Kembaran digital organisasi: cara membangunnya bertahap

Kembaran digital organisasi menghubungkan model tentang cara kerja yang seharusnya dengan data yang sudah dihasilkan sistem Anda, serta pengukuran untuk memastikan keduanya tetap sesuai. Kembaran digital bukan diagram perusahaan Anda dan bukan platform data yang berdiri sendiri. Kembaran digital adalah hubungan antara keduanya dalam satu proses.

Anda tidak membangunnya dalam satu proyek. Bangun secara bertahap: terdokumentasi, terukur, teruji, lalu berjalan. Setiap tahap menjawab pertanyaan yang berbeda. Semua yang dijelaskan di halaman ini tersedia di ProcessMind pada rekaman proses yang sama: pemodelan, data peristiwa dan process mining, simulasi, dashboard, serta Process Health.

Isi kembaran digital organisasi

Ada tiga bagian, dan semuanya hanya berfungsi jika saling terhubung:

• Model proses. Cara kerja yang direncanakan: aktivitas, urutan, peran, sistem, dan aturan. Mungkin sebagian sudah ada dalam diagram, halaman wiki, dan dokumen standar, tetapi tersebar dan tidak lagi mutakhir.
• Data pelaksanaan. Catatan tentang apa yang sebenarnya terjadi, langsung dari sistem yang merekam pekerjaan: ERP, CRM, ITSM, dan WMS. Data kasus, aktivitas, dan stempel waktu tanpa perlu meminta siapa pun mengingat kembali pekerjaan selama seminggu.
• Pengukuran. Penghubung antara keduanya. Skor kesehatan, variasi, dan kesesuaian menunjukkan bagian pelaksanaan yang berbeda dari model. Simulasi menunjukkan dampak perubahan sebelum Anda menerapkannya.

Dengan model saja, Anda memiliki dokumentasi. Tambahkan data untuk menelusuri apa yang benar-benar terjadi. Tambahkan pengukuran dan kemampuan menguji perubahan, maka Anda memiliki kembaran digital.

Inilah juga jawaban atas pertanyaan tentang perbedaan kembaran digital dan process mining: process mining menunjukkan apa yang terjadi, sedangkan kembaran digital menghubungkan bukti tersebut dengan model dan cara untuk menguji perubahan. Process mining saja dapat menjawab pertanyaan pertama dengan baik, tetapi tidak lebih dari itu.

Ada dua hal yang sering tertukar. Kembaran digital juga dapat memodelkan aset fisik seperti mesin menggunakan data sensor. Itu jenis model yang berbeda, dijelaskan dalam penjelasan tentang kembaran digital. Dalam pengembangan perangkat lunak, DTO berarti objek transfer data dan tidak berkaitan dengan halaman ini. Gartner memperkenalkan makna istilah ini dalam arsitektur perusahaan. Fokusnya bukan mesin, melainkan alur kerja di berbagai proses, tim, dan sistem.

Istilah yang digunakan beragam, sama seperti definisinya: organization digital twin, DTO digital twin, enterprise digital twin, dan organizational digital twin semuanya muncul dalam materi vendor. Anggap istilah-istilah itu merujuk pada hal yang sama. Nilai klaim berdasarkan apakah model terhubung dengan data dan pengukuran, bukan berdasarkan labelnya.

Lapisan struktur kembaran digital: proses tersimpan dalam satu katalog yang saling terhubung

Langkah dari dasar: buat model, tambahkan data, lalu perbaiki

Tahapan ini lebih mudah dijalani dari awal daripada direncanakan dari akhir. Setiap langkah di bawah menghasilkan sesuatu yang bisa Anda tunjukkan kepada orang lain, dan cukup kecil untuk diselesaikan dalam seminggu.

1. Modelkan satu proses, bukan seluruh organisasi

   Pilih proses yang terkait dengan suatu keputusan. Jika prosesnya sudah ada dalam diagram atau dokumen, masukkan ke platform. Jika belum, jelaskan dalam satu kalimat dan minta AI membuat draf BPMN pertama untuk Anda sempurnakan. Setelah langkah ini, Anda memiliki model yang sudah dibaca tim dan langkah-langkah yang dilengkapi dokumentasi.

