Temukan peluang otomatisasi proses dengan process mining

Cara menemukan peluang otomatisasi proses dengan process mining

Otomatisasi proses bukan sekadar memilih tugas untuk diserahkan kepada bot. Anda perlu memutuskan bagian mana dari pekerjaan yang perlu diubah. Process mining membantu Anda melihat alur kerja yang sebenarnya, mengukur langkah-langkah yang berpotensi diotomatisasi, dan menilai apakah otomatisasi cocok. Analisis ini juga dapat menunjukkan bahwa suatu langkah sebaiknya dirancang ulang atau dibiarkan apa adanya.

Kandidat terbaik biasanya sering terjadi, mengikuti alur yang konsisten, dan cukup menyita waktu. Frekuensi, standardisasi, volume, dan waktu penanganan membantu Anda menyusun daftar kandidat. Tingkat pengecualian menunjukkan seberapa banyak pekerjaan yang dapat mengikuti alur otomatis.

Hype otomatisasi dan kenyataan di lapangan

Cari “process mining dan RPA”, lalu Anda akan menemukan banyak halaman vendor yang menggambarkan process mining sebagai langkah pertama yang wajib sebelum otomatisasi. Gagasannya sederhana: petakan proses, temukan tugas berulang, lalu serahkan kepada bot.

Namun, gambaran itu melewatkan satu hal penting. Banyak kandidat otomatisasi yang jelas sudah diketahui. Tim keuangan mungkin tahu bahwa mereka menyalin data faktur antar sistem. Tim dukungan mungkin tahu bahwa mereka memilah jenis tiket yang sama secara manual. Anda tidak perlu menjalankan proyek process mining penuh untuk memastikan hal yang sudah terlihat oleh orang-orang yang mengerjakan tugas tersebut.

Process mining berguna saat situasinya kurang jelas: pekerjaan melibatkan beberapa tim atau sistem, pengecualian sulit diperkirakan, atau Anda memerlukan bukti untuk membandingkan proses sebelum dan sesudah perubahan. Analisis ini dapat membantu menentukan apa yang perlu diotomatisasi, tetapi tidak semua masalah proses harus dijadikan proyek otomatisasi.

Sekilas tentang RPA, otomatisasi berbasis agen, dan process mining

RPA adalah salah satu bentuk otomatisasi digital yang memindahkan data antar antarmuka. Alat otomatisasi proses yang mengatur seluruh alur kerja adalah jenis lainnya. Keduanya lebih mudah dipilih setelah Anda memahami prosesnya.

Istilah-istilah ini menjelaskan bagian pekerjaan yang berbeda.

Untuk penjelasan lebih lengkap, baca apa itu process mining. Jika Anda baru mengenal RPA, lihat panduan dasar RPA kami.

Otomatisasi berbasis agen menawarkan pendekatan lain. Bot RPA mengikuti langkah yang ditentukan seseorang, sedangkan agen menerima tujuan lalu memilih tindakannya sendiri. Karena itu, deskripsi proses yang jelas semakin penting. Sebelum menyerahkan pekerjaan kepada agen, Anda perlu memahami variasi proses, pengecualian, dan hasil yang dianggap benar. Bukti yang sama juga membantu Anda menilai apakah suatu langkah memang cocok untuk diotomatisasi.

Manfaat nyata process mining

Process mining dapat mendukung otomatisasi proses bisnis saat Anda membutuhkan bukti yang sulit diperoleh dari lokakarya atau sudut pandang satu tim saja.

• Temukan pekerjaan berulang di berbagai tim dan sistem. Data yang sama mungkin dimasukkan di beberapa tempat, atau serah terima berulang kali memicu pengerjaan ulang. Data proses dari awal hingga akhir dapat mengungkap pola yang mudah terlewat saat setiap tim hanya melihat tugasnya sendiri.
• Ukur beban kerja. Ukur seberapa sering suatu langkah terjadi dan berapa lama waktu yang dibutuhkan. Dengan begitu, perkiraan beban kerja yang dapat ditangani lebih berdasar daripada klaim umum tentang potensi otomatisasi.
• Pahami pengecualian. Suatu tugas mungkin tampak konsisten sampai Anda membandingkan variasinya. Tingkat pengecualian menunjukkan seberapa banyak pekerjaan mengikuti alur umum dan seberapa banyak yang perlu ditangani dengan cara berbeda.
• Periksa perubahan setelah penerapan. Bandingkan kinerja proses sebelum dan sesudah perubahan. Anda dapat melihat apakah alurnya berubah sesuai harapan dan apakah muncul hambatan atau penyimpangan baru.
• Temukan pekerjaan yang sebaiknya tidak diotomatisasi. Process mining mungkin menunjukkan bahwa suatu tugas memiliki terlalu banyak pengecualian, bergantung pada pertimbangan manusia, atau terlalu jarang terjadi sehingga upaya otomatisasi tidak sepadan. Temuan ini tetap berguna, meskipun Anda memutuskan untuk tidak membuat bot.

