Process mining คืออะไร? ดูว่าการทำงานจริงเป็นอย่างไร

Process mining คืออะไร?

Process mining คือการใช้ข้อมูลเหตุการณ์จากระบบ IT เพื่อค้นหา วิเคราะห์ และปรับปรุงวิธีการทำงานจริงของกระบวนการ เมื่อเชื่อมโยงกิจกรรมเข้ากับกรณีและเวลา process mining จะแสดงเส้นทางที่งานดำเนินไป ระยะเวลาของแต่ละขั้นตอน และจุดที่กระบวนการแตกต่างจากที่คาดไว้.

บันทึกเหตุการณ์เก็บข้อมูลกิจกรรม เวลา และรหัสกรณี process mining จัดกลุ่มเหตุการณ์ตามกรณีและสร้างภาพเส้นทางกระบวนการขึ้นใหม่ คุณใช้ผลลัพธ์เพื่อตรวจสอบคอขวด งานที่ต้องทำซ้ำ และความสอดคล้องกับกระบวนการอ้างอิงได้ ผลการวิเคราะห์เป็นหลักฐาน ส่วนทีมของคุณเป็นผู้ตัดสินใจว่าจะดำเนินการอย่างไร.

ดูข้อมูลเพิ่มเติมเกี่ยวกับซอฟต์แวร์ process mining ได้ในคู่มือเครื่องมือ process miningของเรา.

Wil van der Aalst ผู้บุกเบิกด้าน process mining เปรียบเทียบเทคโนโลยีนี้กับการตรวจ MRI สำหรับธุรกิจ เพราะช่วยให้เห็นสิ่งที่เกิดขึ้นอยู่เบื้องหลัง ข้อมูลที่มองเห็นได้ชัดขึ้นนี้ช่วยสนับสนุนการปรับปรุงกระบวนการและการเปลี่ยนผ่านสู่ดิจิทัล ดูคู่มือเชิงกลยุทธ์สำหรับการปรับปรุงกระบวนการด้วยข้อมูลของเรา.

ลองนึกถึงคำสั่งซื้อของลูกค้าที่ผ่านตั้งแต่รับคำสั่งซื้อและอนุมัติไปจนถึงจัดส่ง แต่ละขั้นตอนอาจมีบันทึกดิจิทัล process mining เชื่อมโยงบันทึกเหล่านี้เพื่อแสดงเส้นทางที่คำสั่งซื้อแต่ละรายการผ่าน รวมถึงทางอ้อมและกรณียกเว้น แทนที่จะอาศัยเพียงการสัมภาษณ์หรือข้อสันนิษฐาน คุณตรวจสอบเส้นทางที่บันทึกไว้ในข้อมูลได้.

ผลลัพธ์ขึ้นอยู่กับคุณภาพของข้อมูลเหตุการณ์และบริบทที่เกี่ยวข้อง แผนที่กระบวนการแสดงเส้นทางที่ตั้งใจไว้ ส่วน process mining ช่วยให้คุณเห็นสิ่งที่เกิดขึ้นตามข้อมูลที่บันทึกไว้.

process mining ทำงานอย่างไร?

Process mining เริ่มจากข้อมูลเหตุการณ์ในระบบ IT ของคุณ โดยทั่วไปแต่ละเหตุการณ์ต้องมีข้อมูล 3 รายการ:

• **รหัสเคส:**ตัวระบุของอินสแตนซ์กระบวนการ เช่น คำสั่งซื้อหรือคำร้องขอความช่วยเหลือ
• **กิจกรรม:**ขั้นตอนที่เกิดขึ้น
• **เวลา:**เวลาที่ขั้นตอนนั้นเกิดขึ้น.

ซอฟต์แวร์จัดกลุ่มเหตุการณ์ตาม Case ID และเรียงตามเวลา จากนั้นสร้างภาพเส้นทางที่แต่ละกรณีผ่านและแสดงเป็นโมเดลกระบวนการ คุณสามารถเปรียบเทียบเส้นทาง ตรวจสอบระยะเวลา และค้นหารูปแบบ เช่น ขั้นตอนที่เกิดซ้ำหรือการรอคอยเป็นเวลานาน.

