Czym jest process mining? Zobacz, jak naprawdę przebiega praca
Dowiedz się, czym jest process mining, jak działa, jakie są jego trzy rodzaje, gdzie się go stosuje i jak zacząć.
Czym jest process mining?
Czym jest process mining? To sposób wykorzystania danych o zdarzeniach z systemów IT do odkrywania, analizowania i ulepszania rzeczywistego przebiegu procesów. Łącząc działania ze sprawami i znacznikami czasu, process mining pokazuje ścieżki realizacji pracy, czas trwania poszczególnych kroków oraz różnice między rzeczywistym przebiegiem a oczekiwaniami.
Dziennik zdarzeń rejestruje działania, znaczniki czasu i identyfikatory spraw. Process mining łączy zdarzenia w sprawy i odtwarza przepływ procesu. Wyniki można wykorzystać do analizy wąskich gardeł, poprawek i zgodności z procesem referencyjnym. Analiza dostarcza dowodów, a zespół decyduje, co z nimi zrobić.
Więcej o oprogramowaniu do process mining można przeczytać w naszym przewodniku po narzędziach do process mining.
Wil van der Aalst, pionier process mining, porównał tę metodę do rezonansu magnetycznego dla firmy, który pozwala zobaczyć, co dzieje się pod powierzchnią. Taka widoczność może wspierać ulepszanie procesów i transformację cyfrową. Zobacz nasz przewodnik strategiczny po ulepszaniu procesów na podstawie danych.
Wyobraźmy sobie zamówienie klienta, które przechodzi od przyjęcia i zatwierdzenia do wysyłki. Każdy krok może pozostawić cyfrowy ślad. Process mining łączy te zapisy i pokazuje ścieżkę każdego zamówienia, w tym objazdy i wyjątki. Zamiast opierać się wyłącznie na wywiadach lub założeniach, można przeanalizować ścieżki zapisane w danych.
Wyniki zależą od jakości danych o zdarzeniach i kontekstu, który się za nimi kryje. Mapa procesu może pokazywać planowany przebieg, a process mining pomaga sprawdzić, co wynika z zapisów.
Jak działa process mining?
Process mining zaczyna się od danych o zdarzeniach z systemów IT. Każde zdarzenie powinno zwykle zawierać trzy pola:
- Case ID: identyfikator przypadku procesu, na przykład zamówienia lub zgłoszenia do pomocy technicznej.
- Działanie: wykonany krok.
- Znacznik czasu: moment wykonania kroku.
Oprogramowanie grupuje zdarzenia według Case ID i porządkuje je według znaczników czasu. Następnie odtwarza ścieżki poszczególnych spraw i przedstawia je jako model procesu. Można porównywać ścieżki, analizować czas trwania i szukać wzorców, takich jak powtarzające się kroki lub długie oczekiwanie.
Jakość wyników zależy od danych. Brakujące znaczniki czasu, niespójne nazwy działań lub nieprawidłowe identyfikatory spraw mogą zniekształcić analizę. Dowiedz się, gdzie znaleźć dane procesowe i jakie formaty danych są obsługiwane.
Trzy rodzaje process mining
Trzy rodzaje process mining odpowiadają na różne pytania:
-
Process Discovery tworzy model procesu na podstawie danych z dziennika zdarzeń. Pokazuje ścieżki rzeczywiście realizowane w poszczególnych sprawach, w tym warianty, które mogły nie zostać udokumentowane.
-
Conformance Checking porównuje rzeczywisty przebieg procesu z modelem referencyjnym. Pomaga ustalić, gdzie sprawy przebiegają zgodnie z oczekiwaniami, pomijają kroki lub od nich odbiegają.
-
Process Enhancement uzupełnia istniejący model procesu o informacje z dzienników zdarzeń. Można na przykład dodać miary wydajności, takie jak czas oczekiwania lub czas trwania działania, aby lepiej zrozumieć przebieg procesu.
Projekt często zaczyna się od odkrywania procesu, a następnie wykorzystuje sprawdzanie zgodności do analizy różnic względem procesu referencyjnego. Rozszerzenie modelu może dodać kontekst dotyczący wydajności. Warto wybrać podejście dopasowane do pytania, na które trzeba odpowiedzieć.
