O que é Process Mining? Veja como o trabalho acontece de verdade

O que é Process Mining?

O que é Process Mining? É uma forma de usar dados de eventos dos sistemas de TI para descobrir, analisar e melhorar como os processos funcionam na prática. Ao relacionar atividades a casos e registrar data e hora, o Process Mining mostra os caminhos que o trabalho percorre, quanto tempo cada etapa leva e onde o processo se distancia do esperado.

Um Event Log registra atividades, datas e horas e identificadores de caso. O Process Mining agrupa esses eventos por caso e reconstrói o fluxo do processo. Você pode usar os resultados para investigar gargalos, retrabalho e conformidade com um processo de referência. A análise fornece evidências; sua equipe decide o que fazer com elas.

Para conhecer melhor os softwares de Process Mining, consulte nosso guia de ferramentas de Process Mining.

Wil van der Aalst, pioneiro do Process Mining, comparou essa abordagem a uma ressonância magnética de uma empresa: ela pode revelar o que acontece por trás do que se vê. Essa visibilidade pode apoiar a melhoria de processos e a transformação digital. Consulte nosso guia estratégico para melhorar processos com base em dados.

Imagine um pedido de cliente passando por etapas de recebimento, aprovação e envio. Cada etapa pode deixar um registro digital. O Process Mining conecta esses registros e mostra o caminho percorrido por cada pedido, incluindo desvios e exceções. Em vez de depender apenas de entrevistas ou suposições, você pode analisar os caminhos registrados nos dados.

Os resultados dependem da qualidade dos dados de eventos e do contexto por trás deles. Um mapa de processo pode mostrar o caminho previsto; o Process Mining ajuda você a ver o que os registros indicam que aconteceu.

Como funciona o Process Mining?

O Process Mining começa com os dados de eventos dos seus sistemas de TI. Em geral, cada evento precisa de três campos:

• ID do caso: Identificador de uma instância do processo, como um pedido ou chamado de suporte.
• Atividade: A etapa realizada.
• Data e hora: Quando a etapa aconteceu.

O software agrupa os eventos por ID do caso e os ordena pela data e hora. Em seguida, reconstrói os caminhos percorridos pelos casos e os apresenta como um modelo de processo. Você pode comparar caminhos, analisar durações e procurar padrões, como etapas repetidas ou longos períodos de espera.

A qualidade dos resultados depende dos dados. Datas e horas ausentes, nomes de atividades inconsistentes ou identificadores de caso incorretos podem distorcer a análise. Saiba onde encontrar dados de processos e quais formatos de dados são compatíveis.

Três tipos de Process Mining

Os três tipos de Process Mining respondem a perguntas diferentes:

1. Process Discovery cria um modelo de processo a partir de dados de Event Log. Ajuda você a ver os caminhos realmente percorridos pelos casos, incluindo variações que talvez ainda não estejam documentadas.

2. Conformance Checking compara o comportamento real do processo com um modelo de referência. Ajuda a identificar onde os casos seguem, pulam ou se desviam das etapas esperadas.

3. Process Enhancement acrescenta informações de registros de eventos a um modelo de processo existente. Por exemplo, você pode incluir medidas de performance, como tempo de espera ou duração das atividades, para entender o desempenho do processo.

Um projeto costuma começar com a descoberta e, em seguida, usar a verificação de conformidade para investigar diferenças em relação ao processo de referência. O aprimoramento pode acrescentar informações de performance ao modelo. Escolha a abordagem adequada à pergunta que você precisa responder.

Qualquer pessoa pode usar Process Mining

Você não precisa ser cientista de dados para começar a explorar dados de processos. Analistas, responsáveis por processos, equipes de operações e de TI podem trabalhar em conjunto para definir uma pergunta, preparar um Event Log e analisar os resultados.

Um bom ponto de partida é:

1. Escolha um processo e uma pergunta específica.
2. Identifique os dados do sistema que registram as atividades desse processo.
3. Prepare um Event Log com IDs de caso, nomes de atividades e datas e horas.
4. Analise o fluxo descoberto e investigue os caminhos relevantes.
5. Valide os resultados com quem conhece o trabalho.

As 5 etapas do Process Mining

Colete os dados

Reúna dados de eventos dos seus sistemas, como registros de cada etapa de um processo de pedido ao recebimento. Uma planilha do Excel pode ser suficiente para começar.

Descubra o processo

Use um software de Process Mining para conectar eventos pelo ID do caso e pelo horário. Depois, analise o fluxo do processo revelado pelos dados.

Verifique a Conformidade

Compare o processo descoberto com um modelo de referência, como um modelo BPMN, para investigar as diferenças.

