Por qué no utilizamos conectores prediseñados

¿Busca Templates de datos? Consulte nuestras guías de mejora continua de procesos para encontrar Templates listos para usar en procesos como Purchase to Pay, Order to Cash y Accounts Payable.

Process Mining necesita datos, pero lo estamos haciendo mal

«Los datos representan el 80 % del trabajo en Process Mining».

Probablemente haya escuchado esta estadística. Nosotros, sin duda, la hemos vivido. Pero esta es la verdad incómoda: que los datos representen el 80 % del trabajo no es una ley natural. Es un síntoma de que las cosas se están haciendo mal.

Cuando la extracción de datos se convierte en un proyecto de varios meses, algo se ha desviado. El objetivo de Process Mining no son pipelines de datos perfectos. Es obtener información útil. Es descubrir que las facturas permanecen sin tocar durante 12 días antes de que alguien las revise. Es detectar que el 40 % de los pedidos requiere intervención manual debido a una configuración incorrecta del sistema.

Los datos son un medio para alcanzar un fin, no el fin en sí mismo.

Entonces, ¿por qué tantos proyectos de Process Mining se quedan atascados en la fase de datos? A menudo, todo se reduce a una decisión: elegir conectores prediseñados.

La promesa de los conectores prediseñados

En un mundo ideal, esto sería transformador. Para ser justos, lo hemos visto funcionar en demostraciones y, en ocasiones, incluso en entornos de producción sencillos con configuraciones estándar del sistema.

Pero la realidad es esta: su empresa no es un entorno de demostración.

La comprobación de la realidad

Llevamos años ayudando a organizaciones con Process Mining. Hemos visto qué funciona y qué no. Una y otra vez, hemos observado cómo los conectores prediseñados crean más problemas de los que resuelven.

La «configuración rápida» que tarda un año

Uno de nuestros clientes comenzó su recorrido con Process Mining ilusionado por el conector de SAP de un proveedor. «Obtendrá sus primeras conclusiones en tres semanas», le prometieron.

Dieciocho meses después, todavía seguía depurando problemas de calidad de datos.

No se trata de una excepción. Hemos visto proyectos de conectores prolongarse durante más de un año, consumiendo presupuestos y entusiasmo a partes iguales. La configuración «sencilla» deja de serlo cuando la realidad se encuentra con el discurso comercial.

Por qué los conectores tienen dificultades en el mundo real

• Su sistema no es estándar. Los conectores se crean para versiones concretas de programas específicos. Pero las empresas personalizan sus sistemas. Añaden campos, modifican Workflows y cambian estructuras de tablas. ¿Ese sistema ERP que utiliza? Probablemente haya evolucionado durante una década. El conector espera una instalación de manual; usted tiene un sistema vivo, moldeado por años de decisiones empresariales.

• Los conectores intentan resolverlo todo. Un conector diseñado para gestionar cualquier caso de uso posible de Process Mining se vuelve increíblemente complejo. Debe admitir casos extremos que usted nunca encontrará y, al mismo tiempo, puede no admitir el análisis específico que necesita. Este enfoque único para todo le obliga a atravesar una complejidad que no aporta valor a su proyecto.

• El laberinto de las múltiples tablas. La mayoría de los conectores trabaja con varias tablas de origen, lo que parece potente y, en efecto, lo es. Pero configurar y mantener las relaciones entre esas tablas resulta complejo. Necesita comprender no solo su proceso empresarial, sino también el modelo de datos del conector, el modelo de datos del sistema de origen y la forma en que deben asignarse entre sí. Son demasiados modelos.

• Las cajas negras generan desconfianza. Cuando algo falla en un conector, y siempre acaba ocurriendo, usted no puede mirar dentro para entender por qué. ¿El problema está en los datos del sistema de origen? ¿El conector los está transformando incorrectamente? ¿Hay un problema de configuración? Está depurando a ciegas, lo que frustra a todas las personas implicadas y hace casi imposible explicar los resultados a las partes interesadas.

• Trabajo duplicado. Esta es la ironía: muchas organizaciones ya tienen datos limpios y preparados en sus almacenes o lagos de datos. Sus ingenieros de datos han dedicado años a crear pipelines, resolver problemas de calidad y generar conjuntos de datos fiables. Un conector ignora ese trabajo y empieza desde cero, con el riesgo de introducir incoherencias respecto a los datos en los que su organización ya confía.

• Nombres genéricos que confunden a todo el mundo. Los conectores utilizan una terminología estandarizada que puede no coincidir con la forma en que su organización describe sus procesos. Cuando el conector llama a algo «Order Confirmation», pero su equipo lo denomina «Sales Acknowledgment», ha creado una capa de traducción que ralentiza todas las conversaciones.