Frekuensi × standardisasi × volume: kriteria untuk menyusun daftar kandidat

Mulailah dengan empat faktor. Frekuensi, standardisasi, dan volume membantu Anda menilai apakah suatu tugas layak dipertimbangkan untuk otomatisasi. Waktu penanganan menunjukkan besarnya beban kerja. Gunakan faktor-faktor ini untuk menyaring kandidat, bukan sebagai janji penghematan.

Beri nilai 1 sampai 5 untuk setiap faktor berdasarkan definisi yang disepakati tim Anda. Anda dapat mengalikan nilainya untuk mengurutkan kandidat, tetapi jangan menganggap hasilnya sebagai dasar kasus bisnis. Nilai tinggi pada satu faktor tidak dapat menutupi ketidakcocokan pada faktor lain. Tugas yang sering terjadi tetapi memiliki banyak pengecualian mungkin perlu dirancang ulang. Tugas yang terstandardisasi tetapi jarang terjadi mungkin tidak layak diotomatisasi.

Gunakan tingkat pengecualian sebagai pemeriksaan tambahan. Angka ini menunjukkan seberapa sering kasus keluar dari alur yang sedang Anda nilai. Tingkat pengecualian yang tinggi menjadi alasan untuk mencari tahu penyebabnya, bukan alasan otomatis untuk menolak kandidat.

Menghitung potensi otomatisasi

Perkirakan volume dan waktu penanganan yang dapat mengikuti alur umum. Salah satu cara sederhana untuk menyaring kandidat adalah:

addressable hours = instances per month × handling time × (1 − exception rate)

Misalnya, pemeriksaan kredit dilakukan 4.200 kali per bulan dan memerlukan enam menit untuk setiap kasus. Total waktu penanganannya mencapai 420 jam. Jika 18% kasus mengikuti alur berbeda, perkiraan waktu untuk alur umum adalah sekitar 344 jam per bulan.

Angka ini memperkirakan beban kerja yang dapat ditangani, bukan penghematan yang akan diperoleh. Angka tersebut belum memperhitungkan waktu untuk menangani pengecualian, memantau otomatisasi, atau membuat dan memeliharanya. Sebelum menyusun kasus bisnis, konfirmasikan perkiraan ini dengan tim proses dan perhitungkan biaya serta tanggung jawab tersebut.

Untuk melihat bagaimana data proses mendukung analisis ini, pelajari kemampuan process mining ProcessMind.

Jujur saja, process mining tidak selalu diperlukan

Jika Anda hanya membutuhkan daftar tugas untuk diotomatisasi, process mining mungkin bukan hal yang Anda perlukan.

Process mining membutuhkan data peristiwa, persiapan, dan orang yang mampu menafsirkan hasilnya. Untuk tugas sederhana yang sudah dipahami dengan baik, percakapan dengan tim yang mengerjakannya mungkin cukup untuk menentukan langkah dan pengecualiannya. Setelah itu, Anda dapat memutuskan apakah perlu membuat bot.

Misalnya, tim utang usaha sudah tahu bahwa mereka menghabiskan waktu menyalin data faktur dari email ke ERP. Anda mungkin tidak perlu menganalisis log peristiwa untuk memastikan tugas itu memang ada. Namun, sebelum mengotomatisasikannya, Anda tetap perlu memeriksa aturan, pengecualian, dan risikonya.

Process mining lebih berguna saat proses melibatkan beberapa tim atau sistem, alur sebenarnya berbeda dari dokumentasi, atau Anda memerlukan data dasar untuk menilai perubahan. Process mining seharusnya membantu menjawab pertanyaan nyata, bukan menjadi prasyarat untuk setiap proyek otomatisasi.