Analise os resultados

Use Dashboards de processos para analisar gargalos, retrabalho e ineficiências. Em seguida, decida o que investigar ou mudar.

Acompanhe as mudanças

Analise o processo novamente após as mudanças para ver como a performance e os caminhos mudaram.

Acesse o roteiro para começar e prepare sua primeira análise.

Process Mining e mapeamento de processos

O Process Mining e o mapeamento de processos respondem a perguntas relacionadas, mas diferentes. O Process Mining usa dados de eventos para mostrar como um processo funcionou. O mapeamento usa o conhecimento das pessoas e métodos de desenho de processos para documentar ou planejar como o trabalho deve acontecer.

As duas abordagens se complementam. Use o Process Mining para investigar o processo mostrado pelos dados e, em seguida, use o mapeamento de processos ou a modelagem BPMN para documentar ou desenhar mudanças. ProcessMind oferece Process Mining e mapeamento de processos em uma única plataforma. Para entender melhor como essas abordagens se complementam, leia sobre o valor combinado da modelagem de processos e do Process Mining.

Como funcionam os algoritmos de mineração

Os algoritmos de Process Mining transformam dados de eventos em modelos de processo. Pesquisas publicadas descrevem várias famílias de algoritmos: o algoritmo alpha deriva relações entre atividades e é o ponto de partida clássico; o heuristic miner tolera ruído e registros incompletos; o fuzzy miner lida com comportamentos não estruturados; e o inductive miner cria uma árvore de processo que garante um modelo correto. Cada algoritmo é definido para um tipo de registro e gera o modelo previsto por sua definição.

O ProcessMind oferece três miners próprios. Você escolhe um na janela Minerar modelo, junto às políticas de gateway que definem o nível de rigor do resultado visualizado, conforme descrito na documentação de mineração.

O Minerador de IA é nosso e não é uma reimplementação de um algoritmo publicado. Ele analisa os dados de enriquecimento junto com o Event Log, detecta regiões paralelas e decompõe o grafo hierarquicamente. Assim, o modelo preserva a estrutura sugerida pelo registro em vez de achatá-la. É nesse cenário que ele se destaca: as definições publicadas pressupõem um registro completo e sem problemas, mas a maioria das organizações trabalha com uma exportação que não atende a essas condições. Criamos o Minerador de IA para funcionar com os dados disponíveis, e não apenas com os dados exigidos pela definição. Ele também é o único dos três que precisa de enriquecimento. Por isso, em um registro novo, o mais transparente é começar pelo miner de Seguido diretamente por e comparar os resultados.

Depois que um miner cria a estrutura, um algoritmo de layout organiza os elementos para facilitar a leitura do fluxo. O Clarity Engine da ProcessMind cuida dessa etapa.

Por que o Process Mining é importante

O Process Mining permite analisar como o trabalho acontece nos casos registrados, em vez de depender apenas de uma descrição do processo ou de alguns exemplos. Ele pode ajudar você a:

• Identificar variações no processo: Compare os caminhos percorridos pelos casos e identifique os mais comuns e os menos usuais.
• Investigar atrasos: Analise onde os casos ficam esperando e quais atividades levam mais tempo.
• Encontrar retrabalho: Procure atividades repetidas e ciclos que possam indicar erros ou requisitos pouco claros.
• Verificar a conformidade: Compare o comportamento real com um processo de referência.
• Acompanhar a performance: Use dashboards e KPIs para analisar as medidas do processo ao longo do tempo.

Essas descobertas ajudam você a fazer perguntas melhores. Elas não comprovam por que um atraso ou desvio aconteceu. Converse com as pessoas envolvidas e verifique o contexto relevante antes de decidir o que mudar.

Veja como dashboards de processos e KPIs ajudam você a avaliar a performance dos processos.

O lado bom, o lado ruim e os desafios

O Process Mining é mais eficaz quando há evidências no Event Log e menos eficaz para analisar o que ele não registra. Source: ProcessMind

O lado bom

O Process Mining oferece uma visão objetiva do trabalho, sem que ninguém precise reconstruí-lo de memória:

• Mostra o comportamento de todos os casos do registro, não apenas dos poucos de que alguém se lembra.
• Agiliza o diagnóstico, pois mostra o fluxo, os atrasos e o retrabalho.
• Pode ser aplicado a qualquer processo que gere dados de eventos estruturados em um sistema de TI.
• Os dashboards de processos apresentam essas evidências às equipes de negócio, não apenas aos analistas.

