Výzvy process mining: jak udržet projekt na správné cestě
Praktický kontrolní seznam, který vám pomůže odhalit příčiny neúspěchu projektu a předcházet jim.
Problémy při process mining se obvykle projeví ještě předtím, než se projekt oficiálně zastaví: datům se těžko důvěřuje, rozsah se stále rozšiřuje nebo nikdo nejedná podle zjištění. Pomocí tohoto kontrolního seznamu určete příznak, zjistěte jeho příčinu a zvolte preventivní opatření.
Které problémy při process mining způsobují zastavení projektů?
Projekty se nejčastěji zastaví kvůli problémům s daty, metodou, odpovědností v organizaci nebo nástroji. U každé oblasti zjistěte příznaky, pravděpodobnou příčinu a praktické opatření.
Transformace je náročná a dobře míněné snahy často ztrácejí tempo nebo selžou ještě předtím, než se rozběhnou. Nikdo nezačíná s úmyslem selhat, přesto výzkumy ukazují, že se to stává 70 procentům firem.
Data: quality, access, scope, and history
Příznak: Některé případy v analýze chybí, pořadí činností nedává smysl nebo se stejný krok objevuje pod několika názvy.
Příčina: Identifikátory případů se nemusí shodovat napříč systémy. Časové údaje mohou používat různá časová pásma nebo různou přesnost. Názvy činností se mohou lišit a chybějící události mohou způsobit, že případy vypadají neúplně. Přístup k datům může zdržovat také nejasná odpovědnost, požadavky na ochranu soukromí nebo nedostupná pole ve zdrojových datech.
Prevence: Začněte jedním procesem. Ověřte stabilní identifikátor případu, srozumitelné názvy činností, použitelné časové údaje a dostatek úplných případů, které odpovídají skutečnému průběhu práce. Požadavky na přístup a ochranu soukromí řešte včas s vlastníky dat. Zaznamenejte mezery a rozhodněte, zda ovlivňují otázku, na kterou potřebujete odpovědět.
Nepředpokládejte, že konkrétní systém automaticky poskytne čistá data. Ověřte dostupný export bez ohledu na jeho zdroj. Úzce zaměřený soubor s úplnými případy bývá užitečnější než rozsáhlý export s chybějícími poli.
Podrobný přehled běžných chyb v záznamu událostí najdete v článku Ověřte svůj záznam podle čtyř běžných chyb.
Metoda: chybí otázka, analýza je jednorázová nebo není znám výchozí stav
Příznak: Váš tým má dashboardy, ale nedokáže se shodnout, co zlepšit, nebo opakuje analýzu, aniž by věděl, zda se něco změnilo.
Příčina: Projekt začal nástrojem nebo datovou sadou místo rozhodnutím, které tým potřebuje učinit. Bez výchozího stavu nelze porovnat proces před zásahem a po něm. Jednorázová analýza také postupně ztrácí užitečnost, jak se proces mění.
Prevence: Formulujte otázku z pohledu provozu. Zeptejte se například, kde se zdržuje konkrétní krok procesu nebo které varianty vyžadují nejvíc oprav. Zvolte KPI, který problém vystihuje, zaznamenejte jeho výchozí hodnotu a dohodněte se, kdy ho znovu vyhodnotíte. Berte process mining jako opakovaný cyklus zlepšování, ne jako zprávu, kterou založíte.
Organizace: chybí odpovědná osoba, pověření nebo návazné kroky
Příznak: Zainteresované strany považují výsledky za zajímavé, ale nikdo nerozhodne, co dál. Vlastníci procesů se neúčastní nebo podpora po první prezentaci opadne.
Příčina: Lidé, kteří práci rozumějí, nemusí být zapojeni, případně nikdo nemá pravomoc a čas jednat. Pokud projekt nesouvisí s obchodními prioritami, může působit jako práce navíc, nikoli jako způsob řešení aktuálního problému.