Process mining bukan sekadar mencari sasaran otomatisasi

Anggapan bahwa “process mining hanya untuk RPA” dapat membuatnya terdengar seperti alat untuk mencari kandidat otomatisasi. Padahal, process mining juga membantu Anda memahami dan memperbaiki proses secara lebih luas.

• Pantau kinerja proses. Lacak waktu siklus, penyimpangan, dan perubahan alur. Lihat cara kerja pemantauan proses berkelanjutan.
• Periksa kesesuaian. Bandingkan alur proses yang terjadi dengan proses yang diharapkan. Pemeriksaan ini dapat mendukung kepatuhan dan tata kelola, tetapi tidak memperbaiki proses yang bermasalah.
• Telusuri akar masalah. Jika pesanan terlambat, bandingkan kasus berdasarkan pemasok, wilayah, tim, atau variasi proses untuk mengetahui di mana keterlambatan terjadi.
• Rancang ulang sebelum mengotomatisasi. Analisis proses dapat menunjukkan bagian yang perlu dihapus, serah terima yang bisa dikurangi, atau persetujuan yang dapat disederhanakan. Proses yang lebih sederhana mungkin lebih cocok untuk diotomatisasi daripada proses saat ini.
• Modelkan dan simulasikan perubahan. Dengan ProcessMind, Anda dapat memodelkan perubahan proses dan menyimulasikan dampak potensialnya sebelum diterapkan.

Otomatisasi hanyalah salah satu pilihan. Pahami masalahnya terlebih dahulu, lalu putuskan apakah proses perlu dirancang ulang, diotomatisasi, atau dibiarkan apa adanya.

Langkah-langkah praktis

Alur langkah demi langkah dari data peristiwa hingga daftar kandidat otomatisasi

Ikuti urutan ini untuk menghubungkan analisis proses dengan keputusan otomatisasi:

1. Pahami prosesnya. Tinjau variasi, hambatan, pengerjaan ulang, dan pengecualiannya.
2. Perbaiki proses terlebih dahulu. Pertimbangkan apakah langkah atau serah terima yang tidak perlu dapat dihapus sebelum membuat otomatisasi.
3. Susun daftar tugas yang cocok. Bandingkan frekuensi, standardisasi, volume, waktu penanganan, dan tingkat pengecualian.
4. Nilai upaya dan risikonya. Periksa sistem yang terlibat, aturan yang diikuti, dan cara menangani pengecualian.
5. Pantau hasilnya. Bandingkan proses setelah perubahan dengan data dasar, lalu telusuri dampak yang tidak terduga.
6. Tinjau kembali saat pekerjaan berubah. Kebijakan, sistem, dan variasi proses baru dapat memengaruhi kecocokan otomatisasi.

Untuk langkah pemantauan, lihat panduan kami tentang pemantauan proses berkelanjutan. Untuk mendokumentasikan proses sasaran sebelum mengotomatisasikannya, pelajari pemodelan BPMN.

Susun daftar kandidat untuk ditinjau

Gunakan templat ini untuk membandingkan langkah-langkah yang berpotensi diotomatisasi. Isi bukti yang tersedia sebelum mengurutkan pilihan. Kolom yang kosong atau belum pasti menunjukkan hal yang perlu ditelusuri, bukan alasan untuk menganggap kandidat tersebut cocok.

Contoh ini menunjukkan cara menyusun peninjauan, bukan perkiraan penghematan. Gunakan data Anda sendiri dan konfirmasikan asumsi dengan orang-orang yang menangani pekerjaan tersebut.

Tiga praktik berikut membuat daftar kandidat lebih berguna:

• Isi semua kolom sebelum mengurutkan kandidat. Frekuensi saja dapat membuat suatu tugas terlihat lebih menarik daripada kenyataannya.
• Catat jumlah sistem yang terlibat. Batas antar sistem dapat memengaruhi upaya penerapan dan dukungan.
• Tetapkan “rancang ulang terlebih dahulu” dan “jangan diotomatisasi” sebagai pilihan yang sah. Keputusan terbaik mungkin menghapus tugas tersebut atau mengubah cara pengerjaannya.

Vendor: platform serba ada atau alat khusus terbaik?

Beberapa vendor menawarkan RPA dan process mining dalam satu platform. UiPath memulai dari RPA, lalu menambahkan process mining. Celonis berawal dari process mining dan bermitra dengan vendor otomatisasi. Kedua pendekatan ini memiliki kelebihan dan kekurangan yang berbeda.

