Co je process mining? Podívejte se, jak práce skutečně probíhá

Co je process mining?

Co je process mining? Jde o využití dat o událostech z IT systémů k odhalení, analýze a zlepšování skutečného průběhu procesů. Propojením činností s případy a časovými razítky process mining ukazuje, kudy práce prochází, jak dlouho jednotlivé kroky trvají a kde se proces odchyluje od očekávání.

Záznam událostí obsahuje činnosti, časová razítka a identifikátory případů. Process mining seskupí události podle případů a zrekonstruuje průběh procesu. Výsledky můžete využít k prověření úzkých míst, opakované práce a shody s referenčním procesem. Analýza poskytuje podklady, o dalším postupu rozhoduje váš tým.

Více informací o softwaru pro process mining najdete v našem průvodci nástroji pro process mining.

Wil van der Aalst, průkopník process mining, ho přirovnal k magnetické rezonanci podniku: může odhalit, co se děje pod povrchem. Tento přehled může podpořit zlepšování procesů i digitální transformaci. Přečtěte si náš strategický průvodce zlepšováním procesů na základě dat.

Představte si objednávku zákazníka, která prochází přijetím, schválením a expedicí. Po každém kroku může zůstat digitální záznam. Process mining tyto záznamy propojí a ukáže cestu každé objednávky včetně odboček a výjimek. Místo spoléhání pouze na rozhovory nebo předpoklady můžete zkoumat cesty zaznamenané v datech.

Výsledky závisí na kvalitě dat o událostech a na kontextu, který se k nim váže. Mapa procesu může ukázat zamýšlený postup, process mining vám pomůže zjistit, co se podle záznamů skutečně stalo.

Jak process mining funguje?

Process mining začíná daty o událostech z vašich IT systémů. Každá událost obvykle potřebuje tři údaje:

• ID případu: Identifikátor instance procesu, například objednávky nebo požadavku na podporu.
• Aktivita: Krok, který proběhl.
• Časové razítko: Kdy k danému kroku došlo.

Software seskupí události podle Case ID a seřadí je podle časového razítka. Poté zrekonstruuje cesty jednotlivých případů a zobrazí je jako model procesu. Můžete porovnávat jednotlivé cesty, zkoumat dobu trvání a hledat vzorce, například opakované kroky nebo dlouhé čekání.

Kvalita výsledku závisí na datech. Chybějící časová razítka, nejednotné názvy činností nebo nesprávné identifikátory případů mohou analýzu zkreslit. Zjistěte, kde najít data o procesech a které datové formáty jsou podporovány.

Tři typy process mining

Tři typy process mining odpovídají na různé otázky:

1. Process Discovery vytváří model procesu z dat ze záznamů událostí. Ukazuje cesty, kterými případy skutečně procházejí, včetně variant, které jste možná dosud nezdokumentovali.

2. Conformance Checking porovnává skutečný průběh procesu s referenčním modelem. Pomáhá zjistit, kde případy dodržují očekávané kroky, přeskakují je nebo se od nich odchylují.

3. Process Enhancement doplňuje existující model procesu o informace ze záznamů událostí. Můžete například přidat ukazatele výkonu, jako je doba čekání nebo trvání činnosti, a zjistit, jak si proces vede.

Projekt často začíná zjišťováním průběhu procesu a poté pomocí kontroly shody prověřuje rozdíly oproti referenčnímu procesu. Rozšíření modelu může doplnit informace o jeho výkonu. Zvolte přístup podle otázky, na kterou potřebujete odpovědět.

Process mining může využívat každý

Abyste mohli začít zkoumat data o procesech, nemusíte být datový analytik. Analytici, vlastníci procesů, týmy provozu a IT mohou společně položit otázku, připravit záznam událostí a projít si výsledky analýzy.

Začít můžete takto:

1. Vyberte proces a konkrétní otázku.
2. Určete, který systém zaznamenává jeho činnosti.
3. Připravte záznam událostí s ID případů, názvy činností a časovými razítky.
4. Projděte zjištěný průběh a prověřte důležité cesty.
5. Ověřte zjištění s lidmi, kteří dané práci rozumějí.

