¿Qué es Process Mining? Descubra cómo se trabaja realmente
Descubra qué es Process Mining, cómo funciona, cuáles son sus tres tipos, para qué se utiliza y cómo empezar.
¿Qué es Process Mining?
¿Qué es Process Mining? Es una forma de descubrir, analizar y mejorar cómo funcionan realmente los procesos a partir de los datos de eventos de los sistemas de TI. Al relacionar las actividades con los casos y las marcas de tiempo, Process Mining muestra qué recorrido sigue el trabajo, cuánto dura cada paso y dónde se desvía el proceso de lo previsto.
Un registro de eventos recoge actividades, marcas de tiempo e identificadores de caso. Process Mining agrupa esos eventos por caso y reconstruye el flujo del proceso. Puede utilizar los resultados para investigar cuellos de botella, retrabajos y el cumplimiento de un proceso de referencia. El análisis aporta evidencia; su equipo decide qué hacer con ella.
Para conocer mejor el software de Process Mining, consulte nuestra guía sobre herramientas de Process Mining.
Wil van der Aalst, pionero de Process Mining, lo ha comparado con una resonancia magnética de una empresa: permite ver qué sucede bajo la superficie. Esa visibilidad puede contribuir a mejorar los procesos y a impulsar la transformación digital. Consulte nuestra guía estratégica para mejorar los procesos a partir de los datos.
Imagine un pedido de un cliente que pasa por la recepción y la aprobación hasta llegar al envío. Cada paso puede dejar un registro digital. Process Mining conecta esos registros para mostrar la ruta que siguió cada pedido, incluidos los desvíos y las excepciones. En lugar de basarse solo en entrevistas o suposiciones, puede examinar las rutas que reflejan los datos.
Los resultados dependen de la calidad de los datos de eventos y del contexto que los acompaña. Un mapa de procesos puede mostrar la ruta prevista; Process Mining le ayuda a ver qué indican los registros que ocurrió.
¿Cómo funciona Process Mining?
Process Mining comienza con los datos de eventos de sus sistemas de TI. Por lo general, cada evento necesita tres campos:
- ID del caso: identificador de una instancia del proceso, como un pedido o una solicitud de soporte.
- Actividad: paso que se llevó a cabo.
- Marca de tiempo: momento en que ocurrió ese paso.
El software agrupa los eventos por ID del caso y los ordena por marca de tiempo. Después reconstruye las rutas que siguieron los casos y las presenta como un modelo de proceso. Puede comparar rutas, analizar duraciones y buscar patrones, como pasos repetidos o esperas prolongadas.
La calidad del resultado depende de los datos. La falta de marcas de tiempo, los nombres de actividad incoherentes o los identificadores de caso incorrectos pueden distorsionar el análisis. Descubra dónde encontrar datos de procesos y qué formatos de datos son compatibles.
Tres tipos de Process Mining
Los tres tipos de Process Mining responden a preguntas distintas:
-
Process Discovery crea un modelo de proceso a partir de los datos del registro de eventos. Permite ver las rutas que siguen los casos en la práctica, incluidas las variaciones que quizá no estén documentadas.
-
Comprobación de conformidad compara el comportamiento real del proceso con un modelo de referencia. Ayuda a descubrir en qué puntos los casos siguen, omiten o se desvían de los pasos previstos.
-
Process Enhancement añade información de los registros de eventos a un modelo de proceso existente. Por ejemplo, puede incorporar medidas de rendimiento, como el tiempo de espera o la duración de una actividad, para comprender cómo funciona el proceso.
A menudo, un proyecto empieza con el descubrimiento y luego utiliza la comprobación de conformidad para investigar las diferencias con respecto al proceso de referencia. La mejora puede añadir información sobre el rendimiento al modelo. Elija el enfoque que mejor responda a la pregunta que necesita resolver.
Cualquier persona puede utilizar Process Mining
No hace falta ser especialista en ciencia de datos para empezar a explorar los datos de un proceso. Analistas, responsables de procesos, equipos de operaciones y de TI pueden colaborar para plantear una pregunta, preparar un registro de eventos y revisar los resultados del análisis.
Para empezar de forma práctica:
- Elija un proceso y formule una pregunta concreta.
- Identifique los datos del sistema que registran sus actividades.
- Prepare un registro de eventos con los ID de caso, los nombres de actividad y las marcas de tiempo.
