируются исключения из стандартного потока и где фактическая нагрузка расходится с расстановкой персонала. Сюда же встраиваются анализ концентрации операций по принципу Парето и профиль нагрузки в сопоставлении с расписанием. Результат — приоритизированный перечень кандидатов на роботизацию рутинных операций и на перепроектирование самих процессов (ядро перестройки операционного слоя).

Диапазон контроля и уровни управления

Растущие организации закономерно обрастают управленческими уровнями. Анализ нормы управляемости, числа уровней иерархии и доли руководящих позиций выявляет, где упрощение структуры высвобождает управленческий персонал и одновременно ускоряет принятие решений. Такая перестройка управленческого слоя — один из самых недооцененных резервов: он не виден в бенчмарках численности, но заметно влияет и на затраты, и на скорость организации.

Межфункциональный контур

Анализ дублирования и «серых зон» между подразделениями выявляет, где одна и та же работа выполняется в нескольких местах и где происходят избыточные сверки между функциями. На основе этого можно принимать решения о централизации или, напротив, децентрализации функций и о перераспределении полномочий между центром и периметром, то есть перестраивать контур взаимодействия.

Собранные вместе эти шесть разрезов дают не сумму локальных экономий, а целевой образ переустроенной операционной модели. Резерв, найденный в одном разрезе, нельзя просто сложить с резервом из другого: они пересекаются. Единый измеритель, связывающий разрезы между собой и не допускающий двойного счета — высвобождаемая численность в штатных единицах, переведенная затем в денежную оценку.

Фундамент данных: от экспертных мнений к цифровым следам

Точность всех шести разрезов определяется качеством исходных данных. Здесь отрасль финтеха прошла важный методический сдвиг: от опросов и экспертных оценок трудоемкости к реконструкции фактической работы по цифровым следам.

Сбор данных сегодня проводится с помощью двух инструментов. Первый — анализ операций на рабочих местах: речь идет о фиксации того, как реально распределяется рабочее время между действиями. Второй — реконструкция процессов по данным информационных систем: восстанавливается фактический маршрут операций со всеми возвратами, задержками и обходными путями, которые не видны на регламентных схемах.

Опыт показывает, что часть «находок», полученных при поверхностном анализе, оказывается не сигналом рынка, а артефактом структуры данных. Иными словами, случайную связь между показателями (которая объясняется особенностями сбора данных) можно ошибочно принять за важный управленческий вывод. Зрелая практика характеризуется именно тем, что каждая закономерность проверяется вопросом: отражает ли она реальность процесса или особенность того, как были собраны данные. Такая проверка отличает реальную аналитику от наукообразия.

Роль искусственного интеллекта в операционной перестройке

ИИ полезен для прогнозирования нагрузки и потребности в персонале, а также для поддержки операторов и специалистов в работе с обращениями и документами. Эти блоки задач удобно разделять, потому что они предъявляют противоположные требования к данным.

Одна форма работы — прогнозная аналитика на исторических данных. Она предсказывает нагрузку, отток, риск, потребность в персонале и тем самым позволяет планировать ресурсы точнее. Ее ограничение жесткое: она требует чистой, связной исторической базы. Там, где данные фрагментированы или несопоставимы между системами, эта форма буксует, а затраты на подготовку данных съедают ожидаемый эффект.

Вторая — генеративный искусственный интеллект и цифровые ассистенты. Ее принципиальное отличие в том, что она не требует заранее накопленной чистой базы: ассистент собирает необходимые данные в диалоге, по ходу работы, и встраивается в процесс там, где исторических данных просто нет. Для операционного блока это означает, что часть эффекта достижима без длительного и дорогого этапа консолидации данных, порог входа кардинально ниже.

Различение этих двух форм избавляет от типичной ошибки — попытки применить прогнозную модель там, где для нее нет фундамента, и отказа от автоматизации под предлогом «грязных данных» там, где вторая форма ИИ работает и без них.

Дисциплина оценки эффекта: как не потерять доверие финансового блока

Самая частая причина, по которой обоснованная программа повышения эффективности встречает сопротивление — не отсутствие потенциала, а небрежность оценки ее потенциала. Финансовый руководитель, особенно с опытом работы с цифрами, мгновенно распознает оценку, которая «слишком хороша». Существует несколько принципов, которые отличают уязвимую оценку от той, которая выдержит защиту.

Процент всегда нужно считать от релевантной базы, а не от всей численности. Резерв в восемь-пятнадцать процентов по нормируемому блоку и тот же процент по всей компании — разные утверждения; их смешение разрушает доверие к расчету целиком.

Эффекты по разрезам нельзя складывать. Поскольку разрезы в рамках операционной модели пересекаются, совокупный потенциал получается не суммированием строк, а сводной оценкой снизу вверх с устранением пересечений. Таблица, в которой проценты по разным основаниям просуммированы в итог — первый признак непроработанной оценки.

Валовой потенциал — не то же самое, что чистый эффект. Между ними — инвестиции в автоматизацию и в управление изменениями. Честная оценка показывает обе величины и разрыв между ними, а не выдает валовой потенциал за итог.

Окупаемость лучше формулировать консервативно. Обещание окупаемости «за два месяца» подрывает доверие сильнее, чем помогает. Корректная формулировка опирается на накопленный эффект в пределах первого года при реалистичном выходе на полную мощность за двенадцать-восемнадцать месяцев. Сдержанная оценка, которую невозможно оспорить, убеждает лучше эффектной, которую легко разнести.

Наконец, риск снимается пилотом. Доказательство эффективности на одном референсном процессе за несколько недель, затем проектирование масштабируемой архитектуры и лишь потом тиражирование на весь контур — последовательность, которая превращает крупную трансформацию из акта веры в управляемую инвестицию с проверяемыми контрольными точками.

Пилотный проект на одном референсном процессе позволяет увидеть первые результаты уже через 3–4 месяца. В нашей практике рост ключевого показателя в таких проектах составлял от 5% до 30% в зависимости от исходной ситуации.

Что это означает для руководителя

Резерв эффективности в финтехе не исчерпан — меняется лишь его «адрес» и фокус работы с ним. Он больше не лежит на поверхности штатного расписания и не вскрывается сравнением с конкурентами. Теперь он находится в структуре операционной модели: в маршрутах процессов, в стоимости обслуживания продуктов, в нормах управляемости, в дублировании функций и в ручном труде за зрелым цифровым фронтом. При этом цель работы с этим резервом зависит от фазы рынка: на растущем рынке фокус — поглощение роста объемов без роста численности, на стагнирующем — снижение себестоимости продукта и операции.

Доступ к этому резерву требует трех вещей одновременно: корректной постановки задачи под фазу рынка, фактологического фундамента (цифровые следы вместо мнений) и дисциплины в оценке эффекта (релевантная база, несуммируемость разрезов, консервативная окупаемость). Компании, которые удерживают все три элемента, перестраивают операционную модель осознанно, а не сокращают штат под давлением обстоятельств. Именно так строится устойчивая эффективность в финтехе.