5 kroků process mining

Shromážděte data

Získejte ze svých systémů data o událostech, například záznamy jednotlivých kroků procesu od objednávky po platbu. Pro začátek může stačit soubor Excel.

Odhalte průběh procesu

Software pro process mining propojí události podle Case ID a času. Pak si prohlédněte průběh procesu, který data ukazují.

Ověřte shodu

Porovnejte odhalený proces s referenčním modelem, například modelem BPMN, a zjistěte, v čem se liší.

Analyzujte zjištění

V dashboardech procesů prozkoumejte úzká místa, opakovanou práci a neefektivitu. Poté rozhodněte, co dál prověřit nebo změnit.

Sledujte změny

Po provedení změn se k procesu vraťte a zjistěte, jak se změnila jeho výkonnost a jednotlivé cesty.

Přejděte na průvodce pro začátečníky a připravte si první analýzu.

Process mining a mapování procesů

Process mining a mapování procesů odpovídají na související, ale odlišné otázky. Process mining využívá data o událostech, aby ukázal, jak proces probíhal. Mapování procesů vychází ze znalostí lidí a metod návrhu procesů. Slouží k dokumentaci nebo plánování toho, jak by práce měla probíhat.

Oba přístupy se dobře doplňují. Pomocí process mining prozkoumejte průběh procesu zachycený v datech. Poté změny zdokumentujte nebo navrhněte pomocí mapování procesů či modelování BPMN. ProcessMind nabízí process mining i mapování procesů na jedné platformě. Více o tom, jak se tyto přístupy doplňují, se dozvíte v článku o společném přínosu modelování procesů a process mining.

Jak fungují algoritmy process mining

Algoritmy process mining převádějí data o událostech na modely procesů. Odborné publikace popisují několik jejich skupin: alpha algorithm odvozuje vztahy mezi aktivitami a představuje klasický výchozí bod, heuristic miner si poradí se šumem a neúplnými záznamy, fuzzy miner zpracovává nestrukturované chování a inductive miner vytváří procesní strom, u kterého je zaručena správnost. Každý algoritmus je určen pro určitý typ záznamu a vrací model odpovídající jeho definici.

ProcessMind nabízí tři vlastní minery. Jeden z nich vyberete v dialogu Vytěžit model vedle nastavení bran, které určují, jak přísně se má výsledný model vykreslit. Podrobnosti najdete v dokumentaci k process mining.

AI Miner jsme vytvořili my. Nejde o znovuimplementovaný algoritmus z odborné publikace. Vedle záznamu událostí zpracovává také obohacující data, rozpoznává paralelní oblasti a hierarchicky rozděluje graf. Model tak zachovává strukturu, kterou data naznačují, místo aby ji zploštil. Právě v tom spočívá jeho přínos: publikované definice předpokládají čistý a úplný záznam, ale většina organizací pracuje s exportem, který nesplňuje ani jednu z těchto podmínek. AI Miner jsme vytvořili proto, aby byl užitečný i pro data, která máte k dispozici, ne jen pro data, která předpokládá definice algoritmu. Jako jediný ze tří algoritmů vyžaduje obohacující data. Pokud máte nový záznam, je proto nejlepší začít s Directly-Followed-By minerem a porovnat výsledky.

Jakmile algoritmus vytvoří strukturu, algoritmus rozvržení ji uspořádá tak, aby byl průběh čitelný. Tento krok zajišťuje Clarity Engine od ProcessMind.