Prevence: Ještě před zahájením analýzy určete vlastníka procesu a výkonného sponzora. Zapojte lidi, kteří práci vykonávají a řídí. Dohodněte se, jaké rozhodnutí má analýza podpořit, stanovte realistický cíl a naplánujte vyhodnocení.
Nástroje: nastavení, vhodnost a složitost
Příznak: Tým tráví více času přípravou připojení nebo seznamováním s nástrojem než hledáním odpovědi na otázku o procesu. Každá změna vyžaduje pomoc specialisty.
Příčina: Nástroj nemusí odpovídat vašim datovým formátům, dovednostem týmu ani rozsahu projektu. Složité nastavení může oddálit první analýzu a nesoulad mezi licencí a zamýšleným použitím může omezit zapojení dalších lidí.
Jak tomu předejít: Než se pustíte do širšího nasazení, vyzkoušejte workflow na jednom exportu. Ověřte, že nástroj pracuje s dostupnými daty a že ho lidé odpovědní za analýzu dokážou používat. Ujasněte si, co nástroj měří, modeluje nebo simuluje. Neočekávejte, že za vás provede změny v procesu.
Nejčastěji vidím, že projekty začínají příliš široce a rychle se zbytečně komplikují. Začněte v malém a postupně přidávejte: jeden proces, jedno rozhodnutí, jeden výchozí stav.
Jak ProcessMind řeší běžné příčiny neúspěchu?
ProcessMind spojuje import dat, process mining, modely procesů, dashboardy, simulace a publikování v jedné platformě. Může tak omezit předávání práce mezi samostatnou analýzou a dokumentací, rozhodování o procesech ale zůstává na vašem týmu.
| Příčina neúspěchu | Co se obvykle děje | Jak k tomu přistupuje ProcessMind |
|---|---|---|
| Příprava dat oddaluje první analýzu | Týmy zjišťují, jak export uspořádat a namapovat, místo aby zkoumaly proces. | Můžete importovat soubory CSV/XLSX a při přípravě dat využít doporučení AI. Doporučení ověřte podle zdrojových dat a otázky, na kterou hledáte odpověď. |
| Analýza a dokumentace procesů se rozcházejí | Data událostí ukazují, co se stalo, zatímco samostatný diagram popisuje, co se podle očekávání stát mělo. | Proces můžete analyzovat pomocí process mining a jeho model uchovávat společně s analýzou v jednom záznamu procesu. Analýza a dokumentace tak zůstávají pohromadě. |
| Týmům chybí společný přehled o stavu procesů | Zjištění jsou rozptýlena v různých reportech a výkon procesů se obtížně posuzuje jednotně. | Dashboardy obsahují přehled Process Health, kde mohou týmy společně sledovat ukazatele procesů. |
| Týmy nemohou před rozhodnutím posoudit možné změny | O navrhované změně se diskutuje bez strukturovaného způsobu, jak prozkoumat její možné dopady. | Pomocí simulace můžete před rozhodnutím prozkoumat různé scénáře. Samotnou změnu neprovede. |
| Není jasné, kdo za proces odpovídá a kdo ho upravuje | Dokumenty kolují bez přehledné historie publikování a jasně určeného vlastníka. | Publikování a historie verzí pomáhají spravovat obsah procesů a sledovat jeho změny. |
Stále potřebujete jasnou otázku, vhodná data a lidi, kteří dokážou zjištění ověřit. Platforma práci podporuje, nenahrazuje však odpovědnost za proces ani nerozhoduje, co má vaše organizace změnit. Podívejte se, jak ProcessMind podporuje analýzu process mining.
Jak poznáte, že projekt začíná selhávat?
Při hodnocení projektu propojte každý příznak s jeho příčinou, nápravným krokem a konkrétním odpovědným člověkem. Pomocí tohoto seznamu odhalte rizika dřív, než se stanou běžnou součástí projektu.
