ความท้าทายของ Process Mining: ทำอย่างไรให้โครงการเดินหน้าตามแผน — article illustration

หลีกเลี่ยงปัญหาที่มักทำให้โครงการสะดุด

เริ่มจากบันทึกข้อมูลชุดเดียว

Process Mining

ความท้าทายของ Process Mining: ทำอย่างไรให้โครงการเดินหน้าตามแผน

เช็กลิสต์ใช้งานจริงเพื่อสังเกตและป้องกันปัญหาที่ทำให้โครงการไม่สำเร็จ.

ความท้าทายของ process mining มักปรากฏก่อนที่โครงการจะหยุดชะงักอย่างเป็นทางการ เช่น ข้อมูลไม่น่าเชื่อถือ ขอบเขตงานขยายขึ้นเรื่อย ๆ หรือไม่มีใครดำเนินการตามข้อค้นพบ ใช้เช็กลิสต์นี้ระบุอาการ ทำความเข้าใจสาเหตุ และเลือกวิธีป้องกัน.

การตั้งคำถามเกี่ยวกับกระบวนการให้ชัดเจนและกำหนดผู้รับผิดชอบ ช่วยให้ทีมจัดการความท้าทายที่พบบ่อยในโครงการได้

ความท้าทายใดของ process mining ทำให้โครงการหยุดชะงัก?

โครงการมักหยุดชะงักจากปัญหาด้านข้อมูล วิธีการ ผู้รับผิดชอบในองค์กร หรือเครื่องมือ ตรวจสอบแต่ละด้านเพื่อหาอาการ สาเหตุที่เป็นไปได้ และแนวทางแก้ไขที่ทำได้จริง.

การเปลี่ยนแปลงเป็นเรื่องยาก และความพยายามที่ตั้งใจดีมักหมดแรงส่งหรือหยุดลงก่อนจะเริ่มได้จริง ไม่มีใครตั้งใจให้ล้มเหลว แต่งานวิจัยแสดงให้เห็นว่าบริษัท 70 เปอร์เซ็นต์กลับเป็นเช่นนั้น

Jon Garcia, McKinsey

Data: quality, access, scope, and history

อาการ: บางเคสหายไปจากการวิเคราะห์ ลำดับกิจกรรมดูไม่ถูกต้อง หรือขั้นตอนเดียวกันปรากฏหลายชื่อ

สาเหตุ: รหัสเคสอาจไม่ตรงกันระหว่างระบบ การบันทึกเวลาอาจใช้เขตเวลาหรือระดับความละเอียดต่างกัน ชื่อกิจกรรมอาจไม่เหมือนกัน และเหตุการณ์ที่หายไปอาจทำให้เคสดูไม่สมบูรณ์ การเข้าถึงข้อมูลอาจล่าช้าจากความไม่ชัดเจนว่าใครเป็นเจ้าของข้อมูล ข้อกำหนดด้านความเป็นส่วนตัว หรือไม่มีฟิลด์ข้อมูลต้นทางที่ต้องใช้

วิธีป้องกัน: เริ่มจากกระบวนการเดียว ตรวจสอบว่ารหัสเคสคงที่ ชื่อกิจกรรมสื่อความหมาย เวลาใช้ได้ และมีเคสสมบูรณ์เพียงพอที่จะเป็นตัวแทนของงาน ยืนยันสิทธิ์เข้าถึงและข้อกำหนดด้านความเป็นส่วนตัวกับเจ้าของข้อมูลตั้งแต่เนิ่นๆ บันทึกช่องว่างของข้อมูลและพิจารณาว่ากระทบต่อคำถามที่ต้องการตอบหรือไม่

อย่าคิดว่าระบบใดระบบหนึ่งจะให้ข้อมูลที่สะอาดโดยอัตโนมัติ ตรวจสอบข้อมูลที่ดึงมา ไม่ว่าจะมาจากแหล่งใด ชุดข้อมูลที่มีขอบเขตชัดเจนและเคสสมบูรณ์มักมีประโยชน์กว่าข้อมูลชุดใหญ่ที่มีฟิลด์ขาดหาย

ดูขั้นตอนตรวจสอบข้อบกพร่องที่พบบ่อยในบันทึกเหตุการณ์ได้ที่ ตรวจสอบบันทึกของคุณกับข้อบกพร่อง 4 ประเภทที่พบบ่อย.