Process mining jest dostępny dla każdego
Nie trzeba być analitykiem danych, aby zacząć badać dane procesowe. Analitycy, właściciele procesów, zespoły operacyjne i zespoły IT mogą wspólnie określić pytanie, przygotować dziennik zdarzeń i przeanalizować wyniki.
Praktyczny punkt wyjścia:
- Wybierz proces i określ konkretne pytanie.
- Ustal, w którym systemie zapisywane są działania w tym procesie.
- Przygotuj dziennik zdarzeń zawierający identyfikatory spraw, nazwy działań i znaczniki czasu.
- Przeanalizuj odkryty przepływ i zbadaj istotne ścieżki.
- Zweryfikuj wnioski z osobami, które znają przebieg pracy.
5 kroków process mining
Zbierz dane
Zbierz dane o zdarzeniach z systemów, na przykład zapisy kolejnych etapów procesu od zamówienia do płatności. Na początek wystarczy plik Excel.
Odkryj przebieg procesu
Za pomocą oprogramowania process mining połącz zdarzenia według identyfikatora sprawy i czasu, a następnie przeanalizuj przepływ procesu widoczny w danych.
Sprawdź zgodność
Porównaj odkryty przebieg procesu z modelem referencyjnym, na przykład modelem BPMN, aby sprawdzić różnice.
Przeanalizuj wyniki
Korzystaj z dashboardów procesowych, aby sprawdzić wąskie gardła, poprawki i nieefektywności. Następnie zdecyduj, co warto zbadać lub zmienić.
Monitoruj zmiany
Po wprowadzeniu zmian ponownie przeanalizuj proces i sprawdź, jak zmieniły się jego wyniki oraz przebieg.
Otwórz ścieżkę dla początkujących, aby przygotować pierwszą analizę.
Process mining a mapowanie procesów
Process mining i mapowanie procesów odpowiadają na powiązane, ale różne pytania. Process mining wykorzystuje dane o zdarzeniach, aby pokazać, jak przebiegał proces. Mapowanie procesów opiera się na wiedzy pracowników i metodach projektowania procesów, aby dokumentować lub planować sposób wykonywania pracy.
| Cecha | Process mining | Mapowanie procesów |
|---|---|---|
| Źródło danych | Dane z dziennika zdarzeń systemów IT | Wywiady, warsztaty i dokumentacja |
| Wynik | Obraz przebiegu procesu oparty na zarejestrowanych zdarzeniach | Udokumentowany lub zaprojektowany proces |
| Nakład pracy | Zależy od dostępu do danych i ich przygotowania | Zależy od zakresu i zaangażowania interesariuszy |
| Zakres | Pokazuje ścieżki zapisane w dzienniku zdarzeń | Zależy od tego, co zostanie udokumentowane |
| Najlepiej sprawdza się przy | Analizie rzeczywistego przebiegu procesu | Projektowaniu lub dokumentowaniu procesu |
Oba podejścia dobrze się uzupełniają. Za pomocą process mining można zbadać przebieg procesu widoczny w danych, a następnie wykorzystać mapowanie procesów lub modelowanie BPMN do udokumentowania albo zaprojektowania zmian. ProcessMind łączy process mining i mapowanie procesów na jednej platformie. Więcej o tym, jak te podejścia się uzupełniają, można przeczytać w artykule o połączonych korzyściach modelowania procesów i process mining.
Jak działają algorytmy process mining
Algorytmy process mining przekształcają dane o zdarzeniach w modele procesów. W opublikowanych badaniach opisano kilka ich rodzin: alpha algorithm wyznacza relacje między działaniami i stanowi klasyczny punkt wyjścia, heuristic miner toleruje szum i niekompletne dzienniki, fuzzy miner obsługuje nieustrukturyzowane zachowania, a inductive miner buduje drzewo procesu, którego poprawność jest gwarantowana. Każdy algorytm jest przeznaczony do określonego rodzaju dziennika i zwraca model zgodny z jego definicją.