První analýza se stále odkládá
Pravděpodobná příčina: Přístup k datům, jejich vlastnictví nebo požadavky na přípravu nejsou vyřešené.
Krok: Určete vlastníka dat, potřebná pole a způsob přístupu. Vyzkoušejte malý export.
Do projektu stále přibývají další procesy a otázky
Pravděpodobná příčina: Rozsah projektu není navázán na jedno konkrétní rozhodnutí.
Krok: Vraťte se k původní otázce. Další procesy nechte na později, dokud nedokončíte první analýzu.
Mapa procesu neodpovídá tomu, jak ho týmy znají
Pravděpodobná příčina: Chybí události, názvy činností se liší nebo není jasně určená hranice procesu.
Krok: Projděte ukázkové případy s odborníky na proces a opravte definice událostí.
Nikdo nedokáže říct, zda se proces zlepšil
Pravděpodobná příčina: Tým nemá výchozí stav ani dohodnutý KPI.
Krok: Zaznamenejte aktuální KPI a určete, kdy a jak ho znovu změříte.
Zjištění se představí, ale nic se nezmění
Pravděpodobná příčina: Nikdo neodpovídá za rozhodnutí ani další krok.
Krok: Určete odpovědnou osobu, dohodněte se na dalším kroku a stanovte datum kontroly.
Lidé zpochybňují analýzu nebo ji nechtějí používat
Pravděpodobná příčina: Projekt se připravoval bez lidí, kteří práci skutečně vykonávají.
Krok: Zapojte je do ověřování procesu a výběru otázky.
Každá aktualizace vyžaduje pomoc specialisty
Pravděpodobná příčina: Workflow je příliš složitý nebo potřebné znalosti má jen jeden člověk.
Krok: Zdokumentujte jednotlivé kroky a rozvíjejte schopnosti lidí, kteří budou analýzu udržovat.
Pokud se stejný příznak objeví při několika kontrolách, považujte ho za riziko projektu. Zaznamenejte příčinu, nápravný krok a odpovědnou osobu. Uvidíte tak, zda projekt postupuje, nebo se stále vrací ke stejné diskusi.
Které problémy související s procesy byste měli prověřit?
Problémy s procesy často pramení z nejasných hranic, nejednotných definic nebo rozdílu mezi zdokumentovaným procesem a prací zaznamenanou v datech událostí.
Model procesu obsahuje příliš mnoho podrobností a špatně se vykládá
Příznak: Tým se přete o tom, které kroky do analýzy patří, nebo je model příliš složitý na to, aby pomohl s rozhodnutím.
Příčina: Skutečné procesy mají různé varianty, výjimky a předávání práce. Zmapovat všechny podrobnosti ještě před položením konkrétní otázky zbytečně zvyšuje složitost. Model může být zavádějící také tehdy, když ho považujete za úplný popis každého případu.
Jak tomu předejít: Určete hranice procesu a zaměřte se na milníky důležité pro vaši otázku. Pomocí process mining zjistěte, jak se případy liší, a pak prozkoumejte varianty související s daným problémem. Ověřte s lidmi, kteří práci vykonávají, zda zjištění odpovídají datům událostí.
Týmy se neshodnou na názvech činností ani na tom, kdy je případ dokončen
Příznak: Různé týmy používají pro stejnou činnost odlišné názvy nebo se neshodnou, kdy je případ dokončen.
Příčina: Definice procesů se v jednotlivých odděleních, systémech nebo dokumentech postupně rozešly. Srovnání je pak obtížné a příčina zdržení může zůstat skrytá.
Jak tomu předejít: Než začnete porovnávat výsledky, dohodněte se na definici případu a významu důležitých činností. Zaznamenejte předpoklady i transformace dat, abyste mohli analýzu zkontrolovat a zopakovat.
Mapa procesu a analýza se spravují odděleně
Příznak: Tým má mapu procesu, ale nemá jednotný způsob, jak ji používat společně s analýzou.