Untuk melihat perbandingan vendor lebih dekat, baca analisis UiPath vs. ProcessMind kami. Pilihan yang tepat bergantung pada sistem, tim, dan kebutuhan Anda saat ini. Bandingkan kemampuan process mining dan otomatisasi secara terpisah, lalu pastikan platform tersebut mendukung keputusan yang perlu Anda ambil.

Peran ProcessMind

ProcessMind menggabungkan process mining, pemodelan proses, dan simulasi. Anda dapat menggunakannya untuk:

• Menemukan cara proses berjalan menggunakan data peristiwa.
• Menganalisis variasi, hambatan, dan penyimpangan.
• Mendokumentasikan proses dengan pemodelan BPMN.
• Menyimulasikan perubahan yang diusulkan sebelum diterapkan.
• Memantau kinerja proses dari waktu ke waktu.

ProcessMind membantu Anda memahami proses dan menilai pilihan perbaikannya. ProcessMind tidak menentukan apa yang harus Anda otomatisasi atau menjalankan otomatisasi untuk Anda. Gunakan temuannya untuk mendukung keputusan otomatisasi, merancang ulang proses, atau memutuskan untuk tidak mengotomatisasi.

Jika Anda sedang mempertimbangkan manfaat process mining bagi bisnis, baca cara menyusun business case process mining. Untuk mengetahui data yang diperlukan, simak cara membuat event log process mining.

Meluruskan mitos

Mitos 1: “Process mining akan menghasilkan rencana otomatisasi”

Process mining menunjukkan cara proses berjalan berdasarkan data. Analisis ini dapat mengungkap inefisiensi, hambatan, dan penyimpangan. Namun, tim Anda tetap perlu menafsirkan temuan tersebut dan memutuskan apa yang akan diotomatisasi, dirancang ulang, atau dibiarkan. Berhati-hatilah terhadap klaim bahwa rencana otomatisasi bisa dibuat hanya dengan sekali klik.

Mitos 2: “Process mining terutama digunakan untuk menganalisis bot RPA”

Process mining dapat membantu Anda menilai proses yang lebih luas di sekitar bot, tetapi tidak menjelaskan setiap detail tindakan bot. Jika bot mengikuti skrip yang sudah ditentukan, periksa skrip dan log-nya untuk memahami perilakunya. Gunakan process mining untuk melihat bagaimana langkah otomatis tersebut terhubung dengan proses dari awal hingga akhir.

Mitos 3: “Anda perlu process mining sebelum setiap proyek otomatisasi”

Tidak selalu. Jika tugasnya sederhana, sudah dipahami dengan baik, dan pengecualiannya jelas, Anda mungkin bisa melanjutkan tanpa process mining. Process mining lebih berguna saat prosesnya rumit atau gambaran utuhnya tidak terlihat oleh satu tim saja.

Mitos 4: “Otomatisasi dan process mining membutuhkan akses data yang sama”

Tidak. RPA bekerja melalui antarmuka pengguna dan mungkin memerlukan akses ke layar serta aplikasi. Process mining membutuhkan data peristiwa terstruktur dari sistem bisnis. Data, akses, dan keterampilan yang diperlukan bisa berbeda.

Merencanakan keduanya sekaligus berarti mengoordinasikan kebutuhan yang berbeda: pertanyaan yang berbeda (“Apa yang bisa kita buatkan skrip?” dan “Apa yang terjadi di seluruh proses?”), pemilik yang berbeda, serta akses data yang berbeda.

Mulai dari bukti, bukan target otomatisasi

Process mining dapat membantu Anda mengurutkan kandidat otomatisasi berdasarkan prioritas, memperkirakan cakupan pekerjaan, dan memeriksa dampaknya pada proses yang lebih luas. Hasilnya juga bisa menunjukkan bahwa otomatisasi bukan langkah berikutnya yang tepat. Itu tetap temuan yang berguna. Tujuannya adalah mengambil keputusan yang tepat, bukan mengotomatisasi lebih banyak tugas.

Pelajari cara menilai kesehatan proses sebelum dan sesudah perubahan.

Rancang kondisi proses yang dituju sebelum mengotomatisasikannya agar Anda dapat meninjau proses yang akan dibangun.