ProcessMind udostępnia trzy własne algorytmy miningowe. Jeden z nich można wybrać w oknie Mine Model, obok ustawień bramek określających, jak szczegółowy będzie wynik. Opisano je w dokumentacji process mining.
| Algorytm | Wynik | Kiedy warto go wybrać |
|---|---|---|
| Directly-Followed-By miner | Płaski model łączący każde działanie z następnym, bez zagnieżdżonych podprocesów | Gdy potrzebny jest nieprzetworzony obraz dziennika albo trzeba sprawdzić, co faktycznie zawierają dane |
| Simple Miner | Gęste fragmenty grafu są rekurencyjnie dzielone na zagnieżdżone segmenty | Gdy potrzebny jest zwięzły model mieszczący się na jednym ekranie |
| AI Miner | Podział grafu z wykorzystaniem wzbogaconych danych, z wykrywaniem i oznaczaniem obszarów równoległych | Gdy dziennik jest nieuporządkowany lub niekompletny albo w procesie występują równoległe działania, których płaski model nie pokazuje |
AI Miner to nasze rozwiązanie, a nie ponownie zaimplementowany algorytm opisany w publikacjach. Analizuje dane wzbogacające wraz z dziennikiem zdarzeń, wykrywa obszary równoległe i dzieli graf na hierarchiczne części. Dzięki temu model zachowuje strukturę wynikającą z dziennika, zamiast ją spłaszczać. AI Miner przydaje się wtedy, gdy dane nie są idealne. Opublikowane algorytmy zakładają czysty i kompletny dziennik, a większość organizacji pracuje na eksporcie, który nie spełnia żadnego z tych warunków. Zbudowaliśmy AI Miner z myślą o danych, które faktycznie są dostępne, a nie o danych wymaganych przez definicję algorytmu. To jedyny z trzech algorytmów, który wymaga wzbogacenia danych. Przy nowym dzienniku warto zacząć od Directly-Followed-By miner i porównać wyniki.
Po utworzeniu struktury przez algorytm układ graficzny rozmieszcza jej elementy, aby przepływ był czytelny. Ten etap obsługuje Clarity Engine w ProcessMind.
Dlaczego warto korzystać z process mining
Process mining pozwala analizować przebieg pracy w zarejestrowanych sprawach, zamiast opierać się wyłącznie na opisie procesu lub kilku przykładach. Ułatwia między innymi:
- Porównywanie wariantów procesu: sprawdzanie ścieżek poszczególnych spraw i identyfikowanie typowych oraz nietypowych przebiegów.
- Badanie opóźnień: sprawdzanie, gdzie sprawy czekają i które działania trwają najdłużej.
- Wyszukiwanie poprawek: szukanie powtarzających się działań i pętli, które mogą wskazywać na błędy lub niejasne wymagania.
- Sprawdzanie zgodności: porównywanie rzeczywistego przebiegu z procesem referencyjnym.
- Monitorowanie wyników: korzystanie z dashboardów i KPI do śledzenia miar procesu w czasie.
Wyniki pomagają zadawać trafniejsze pytania, ale nie wyjaśniają, dlaczego doszło do opóźnienia lub odstępstwa. Przed podjęciem decyzji o zmianach warto porozmawiać z osobami zaangażowanymi w proces i sprawdzić jego kontekst.
Zobacz, jak dashboardy procesowe i KPI pomagają monitorować wyniki procesu.
Dobre, słabe i nieprzyjemne strony process mining
Dobre strony
Process mining daje obiektywny obraz pracy, którego nie trzeba odtwarzać z pamięci:
- Pokazuje przebieg wszystkich spraw zapisanych w dzienniku, a nie tylko kilku, które ktoś pamięta.
- Ułatwia diagnozę, bo przepływ, opóźnienia i poprawki są widoczne na modelu.
- Można go stosować do każdego procesu, którego dane o zdarzeniach są zapisane w systemie IT.
- Dashboardy procesowe udostępniają te dane zespołom biznesowym, nie tylko analitykom.
Słabe strony
Wyniki zależą od jakości dziennika zdarzeń, a jego przygotowanie wymaga pracy:
- Dane niskiej jakości mogą prowadzić do błędnych, choć przekonująco wyglądających wniosków. Analiza jest tak wiarygodna, jak dziennik zdarzeń.
- Przygotowanie i sprawdzenie danych to często najbardziej wymagający etap projektu.
- Process mining nie naprawia procesu. Pokazuje, co warto zbadać, ale decyzje i zmiany należą do ludzi.