Příčina: Dokumentace a data událostí se zpracovávají odděleně. Diagram může popisovat zamýšlený proces, zatímco záznam událostí ukazuje, co se skutečně stalo.
Jak tomu předejít: Použijte model jako referenci a porovnejte ho se skutečným průběhem procesu. Prověřte odchylky důležité pro vaši otázku, místo abyste se snažili odstranit každou odlišnost.
Které organizační problémy mohou ohrozit práci?
Organizační problémy se často projeví, když projektu chybí jasný obchodní účel, společné porozumění nebo plán, co bude následovat po pilotním projektu.
Zainteresované strany pochybují o přínosu projektu
Příznak: Lidé odmítají změny navržené na základě zjištění nebo pochybují o významu analýzy.
Příčina: Projekt nemusí souviset s aktuální obchodní prioritou. Lidé mohou zjištěním nedůvěřovat také tehdy, když nevědí, jak analýza vznikla, nebo se nepodíleli na určení otázky.
Jak tomu předejít: Vysvětlete účel, rozsah a omezení analýzy. Včas zapojte vlastníky procesů i pracovníky v provozu a propojte projekt s konkrétním provozním cílem. Sdílejte podklady a předpoklady, nejen závěry.
Projekt závisí na jednom analytikovi nebo malém centrálním týmu
Příznak: Práce se zpomalí, když konkrétní analytik není k dispozici, nebo ostatní týmy nedokážou analýzu udržovat.
Příčina: Znalosti o datech, definicích a postupu analýzy se nepředávají dál.
Jak tomu předejít: Zdokumentujte proces, definice dat a přijatá rozhodnutí. Proškolte lidi, kteří budou zjištění používat, a stanovte jasný postup pro žádosti o změnu a kontrolu výsledků. Center of Excellence může koordinovat práci napříč týmy, nenahrazuje však odpovědnost za proces.
Pilotní projekt skončí bez rozhodnutí o dalším postupu
Příznak: Pilotní projekt skončí, ale nikdo nerozhodne, zda pokračovat, upravit přístup, nebo práci ukončit.
Příčina: Tým považoval pilotní projekt za výsledek, ne za ověření opakovatelného postupu.
Jak tomu předejít: Ještě před pilotním projektem určete, jaké důkazy budou důvodem k dalšímu kroku. Projděte výsledky se zadavatelem a vlastníkem procesu. Rozšiřujte projekt teprve tehdy, když data, metoda a odpovědnosti umožňují pracovat ve větším rozsahu.
Co vás stojí, když problémy v process mining neřešíte?
Pokud příčinu neúspěchu neřešíte, můžete ztrácet čas, aniž by tým získal spolehlivý podklad pro další kroky. Dopad závisí na procesu, datech a provozních podmínkách.
| Nevyřešený problém | Možné dlouhodobé náklady |
|---|---|
| Nízká kvalita dat | Analytici tráví čas kontrolou a opravami exportů. Týmy mohou jednat na základě výsledků, které neodpovídají skutečnému průběhu procesu. |
| Neustále se rozšiřující rozsah | První užitečná analýza se odkládá a zainteresované strany mohou ztratit důvěru dřív, než tým zodpoví původní otázku. |
| Chybějící výchozí stav | Nelze určit, zda změna proces zlepšila. Tým tak může opakovat práci nebo příliš brzy opustit užitečný zásah. |
| Nikdo za výsledek neodpovídá | Zjištění zůstávají nevyužitá, zatímco zdržení, opakovaná práce nebo výjimky pokračují. |
| Nevhodné nástroje | Nastavení a odborná podpora spotřebovávají čas, který by bylo možné věnovat analýze a zlepšování. |
| Chybí plán opakování analýzy | Změny procesu se neměří a původní zjištění postupně ztrácejí význam, jak se práce vyvíjí. |
Dopad odhadněte na základě vlastních dat: kolik času zabere příprava exportů, kolik stojí opravy, jak dlouho trvá přejít od zjištění problému k akci a kolik práce vyžaduje opakování analýzy. Než budete mít výchozí stav a způsob měření změny, nepřisuzujte projektu úspory.