- Revise el flujo descubierto e investigue las rutas relevantes.
- Valide los resultados con quienes conocen el trabajo.
Los 5 pasos del Process Mining
Recopilar datos
Recopile datos de eventos de sus sistemas, como los registros de cada paso de un proceso de pedido a cobro. Para empezar, puede bastar con un archivo de Excel.
Descubrir el proceso
Utilice software de Process Mining para relacionar los eventos por ID del caso y hora. Después, examine el flujo del proceso que muestran los datos.
Comprobar la conformidad
Compare el proceso descubierto con un modelo de referencia, como un modelo BPMN, para investigar las diferencias.
Analizar los resultados
Utilice Dashboards de procesos para examinar cuellos de botella, retrabajos e ineficiencias. Después, decida qué conviene investigar o cambiar.
Supervisar los cambios
Vuelva a analizar el proceso después de implementar cambios para observar cómo han variado su rendimiento y sus recorridos.
Siga la guía para empezar y preparar su primer análisis.
Process Mining y mapeo de procesos
Process Mining y el mapeo de procesos responden a preguntas relacionadas, pero distintas. Process Mining utiliza datos de eventos para mostrar cómo funcionó un proceso. El mapeo se basa en el conocimiento de las personas y en métodos de diseño de procesos para documentar o planificar cómo debería realizarse el trabajo.
| Función | Process Mining | Mapeo de procesos |
|---|---|---|
| Fuente de datos | Datos de eventos de sistemas de TI | Entrevistas, talleres y documentación |
| Resultado | Vista del comportamiento del proceso basada en eventos registrados | Proceso documentado o diseñado |
| Esfuerzo | Depende del acceso y la preparación de los datos | Depende del alcance y de la participación de las partes interesadas |
| Cobertura | Puede mostrar los recorridos registrados en el Registro de eventos | Depende de lo que las personas documenten |
| Más adecuado para | Comprender el comportamiento real del proceso | Diseñar o documentar un proceso |
Ambos enfoques se complementan bien. Utilice Process Mining para analizar el proceso que reflejan los datos y, después, recurra al mapeo de procesos o al modelado BPMN para documentar o diseñar cambios. ProcessMind ofrece Process Mining y mapeo de procesos en una sola plataforma. Para saber más sobre cómo se complementan, lea sobre el valor combinado del modelado de procesos y Process Mining.
Cómo funcionan realmente los algoritmos de minería
Los algoritmos de Process Mining convierten los datos de eventos en modelos de proceso. Los estudios publicados describen varias familias: el algoritmo alpha deduce relaciones entre actividades y es el punto de partida clásico; el heuristic miner tolera el ruido y los registros incompletos; el fuzzy miner procesa comportamientos poco estructurados; y el inductive miner crea un árbol de proceso que garantiza un modelo correcto. Cada algoritmo está definido para un tipo de registro y produce el modelo que establece su definición.
ProcessMind ofrece tres algoritmos de minería propios. Puede elegir uno en el cuadro de diálogo Extraer modelo, junto a las políticas de gateway que determinan el grado de rigor del resultado visualizado, tal como se explica en la documentación sobre minería.
| Algoritmo de minería | Qué genera | Cuándo utilizarlo |
|---|---|---|
| Miner Directly-Followed-By | Un modelo plano que conecta cada actividad con la siguiente, sin subprocesos anidados | Si necesita ver el registro sin modificar o comprobar qué contienen realmente los datos |
| Minería simple | Las partes densas del grafo se descomponen de forma recursiva en segmentos anidados | Si necesita un modelo compacto que quepa en una sola pantalla |
| Miner de IA | Descomposición mediante IA basada en datos de enriquecimiento, que detecta y representa las regiones paralelas | Si el registro es desordenado o incompleto, o si el proceso tiene trabajo en paralelo que un modelo plano no refleja |
El Miner de IA es nuestro y no es una versión reimplementada de un algoritmo publicado. Analiza los datos de enriquecimiento junto con el registro de eventos, detecta regiones paralelas y descompone el grafo de forma jerárquica. Así, el modelo conserva la estructura que sugieren los datos en lugar de aplanarla. Ahí es donde resulta útil: las definiciones publicadas presuponen un registro completo y sin problemas, pero la mayoría de las organizaciones trabaja con exportaciones que no cumplen ninguna de esas condiciones. Creamos el Miner de IA para que resulte útil con los datos disponibles, no solo con los datos que exige una definición. Además, es el único de los tres que necesita datos de enriquecimiento. Por eso, con un registro nuevo, lo más adecuado es empezar con el Miner Directly-Followed-By y comparar los resultados.