- Złożony model trudno odczytać. Warto zacząć od jednego konkretnego pytania i ścieżek, które mają z nim związek.
Nieprzyjemne strony
Nieuważne korzystanie z tych samych danych może przynieść szkody:
- Wykorzystywanie danych o procesie do obwiniania pracowników wywołuje strach i opór. Lepiej skupić się na warunkach, w jakich przebiega proces.
- Błędna interpretacja danych prowadzi do niewłaściwych wniosków. Warto je zweryfikować z osobami, które znają tę pracę.
- Niektóre narzędzia wymagają znacznego wsparcia IT i nakładów. Przed podjęciem decyzji warto sprawdzić koszty wdrożenia i wymagane kompetencje.
- Bez konkretnego pytania można uzyskać więcej danych niż wiedzy, a potem nie wiedzieć, jaką decyzję na ich podstawie podjąć.
Process mining może wydawać się magiczny, dopóki nie przestanie. Ujawnia informacje, których wcześniej nie było widać, ale najtrudniejsze zadanie pozostaje po Państwa stronie: przełożyć wnioski na zmiany. Analiza ma znaczenie dopiero wtedy, gdy ktoś wprowadzi zmianę i zadba o jej utrzymanie.
Jak nie korzystać z process mining
Process mining jest najbardziej przydatny, gdy wiadomo, na jakie pytanie ma odpowiedzieć analiza, dane są wiarygodne, a wyniki interpretują osoby znające proces. Poniższe błędy mogą podważyć wiarygodność projektu.
Nie zaczynaj bez konkretnego celu
Poszukiwania bez określonego celu prowadzą do analiz, za którymi nie idzie żadna decyzja. Warto zacząć od pytania, na przykład: „Dlaczego akceptacja faktur trwa ponad 10 dni?” albo „Na którym etapie wdrażania nowych klientów występują opóźnienia?”. Konkretne pytanie wskazuje, jaki proces, dane i miary należy przeanalizować.
Cel, który można zweryfikować, określa trzy rzeczy: proces, badany okres i decyzję, którą ma wesprzeć analiza. Warto zapisać go przed załadowaniem danych i uzgodnić z właścicielem procesu. Dzięki temu pilotaż nie rozrośnie się do analizy wszystkiego, która nie odpowie na żadne konkretne pytanie.
Jeśli nie wiadomo, od czego zacząć, przewodnik po ulepszaniu procesów może pomóc określić zakres. Wskazuje proces, systemy, pola do wyeksportowania i działania do zarejestrowania. Dzięki temu już na początku wiadomo, jakich danych potrzeba, by odpowiedzieć na pytanie.
Nie oczekuj, że narzędzie naprawi proces
Process mining analizuje przebieg procesu, ale nie rozwiązuje automatycznie problemów. Może pokazać, że akceptacja trwa zbyt długo, ale przyczynę i potrzebną zmianę trzeba ustalić samodzielnie. Warto omówić wyniki z zaangażowanymi osobami, a po wprowadzeniu zmiany ponownie zmierzyć przebieg procesu.
Nie pracuj w oderwaniu od innych
Dane wymagają kontekstu. Analizując proces samodzielnie i wysyłając raport, można przeoczyć przyczynę objazdu w procesie albo nie zauważyć, że odpowiada on uzasadnionej potrzebie biznesowej. Warto współpracować z osobami zarządzającymi procesem i zaangażować IT, gdy potrzebna jest pomoc w dostępie do danych lub ich weryfikacji. Wiedza tych osób pozwala zrozumieć, co dziennik zdarzeń pokazuje, a czego nie.
Warto zaangażować pracowników od początku, a nie dopiero podczas przeglądu wyników, i wyjaśnić cel analizy. Osoba, która zna pytanie, może wyjaśnić objazd w procesie, tymczasowe obejście lub etap występujący tylko w praktyce.
Osoby wykonujące pracę wiedzą też, które etapy nie zostawiają śladu w systemie. Przez takie braki odkryty proces może wyglądać na niekompletny. W ProcessMind można oznaczyć je jako przepływ danych, aby były widoczne na modelu bez dodawania zdarzeń, które nigdy nie zostały zarejestrowane.
