Łukasz Borowiecki

Co-founder and CEO at 10 Senses | AI Sector Expert at Digital Poland Foundation
Delivering value with data & AI

Process mining oznacza oszczędności

Process mining jest zyskującą coraz większą popularność techniką analityczną, która umożliwia osiąganie dużych oszczędności kosztowych poprzez poprawę funkcjonowania procesów. Wydajność procesowa jest ważna szczególnie dla dużych przedsiębiorstw i dlatego to tutaj podejmowanych jest wiele inicjatyw optymalizacyjnych. Jednak historycznie zbieranie i analiza danych procesowych były zadaniami kosztownymi i trudnymi. Process mining stanowi rewolucję w analizie procesów ponieważ jest techniką w dużej mierze automatyczną. Algorytm odkrywa proces i sam go wizualizuje. Jest to narzędzie interaktywne, które pozwala na filtrowanie i manipulowanie tak stworzonym procesem, na obliczenie i monitorowanie statystyk oraz miar KPI, a także na spojrzenie na proces z różnych perspektyw. Dzięki temu process mining ma ogromne znaczenie dla działań optymalizacyjnych procesu, takich jak chociażby RPA czy inicjatywy lean six sigma.

Process mining przekłada się na realne oszczędności. Poniżej wskazujemy tylko kilka z wielu przykładów, korzyści jakie można osiągnąć wdrażając inicjatywę process mining. Więcej przykładów można znaleźć np. na stronie Pocess Mining Camp.

• Firma Veco produkująca części precyzyjne zredukowała czas realizacji zamówień z 11 do 4 tygodni
• AIG zredukowało czas realizacji jednego z procesów podczas udzielania pożyczek o ponad 50%
• Dostawca rozwiązani dla logistyki Vanderlande poprawił płynność procesów poprzez identyfikację i usunięcie zapętleń w procesie

Gdzie stosować process mining

Poprawa procesu. Dla dużych firm poprawa wydajności procesów ma kluczowe znaczenie. Dzięki process mining możliwe jest zdobywanie wiedzy o ich faktycznej realizacji. Technologia ta pozwala nie tylko budować zrozumienie realizacji procesu, ale też daje twarde liczby mówiące o tym w jaki dokładnie sposób jest on wykonywany. Są to np. liczba czynności czy przypisany do nich czas trwania. Tym samym process mining pozwala identyfikować konkretne obszary do poprawy, a w przypadku wprowadzenia zmian w procesie – umożliwia uchwycenie efektu tej zmiany w liczbach. Dzięki powyższym cechom narzędzia process mining mają ogromne znaczenie dla inicjatyw lean six sigma.

Audyt procesu i compliance. Zestawienie formalnie zakładanego przebiegu procesu z jego faktyczną realizacją, przygotowaną przez algorytmy process mining, pozwala nam na weryfikację, do jakiego stopnia procesy są realizowane zgodnie z procedurami. Tego rodzaju audyty mogą dostarczyć bardzo wielu istotnych informacji osobom odpowiedzialnym za obszar ryzyka czy też compliance.

Automatyzacja procesów. Jednym z wyzwań związanym z automatyzacją procesów jest fakt, że przed przystąpieniem do projektów często mamy tylko intuicyjną wiedzę i nie jesteśmy w stanie rzetelnie oszacować wartości poszczególnych inicjatyw związanych z automatyzacją. Process mining umożliwia szybkie sprawdzenie czynności realizowanych w procesie oraz czasu ich trwania. Dzięki temu można już w pierwszym kroku projektu przeanalizować jakiego rodzaju inicjatywy automatyzacji przyniosą najwyższy zwrot. Takie zastosowanie process mining będzie mieć kluczowe znaczenie dla managerów odpowiedzialnych m.in. za RPA.