2. Hubungkan proses dalam arsitektur

   Tentukan posisi proses: rantai nilai tempat proses ini berada, pemiliknya, dan proses yang menjadi tujuan serah terimanya. Model saja hanya berupa gambar. Model yang sama di dalam arsitektur yang saling terhubung menjadi lapisan struktur kembaran digital dan menjadi dasar untuk membangun tahap berikutnya.

3. Tambahkan data peristiwa

   Unggah log untuk proses tersebut. ID kasus, aktivitas, dan stempel waktu sudah cukup untuk memulai. Datanya juga tidak harus lengkap: log dari satu sistem sudah dapat menunjukkan alur, waktu tunggu, dan variasi pada langkah-langkah yang dicatat sistem itu. Rekomendasi AI pada set data menandai pemetaan kolom dan masalah kualitas sebelum Anda mulai menganalisis.

4. Lakukan perbaikan, lalu uji hasilnya

   Pilih temuan yang paling lemah, lalu ubah satu hal: serah terima, persetujuan, atau siklus pengerjaan ulang. Ubah modelnya, jalankan simulasi untuk membandingkan perubahan dengan proses saat ini, lalu ambil keputusan berdasarkan perbandingan, bukan pendapat. Setelah itu, ukur kembali hasilnya untuk menutup siklus perbaikan.

Anda tidak perlu memodelkan seluruh organisasi agar langkah-langkah ini bermanfaat. Dua proses dengan data lebih berguna daripada dua puluh proses di slide, dan proses kedua akan jauh lebih cepat daripada yang pertama. Untuk penjelasan lebih lanjut tentang bagaimana pemodelan dan process mining saling mendukung, baca cara pemodelan proses dan process mining saling melengkapi.

Proses hasil process mining dari log peristiwa di ProcessMind, menampilkan alur yang ditemukan, waktu tunggu, dan variasi

Mulai dari data parsial, bukan menunggu data sempurna

Cakupan bertambah dengan cara yang sama seperti model: satu proses demi satu proses. Dua hal membuat cara ini praktis.

Data parsial tetap bisa menjawab pertanyaan. Jika log berasal dari satu sistem, Anda sudah dapat melihat alur, waktu tunggu, dan variasi pada langkah-langkah yang dicatat sistem tersebut. Langkah yang berlangsung di tempat lain memang belum tercatat. Anda bisa melihat letaknya di dalam model.

Model membantu memahami konteks data. Kebanyakan alat process mining memulai dari log dan menyimpulkan proses berdasarkan isinya. Akibatnya, hal yang tidak tercatat dalam log tidak terlihat. Jika model dibuat lebih dulu, data tidak harus mencakup seluruh proses agar tetap berguna: strukturnya sudah tersedia, setiap angka terkait dengan langkah yang sudah diberi nama, dan bagian yang belum memiliki data terlihat jelas.

Itulah alasan lain untuk tidak menunggu data lengkap. Proyek sembilan bulan untuk mengumpulkan log sempurna sering kali berakhir saat prosesnya sudah berubah. Analisis pertama pun lebih banyak menjelaskan riwayat proyek daripada pekerjaan yang sedang berlangsung. Lebih baik bergerak cepat dengan data yang cukup akurat: satu proses, satu sistem, data peristiwa selama tiga bulan, dan keputusan yang dibahas bersama.

Cakupan kemudian bertambah seiring berkembangnya arsitektur. Proses berikutnya yang didokumentasikan membawa lognya sendiri, dan jangkauan kembaran digital mengikuti katalog proses, bukan program data.

Kesehatan proses: cara mengukur kembaran digital

Kembaran digital tanpa skor hanya menjadi proyek tanpa umpan balik. Kesehatan proses menghubungkan model dengan data agar Anda bisa terus memperbaikinya dari minggu ke minggu. Kerangka CURES menjelaskan hal yang diukur oleh masing-masing dari lima dimensinya.

Dasbor Kesehatan proses di ProcessMind, menampilkan skor CURES dan dimensi dengan skor terendah

Keputusan yang bisa Anda ambil dengan kembaran digital

Setujui atau tolak perubahan. Buat model proses yang diusulkan, gunakan volume dan durasi yang realistis, lalu bandingkan pilihannya. Hasil simulasi kembaran digital hanya sebaik asumsi yang digunakan. Karena itu, asumsi tersebut perlu dibahas: simulasi tidak meramalkan masa depan, tetapi memperjelas dasar pertimbangannya.

