Perché rinunciamo ai connettori pronti all'uso

Cerca Template di dati? Consulti le nostre guide al miglioramento continuo dei processi per trovare Template pronti all’uso per processi quali Purchase to Pay, Order to Cash e Accounts Payable.

Il Process Mining ha bisogno di dati, ma li stiamo utilizzando nel modo sbagliato

«I dati rappresentano l’80% del lavoro nel Process Mining.»

Probabilmente ha già sentito questa statistica. Noi l’abbiamo certamente sperimentata. Ma ecco la verità scomoda: il fatto che i dati richiedano l’80% del lavoro non è una legge naturale. È il sintomo di un approccio sbagliato.

Quando l’estrazione dei dati diventa un progetto di mesi, significa che qualcosa ha preso una direzione sbagliata. L’obiettivo del Process Mining non sono pipeline di dati perfette, ma gli insight. Significa scoprire che le fatture restano inevase per 12 giorni prima che qualcuno le esamini. Significa individuare che il 40% degli ordini richiede un intervento manuale a causa di una configurazione errata del sistema.

I dati sono un mezzo per raggiungere un fine, non il fine stesso.

Perché, allora, così tanti progetti di Process Mining si bloccano nella fase dei dati? Spesso tutto dipende da una decisione: scegliere connettori pronti all’uso.

La promessa dei connettori pronti all’uso

In un mondo ideale, sarebbe una soluzione rivoluzionaria. Per correttezza, abbiamo visto funzionare questo approccio nelle demo e, talvolta, persino in semplici ambienti di produzione con configurazioni di sistema standard.

Ma il punto è questo: la Sua azienda non è un ambiente demo.

La verifica della realtà

Da anni aiutiamo le organizzazioni a utilizzare il Process Mining. Abbiamo visto cosa funziona e cosa no. Ancora e ancora, abbiamo osservato connettori pronti all’uso creare più problemi di quanti ne risolvano.

La «configurazione rapida» che richiede un anno

Uno dei nostri clienti ha iniziato il proprio percorso di Process Mining con entusiasmo, puntando sul connettore SAP di un fornitore. «I primi insight in tre settimane», era la promessa.

Diciotto mesi dopo, stava ancora eseguendo il debug dei problemi di qualità dei dati.

Non si tratta di un’eccezione. Abbiamo visto progetti basati su connettori protrarsi per oltre un anno, consumando allo stesso modo budget ed entusiasmo. La configurazione «semplice» diventa tutt’altro che semplice quando la realtà incontra la promessa commerciale.

Perché i connettori incontrano difficoltà nel mondo reale

• Il Suo sistema non è standard. I connettori sono sviluppati per versioni specifiche di determinati software. Le aziende, però, personalizzano i sistemi: aggiungono campi, modificano i Workflow e cambiano la struttura delle tabelle. Quel sistema ERP che utilizza? Probabilmente si è evoluto nel corso di un decennio. Il connettore si aspetta un’installazione da manuale; Lei dispone invece di un sistema vivo, plasmato da anni di decisioni aziendali.

• I connettori cercano di risolvere ogni problema. Un connettore progettato per gestire ogni possibile caso d’uso del Process Mining diventa incredibilmente complesso. Deve supportare casi limite che Lei non incontrerà mai, pur rischiando di non supportare l’analisi specifica di cui ha bisogno. Questo approccio generico, valido per ogni situazione, La costringe ad affrontare una complessità che non aggiunge alcun valore al progetto.

• Il labirinto delle tabelle multiple. La maggior parte dei connettori lavora con più tabelle sorgente, un approccio che sembra potente e che, in effetti, lo è. Tuttavia, configurare e mantenere le relazioni tra queste tabelle è complesso. È necessario comprendere non solo il processo aziendale, ma anche il modello dati del connettore, quello del sistema sorgente e il modo in cui dovrebbero essere mappati tra loro. Si tratta di molti modelli.

• Le scatole nere generano diffidenza. Quando qualcosa va storto con un connettore, e prima o poi succede sempre, non è possibile guardare al suo interno per capire il motivo. Il problema riguarda i dati nel sistema sorgente? Il connettore li sta trasformando in modo errato? Si tratta di un problema di configurazione? Lei esegue il debug alla cieca, con la frustrazione di tutte le persone coinvolte e la quasi impossibilità di spiegare i risultati agli stakeholder.

• Lavoro duplicato. Ecco l’ironia: molte organizzazioni dispongono già di dati puliti e preparati nei propri data warehouse o data lake. I data engineer hanno trascorso anni a creare pipeline, risolvere problemi di qualità dei dati e produrre dataset affidabili. Un connettore ignora questo lavoro e riparte da zero, rischiando di introdurre incoerenze rispetto ai dati di cui l’organizzazione già si fida.

• Nomi generici che confondono tutti. I connettori utilizzano una terminologia standardizzata che potrebbe non corrispondere al modo in cui la Sua organizzazione descrive i processi. Quando il connettore chiama qualcosa «Conferma d’ordine», ma il Suo team la definisce «Conferma di vendita», ha creato un livello di traduzione che rallenta ogni conversazione.