วิธีการ: ไม่มีคำถาม วิเคราะห์ครั้งเดียว หรือไม่มีค่าฐาน

อาการ: ทีมของคุณมีแดชบอร์ด แต่ตกลงกันไม่ได้ว่าควรปรับปรุงอะไร หรือกลับมาวิเคราะห์เรื่องเดิมซ้ำโดยไม่รู้ว่ามีอะไรเปลี่ยนไปหรือไม่

สาเหตุ: โครงการเริ่มจากการเลือกเครื่องมือหรือชุดข้อมูล แทนที่จะเริ่มจากการตัดสินใจที่ทีมต้องทำ หากไม่มีข้อมูลตั้งต้น คุณก็เปรียบเทียบกระบวนการก่อนและหลังการปรับปรุงไม่ได้ การวิเคราะห์เพียงครั้งเดียวยังมีประโยชน์น้อยลงเมื่อกระบวนการเปลี่ยนไป

วิธีป้องกัน: ระบุคำถามให้ชัดเจนในแง่การปฏิบัติงาน เช่น ขั้นตอนใดของกระบวนการที่ล่าช้า หรือรูปแบบใดมีงานแก้ไขซ้ำมากที่สุด เลือก KPI ที่สะท้อนปัญหา บันทึกค่าเริ่มต้น และตกลงกันว่าจะกลับมาทบทวนเมื่อใด มอง process mining เป็นวงจรการปรับปรุงที่ทำซ้ำได้ ไม่ใช่รายงานที่ทำเสร็จแล้วเก็บไว้

องค์กร: ไม่มีผู้รับผิดชอบ อำนาจหน้าที่ หรือการติดตามผล

อาการ: ผู้มีส่วนเกี่ยวข้องเห็นว่าผลลัพธ์น่าสนใจ แต่ไม่มีใครตัดสินใจว่าจะทำอะไรต่อ เจ้าของกระบวนการไม่เข้าร่วม หรือการสนับสนุนลดลงหลังการนำเสนอครั้งแรก

สาเหตุ: ผู้ที่เข้าใจงานอาจไม่ได้มีส่วนร่วม หรือไม่มีใครมีอำนาจและเวลาพอที่จะลงมือทำ เมื่อโครงการไม่ได้เชื่อมโยงกับเป้าหมายทางธุรกิจ ก็อาจดูเหมือนเป็นงานเพิ่ม แทนที่จะช่วยแก้ปัญหาที่กำลังเกิดขึ้น

วิธีป้องกัน: ระบุเจ้าของกระบวนการและผู้สนับสนุนระดับผู้บริหารก่อนเริ่มวิเคราะห์ ให้ผู้ที่ทำงานและดูแลกระบวนการเข้ามามีส่วนร่วม ตกลงกันว่าผลการวิเคราะห์จะช่วยในการตัดสินใจเรื่องใด กำหนดเป้าหมายที่ทำได้จริง และนัดหมายวันทบทวนผล

เครื่องมือ: การตั้งค่า ความเหมาะสม และความซับซ้อน

อาการ: ทีมของคุณใช้เวลาเตรียมการเชื่อมต่อหรือเรียนรู้เครื่องมือมากกว่าหาคำตอบเกี่ยวกับกระบวนการ ทุกครั้งที่ต้องเปลี่ยนแปลงก็ต้องขอความช่วยเหลือจากผู้เชี่ยวชาญ