Co byste měli zkontrolovat před první analýzou?
Před analýzou projděte tento kontrolní seznam a vraťte se k němu při každé kontrole projektu. Může posloužit také jako základ projektového plánu.
- Vyberte jeden proces a určete jeho hranice. Stanovte, kde případ začíná a končí. Ostatní procesy zatím nechte stranou, dokud nezodpovíte první otázku.
- Formulujte otázku pro analýzu. Místo obecného hledání příležitostí popište rozhodnutí, které váš tým potřebuje udělat.
- Určete vlastníka procesu a jeho garanta. Potvrďte, kdo může ověřit průběh procesu, rozhodnout o dalších krocích a podpořit práci.
- Ověřte přístup k datům a požadavky na ochranu soukromí. Než připravíte analýzu, určete vlastníka dat, potřebná pole a omezení.
- Zkontrolujte kvalitu dat. Ověřte identifikátory případů, časová razítka, názvy aktivit a úplnost případů.
- Zaznamenejte výchozí stav. Vyberte KPI odpovídající otázce a před změnou zdokumentujte jeho aktuální hodnotu.
- Dohodněte se, co znamená úspěch. Stanovte měřitelný cíl a datum kontroly. Samotné používání dashboardu nevypovídá o výsledcích procesu.
- Zapojte lidi, kteří práci vykonávají. Požádejte je, aby ověřili, zda data o událostech a interpretace procesu dávají smysl.
- Zajistěte, aby šla analýza zopakovat. Zdokumentujte definice dat, předpoklady a jednotlivé kroky, aby ji váš tým mohl provést znovu.
- Výsledky zkontrolujte a jednejte. Každému dohodnutému kroku přiřaďte odpovědnou osobu a při další kontrole porovnejte proces s výchozím stavem.
- Rozšiřujte analýzu na základě důkazů. Další procesy přidávejte až ve chvíli, kdy máte u prvního spolehlivá data, užitečnou analýzu a jasně určenou odpovědnost.
Pokyny k přípravě záznamu událostí najdete v článku jak vytvořit záznam událostí pro process mining. Pokud teprve vybíráte první proces, začněte jedním procesem s jasně určeným rozsahem.
Jak vypadá dobře vymezený první projekt?
Dobře vymezený projekt začíná jedním procesem, jedním rozhodnutím a výchozím stavem, který tým může znovu změřit.
Představte si tým, který zkoumá zdržení v jednom schvalovacím procesu. Určí jeho hranice a ptá se, kde případy čekají na schválení nejdéle. Vlastník procesu a vlastník dat potvrdí identifikátor případu, názvy činností, časová razítka i požadavky na přístup.
Tým zaznamená výchozí KPI a projde první analýzu s lidmi, kteří práci řídí i vykonávají. Určí konkrétní místo k prověření, dohodne se na dalším kroku a pověří jím odpovědnou osobu. Při pozdější kontrole zopakuje stejnou analýzu a porovná výsledek s výchozím stavem.
Prvním užitečným výsledkem je opakovatelný způsob, jak zjistit, co se stalo, rozhodnout, co prověřit, a ověřit, zda změna měla nějaký dopad. Když tento postup funguje u jednoho procesu, tým může zvážit jeho použití i jinde.
Předejděte problémům tím, že si postup nejprve ověříte
Než projekt rozšíříte, ověřte postup na jednom úzce vymezeném procesu, jednom exportu a jednom výchozím stavu.
Where to Go From Here
Projektu hrozí, že se zastaví, protože zatím nejsou jasná data, rozsah ani odpovědnosti.