คุณภาพของผลลัพธ์ขึ้นอยู่กับข้อมูล เวลาที่ขาดหาย ชื่อกิจกรรมที่ไม่สอดคล้องกัน หรือรหัสกรณีที่ไม่ถูกต้อง อาจทำให้การวิเคราะห์คลาดเคลื่อน เรียนรู้วิธีค้นหาข้อมูลกระบวนการ และรูปแบบข้อมูลที่รองรับ.

process mining 3 ประเภท

process mining 3 ประเภทตอบคำถามต่างกัน:

1. Process Discovery สร้างโมเดลกระบวนการจากข้อมูลในบันทึกเหตุการณ์ ช่วยให้เห็นเส้นทางที่แต่ละกรณีเกิดขึ้นจริง รวมถึงความแตกต่างที่อาจยังไม่ได้บันทึกไว้.

2. Conformance Checking เปรียบเทียบการทำงานจริงของกระบวนการกับโมเดลอ้างอิง ช่วยให้เห็นว่ากรณีใดทำตาม ข้าม หรือเบี่ยงเบนจากขั้นตอนที่คาดไว้.

3. Process Enhancement เพิ่มข้อมูลจากบันทึกเหตุการณ์ลงในโมเดลกระบวนการที่มีอยู่ เช่น เพิ่มตัวชี้วัดผลการดำเนินงานอย่างเวลารอหรือระยะเวลาของกิจกรรม เพื่อให้เข้าใจว่ากระบวนการทำงานได้ดีเพียงใด.

โครงการมักเริ่มจากการค้นพบกระบวนการ แล้วใช้การตรวจสอบความสอดคล้องเพื่อค้นหาความแตกต่างจากกระบวนการอ้างอิง ส่วนการเพิ่มข้อมูลให้โมเดลช่วยเพิ่มบริบทด้านผลการดำเนินงาน เลือกแนวทางให้ตรงกับคำถามที่คุณต้องการคำตอบ.

ทุกคนใช้ process mining ได้

คุณไม่จำเป็นต้องเป็นนักวิทยาศาสตร์ข้อมูลก็เริ่มสำรวจข้อมูลกระบวนการได้ นักวิเคราะห์ เจ้าของกระบวนการ ทีมปฏิบัติการ และทีม IT สามารถร่วมกันตั้งคำถาม เตรียมบันทึกเหตุการณ์ และตรวจสอบผลการวิเคราะห์ได้.

จุดเริ่มต้นที่นำไปใช้ได้จริงมีดังนี้:

1. เลือกกระบวนการและตั้งคำถามให้ชัดเจน
2. ระบุข้อมูลในระบบที่บันทึกกิจกรรมของกระบวนการ
3. เตรียมบันทึกเหตุการณ์ที่มี Case ID ชื่อกิจกรรม และเวลา
4. ตรวจสอบเส้นทางที่ค้นพบและศึกษากรณีที่สำคัญ
5. ตรวจสอบผลที่พบร่วมกับผู้ที่เข้าใจการทำงาน.

5 ขั้นตอนของ process mining

รวบรวมข้อมูล

รวบรวมข้อมูลเหตุการณ์จากระบบ เช่น บันทึกแต่ละขั้นตอนในกระบวนการตั้งแต่รับคำสั่งซื้อจนถึงรับชำระเงิน ใช้ไฟล์ Excel เริ่มต้นได้

ค้นหากระบวนการ

ใช้ซอฟต์แวร์ process mining เชื่อมเหตุการณ์ด้วย Case ID และเวลา จากนั้นตรวจสอบลำดับงานที่ข้อมูลแสดง

ตรวจสอบความสอดคล้อง

เปรียบเทียบกระบวนการที่ค้นพบกับโมเดลอ้างอิง เช่น โมเดล BPMN เพื่อพิจารณาความแตกต่าง

วิเคราะห์สิ่งที่พบ

ใช้แดชบอร์ดกระบวนการตรวจสอบคอขวด งานที่ต้องทำซ้ำ และจุดที่ไม่มีประสิทธิภาพ แล้วตัดสินใจว่าจะตรวจสอบหรือปรับเปลี่ยนอะไร