Tentukan prioritas perbaikan berikutnya. Diagram dapat menunjukkan adanya persetujuan. Data pelaksanaan menunjukkan berapa lama kasus menunggu di tahap itu. Jika digabungkan, keduanya membantu Anda menentukan apakah tahap tersebut perlu ditangani. Panduan cara menganalisis proses menjelaskan langkah dari melihat alur hingga menemukan masalah.

Periksa apakah model masih sesuai dengan pekerjaan. Bandingkan model dengan pelaksanaan terbaru untuk melihat bagian yang sudah berbeda. Ini alasan untuk meninjau model, bukan mengandalkan dokumen yang dianggap sudah selesai.

Perbandingan proses saat ini dengan varian yang diusulkan menggunakan data peristiwa yang sama di ProcessMind

Memasukkan data dan mendapatkan wawasan

Kembaran digital ditentukan oleh unggahan kedua dan ketiga, bukan yang pertama. Setelah analisis tersedia, tugas berikutnya adalah memperbaruinya dan memahami hasilnya:

• Pembaruan harian sudah cukup. Log tidak harus dialirkan terus-menerus ke kembaran digital. Ganti kumpulan data dengan ekspor terbaru setiap hari atau setiap minggu agar proses hasil process mining dan dasbor tetap cukup mutakhir untuk ditindaklanjuti. Keputusan proses tidak berubah setiap menit. Pembaruan yang benar-benar dilakukan lebih berguna daripada alur data yang tidak terawat.
• AI membaca data sebelum Anda. Rekomendasi data AI memindai kumpulan data, lalu menyarankan pemetaan kolom dan menandai masalah kualitas dengan skor keyakinan. Dengan begitu, kolom stempel waktu yang rusak bisa diketahui sebelum mengacaukan analisis.
• Ringkasan AI membaca proses untuk Anda. Ringkasan AI menjelaskan hambatan, masalah kepatuhan, tren, dan kesehatan proses langsung di kanvas. Sebelumnya, pekerjaan ini biasanya memerlukan analis dan rapat.
• Ajukan pertanyaan tentang proses. Asisten AI menjawab pertanyaan tentang proses Anda dan menyarankan perubahan yang bisa Anda tinjau dan terapkan dengan sekali klik.
• Hubungkan kembaran digital ke asisten AI. Di paket Enterprise, server MCP menyediakan proses dan model Anda sebagai alat MCP standar. Claude, ChatGPT, Copilot, atau agen yang Anda buat sendiri dapat menggunakan data terkelola yang sama. Anda tidak perlu integrasi khusus, dan setiap pengguna tetap hanya melihat data yang diizinkan oleh kursinya.
• Uji perubahan dengan parameter nyata. Simulasi dengan bantuan AI menyusun parameter simulasi dari model Anda atau mengambilnya dari data Anda. Ini memangkas bagian paling lambat dalam menyiapkan skenario bagaimana jika.

Siklus yang menjaga kembaran digital tetap hidup cukup singkat: ekspor dijalankan, analisis diperbarui, ringkasan dan skor kesehatan menunjukkan perubahan, lalu seseorang mengambil keputusan. Jika siklus ini berjalan tanpa proyek khusus, Anda sudah mencapai tahap operasional.

Asisten AI ProcessMind membantu mengubah proses dalam model

Proses mana yang sebaiknya dimulai lebih dulu?

Pilih proses yang terkait dengan keputusan, memiliki hasil yang bisa diukur, dan menyimpan data peristiwa di setidaknya satu sistem. Persetujuan atau serah terima yang sering diperdebatkan biasanya menjadi pilihan terbaik. Perdebatan itu menunjukkan pertanyaannya, sementara log menyimpan jawabannya.

Sebelum menjanjikan hasil, pastikan data peristiwa mencatat aktivitas dan durasi yang Anda perlukan. Setiap peristiwa setidaknya harus memiliki ID kasus, aktivitas, dan stempel waktu. Setelah itu, buat model, muat datanya, lalu periksa perbedaan antara keduanya. Pemetaan proses adalah langkah awal yang baik jika modelnya masih kurang lengkap.