สาเหตุ: เครื่องมืออาจไม่รองรับรูปแบบข้อมูล ทักษะของทีม หรือขอบเขตโครงการของคุณ การตั้งค่าที่ซับซ้อนทำให้การวิเคราะห์ครั้งแรกล่าช้า และไลเซนส์ที่ไม่ตรงกับวิธีใช้งานอาจจำกัดการมีส่วนร่วม

**วิธีป้องกัน:**ทดลองใช้เวิร์กโฟลว์กับไฟล์ส่งออกเพียงชุดเดียวก่อนเริ่มใช้งานในวงกว้าง ตรวจสอบว่าเครื่องมือใช้กับข้อมูลที่มีได้ และผู้รับผิดชอบการวิเคราะห์สามารถใช้งานได้ ทำความเข้าใจให้ชัดว่าเครื่องมือใช้วัด สร้างแบบจำลอง หรือจำลองอะไรได้บ้าง อย่าคาดหวังว่าเครื่องมือจะดำเนินการเปลี่ยนแปลงกระบวนการแทนคุณ

ปัญหาที่พบบ่อยที่สุดคือการเริ่มโครงการด้วยขอบเขตที่ใหญ่เกินไป ทำให้ซับซ้อนขึ้นอย่างรวดเร็ว ควรเริ่มจากจุดเล็กๆ แล้วค่อยขยาย เริ่มจากกระบวนการหนึ่งเรื่อง การตัดสินใจหนึ่งเรื่อง และข้อมูลตั้งต้นหนึ่งชุด

Christiaan Esmeijer
Christiaan Esmeijer ผู้ร่วมก่อตั้งและ CEO

ProcessMind ช่วยจัดการรูปแบบปัญหาที่พบบ่อยอย่างไร?

ProcessMind รวมการนำเข้าข้อมูล process mining โมเดลกระบวนการ แดชบอร์ด การจำลองกระบวนการ และการเผยแพร่ไว้ในแพลตฟอร์มเดียว จึงช่วยลดการส่งต่องานระหว่างการวิเคราะห์กับการจัดทำเอกสารที่แยกจากกัน โดยทีมของคุณยังเป็นผู้ตัดสินใจเรื่องกระบวนการเอง

รูปแบบปัญหา สิ่งที่มักเกิดขึ้น ProcessMind ทำงานต่างออกไปอย่างไร
การเตรียมข้อมูลทำให้การวิเคราะห์ครั้งแรกล่าช้า ทีมเสียเวลาหาวิธีจัดโครงสร้างและจับคู่ข้อมูลที่ส่งออก ก่อนจะเริ่มตรวจสอบกระบวนการได้ คุณนำเข้าไฟล์ CSV/XLSX ได้ และใช้คำแนะนำด้านข้อมูลจาก AI เพื่อช่วยเตรียมข้อมูล ควรตรวจสอบคำแนะนำกับข้อมูลต้นทางและคำถามที่ต้องการวิเคราะห์
ผลการวิเคราะห์กับเอกสารกระบวนการไม่ตรงกัน ข้อมูลเหตุการณ์แสดงสิ่งที่เกิดขึ้นจริง ขณะที่แผนภาพอีกชุดแสดงสิ่งที่คาดว่าจะเกิดขึ้น คุณทำ process mining และเก็บโมเดลไว้ในระเบียนกระบวนการเดียวกัน ทำให้ผลการวิเคราะห์กับเอกสารกระบวนการอยู่ด้วยกัน
ทีมไม่มีมุมมองร่วมกันเกี่ยวกับสุขภาพของกระบวนการ ผลการวิเคราะห์กระจายอยู่ในรายงานหลายชุด ทำให้ทบทวนประสิทธิภาพกระบวนการอย่างสม่ำเสมอได้ยาก แดชบอร์ดมี Process Health ให้ทีมใช้ทบทวนตัวชี้วัดกระบวนการร่วมกัน
ทีมตรวจสอบผลที่อาจเกิดจากการเปลี่ยนแปลงก่อนตัดสินใจไม่ได้ มีการพูดคุยถึงข้อเสนอการเปลี่ยนแปลง แต่ไม่มีวิธีที่เป็นระบบในการสำรวจผลที่อาจตามมา การจำลองกระบวนการช่วยให้คุณตรวจสอบสถานการณ์ต่างๆ ก่อนตัดสินใจว่าจะเปลี่ยนอะไร แต่ไม่ได้ดำเนินการเปลี่ยนแปลงให้
ไม่ชัดเจนว่าใครเป็นเจ้าของกระบวนการและการแก้ไข เอกสารถูกส่งต่อกันโดยไม่มีประวัติการเผยแพร่หรือผู้รับผิดชอบที่ชัดเจน การเผยแพร่และประวัติเวอร์ชันช่วยให้ทีมจัดการเนื้อหากระบวนการและติดตามการแก้ไขได้