Proč se zajímat o process mining

Process mining vám umožní zkoumat průběh práce napříč zaznamenanými případy, místo abyste se spoléhali jen na popis procesu nebo několik příkladů. Pomůže vám:

• Odhalit odchylky v procesu: Porovnejte cesty jednotlivých případů a najděte běžné i neobvyklé průběhy.
• Prověřit zpoždění: Zjistěte, kde případy čekají a které aktivity trvají déle.
• Najít opakovanou práci: Hledejte opakované aktivity a smyčky, které mohou ukazovat na chyby nebo nejasné požadavky.
• Ověřit shodu: Porovnejte skutečný průběh s referenčním procesem.
• Sledovat výkonnost: Pomocí dashboardů a KPI sledujte ukazatele procesu v čase.

Tato zjištění vám pomohou klást lepší otázky. Sama o sobě ale nevysvětlují, proč ke zpoždění nebo odchylce došlo. Než se rozhodnete, co změnit, promluvte si se zapojenými lidmi a ověřte souvislosti.

Podívejte se, jak vám dashboardy procesů a KPI pomohou sledovat výkonnost procesů.

Dobré, špatné a ošklivé stránky process mining

Process mining nejlépe pracuje s tím, co dokládá záznam událostí. Nejslabší je tam, kde záznam potřebné informace neobsahuje. Source: ProcessMind

Dobré stránky

Process mining poskytuje objektivní pohled na práci, který není třeba rekonstruovat z paměti:

• Ukazuje průběh všech případů v záznamu, nejen těch několika, které si někdo pamatuje.
• Zkracuje hledání příčin, protože průběh, zpoždění i opakovaná práce jsou přehledně zobrazené.
• Lze ho použít pro každý proces, jehož strukturovaná data o událostech se zaznamenávají v IT systému.
• Dashboardy procesů zpřístupňují tyto důkazy i obchodním týmům, nejen analytikům.

Špatné stránky

Zjištění jsou jen tak spolehlivá jako záznam událostí. A práce s ním vyžaduje úsilí:

• Nekvalitní data vedou k přesvědčivě vypadajícím, ale chybným závěrům. Spolehlivost analýzy závisí na kvalitě záznamu událostí.
• Příprava a kontrola dat bývá nejnáročnější částí projektu.
• Process mining proces neopraví. Ukáže vám, co prověřit, ale rozhodnutí i změny jsou na lidech.
• Složitý model se špatně čte. Začněte jednou jasnou otázkou a cestami, které s ní souvisejí.

Ošklivé stránky

Při neopatrném použití mohou stejná zjištění napáchat škodu:

• Používání dat o procesech k obviňování jednotlivců vyvolává strach a odpor. Zaměřte se raději na podmínky, ve kterých proces probíhá.
• Nesprávná interpretace dat vede k chybným závěrům. Ověřujte proto zjištění s lidmi, kteří práci znají.
• Některé nástroje vyžadují značnou podporu IT a investice. Než se rozhodnete, zjistěte náklady na zavedení i potřebné dovednosti.
• Bez jasné otázky získáte více dat než poznatků a nebudete vědět, jaké rozhodnutí na jejich základě udělat.

Jak process mining nepoužívat

Process mining je nejužitečnější, když máte jasnou otázku, spolehlivá data a lidi, kteří dokážou výsledky interpretovat. Tyto chyby mohou projekt připravit o důvěryhodnost.

Nezačínejte bez jasného cíle

Neomezené hledání vede k analýze, po které nepřijde žádné rozhodnutí. Začněte otázkou, například „Proč schválení faktur trvá déle než deset dní?“ nebo „Kde se zákazníci během zaškolení setkávají se zpožděním?“ Konkrétní otázka vám napoví, který proces, data a ukazatele sledovat.

Dobře stanovený cíl vymezuje tři věci: proces, období a rozhodnutí, které má analýza podpořit. Zapište si ho ještě před načtením dat a dohodněte se na něm s vlastníkem procesu. Díky tomu se pilot nebude postupně rozrůstat, až pokryje všechno, ale nezodpoví žádnou otázku.

Pokud nevíte, kde začít, průvodce zlepšováním procesů už nabízí jasně vymezený rozsah. Určuje proces, systémy, pole k exportu i aktivity, které je třeba zaznamenat. První otázku tak můžete rovnou propojit s daty potřebnými k její zodpovězení.