ติดตามการเปลี่ยนแปลง

กลับมาตรวจสอบกระบวนการหลังการเปลี่ยนแปลง เพื่อดูว่าประสิทธิภาพและเส้นทางการทำงานเปลี่ยนไปอย่างไร

เริ่มจากคู่มือเริ่มต้นใช้งาน เพื่อเตรียมการวิเคราะห์ครั้งแรก.

process mining กับการทำแผนที่กระบวนการ

process mining และการทำแผนที่กระบวนการช่วยตอบคำถามที่เกี่ยวข้องกัน แต่เป็นคนละเรื่อง process mining ใช้ข้อมูลเหตุการณ์เพื่อแสดงว่ากระบวนการดำเนินไปอย่างไร ส่วนการทำแผนที่กระบวนการอาศัยความรู้ของผู้ปฏิบัติงานและวิธีออกแบบกระบวนการ เพื่อบันทึกหรือวางแผนว่างานควรดำเนินไปอย่างไร.

ทั้งสองแนวทางใช้ร่วมกันได้ดี ใช้ process mining ตรวจสอบกระบวนการตามข้อมูลที่มี แล้วใช้การทำแผนที่กระบวนการหรือการสร้างแบบจำลอง BPMN เพื่อบันทึกหรือออกแบบการเปลี่ยนแปลง ProcessMind รองรับทั้ง process mining และการทำแผนที่กระบวนการในแพลตฟอร์มเดียว อ่านเพิ่มเติมเกี่ยวกับประโยชน์เมื่อใช้การสร้างแบบจำลองกระบวนการร่วมกับ process mining.

อัลกอริทึม process mining ทำงานอย่างไร

อัลกอริทึม process mining แปลงข้อมูลเหตุการณ์ให้เป็นโมเดลกระบวนการ งานวิจัยที่เผยแพร่กล่าวถึงอัลกอริทึมหลายกลุ่ม ได้แก่ alpha algorithm ที่อนุมานความสัมพันธ์ระหว่างกิจกรรมและเป็นวิธีเริ่มต้นแบบดั้งเดิม, heuristic miner ที่รองรับข้อมูลรบกวนและ event log ที่ไม่สมบูรณ์, fuzzy miner ที่จัดการพฤติกรรมไร้โครงสร้าง และ inductive miner ที่สร้าง process tree ซึ่งรับประกันความถูกต้อง แต่ละอัลกอริทึมออกแบบมาสำหรับ event log บางประเภท และสร้างโมเดลตามข้อกำหนดของอัลกอริทึมนั้น.

ProcessMind มี miner ของตัวเอง 3 แบบ คุณเลือกได้ในหน้าต่าง ค้นหาโมเดล ถัดจากนโยบายเกตเวย์ที่กำหนดว่าผลลัพธ์ที่แสดงจะเข้มงวดเพียงใด ตามที่อธิบายไว้ในเอกสาร process mining.

AI Miner เป็นอัลกอริทึมที่เราพัฒนาขึ้นเอง ไม่ใช่อัลกอริทึมที่เผยแพร่แล้วนำมาเขียนใหม่ โดยอ่านข้อมูลเสริมควบคู่กับ event log ตรวจจับส่วนที่ทำงานขนานกัน และแบ่งกราฟเป็นลำดับชั้น โมเดลจึงยังคงโครงสร้างที่ข้อมูลบ่งชี้ไว้ แทนที่จะทำให้ทุกอย่างแบนราบ จุดเด่นของวิธีนี้คือ อัลกอริทึมที่เผยแพร่แล้วมักตั้งสมมติฐานว่า event log สะอาดและสมบูรณ์ แต่ข้อมูลที่องค์กรส่วนใหญ่ส่งออกมาไม่ได้เป็นเช่นนั้น เราจึงสร้าง AI Miner ให้ทำงานกับข้อมูลที่มีอยู่จริง ไม่ใช่ข้อมูลตามข้อกำหนดในนิยาม นอกจากนี้ AI Miner ยังเป็น miner เดียวในสามแบบที่ต้องใช้ข้อมูลเสริม ดังนั้นหากเพิ่งเริ่มใช้ event log ใหม่ Directly-Followed-By miner เป็นจุดเริ่มต้นที่ตรงไปตรงมาและใช้เปรียบเทียบได้.