Nie traktuj analizy jako jednorazowego projektu
Nawet ulepszony proces z czasem się zmienia. Po wprowadzeniu zmian warto ponownie go przeanalizować i porównać wyniki w czasie, aby sprawdzić, czy przebieg uległ zmianie. Monitorowanie pozwala ocenić, czy wnioski przełożyły się na rezultaty.
Nie wykorzystuj wyników do obwiniania pracowników
Process mining pokazuje, jak zorganizowana jest praca, a nie kto popełnił błąd. Warto od początku wyjaśnić cel analizy i zaangażować właścicieli procesów oraz pracowników. Jeśli dane pokazują, że jedna grupa pracuje dłużej, należy sprawdzić, co wyjaśnia tę różnicę: obciążenie pracą, ograniczenia systemu czy niejasny etap procesu. Przyczyna zwykle tkwi w organizacji pracy, a odpowiedzi często udzielają osoby, które ją wykonują.
Nie korzystaj z danych niskiej jakości
Analiza zależy od dziennika zdarzeń. Brakujące znaczniki czasu, niespójne nazwy działań lub nieprawidłowe identyfikatory spraw mogą zniekształcić obraz procesu. Warto sprawdzić znaczenie każdego pola, potwierdzić przypisanie zdarzeń do właściwych spraw i przejrzeć próbkę danych przed analizą całego zbioru. Skąd pozyskać dane o procesie opisuje potrzebne pola.
Jak zacząć
Pilotaż o jasno określonym zakresie pozwala sprawdzić, co może pokazać process mining, bez analizowania wszystkiego naraz.
Wyjaśnij, co może pokazać process mining, i ustal, czego zespół chce się dowiedzieć. Zbierz niewielką grupę osób znających proces, dane i kontekst biznesowy.
Zacznij od pytania istotnego dla zespołu, na przykład o miejsca występowania opóźnień lub przyczyny powrotów spraw do wcześniejszego etapu.
Wybierz proces o jasno określonym zakresie i dostępnych danych. Dobrym punktem wyjścia może być proces, w którym występują znane opóźnienia lub powtarzające się działania.
Ogranicz pilotaż do jednostki biznesowej, linii produktowej lub innego określonego obszaru. Węższy zakres ułatwia weryfikację wyników.
Zbierz dane potrzebne do pilotażu. Na początek może wystarczyć arkusz kalkulacyjny lub plik CSV. Jeśli potrzebna jest pomoc w dostępie do danych lub ich łączeniu, zaangażuj dział IT.
Sprawdź, czy każde zdarzenie zawiera identyfikator sprawy, nazwę działania i znacznik czasu. Upewnij się, że pola są spójne i opisują badany proces.
Załaduj dziennik zdarzeń i sprawdź model procesu. Upewnij się, że liczba spraw i zakres dat są prawidłowe. Jeśli coś się nie zgadza, wróć do przygotowania danych.
Przyjrzyj się głównym ścieżkom, wariantom i czasom trwania działań. Użyj filtrów, aby wybrać sprawy związane z pytaniem, a następnie zanotuj wzorce wymagające dalszej analizy.
Omów wyniki z analitykami, właścicielami procesów i pracownikami znającymi tę pracę. Sprawdź, czy zaobserwowane wzorce odpowiadają ich doświadczeniom i co może je wyjaśniać.
Ustal, które problemy warto zbadać lub rozwiązać, i określ, jak będzie mierzony efekt zmiany.
Po wprowadzeniu zmiany ponownie przeanalizuj proces. Porównaj wyniki z punktem wyjścia, aby sprawdzić, co się zmieniło.
Wykorzystaj wnioski, aby doprecyzować kolejne pytanie lub rozszerzyć analizę na inny proces.
Jaką rolę pełni ProcessMind
Zastosowania process mining
Process mining można zastosować, gdy działania w procesie pozostawiają cyfrowy zapis, który da się powiązać ze sprawami. Typowe przykłady:
- Od zamówienia do płatności (O2C): przeanalizuj cykl realizacji zamówienia, od złożenia zamówienia przez klienta do płatności, i zbadaj opóźnienia w realizacji, fakturowaniu lub ściąganiu należności.
- Od zakupu do płatności (P2P): przeanalizuj proces zakupowy od zgłoszenia zapotrzebowania do zapłaty dostawcy i sprawdź opóźnienia w akceptacji lub powtarzające się działania.