• La trappola dell’ETL. La maggior parte dei connettori La obbliga a utilizzare gli strumenti ETL del fornitore. Questo significa imparare sistemi proprietari, dipendere da funzionalità specifiche del fornitore e sviluppare competenze che non possono essere trasferite ad altri strumenti. Nel frattempo, la Sua azienda probabilmente dispone già di un’infrastruttura ETL e di persone che sanno utilizzarla.

• Dipendenza dal fornitore progettata a tavolino. Parliamoci con chiarezza: dal punto di vista del fornitore, pipeline di dati complesse e proprietarie sono una funzionalità, non un difetto. Dopo aver investito sei mesi nella costruzione di un’infrastruttura basata su connettori, passare a uno strumento diverso diventa estremamente costoso. Non è un caso.

I costi nascosti

Il nostro approccio: Data Template

Abbiamo scelto una strada diversa. Invece di creare connettori, abbiamo sviluppato Data Template.

La filosofia è semplice: definire i dati necessari in un formato coerente con il Suo processo e facile da generare.

Inizi da Excel

Sì, proprio così. Può iniziare da Excel.

Non conosce ancora gli event log? La nostra guida su come creare un event log per il process mining La accompagna passo dopo passo nella creazione del Suo primo event log, con esempi sia in Excel sia in SQL.

I nostri Data Template definiscono con precisione le colonne necessarie per ogni tipo di analisi. Per molti processi servono un Case ID, un Timestamp e il nome dell’Activity, oltre agli eventuali attributi rilevanti per la Sua azienda.

Può creare tutto questo già oggi, senza attendere l’intervento dell’IT, avviare procedure di approvvigionamento o coinvolgere consulenti. Esporti i dati dal Suo sistema, li organizzi secondo il formato del nostro Template, li carichi e analizzi il Suo processo.

È perfetto? No. È veloce? Assolutamente sì. E quando si cerca di comprendere un processo, la velocità conta più della perfezione.

Perché una sola tabella?

Per la maggior parte delle analisi utilizziamo deliberatamente un formato a tabella singola. Può sembrare limitante, finché non se ne comprende la logica:

1. Facile da comprendere: chiunque può osservare un foglio di calcolo e capire che cosa sta accadendo
2. Facile da creare: non sono necessarie join complesse né la gestione delle relazioni
3. Il Process Mining lo fa comunque: anche gli strumenti che acquisiscono più tabelle le uniscono in un event log per l’analisi

In ProcessMind può comunque lavorare con più tabelle, prospettive e processi differenti, nonché con approcci di process mining object-centric. Tuttavia, non è necessario partire da lì. Inizi in modo semplice e aggiunga complessità solo quando porta valore.

Collabori con il Suo team dati

Ecco una lezione che abbiamo imparato: l’approccio basato sui connettori spesso esclude i data engineer. È un errore.

Il Suo team dati conosce i sistemi aziendali, sa dove si trovano i problemi di qualità e quali campi sono affidabili o devono essere verificati. Probabilmente ha già risolto molti dei problemi che un connettore dovrebbe affrontare.

I nostri Data Template creano un linguaggio comune. Consegni il Template al Suo data engineer e comprenderà immediatamente che cosa serve. Potrà utilizzare gli strumenti che già conosce, tra cui SQL, la piattaforma ETL esistente e il data warehouse aziendale, per generare esattamente i dati richiesti.

Nessun nuovo sistema da imparare, nessuna formazione proprietaria del fornitore: solo requisiti chiari, che professionisti dei dati esperti possono soddisfare rapidamente.

Utilizzi ciò che ha già

La maggior parte delle organizzazioni dispone già di un’infrastruttura dati significativa:

• data warehouse con dati puliti e convalidati
• pipeline ETL che trasferiscono le informazioni in modo affidabile
• data lake con dati storici
• strumenti di business intelligence con query già consolidate

L’approccio basato sui Template Le consente di utilizzare tutto questo. Non ricostruisca ciò che esiste già e non crei pipeline dati parallele. Valorizzi gli investimenti già effettuati.

Questo significa anche che i dati preparati per il Process Mining possono essere riutilizzati altrove. Crei un dataset una sola volta e lo utilizzi per il Process Mining, il machine learning, la BI tradizionale e qualsiasi altra esigenza futura. È una scelta efficiente.

Flessibilità basata sull’AI

Pronto per iniziare?

Abbiamo costruito ProcessMind intorno a questi principi: requisiti dati semplici, tempi rapidi per ottenere valore e pieno controllo nelle Sue mani.

Esplori le nostre guide al miglioramento continuo dei processi per trovare Data Template dedicati ai processi più comuni. Ogni guida include:

• Attività di processo e dati da acquisire
• File Template utilizzabili immediatamente
• Indicazioni per sistemi diffusi come SAP, Oracle e Microsoft Dynamics
• Best practice per la preparazione dei dati

Oppure inizi la prova gratuita e carichi alcuni dati. Potrebbe sorprendersi della rapidità con cui emergono gli insight quando non deve attendere la configurazione di un connettore.

I dati non sono l’obiettivo. Lo è la comprensione del Suo processo. Arriviamoci più rapidamente.