หลังจาก miner สร้างโครงสร้างแล้ว อัลกอริทึมจัดวางจะเรียงองค์ประกอบให้อ่านลำดับการทำงานได้ง่าย ขั้นตอนนี้จัดการโดย Clarity Engine ของ ProcessMind.

ทำไม process mining จึงสำคัญ

process mining ช่วยให้คุณตรวจสอบการทำงานของเคสที่บันทึกไว้ แทนที่จะอาศัยเพียงคำอธิบายกระบวนการหรือตัวอย่างไม่กี่กรณี โดยช่วยให้คุณทำสิ่งต่อไปนี้ได้:

• เห็นความแตกต่างของกระบวนการ: เปรียบเทียบเส้นทางที่แต่ละกรณีดำเนินไป เพื่อหาเส้นทางที่พบบ่อยหรือผิดปกติ
• ตรวจสอบความล่าช้า: ดูว่ากรณีต่างๆ ต้องรอตรงไหน และกิจกรรมใดใช้เวลานาน
• ค้นหางานที่ต้องทำซ้ำ: มองหากิจกรรมและวงจรที่เกิดซ้ำ ซึ่งอาจบ่งชี้ถึงข้อผิดพลาดหรือข้อกำหนดที่ไม่ชัดเจน
• ตรวจสอบความสอดคล้อง: เปรียบเทียบการทำงานจริงกับกระบวนการอ้างอิง
• ติดตามประสิทธิภาพ: ใช้แดชบอร์ดและ KPI ตรวจสอบตัวชี้วัดของกระบวนการตามเวลา.

สิ่งที่พบช่วยให้คุณตั้งคำถามได้ตรงจุดขึ้น แต่ไม่ได้ยืนยันว่าเหตุใดจึงเกิดความล่าช้าหรือความเบี่ยงเบน ควรพูดคุยกับผู้เกี่ยวข้องและตรวจสอบบริบทก่อนตัดสินใจว่าจะปรับเปลี่ยนอะไร.

ดูว่าแดชบอร์ดกระบวนการและ KPI ช่วยตรวจสอบประสิทธิภาพกระบวนการได้อย่างไร.

ข้อดี ข้อจำกัด และจุดที่ต้องระวัง

Process mining ให้ข้อมูลที่ชัดเจนที่สุดในส่วนที่มีหลักฐานอยู่ใน event log และให้ข้อมูลได้น้อยที่สุดในส่วนที่ event log ไม่ได้บันทึกไว้. Source: ProcessMind

ข้อดี

Process mining ช่วยให้เห็นภาพการทำงานจากข้อมูลจริง โดยไม่ต้องให้ใครมาปะติดปะต่อจากความทรงจำ:

• แสดงพฤติกรรมของทุกกรณีใน event log ไม่ใช่แค่ไม่กี่กรณีที่ใครบางคนจำได้
• ช่วยให้หาสาเหตุได้เร็วขึ้น เพราะแสดงลำดับการทำงาน ความล่าช้า และงานที่ต้องทำซ้ำให้เห็น
• ใช้ได้กับทุกกระบวนการที่มีข้อมูลเหตุการณ์แบบมีโครงสร้างในระบบไอที
• แดชบอร์ดกระบวนการช่วยให้ทีมธุรกิจเห็นข้อมูลเหล่านี้ได้ ไม่ใช่เฉพาะนักวิเคราะห์.

ข้อจำกัด

คุณภาพของหลักฐานขึ้นอยู่กับ event log และการเตรียม event log ต้องใช้เวลา:

• ข้อมูลคุณภาพต่ำอาจทำให้ได้คำตอบที่ดูน่าเชื่อถือแต่ผิดพลาด ความน่าเชื่อถือของการวิเคราะห์ขึ้นอยู่กับ event log
• การเตรียมและตรวจสอบข้อมูลมักเป็นงานที่ใช้ความพยายามมากที่สุดในโครงการ
• process mining ไม่ได้แก้กระบวนการให้ คุณจะเห็นสิ่งที่ควรตรวจสอบ แต่คนยังต้องเป็นผู้ตัดสินใจและลงมือปรับเปลี่ยน
• โมเดลที่ซับซ้อนอ่านยาก ควรเริ่มจากคำถามที่ชัดเจนและเส้นทางที่เกี่ยวข้อง.