คุณยังต้องมีคำถามที่ชัดเจน ชุดข้อมูลที่เหมาะสม และผู้ที่ช่วยตรวจสอบความถูกต้องของผลการวิเคราะห์ได้ แพลตฟอร์มช่วยสนับสนุนงาน แต่ไม่ได้แทนที่ผู้รับผิดชอบกระบวนการหรือเป็นผู้ตัดสินใจว่าองค์กรควรเปลี่ยนแปลงอะไร ดูว่า ProcessMind ช่วยสนับสนุนการวิเคราะห์ process mining ได้อย่างไร.

จะสังเกตได้อย่างไรว่าโครงการเริ่มมีปัญหา?

ในการทบทวนโครงการ ให้เชื่อมโยงอาการแต่ละข้อกับสาเหตุ วิธีแก้ไข และผู้รับผิดชอบที่ระบุชื่อไว้ ใช้รายการนี้ตรวจหาความเสี่ยงก่อนที่ปัญหาจะกลายเป็นเรื่องปกติของโครงการ.

การวิเคราะห์ครั้งแรกล่าช้าออกไปเรื่อยๆ

สาเหตุที่เป็นไปได้: ยังไม่ได้ข้อสรุปเรื่องการเข้าถึงข้อมูล ผู้เป็นเจ้าของข้อมูล หรือข้อกำหนดในการเตรียมข้อมูล

วิธีดำเนินการ: ยืนยันผู้เป็นเจ้าของข้อมูล ฟิลด์ที่ต้องใช้ และช่องทางเข้าถึง จากนั้นทดลองกับไฟล์ส่งออกขนาดเล็ก

โครงการเพิ่มกระบวนการและคำถามเข้ามาเรื่อยๆ

สาเหตุที่เป็นไปได้: ขอบเขตงานไม่ได้เชื่อมโยงกับการตัดสินใจเรื่องใดเรื่องหนึ่ง

แนวทางแก้ไข: กลับไปทบทวนคำถามตั้งต้น แล้วพักการวิเคราะห์กระบวนการอื่นไว้ก่อนจนกว่าจะวิเคราะห์เรื่องแรกเสร็จ

แผนผังกระบวนการไม่ตรงกับสิ่งที่ทีมพบเจอจริง

สาเหตุที่เป็นไปได้: เหตุการณ์ขาดหาย ชื่อกิจกรรมไม่ตรงกัน หรือขอบเขตกระบวนการไม่ชัดเจน

วิธีดำเนินการ: ทบทวนกรณีตัวอย่างร่วมกับผู้เชี่ยวชาญด้านกระบวนการ แล้วแก้ไขคำจำกัดความของเหตุการณ์