• La trampa del ETL. La mayoría de los conectores le obliga a utilizar las herramientas ETL del proveedor. Eso implica aprender sistemas propietarios, depender de funciones específicas del proveedor y desarrollar conocimientos que no se transfieren a otras herramientas. Mientras tanto, su empresa probablemente ya cuenta con una infraestructura ETL y con personas que saben utilizarla.

• Dependencia del proveedor por diseño. Seamos directos: desde la perspectiva del proveedor, los pipelines de datos complejos y propietarios son una función, no un defecto. Una vez que ha invertido seis meses en crear una infraestructura basada en conectores, cambiar de herramienta se vuelve enormemente costoso. No es casualidad.

Los costes ocultos

Nuestro enfoque: Templates de datos

Elegimos un camino diferente. En lugar de crear conectores, desarrollamos Templates de datos.

La filosofía es sencilla: defina los datos que necesita en un formato que se adapte a su proceso y sea fácil de generar.

Empiece con Excel

Sí, así de sencillo. Puede empezar con Excel.

¿Es nuevo en los registros de eventos? Consulte nuestra guía sobre cómo crear un registro de eventos de process mining. Le explica paso a paso cómo crear su primer registro de eventos, con ejemplos tanto en Excel como en SQL.

Nuestros Templates de datos definen exactamente qué columnas necesita para cada tipo de análisis. En muchos procesos, se trata de un Case ID, un Timestamp y un nombre de Activity, además de cualquier atributo adicional relevante para su negocio.

Puede crearlo usted mismo hoy. No tiene que esperar al equipo de TI, iniciar un proceso de compras ni contratar a una consultora. Exporte los datos de su sistema, organícelos según el formato de nuestro Template, cárguelos y analice su proceso.

¿Es perfecto? No. ¿Es rápido? Sin duda. Y la velocidad importa más que la perfección cuando intenta comprender su proceso.

¿Por qué una sola tabla?

Usamos deliberadamente un formato de tabla única para la mayoría de los análisis. Puede parecer una limitación hasta que comprende el motivo:

1. Fácil de entender: cualquiera puede consultar una hoja de cálculo y entender qué sucede
2. Fácil de crear: no requiere joins complejos ni gestionar relaciones
3. El process mining lo hace de todos modos: incluso las herramientas que incorporan varias tablas las combinan en un registro de eventos para analizarlas

Aun así, puede trabajar con varias tablas en ProcessMind, con distintas perspectivas, diferentes procesos e incluso enfoques de process mining centrados en objetos. Pero no tiene que empezar por ahí. Empiece de forma sencilla y añada complejidad solo cuando aporte valor.

Trabaje con su equipo de datos

Esto es algo que hemos aprendido: el enfoque basado en conectores suele dejar de lado a sus ingenieros de datos. Es un error.

Su equipo de datos conoce sus sistemas. Sabe dónde están los problemas de calidad de los datos. Sabe qué campos son fiables y cuáles debe verificar. Probablemente ya ha resuelto muchos de los problemas que encontraría un conector.

Nuestros Templates de datos crean un lenguaje común. Entregue el Template a su ingeniero de datos y entenderá de inmediato qué se necesita. Podrá usar las herramientas que ya conoce, como SQL, su plataforma ETL y su almacén de datos, para generar exactamente los datos necesarios.

No tendrá que aprender sistemas nuevos ni asistir a formaciones de proveedores sobre herramientas propietarias. Solo necesitará requisitos claros que profesionales de datos con experiencia puedan cumplir rápidamente.

Use lo que ya tiene

La mayoría de las organizaciones ya cuentan con una infraestructura de datos importante:

• Almacenes de datos con datos depurados y validados
• Pipelines ETL que trasladan la información de forma fiable
• Data lakes con registros históricos
• Herramientas de business intelligence con consultas consolidadas

El enfoque basado en Templates le permite aprovechar todo esto. No reconstruya lo que ya existe. No cree pipelines de datos paralelos. Aproveche las inversiones que ya ha realizado.

Además, los datos que prepare para process mining pueden reutilizarse en otros contextos. Cree un dataset una sola vez y úselo para process mining, machine learning, BI tradicional y lo que venga después. Es una forma eficiente de trabajar.

Flexibilidad con IA

¿Listo para empezar?

Hemos desarrollado ProcessMind basándonos en estos principios: requisitos de datos sencillos, rapidez para obtener valor y control en sus manos.

Explore nuestras guías de mejora continua de procesos para encontrar Templates de datos para procesos habituales. Cada guía incluye:

• Actividades del proceso y datos que debe capturar
• Archivos Template que puede utilizar de inmediato
• Orientación para sistemas populares como SAP, Oracle y Microsoft Dynamics
• Buenas prácticas para preparar los datos

O inicie una prueba gratuita y cargue algunos datos. Le sorprenderá lo rápido que aparecen los insights cuando no tiene que esperar a configurar un conector.

Los datos no son el objetivo. Comprender su proceso sí lo es. Lleguemos más rápido.