- Zarządzanie usługami IT (ITSM): analizuj zgłoszenia do service desku, aby znaleźć powolne ścieżki obsługi, eskalacje i przypadki naruszenia SLA.
- Wdrażanie nowych klientów: przeanalizuj, jak nowi klienci przechodzą przez proces wdrożenia i gdzie występują opóźnienia lub rezygnacje. Zarządzanie zamówieniami dotyczy podobnych zagadnień po stronie realizacji.
- Obsługa roszczeń i wniosków: przeanalizuj przebieg obsługi roszczeń ubezpieczeniowych lub wniosków z sektora ochrony zdrowia.
- Produkcja i łańcuch dostaw: przeanalizuj procesy produkcyjne i procesy w łańcuchu dostaw, aby zbadać opóźnienia, problemy z jakością lub ograniczenia zasobów.
Dane o zdarzeniach mogą pochodzić z systemów ERP, takich jak SAP, Oracle i Microsoft Dynamics; platform CRM, takich jak Salesforce i HubSpot; narzędzi helpdesk, takich jak ServiceNow i Zendesk; albo aplikacji własnych. Przydatność danych z danego systemu zależy od tego, czy można zidentyfikować sprawy, działania i znaczniki czasu.
Przeglądaj bibliotekę według branży, działu lub roli w transformacji. Można też zacząć od przewodnika po ulepszaniu procesów dla danego procesu i systemu. Każdy przewodnik wskazuje pola do wyeksportowania, działania do zarejestrowania i szablon danych do wypełnienia na podstawie systemu źródłowego.
Poznaj zastosowania process mining w różnych zespołach i branżach.
Process mining a data mining i uczenie maszynowe
Process mining, data mining i uczenie maszynowe analizują dane na różne sposoby. Process mining pokazuje, jak sprawy przechodzą przez kolejne czynności. Data mining wyszukuje wzorce w zbiorach danych. Uczenie maszynowe wykorzystuje dane do przewidywania wyników lub klasyfikowania przypadków.
| Metoda | Process mining | Data mining | Uczenie maszynowe |
|---|---|---|---|
| Na jakie pytanie odpowiada | Jak przebiega ten proces? | Jakie wzorce występują w tym zbiorze danych? | Co może wydarzyć się dalej lub czym jest ten przypadek? |
| Przedmiot analizy | Przypadek przechodzący przez kolejne czynności w czasie | Rekordy, wiersze i cechy | Dane wejściowe powiązane z przewidywanym wynikiem |
| Dane wejściowe | Dziennik zdarzeń z identyfikatorami spraw, czynnościami i znacznikami czasu | Przygotowany zbiór danych | Dane treningowe, oznaczone lub nieoznaczone |
| Wynik | Modele procesów, warianty, zgodność i wąskie gardła | Wzorce, segmenty lub klastry | Prognoza, wynik punktowy lub klasyfikacja |
| Typowe zastosowanie | Ustalenie, gdzie zamówienie czeka i jak przebiega jego obsługa | Wyszukiwanie wzorców w danych klientów | Przewidywanie, które dostawy mogą się opóźnić |
Najważniejsza różnica dotyczy pytań, na które odpowiada każda z tych metod. Process mining uwzględnia kolejność czynności. Pokazuje na przykład, że sprawa czekała na przekazanie między zespołami albo że daną czynność trzeba było powtórzyć. Data mining może wykrywać wzorce w rekordach, a uczenie maszynowe szacować prawdopodobieństwo określonego wyniku.
Metody te mogą się uzupełniać. Process mining pozwala zrozumieć przebieg procesu i wykryć różnice, a inne metody analityczne pomagają badać wzorce lub przewidywać wyniki. Same prognozy nie wyjaśniają przebiegu procesu ani go nie zmieniają.
Więcej pojęć związanych z analizą procesów znajdą Państwo w glosariuszu ProcessMind.
Co dalej?
Najłatwiej zrozumieć process mining, sprawdzając, co pokazuje na dzienniku zdarzeń z procesu, który Państwo znają. Wystarczy wczytać eksport danych lub zacząć od przykładowego procesu, aby zobaczyć, jak ta definicja wygląda w praktyce.