ไม่มีใครบอกได้ว่ากระบวนการดีขึ้นหรือไม่

**สาเหตุที่เป็นไปได้:**ทีมไม่มีค่าฐานหรือ KPI ที่ตกลงร่วมกัน

**สิ่งที่ควรทำ:**บันทึก KPI ปัจจุบัน แล้วกำหนดว่าจะวัดซ้ำเมื่อใดและอย่างไร

นำเสนอผลการวิเคราะห์แล้ว แต่ไม่มีการเปลี่ยนแปลงตามมา

สาเหตุที่เป็นไปได้: ไม่มีผู้รับผิดชอบการตัดสินใจหรือขั้นตอนถัดไป

สิ่งที่ควรทำ: มอบหมายผู้รับผิดชอบ ตกลงแนวทางดำเนินการ และกำหนดวันทบทวนผล

ผู้คนตั้งข้อสงสัยต่อผลการวิเคราะห์หรือไม่ยอมนำไปใช้

สาเหตุที่เป็นไปได้: โครงการนี้ออกแบบขึ้นโดยไม่ได้ให้คนที่ทำงานจริงเข้ามามีส่วนร่วม

สิ่งที่ควรทำ: ให้คนเหล่านั้นช่วยตรวจสอบกระบวนการและเลือกคำถามที่จะศึกษา

ทุกครั้งที่ต้องอัปเดตต้องขอความช่วยเหลือจากผู้เชี่ยวชาญ

สาเหตุที่เป็นไปได้: เวิร์กโฟลว์ซับซ้อนเกินไป หรือความรู้อยู่กับคนใดคนหนึ่ง

สิ่งที่ควรทำ: บันทึกขั้นตอนให้ชัดเจน และพัฒนาทักษะของผู้ที่จะดูแลการวิเคราะห์ต่อ

หากพบอาการเดิมในการทบทวนหลายครั้ง ให้ถือว่าเป็นความเสี่ยงของโครงการ บันทึกสาเหตุ วิธีดำเนินการ และผู้รับผิดชอบ เพื่อให้เห็นว่าโครงการกำลังคืบหน้าหรือกลับมาคุยเรื่องเดิมซ้ำๆ.

ควรตรวจสอบปัญหาเกี่ยวกับกระบวนการเรื่องใดบ้าง?

ปัญหาที่เกี่ยวกับกระบวนการมักเกิดจากขอบเขตไม่ชัดเจน คำจำกัดความไม่สอดคล้องกัน หรือข้อมูลในเอกสารกระบวนการไม่ตรงกับงานที่บันทึกไว้ในข้อมูลเหตุการณ์.

โมเดลกระบวนการมีรายละเอียดมากเกินไปจนตีความยาก

อาการ: ทีมของคุณถกเถียงกันว่าควรรวมแต่ละขั้นตอนไว้ในการวิเคราะห์หรือไม่ หรือโมเดลซับซ้อนเกินกว่าจะใช้ประกอบการตัดสินใจ

สาเหตุ: กระบวนการจริงมีหลายรูปแบบ ข้อยกเว้น และการส่งต่องาน การทำแผนที่ทุกรายละเอียดก่อนตั้งคำถามที่ชัดเจนจะเพิ่มความซับซ้อน โมเดลอาจทำให้เข้าใจผิดได้เช่นกัน หากมองว่าเป็นคำอธิบายที่ครบถ้วนของทุกกรณี

**วิธีป้องกัน:**กำหนดขอบเขตกระบวนการและมุ่งดูเฉพาะจุดสำคัญที่เกี่ยวข้องกับคำถาม ใช้ process mining ดูความแตกต่างระหว่างกรณี แล้วตรวจสอบรูปแบบที่เกี่ยวข้องกับปัญหา ให้ผู้ปฏิบัติงานช่วยยืนยันว่าข้อมูลเหตุการณ์แสดงสิ่งที่เกิดขึ้นจริง

ทีมเห็นไม่ตรงกันเรื่องชื่อกิจกรรมหรือการสิ้นสุดของกรณี

อาการ: แต่ละทีมเรียกกิจกรรมเดียวกันต่างกัน หรือไม่เห็นตรงกันว่ากรณีหนึ่งเสร็จสมบูรณ์เมื่อใด