Nečekejte, že nástroj proces opraví

Process mining zkoumá průběh procesu, ale není automatickým řešením. Může ukázat, že schvalování trvá příliš dlouho, příčinu i potřebnou změnu však musíte najít sami. Projděte si zjištění, proberte je se zapojenými lidmi a po změně proces znovu změřte.

Nepracujte v izolaci

Data je třeba zasadit do souvislostí. Pokud proces analyzujete sami a jen odešlete zprávu, můžete přehlédnout, proč existuje odbočka nebo zda odpovídá oprávněné obchodní potřebě. Spolupracujte s lidmi, kteří proces řídí, a s IT, pokud potřebujete pomoc s přístupem k datům nebo jejich ověřením. Právě jejich znalosti vysvětlí, co záznam událostí ukazuje a co z něj zjistit nelze.

Zapojte lidi hned na začátku, ne až při kontrole výsledků, a vysvětlete jim účel analýzy. Kdo předem zná otázku, může objasnit odbočku, dočasné náhradní řešení nebo krok, který existuje jen v praxi.

Lidé, kteří práci vykonávají, také vědí, které kroky v systému nezanechávají stopu. Kvůli těmto mezerám může odhalený proces vypadat neúplně. V ProcessMind je můžete označit jako tok dat, aby zůstaly v modelu viditelné, aniž byste vymýšleli nezaznamenané události.

Nepovažujte analýzu za jednorázový projekt

I zlepšený proces se může postupně měnit. Po změně ho znovu zkontrolujte a porovnejte výsledky v čase, abyste zjistili, zda se jeho průběh změnil. Pravidelné sledování promění zjištění ve výsledek.

Nepoužívejte zjištění k obviňování lidí

Process mining ukazuje, jak je práce uspořádaná, ne kdo udělal chybu. Vysvětlete účel analýzy a od začátku zapojte vlastníky procesů i zaměstnance. Pokud data ukazují, že jedné skupině práce trvá déle, zjistěte, jaké podmínky rozdíl vysvětlují: pracovní vytížení, omezení systému nebo nejasný krok. Příčina bývá obvykle v nastavení procesu a odpověď vám zpravidla dají lidé, kteří práci vykonávají.

Nepoužívejte nekvalitní data

Analýza závisí na záznamu událostí. Chybějící časové značky, nejednotné názvy aktivit nebo nesprávná Case ID mohou způsobit, že proces bude vypadat jinak, než jak proběhl. Ověřte význam jednotlivých polí, zkontrolujte, zda události patří ke správným případům, a před analýzou celé datové sady prověřte vzorek. Kde získat data o procesech popisuje potřebná pole.

Jak začít

Dobře zaměřený pilot vám ukáže, co může process mining odhalit, aniž byste se hned pokoušeli analyzovat všechno.

Ujasněte si otázku

Vysvětlete, co může process mining ukázat, a dohodněte se, co chcete zjistit. Sestavte malou skupinu lidí, kteří znají proces, data i obchodní souvislosti.

Začněte otázkou, která je pro tým důležitá, například kde vznikají zpoždění nebo proč se případy vracejí k předchozímu kroku.

Vyberte zvládnutelný proces

Vyberte proces s jasně vymezeným rozsahem a dostupnými daty. Dobrým začátkem může být proces, u kterého už znáte zpoždění nebo opakovanou práci.

Omezte pilot na jednu obchodní jednotku, produktovou řadu nebo jinou jasně vymezenou oblast. Díky úzkému rozsahu snáze ověříte zjištění.

Připravte záznam událostí

Shromážděte data potřebná pro pilot. Pro začátek může stačit tabulka nebo export CSV. Pokud potřebujete pomoc s přístupem k datům nebo jejich spojením, zapojte IT.

Zkontrolujte, zda má každá událost Case ID, název aktivity a časovou značku. Ověřte, že jsou pole jednotná a odpovídají procesu, který chcete zkoumat.