Una vez que el algoritmo de minería crea la estructura, un algoritmo de disposición la organiza para que el flujo sea fácil de leer. ProcessMind utiliza Clarity Engine para este paso.
Por qué debería interesarle Process Mining
Process Mining le permite analizar cómo se desarrolla el trabajo en los casos registrados, en lugar de basarse únicamente en la descripción de un proceso o en unos pocos ejemplos. Puede ayudarle a:
- Identificar variaciones en los procesos: Compare las rutas que siguen los casos y detecte las habituales y las inusuales.
- Investigar demoras: Analice dónde esperan los casos y qué actividades llevan más tiempo.
- Detectar retrabajos: Busque actividades repetidas y bucles que puedan indicar errores o requisitos poco claros.
- Comprobar la conformidad: Compare el comportamiento real con un proceso de referencia.
- Hacer seguimiento del rendimiento: Utilice Dashboards y KPI para revisar las medidas del proceso a lo largo del tiempo.
Estos resultados permiten plantear mejores preguntas, pero no demuestran por qué se produjo una demora o desviación. Antes de decidir qué cambiar, hable con las personas involucradas y compruebe el contexto pertinente.
Vea cómo los Dashboards de procesos y los KPI le ayudan a revisar el rendimiento de los procesos.
Lo bueno, lo malo y lo feo
Lo bueno
La minería ofrece una visión objetiva del trabajo, sin tener que reconstruirlo de memoria:
- Muestra el comportamiento de todos los casos del registro, no solo de los pocos que alguien recuerda.
- Agiliza el diagnóstico porque presenta el flujo, las demoras y los retrabajos.
- Se puede aplicar a cualquier proceso que deje datos de eventos estructurados en un sistema de TI.
- Los Dashboards de procesos ponen esta evidencia al alcance de los equipos de negocio, no solo de los analistas.
Lo malo
La evidencia depende de la calidad del registro, y preparar el registro requiere trabajo:
- Los datos de baja calidad producen respuestas seguras, pero equivocadas. El análisis solo es tan fiable como el registro de eventos.
- Preparar y comprobar los datos suele ser la parte más exigente de un proyecto.
- Process Mining no corrige un proceso. Muestra qué conviene investigar; las personas siguen tomando las decisiones y realizando los cambios.
- Un modelo complejo es difícil de leer. Empiece por una pregunta clara y por las rutas relevantes para responderla.
Lo problemático
Si se usan sin cuidado, esos mismos datos pueden causar daño:
- Usar datos de procesos para culpar a personas genera temor y resistencia. Concéntrese en las condiciones del proceso.
- Interpretar mal los datos lleva a conclusiones equivocadas. Valide los resultados con quienes conocen el trabajo.
- Algunas herramientas requieren mucho apoyo de TI e inversión. Antes de comprometerse, averigüe cuánto costarán la configuración y las competencias necesarias.
- Empezar sin una pregunta clara genera más datos que información útil, y ninguna decisión que tomar a partir de ellos.
Process Mining puede parecer magia, hasta que deja de parecerlo. Le ofrece información que antes no podía ver, pero la parte más difícil sigue siendo suya: convertir esa información en cambios. El análisis solo da resultados cuando alguien consigue que los cambios perduren.
Cómo no usar Process Mining
Process Mining resulta más útil cuando se parte de una pregunta clara, datos fiables y personas capaces de interpretar los resultados. Estos errores pueden restar credibilidad a un proyecto.
No empiece sin un objetivo claro
Una búsqueda sin rumbo lleva a analizar datos sin tomar decisiones. Empiece con una pregunta como «¿Por qué tardan más de diez días las aprobaciones de facturas?» o «¿En qué momento sufren retrasos los clientes durante el proceso de incorporación?». Una pregunta concreta indica qué proceso, datos y medidas debe examinar.
Un objetivo bien definido especifica tres cosas: el proceso, el periodo y la decisión que el análisis debe respaldar. Anótelo antes de cargar datos y acuerde el alcance con la persona responsable del proceso. Ese acuerdo evita que un proyecto piloto crezca hasta abarcarlo todo sin responder a nada.