Process mining daje nowe możliwości analizy procesów

Rozwiązania process mining pozwalają na analizę praktycznie nieograniczonych ilości czynności w procesie. Cechą szczególną narzędzi process mining jest fakt, że nie wymagają one znajomości idealnego procesu. Wystarczy włożyć dane z faktycznych realizacji procesu i algorytm sam buduje proces na podstawie identyfikatorów oraz informacji o godzinie i czasie wykonania prac. Narzędzia te pozwalają zidentyfikować czynności, zmierzyć czas ich realizacji, czy też wyróżnić warianty wykonania procesu. Aby lepiej zagłębić się w proces i lepiej go zrozumieć możemy np. filtrować względem standardowych zmiennych jak daty wykonania czy osoby zaangażowane w jego realizację, ale też używając bardziej specyficznych cech – np. rodzaju faktury. Kolejną cechą jest możliwość spojrzenia na proces na różnych poziomach szczegółowości. Aby to osiągnąć zmieniamy poziom abstrakcji algorytmu odkrywającego i wizualizującego proces, tak aby najpierw zobaczyć jak generalnie wygląda proces, aby następnie moc go niejako „przybliżyć” i zobaczyć jego fragment z dużą ilością szczegółów. Dla osoby analizującej procesy takie narzędzie daje szereg możliwości, które przed pojawieniem się proces mining w zasadzie nie były dostępne.

Intuicyjna wizualizacja i analiza procesu

Dane mają kluczowe znaczenie

Aby wykonać analizę process mining konieczne jest wykorzystanie danych zawierających przynajmniej 3 informacje: identyfikator, czas wykonania oraz czynność. Takie informacje znajdziemy w większości zapisów logów z systemów IT, które już są obecne w naszych firmach. Te trzy zmienne są konieczne do budowy procesu. Przy czym każda dodatkowa informacja jest pomocna i pozwala pogłębić analizę. Modele procesu w ramach process mining są w głównej mierze oparte o dane, stąd kluczowe znaczenie ma jakość i dostępność tych danych. Dlatego pierwszym etapem projektów process mining powinno być określenie dojrzałości danych w procesie i jeśli to konieczne zadbanie aby dane były zbierane, a ich jakość wysoka.

3 podejścia do process mining

Generalnie rozróżnia się trzy rodzaje analiz process mining:

Odkrywanie procesu. Jest to zwykle pierwszy krok, którego efektem jest analiza przebiegu procesu, zbudowanie modelu i jego zwizualizowanie. Pozwala to uchwycić intuicję jak faktycznie jest wykonywany proces i jakie kroki są wykonywane w toku jego realizacji. Dzięki temu możliwe jest uchwycenie przypadków szczególnych, zidentyfikowanie wąskich gardeł, czy też niepotrzebnych kroków w procesie.

Sprawdzenie zgodności. Jeśli mamy już zbudowane wzorcowe modele realizacji procesu, to możemy na nie nałożyć faktyczne wykonania wynikające z danych. W Process Mining nazywa się to „odgrywaniem”. Pozwala to łatwo uchwycić te czynności oraz warianty realizacji procesu, które są niezgodne procesami modelowym.

Predykcja procesu. Gdy dysponujemy już zbudowanym modelem procesu to możemy sięgnąć po jeszcze jedną technikę process mining, jaką jest predykcja. Na podstawie historycznych danych możemy przewidywać dalsze wykonanie aktualnie toczących się prac. Przykładowo, możemy obliczyć w czasie rzeczywistym jak długo będzie trwać realizacja sprawy klienta i ile czynności musi po drodze zostać wykonane. Przekłada się to na wymierne możliwości planowania zasobów w kolejnych dniach.

Łukasz Borowiecki

Co-founder and CEO at 10 Senses | AI Sector Expert at Digital Poland Foundation
Delivering value with data & AI

Chcesz przeczytać więcej o Process Mining? Zobacz artykuł:
Czemu wiedza co to Process Mining okazuje się kluczowa dla biznesu?
Dlaczego warto korzystać z process mining
Proces mining w kontekście historycznym
Dojrzałość danych na potrzeby process mining