จุดที่ต้องระวัง

หากใช้หลักฐานเดียวกันโดยไม่ระมัดระวัง ก็อาจเกิดผลเสียได้:

• การใช้ข้อมูลกระบวนการเพื่อตำหนิบุคคลทำให้เกิดความกลัวและการต่อต้าน ควรหันไปพิจารณาเงื่อนไขของกระบวนการแทน
• การอ่านข้อมูลผิดอาจนำไปสู่ข้อสรุปที่คลาดเคลื่อน ควรตรวจสอบสิ่งที่พบกับผู้ที่เข้าใจงาน
• เครื่องมือบางอย่างต้องอาศัยการสนับสนุนจากไอทีและการลงทุนสูง ตรวจสอบค่าใช้จ่ายในการติดตั้งและทักษะที่ต้องใช้ก่อนตัดสินใจ
• หากเริ่มต้นโดยไม่มีคำถามชัดเจน คุณอาจได้ข้อมูลมากมายแต่มีข้อมูลเชิงลึกน้อย และไม่รู้ว่าจะนำไปใช้ตัดสินใจเรื่องใด.

ข้อควรระวังในการใช้ process mining

Process mining มีประโยชน์ที่สุดเมื่อคุณมีคำถามชัดเจน ข้อมูลเชื่อถือได้ และมีผู้ที่ตีความผลลัพธ์ได้ ข้อผิดพลาดเหล่านี้ทำให้โครงการสูญเสียความน่าเชื่อถือ.

อย่าเริ่มโดยไม่มีเป้าหมายชัดเจน

การค้นหาแบบไม่มีทิศทางอาจทำให้วิเคราะห์ไปเรื่อยๆ โดยไม่มีการตัดสินใจ ควรเริ่มจากคำถาม เช่น “ทำไมการอนุมัติใบแจ้งหนี้จึงใช้เวลานานกว่า 10 วัน” หรือ “ลูกค้าพบความล่าช้าตรงไหนระหว่างการเริ่มใช้บริการ” คำถามที่เฉพาะเจาะจงจะช่วยให้รู้ว่าควรตรวจสอบกระบวนการ ข้อมูล และตัวชี้วัดใด.

เป้าหมายที่ชัดเจนควรระบุ 3 เรื่อง ได้แก่ กระบวนการ ช่วงเวลา และการตัดสินใจที่การวิเคราะห์จะช่วยสนับสนุน เขียนเป้าหมายไว้ก่อนโหลดข้อมูล และตกลงร่วมกับเจ้าของกระบวนการ การตกลงกันตั้งแต่ต้นช่วยไม่ให้โครงการนำร่องขยายขอบเขตไปเรื่อยๆ จนทำทุกอย่างแต่ไม่ได้คำตอบ.

หากยังไม่แน่ใจว่าจะเริ่มตรงไหน คู่มือการปรับปรุงกระบวนการ ช่วยกำหนดขอบเขตได้ โดยระบุกระบวนการ ระบบ ฟิลด์ที่ต้องส่งออก และกิจกรรมที่ต้องบันทึก ทำให้เริ่มต้นด้วยคำถามที่มีข้อมูลพร้อมสำหรับหาคำตอบ.

อย่าคาดหวังว่าเครื่องมือจะแก้กระบวนการให้

process mining ใช้ตรวจสอบการทำงานของกระบวนการ ไม่ใช่ทางแก้ปัญหาอัตโนมัติ เครื่องมืออาจแสดงให้เห็นว่าการอนุมัติใช้เวลานานเกินไป แต่คุณยังต้องหาสาเหตุและตัดสินใจว่าจะเปลี่ยนอะไร ตรวจสอบสิ่งที่พบ พูดคุยกับผู้เกี่ยวข้อง และวัดผลกระบวนการอีกครั้งหลังปรับเปลี่ยน.