Si no sabe por dónde empezar, una guía para mejorar procesos ya define un alcance. Especifica el proceso, los sistemas, los campos que debe exportar y las actividades que debe registrar, para que la primera pregunta cuente con los datos necesarios para responderla.
No espere que una herramienta corrija el proceso
Process Mining analiza el comportamiento de los procesos; no es una solución automática. Puede mostrar que las aprobaciones tardan demasiado, pero tendrá que averiguar por qué y decidir qué cambiar. Revise los resultados, analícelos con las personas implicadas y vuelva a medir el proceso después de introducir un cambio.
No trabaje de forma aislada
Los datos necesitan contexto. Si analiza un proceso por su cuenta y envía un informe, puede pasar por alto por qué existe un desvío o si responde a una necesidad válida del negocio. Colabore con quienes gestionan el proceso e involucre a TI cuando necesite ayuda para acceder a los datos o validarlos. Sus conocimientos permiten entender qué muestra el registro de eventos y qué queda fuera de él.
Involucre a las personas desde el principio, no solo al revisar los resultados, y explíqueles el propósito del análisis. Quien conoce de antemano la pregunta puede explicar un desvío, una solución temporal o un paso que solo se realiza en la práctica.
Quienes realizan el trabajo también saben qué pasos no dejan rastro en el sistema. Esas lagunas hacen que el proceso descubierto parezca incompleto. En ProcessMind puede marcarlas como flujo de datos a través de para que sigan visibles en el modelo, sin inventar eventos que nunca se registraron.
No lo trate como un proyecto puntual
Incluso después de mejorar un proceso, este puede volver a desviarse. Revíselo tras el cambio y compare los resultados a lo largo del tiempo para detectar cambios en su comportamiento. El seguimiento convierte un hallazgo en un resultado.
No use los resultados para culpar a las personas
Process Mining explica cómo está organizado el trabajo, no quién hizo algo mal. Explique el propósito del análisis e involucre desde el principio a las personas responsables del proceso y al personal que participa en él. Si los datos muestran que un grupo tarda más, pregunte qué condiciones explican la diferencia: la carga de trabajo, una limitación del sistema o un paso que necesita aclararse. La causa suele ser estructural y quienes realizan el trabajo suelen tener la respuesta.
No use datos de baja calidad
El análisis depende del registro de eventos. Si faltan marcas de tiempo, los nombres de las actividades no son coherentes o los ID de caso son incorrectos, el proceso parecerá distinto de lo que ocurrió. Compruebe qué significa cada campo, confirme que los eventos correspondan a los casos adecuados y revise una muestra antes de analizar todo el conjunto de datos. Dónde obtener datos de procesos explica qué campos necesita.
Cómo empezar
Un proyecto piloto con un alcance definido permite descubrir qué puede mostrar Process Mining sin intentar analizarlo todo de una vez.
Explique qué puede mostrar el Process Mining y acuerde qué quiere averiguar el equipo. Reúna a un grupo pequeño que conozca el proceso, los datos y el contexto del negocio.
Empiece por una pregunta relevante para el equipo, como dónde se producen las demoras o por qué los casos vuelven a una etapa anterior.
Elija un proceso con un alcance claro y datos accesibles. Un proceso con demoras conocidas o tareas repetidas puede ser un buen punto de partida.
Limite el proyecto piloto a una unidad de negocio, una línea de productos u otra área definida. Un alcance acotado facilita la validación de los resultados.
Recopile los datos necesarios para el proyecto piloto. Para empezar, puede bastar con una hoja de cálculo o una exportación CSV. Recurra al equipo de TI si necesita ayuda para acceder a los datos o combinarlos.
Compruebe que cada evento tenga un ID del caso, un nombre de actividad y una marca de tiempo. Confirme que los campos sean coherentes y representen el proceso que quiere estudiar.
Cargue el Registro de eventos y revise el modelo de proceso. Compruebe que el número de casos y el intervalo de tiempo sean razonables. Si no lo son, revise la preparación de los datos.
Examine los recorridos principales, sus variantes y la duración de las actividades. Aplique filtros para centrarse en los casos relacionados con su pregunta y anote los patrones que requieran una investigación más detallada.
Revise los resultados con analistas, responsables de procesos y personal que conozca el trabajo. Pregunte si los patrones coinciden con su experiencia y qué podría explicarlos.
Acuerde qué problemas conviene investigar o abordar y defina cómo medirá los cambios.