Prozkoumejte proces

Načtěte záznam událostí a prohlédněte si model procesu. Ověřte, zda počet případů a časové období dávají smysl. Pokud ne, vraťte se k přípravě dat.

Prohlédněte si hlavní cesty, odchylky a dobu trvání aktivit. Pomocí filtrů se zaměřte na případy související s vaší otázkou a zaznamenejte vzorce, které je třeba dál prověřit.

Ověřte zjištění a naplánujte další kroky

Projděte výsledky s analytiky, vlastníky procesů a zaměstnanci, kteří práci znají. Zeptejte se, zda zjištěné vzorce odpovídají jejich zkušenostem a co by je mohlo vysvětlit.

Dohodněte se, které problémy prověříte nebo vyřešíte, a určete, jak změnu změříte.

Měřte a opakujte

Až tým provede změnu, analyzujte proces znovu. Porovnejte výsledky s výchozím stavem a zjistěte, co se změnilo.

Využijte získané poznatky k upřesnění další otázky nebo rozšíření analýzy na jiný proces.

Jak do toho zapadá ProcessMind

Příklady využití process mining

Process mining můžete použít u procesů, jejichž aktivity zanechávají digitální záznamy, které lze propojit do případů. Mezi běžné příklady patří:

• Od objednávky po platbu (O2C): Prozkoumejte životní cyklus objednávky od objednávky zákazníka po platbu a prověřte zpoždění při vyřizování objednávek, fakturaci nebo inkasu.
• Od nákupu po platbu (P2P): Projděte nákupní proces od požadavku po platbu dodavateli a hledejte zpoždění při schvalování nebo opakovanou práci.
• Správa IT služeb (ITSM): Analyzujte požadavky na service desk a hledejte pomalé cesty k vyřešení, eskalace a překročení SLA.
• Zaškolení zákazníků: Prozkoumejte, jak noví zákazníci procházejí zaškolením a kde dochází ke zpožděním nebo odchodům. Správa objednávek se zabývá stejnou otázkou z pohledu vyřízení objednávky.
• Zpracování pojistných událostí: Prozkoumejte průběh vyřizování pojistných nebo zdravotních nároků.
• Výroba a dodavatelský řetězec: Projděte výrobní procesy a procesy v dodavatelském řetězci a prověřte zpoždění, problémy s kvalitou nebo omezené zdroje.

Data o událostech mohou pocházet z ERP systémů, jako jsou SAP, Oracle a Microsoft Dynamics, CRM platforem, jako jsou Salesforce a HubSpot, nástrojů helpdesku, jako jsou ServiceNow a Zendesk, nebo vlastních aplikací. Vhodnost dat ze systému závisí na tom, zda dokážete určit případy, aktivity a časové značky.

Procházejte knihovnu podle oboru, oddělení nebo role v transformaci. Případně začněte průvodcem zlepšováním procesů pro váš proces a systém. Každý průvodce uvádí pole k exportu, aktivity k zachycení a datovou šablonu, kterou vyplníte z výchozího systému.

Process mining, data mining a machine learning

Process mining, data mining a machine learning analyzují data různými způsoby. Process mining sleduje, jak případy postupují jednotlivými činnostmi v čase. Data mining hledá vzorce v souborech dat. Machine learning využívá data k předpovědím nebo klasifikaci.

Hlavní rozdíl spočívá v otázce, na kterou každá metoda odpovídá. Process mining zachovává posloupnost činností. Ukáže například, že případ čekal při předání nebo že se některá činnost opakovala. Data mining může odhalit vzorce napříč záznamy, zatímco machine learning odhaduje pravděpodobnost určitého výsledku.

Tyto metody se mohou doplňovat. Pomocí process mining nejprve porozumíte průběhu procesu a odhalíte odchylky. Potom můžete použít další analytické metody k prozkoumání vzorců nebo předpovědi výsledků. Samotné předpovědi proces nevysvětlují ani nemění.

Další pojmy používané při analýze procesů najdete v glosáři ProcessMind.