อย่าทำงานโดยไม่ปรึกษาผู้อื่น

ข้อมูลต้องอาศัยบริบท หากวิเคราะห์กระบวนการเพียงลำพังแล้วส่งรายงานออกไป คุณอาจไม่รู้ว่าทำไมจึงมีขั้นตอนอ้อม หรือขั้นตอนนั้นตอบโจทย์ทางธุรกิจที่จำเป็นหรือไม่ ทำงานร่วมกับผู้ดูแลกระบวนการ และประสานงานกับไอทีเมื่อต้องการความช่วยเหลือในการเข้าถึงหรือตรวจสอบข้อมูล ความรู้ของพวกเขาจะช่วยอธิบายได้ว่า event log แสดงอะไรได้และแสดงอะไรไม่ได้.

ชวนผู้เกี่ยวข้องเข้ามาตั้งแต่เริ่มต้น ไม่ใช่รอจนถึงขั้นทบทวนผล และอธิบายให้ชัดว่าการวิเคราะห์นี้ทำไปเพื่ออะไร หากรู้คำถามล่วงหน้า ผู้ที่เข้าใจงานจะช่วยอธิบายขั้นตอนอ้อม วิธีแก้ปัญหาชั่วคราว หรือขั้นตอนที่มีอยู่ในการปฏิบัติงานจริงเท่านั้น.

ผู้ปฏิบัติงานยังรู้ด้วยว่าขั้นตอนใดไม่ได้ทิ้งร่องรอยไว้ในระบบ ช่องว่างเหล่านี้ทำให้กระบวนการที่ค้นพบดูไม่ครบถ้วน ใน ProcessMind คุณสามารถระบุขั้นตอนเหล่านี้เป็น data flow through เพื่อให้ยังเห็นขั้นตอนเหล่านั้นในโมเดล โดยไม่ต้องสร้างเหตุการณ์ที่ไม่เคยมีการบันทึกขึ้นมา.

อย่ามองว่าเป็นโครงการที่ทำครั้งเดียวจบ

แม้ปรับปรุงกระบวนการแล้ว กระบวนการก็ยังเปลี่ยนแปลงไปตามเวลา กลับมาตรวจสอบหลังการเปลี่ยนแปลง และเปรียบเทียบผลตามช่วงเวลาเพื่อดูว่าพฤติกรรมเปลี่ยนไปหรือไม่ การติดตามผลช่วยเปลี่ยนสิ่งที่ค้นพบให้เป็นผลลัพธ์จริง.

อย่าใช้สิ่งที่พบเพื่อตำหนิคน

process mining อธิบายโครงสร้างการทำงาน ไม่ได้ชี้ว่าใครทำผิด บอกวัตถุประสงค์ของการวิเคราะห์ให้ชัดเจน และให้เจ้าของกระบวนการกับพนักงานมีส่วนร่วมตั้งแต่ต้น เมื่อข้อมูลแสดงว่ากลุ่มหนึ่งใช้เวลานานกว่า ให้ตรวจสอบว่าเงื่อนไขใดทำให้เกิดความแตกต่าง เช่น ปริมาณงาน ข้อจำกัดของระบบ หรือขั้นตอนที่ต้องอธิบายให้ชัดเจนขึ้น สาเหตุมักมาจากโครงสร้างงาน และคนที่ทำงานจริงมักช่วยอธิบายได้.

อย่าใช้ข้อมูลคุณภาพต่ำ

การวิเคราะห์ขึ้นอยู่กับ event log หากไม่มีเวลาเกิดเหตุการณ์ ชื่อกิจกรรมไม่สอดคล้องกัน หรือ Case ID ไม่ถูกต้อง ภาพของกระบวนการที่ได้ก็อาจไม่ตรงกับสิ่งที่เกิดขึ้น ตรวจสอบความหมายของแต่ละฟิลด์ ยืนยันว่าเหตุการณ์อยู่ในกรณีที่ถูกต้อง และตรวจดูข้อมูลตัวอย่างก่อนวิเคราะห์ชุดข้อมูลทั้งหมด แหล่งข้อมูลกระบวนการอธิบายฟิลด์ที่จำเป็น.

เริ่มต้นอย่างไร

โครงการนำร่องที่มีขอบเขตชัดเจนช่วยให้คุณเห็นว่า process mining แสดงอะไรได้บ้าง โดยไม่ต้องวิเคราะห์ทุกอย่างพร้อมกัน.