Después de que el equipo implemente un cambio, vuelva a analizar el proceso. Compare los resultados con el punto de partida para ver qué ha cambiado.
Utilice lo aprendido para definir la siguiente pregunta o ampliar el análisis a otro proceso.
El papel de ProcessMind
Casos de uso de Process Mining
Puede aplicar Process Mining a un proceso cuando sus actividades dejan un registro digital que permite vincularlas con casos. Algunos ejemplos habituales:
- Del pedido al cobro (O2C): Examine el ciclo de vida del pedido, desde el pedido del cliente hasta el pago, e investigue los retrasos en la preparación, la facturación o el cobro.
- De la compra al pago (P2P): Revise el proceso de compras, desde la solicitud hasta el pago al proveedor, y busque retrasos en las aprobaciones o tareas repetidas.
- Gestión de servicios de TI (ITSM): Analice los tickets de la mesa de ayuda para detectar rutas de resolución lentas, escalaciones e incumplimientos de los SLA.
- Incorporación de clientes: Revise cómo avanzan los nuevos clientes durante la incorporación y dónde se producen retrasos o abandonos. La gestión de pedidos aborda la misma cuestión desde la perspectiva de la preparación y entrega.
- Tramitación de reclamaciones: Examine cómo avanzan las reclamaciones de seguros o del sector sanitario durante la revisión y la tramitación.
- Fabricación y cadena de suministro: Revise los procesos de producción y de cadena de suministro para investigar retrasos, problemas de calidad o limitaciones de recursos.
Los datos de eventos pueden proceder de sistemas ERP como SAP, Oracle y Microsoft Dynamics; plataformas CRM como Salesforce y HubSpot; herramientas de soporte como ServiceNow y Zendesk; o aplicaciones personalizadas. La idoneidad de los datos de un sistema depende de que pueda identificar casos, actividades y marcas de tiempo.
Explore la biblioteca por sector, departamento o función de transformación, o empiece con una guía para mejorar procesos adaptada a su proceso y sistema. Cada guía especifica los campos que debe exportar, las actividades que debe registrar y la plantilla de datos que debe completar a partir del sistema de origen.
Explore casos de uso de Process Mining en distintos equipos y sectores.
Process Mining frente a la minería de datos y el aprendizaje automático
Process Mining, la minería de datos y el aprendizaje automático analizan los datos de distintas maneras. Process Mining se centra en cómo avanzan los casos por las actividades a lo largo del tiempo. La minería de datos busca patrones en conjuntos de datos. El aprendizaje automático utiliza datos para hacer predicciones o clasificaciones.
| Función | Process Mining | Minería de datos | Aprendizaje automático |
|---|---|---|---|
| Pregunta que responde | ¿Cómo se desarrolla este proceso? | ¿Qué patrones hay en este conjunto de datos? | ¿Qué podría ocurrir después o de qué tipo es este caso? |
| Unidad de análisis | Un caso que avanza por distintas actividades a lo largo del tiempo | Registros, filas y características | Datos de entrada asociados a un resultado previsto |
| Entrada | Un Registro de eventos con ID de caso, actividades y marcas de tiempo | Un conjunto de datos preparado | Datos de entrenamiento etiquetados o sin etiquetar |
| Resultado | Modelos de proceso, variantes, conformidad y cuellos de botella | Patrones, segmentos o grupos | Una predicción, puntuación o clasificación |
| Uso habitual | Averiguar dónde espera un pedido y cómo avanza | Encontrar patrones en los registros de clientes | Predecir qué entrega podría retrasarse |
La diferencia principal está en la pregunta que responde cada método. Process Mining permite seguir la secuencia de actividades. Puede mostrar que un caso quedó en espera durante un traspaso o que repitió una actividad. La minería de datos puede identificar patrones entre registros, mientras que el aprendizaje automático permite estimar la probabilidad de un resultado.
Estos métodos pueden complementarse. Puede usar Process Mining para comprender el flujo e identificar variaciones y, después, aplicar otros métodos analíticos para investigar patrones o predecir resultados. Las predicciones no explican ni cambian el proceso por sí solas.
Para consultar otros términos de análisis de procesos, visite el glosario de ProcessMind.
Próximos pasos
La forma más rápida de entender Process Mining es ver qué muestra al analizar un Registro de eventos conocido. Cargue una exportación o empiece con un proceso de ejemplo para entender su aplicación práctica.