O lado ruim

As evidências dependem da qualidade do registro, e preparar esse registro exige trabalho:

• Dados de baixa qualidade levam a respostas erradas, ainda que pareçam confiáveis. A análise só é tão confiável quanto o Event Log.
• Preparar e conferir os dados costuma ser a etapa mais trabalhosa de um projeto.
• A mineração não corrige um processo. Ela mostra o que investigar; as pessoas ainda decidem e fazem as mudanças.
• Um modelo complexo é difícil de ler. Comece com uma pergunta clara e os caminhos relevantes para respondê-la.

O lado ruim

Usadas sem cuidado, as mesmas evidências podem causar danos:

• Usar dados de processos para culpar pessoas gera medo e resistência. O foco deve estar nas condições do processo.
• Interpretar os dados de forma equivocada leva a conclusões erradas. Por isso, valide os resultados com quem conhece o trabalho.
• Algumas ferramentas exigem bastante suporte de TI e investimento. Antes de se comprometer, avalie os custos de implantação e das habilidades necessárias.
• Começar sem uma pergunta clara gera mais dados do que insights, sem uma decisão a tomar com base neles.

Como não usar Process Mining

Process mining é mais útil quando você tem uma pergunta clara, dados confiáveis e pessoas capazes de interpretar os resultados. Estes são os erros que comprometem a credibilidade dos projetos.

Não comece sem um objetivo claro

Uma busca sem foco leva a análises que não apoiam nenhuma decisão. Comece com uma pergunta, como “Por que as aprovações de faturas levam mais de dez dias?” ou “Em que etapa do onboarding os clientes enfrentam atrasos?”. Uma pergunta específica indica qual processo, quais dados e quais medidas analisar.

Um objetivo bem definido especifica três coisas: o processo, o período e a decisão que a análise deve apoiar. Registre tudo antes de carregar qualquer dado e alinhe o objetivo com a pessoa responsável pelo processo. Esse alinhamento evita que um projeto-piloto cresça até tentar cobrir tudo sem responder a nada.

Se você não sabe por onde começar, um guia de melhoria de processos já ajuda a definir o escopo. Ele especifica o processo, os sistemas, os campos a exportar e as atividades a registrar. Assim, a primeira pergunta já vem acompanhada dos dados necessários para respondê-la.

Não espere que uma ferramenta corrija o processo

A mineração analisa o comportamento do processo, mas não oferece uma solução automática. Ela pode mostrar que as aprovações demoram demais, mas cabe a você descobrir o motivo e definir a mudança. Analise os resultados, converse com as pessoas envolvidas e meça o processo novamente depois da mudança.

Não trabalhe de forma isolada

Os dados precisam de contexto. Se você analisar um processo sozinho e enviar um relatório, pode não perceber por que existe um desvio ou se ele atende a uma necessidade legítima do negócio. Trabalhe com quem gerencia o processo e envolva a equipe de TI quando precisar de ajuda para acessar ou validar os dados. É o conhecimento dessas pessoas que explica o que o registro mostra e o que não mostra.

Envolva as pessoas desde o início, não só na revisão, e explique o objetivo da análise. Quem conhece a pergunta com antecedência pode explicar um desvio, uma solução temporária ou uma etapa que só existe na prática.

Quem realiza o trabalho também sabe quais etapas não deixam registros no sistema. Essas lacunas fazem o processo descoberto parecer incompleto. No ProcessMind, você pode marcá-las como fluxo de dados para mantê-las visíveis no modelo, sem inventar eventos que nunca foram registrados.

Não trate o projeto como algo pontual

Mesmo depois de uma melhoria, o processo continua mudando. Analise-o novamente após a mudança e compare os resultados ao longo do tempo para identificar alterações no comportamento. O monitoramento transforma um achado em resultado.

Não use os resultados para culpar pessoas

A mineração explica como o trabalho está estruturado, não quem errou. Explique o objetivo da análise e envolva desde o início as pessoas responsáveis pelo processo e a equipe que o executa. Se os dados mostrarem que um grupo demora mais, investigue as condições por trás da diferença: carga de trabalho, limitações do sistema ou uma etapa que precisa ser esclarecida. A causa costuma ser estrutural, e a resposta geralmente vem de quem realiza o trabalho.

Não use dados de baixa qualidade

A análise depende do Event Log. Timestamps ausentes, nomes de atividades inconsistentes ou IDs de caso incorretos distorcem a visão do que aconteceu. Confira o significado de cada campo, confirme se os eventos pertencem aos casos corretos e revise uma amostra antes de analisar todo o conjunto de dados. Onde encontrar dados de processos explica quais campos você precisa.

Como começar

Um projeto-piloto com foco definido ajuda você a entender o que process mining pode revelar, sem tentar analisar tudo de uma vez.