กำหนดคำถามให้ชัดเจน

อธิบายว่า process mining แสดงอะไรได้บ้าง และตกลงกันว่าต้องการเรียนรู้อะไร รวบรวมคนกลุ่มเล็ก ๆ ที่เข้าใจกระบวนการ ข้อมูล และบริบทธุรกิจ

เริ่มจากคำถามที่สำคัญต่อทีม เช่น เกิดความล่าช้าตรงไหน หรือทำไมเคสจึงย้อนกลับไปยังขั้นตอนก่อนหน้า

เลือกกระบวนการที่จัดการได้

เลือกกระบวนการที่มีขอบเขตชัดเจนและเข้าถึงข้อมูลได้ กระบวนการที่ทราบอยู่แล้วว่ามีความล่าช้าหรืองานซ้ำอาจเป็นจุดเริ่มต้นที่ดี

จำกัดโครงการนำร่องไว้ในหน่วยธุรกิจ สายผลิตภัณฑ์ หรือขอบเขตอื่นที่กำหนดไว้ การกำหนดขอบเขตให้ชัดช่วยให้ตรวจสอบสิ่งที่พบได้ง่ายขึ้น

เตรียม event log

รวบรวมข้อมูลที่จำเป็นสำหรับโครงการนำร่อง ใช้สเปรดชีตหรือไฟล์ CSV ที่ส่งออกมาก็เริ่มต้นได้ หากต้องการความช่วยเหลือในการเข้าถึงหรือรวมข้อมูล ให้ทีม IT เข้ามาช่วย

ตรวจสอบว่าแต่ละเหตุการณ์มี Case ID ชื่อกิจกรรม และเวลา ยืนยันว่าฟิลด์ต่าง ๆ สอดคล้องกันและตรงกับกระบวนการที่ต้องการศึกษา

สำรวจกระบวนการ

โหลด event log แล้วตรวจสอบโมเดลกระบวนการ ดูว่าจำนวนเคสและช่วงเวลาสมเหตุสมผลหรือไม่ หากไม่ใช่ ให้กลับไปทบทวนการเตรียมข้อมูล

ตรวจสอบเส้นทางหลัก ความแตกต่าง และระยะเวลาของกิจกรรม ใช้ตัวกรองเพื่อดูเฉพาะเคสที่เกี่ยวข้องกับคำถาม แล้วจดรูปแบบที่ควรตรวจสอบต่อ

ตรวจสอบผลและวางแผน

ทบทวนผลกับนักวิเคราะห์ เจ้าของกระบวนการ และพนักงานที่เข้าใจงาน ถามว่ารูปแบบที่พบตรงกับประสบการณ์หรือไม่ และอะไรอาจเป็นสาเหตุ

ตกลงกันว่าจะตรวจสอบหรือแก้ไขปัญหาใด และกำหนดวิธีวัดผลการเปลี่ยนแปลง

วัดผลและทำซ้ำ

หลังทีมเปลี่ยนแปลงกระบวนการแล้ว ให้วิเคราะห์อีกครั้ง เปรียบเทียบผลกับจุดเริ่มต้นเพื่อดูว่าอะไรเปลี่ยนไป

นำสิ่งที่ได้เรียนรู้ไปปรับคำถามถัดไป หรือขยายการวิเคราะห์ไปยังกระบวนการอื่น

ProcessMind ช่วยงานของคุณอย่างไร

ตัวอย่างการใช้ process mining

คุณสามารถใช้ process mining กับกระบวนการที่มีกิจกรรมบันทึกเป็นข้อมูลดิจิทัลและเชื่อมโยงเป็นเคสได้ ตัวอย่างที่พบได้บ่อยมีดังนี้:

• Order-to-Cash (O2C): ตรวจสอบวงจรคำสั่งซื้อตั้งแต่ลูกค้าสั่งซื้อจนถึงชำระเงิน และตรวจสอบความล่าช้าในการจัดส่ง การออกใบแจ้งหนี้ หรือการติดตามรับชำระ
• Procure-to-Pay (P2P): ตรวจสอบการจัดซื้อตั้งแต่การขอซื้อจนถึงการชำระเงินให้ผู้ขาย เพื่อค้นหาความล่าช้าในการอนุมัติหรืองานที่ต้องทำซ้ำ
• IT Service Management (ITSM): วิเคราะห์ทิกเก็ตฝ่ายบริการเพื่อค้นหาเส้นทางการแก้ไขที่ล่าช้า การส่งต่อปัญหา และกรณีที่ไม่เป็นไปตาม SLA
• การเริ่มใช้บริการของลูกค้า: ตรวจสอบว่าลูกค้าใหม่ผ่านขั้นตอนเริ่มใช้บริการอย่างไร และเกิดความล่าช้าหรือหยุดดำเนินการตรงไหน การจัดการคำสั่งซื้อช่วยตรวจสอบคำถามเดียวกันในส่วนการดำเนินการตามคำสั่งซื้อ
• การจัดการสินไหม: ตรวจสอบการพิจารณาและจัดการประกันภัยหรือสินไหมด้านสุขภาพ
• การผลิตและซัพพลายเชน: ตรวจสอบกระบวนการผลิตและซัพพลายเชนเพื่อค้นหาความล่าช้า ปัญหาด้านคุณภาพ หรือข้อจำกัดของทรัพยากร.

ข้อมูลเหตุการณ์อาจมาจากระบบ ERP เช่น SAP, Oracle และ Microsoft Dynamics; แพลตฟอร์ม CRM เช่น Salesforce และ HubSpot; เครื่องมือ helpdesk เช่น ServiceNow และ Zendesk; หรือแอปพลิเคชันที่พัฒนาขึ้นเอง ระบบจะเหมาะกับการใช้งานหรือไม่ขึ้นอยู่กับว่าคุณระบุกรณี กิจกรรม และเวลาได้หรือไม่.

เลือกดูคลังเนื้อหาตามอุตสาหกรรม, แผนก หรือบทบาทในการเปลี่ยนแปลงองค์กร หรือเริ่มจากคู่มือการปรับปรุงกระบวนการที่ตรงกับกระบวนการและระบบของคุณ คู่มือแต่ละฉบับระบุฟิลด์ที่ต้องส่งออก กิจกรรมที่ต้องบันทึก และเทมเพลตข้อมูลสำหรับกรอกข้อมูลจากระบบต้นทาง.

Process mining ต่างจาก data mining และ machine learning อย่างไร

Process mining, data mining และ machine learning วิเคราะห์ข้อมูลด้วยวิธีที่แตกต่างกัน โดย process mining เน้นดูว่าแต่ละกรณีดำเนินผ่านกิจกรรมต่างๆ อย่างไรและใช้เวลานานเท่าใด ส่วน data mining ใช้ค้นหารูปแบบในชุดข้อมูล ขณะที่ machine learning ใช้ข้อมูลเพื่อคาดการณ์หรือจัดประเภท

ความแตกต่างสำคัญอยู่ที่คำถามที่แต่ละวิธีช่วยตอบ process mining ช่วยให้เห็นลำดับกิจกรรมในกระบวนการ และแสดงได้ว่าเคสหนึ่งรออยู่ระหว่างการส่งต่องานหรือทำกิจกรรมเดิมซ้ำ ส่วน data mining อาจช่วยค้นหารูปแบบจากข้อมูลหลายรายการ ขณะที่ machine learning ใช้ประเมินความเป็นไปได้ที่จะเกิดผลลัพธ์แบบใดแบบหนึ่ง.

วิธีเหล่านี้ใช้ร่วมกันได้ คุณใช้ process mining เพื่อทำความเข้าใจลำดับงานและค้นหาความแตกต่าง จากนั้นใช้วิธีวิเคราะห์อื่นเพื่อตรวจสอบรูปแบบหรือคาดการณ์ผลลัพธ์ได้ อย่างไรก็ตาม การคาดการณ์เพียงอย่างเดียวไม่ได้อธิบายหรือเปลี่ยนแปลงกระบวนการ.

ดูคำศัพท์เพิ่มเติมที่ใช้ในการวิเคราะห์กระบวนการได้ที่อภิธานศัพท์ ProcessMind.