Alinhe a equipe sobre a pergunta

Explique o que o Process Mining pode mostrar e definam juntos o que vocês querem descobrir. Reúna um grupo pequeno que conheça o processo, os dados e o contexto do negócio.

Comece com uma pergunta importante para a equipe, como onde ocorrem os atrasos ou por que os casos voltam a uma etapa anterior.

Escolha um processo viável

Escolha um processo com escopo claro e dados acessíveis. Um processo com atrasos conhecidos ou trabalho repetido pode ser um bom ponto de partida.

Limite o piloto a uma unidade de negócio, linha de produtos ou outra área bem definida. Um escopo focado facilita a validação dos resultados.

Prepare o Event Log

Reúna os dados necessários para o piloto. Uma planilha ou exportação CSV pode ser suficiente para começar. Peça ajuda à equipe de TI se precisar acessar ou combinar dados.

Confira se cada evento tem um ID do caso, o nome da atividade e a data e hora. Verifique se os campos são consistentes e representam o processo que você quer estudar.

Explore o processo

Carregue o Event Log e analise o modelo do processo. Confira se a quantidade de casos e o intervalo de tempo fazem sentido. Se não fizerem, revise a preparação dos dados.

Observe os principais caminhos, as variações e a duração das atividades. Use filtros para se concentrar nos casos relacionados à sua pergunta e anote os padrões que precisam de mais investigação.

Valide e planeje

Analise os resultados com analistas, responsáveis pelo processo e pessoas que conhecem o trabalho. Pergunte se os padrões correspondem à experiência delas e o que pode explicá-los.

Defina quais problemas investigar ou resolver e como você vai medir as mudanças.

Meça e repita

Depois que a equipe fizer uma mudança, analise o processo novamente. Compare os resultados com o ponto de partida para identificar o que mudou.

Use o que aprendeu para refinar a próxima pergunta ou ampliar a análise para outro processo.

Como o ProcessMind pode ajudar

Casos de uso de Process Mining

Você pode aplicar process mining quando as atividades de um processo deixam registros digitais que podem ser associados a casos. Alguns exemplos comuns:

• Do pedido ao recebimento (O2C): Analise o ciclo de vida do pedido, do pedido do cliente ao pagamento, e investigue atrasos no atendimento, no faturamento ou na cobrança.
• Da compra ao pagamento (P2P): Analise o processo de compras, da requisição ao pagamento do fornecedor, e identifique atrasos nas aprovações ou retrabalho.
• Gestão de serviços de TI (ITSM): Analise os chamados da central de serviços para identificar caminhos de resolução lentos, escalonamentos e violações de SLA.
• Onboarding de clientes: Analise o percurso de novos clientes durante o onboarding e identifique atrasos ou desistências. A gestão de pedidos aborda a mesma questão pelo lado do atendimento.
• Processamento de sinistros: Analise como sinistros de seguros ou solicitações de assistência médica passam pelas etapas de análise e processamento.
• Manufatura e cadeia de suprimentos: Analise os processos de produção e da cadeia de suprimentos para investigar atrasos, problemas de qualidade ou limitações de recursos.

Os dados de eventos podem vir de sistemas ERP, como SAP, Oracle e Microsoft Dynamics; plataformas de CRM, como Salesforce e HubSpot; ferramentas de suporte, como ServiceNow e Zendesk; ou aplicativos personalizados. A adequação dos dados de um sistema depende da possibilidade de identificar casos, atividades e timestamps.

Explore a biblioteca por setor, departamento ou área de atuação em transformação, ou comece por um guia de melhoria de processos relacionado ao seu processo e sistema. Cada guia especifica os campos a exportar, as atividades a registrar e o Template de dados a preencher com informações do sistema de origem.

Process Mining, mineração de dados e machine learning

Process mining, mineração de dados e machine learning analisam dados de maneiras diferentes. Process mining se concentra em como os casos passam pelas atividades ao longo do tempo. A mineração de dados busca padrões em conjuntos de dados. O machine learning usa dados para fazer previsões ou classificações.

A principal diferença está na pergunta que cada método responde. Process mining acompanha a sequência de atividades. Ele pode mostrar que um caso ficou parado em uma transferência ou repetiu uma atividade. A mineração de dados pode identificar padrões entre registros, enquanto o machine learning estima a probabilidade de um resultado.

Esses métodos podem se complementar. Você pode usar process mining para entender o fluxo e identificar variações e, depois, aplicar outros métodos analíticos para investigar padrões ou prever resultados. As previsões, por si só, não explicam nem mudam o processo.

Para conhecer outros termos usados na análise de processos, consulte o glossário do ProcessMind.