สาเหตุ: คำจำกัดความของกระบวนการในแต่ละแผนก ระบบ หรือเอกสารไม่ตรงกัน ทำให้เปรียบเทียบได้ยากและอาจมองไม่เห็นต้นเหตุของความล่าช้า

**วิธีป้องกัน:**ตกลงร่วมกันว่ากรณีหนึ่งหมายถึงอะไร และกิจกรรมสำคัญแต่ละรายการหมายถึงอะไร ก่อนนำผลมาเปรียบเทียบ บันทึกสมมติฐานและการแปลงข้อมูลไว้ เพื่อให้ทบทวนและวิเคราะห์ซ้ำได้

จัดการแผนผังกระบวนการกับผลการวิเคราะห์แยกจากกัน

อาการ: ทีมของคุณมีแผนผังกระบวนการ แต่ไม่มีวิธีใช้ร่วมกับผลการวิเคราะห์อย่างสม่ำเสมอ

สาเหตุ: มองเอกสารกับข้อมูลเหตุการณ์เป็นงานคนละส่วน แผนภาพอาจแสดงกระบวนการตามที่ตั้งใจไว้ ขณะที่บันทึกเหตุการณ์แสดงสิ่งที่เกิดขึ้นจริง

**วิธีป้องกัน:**ใช้โมเดลเป็นข้อมูลอ้างอิง แล้วเปรียบเทียบกับกระบวนการที่เกิดขึ้นจริง ตรวจสอบความแตกต่างที่เกี่ยวข้องกับคำถามทางธุรกิจ แทนที่จะพยายามกำจัดทุกรูปแบบที่แตกต่างกัน

ปัญหาในองค์กรเรื่องใดบ้างที่อาจทำให้งานสะดุด?

ปัญหาในองค์กรมักเกิดขึ้นเมื่อโครงการไม่มีเป้าหมายทางธุรกิจที่ชัดเจน ขาดความเข้าใจร่วมกัน หรือไม่มีแผนว่าจะทำอะไรต่อหลังจบโครงการนำร่อง.

ผู้มีส่วนเกี่ยวข้องตั้งคำถามถึงคุณค่าของโครงการ

อาการ: ผู้คนไม่เห็นด้วยกับการเปลี่ยนแปลงที่อิงจากผลการวิเคราะห์ หรือตั้งคำถามว่าการวิเคราะห์เกี่ยวข้องกับงานหรือไม่

สาเหตุ: โครงการอาจไม่เชื่อมโยงกับเป้าหมายทางธุรกิจที่องค์กรให้ความสำคัญในขณะนี้ ผู้คนอาจไม่เชื่อถือผลการวิเคราะห์ หากไม่เข้าใจว่าผลนั้นได้มาอย่างไร หรือไม่ได้มีส่วนร่วมในการกำหนดคำถาม

**วิธีป้องกัน:**อธิบายเป้าหมาย ขอบเขต และข้อจำกัดของการวิเคราะห์ ให้เจ้าของกระบวนการและทีมหน้างานมีส่วนร่วมตั้งแต่เนิ่นๆ และเชื่อมโยงงานกับเป้าหมายการปฏิบัติการที่ชัดเจน แบ่งปันหลักฐานและสมมติฐาน ไม่ใช่แค่ข้อสรุป

โครงการต้องพึ่งนักวิเคราะห์คนเดียวหรือทีมส่วนกลางขนาดเล็ก

อาการ: งานชะงักเมื่อไม่มีนักวิเคราะห์คนใดคนหนึ่งอยู่ หรือทีมอื่นดูแลการวิเคราะห์ต่อไม่ได้

สาเหตุ: ไม่มีการแบ่งปันความรู้เกี่ยวกับข้อมูล คำจำกัดความ และขั้นตอนการวิเคราะห์

**วิธีป้องกัน:**บันทึกกระบวนการ คำจำกัดความของข้อมูล และการตัดสินใจ ฝึกอบรมผู้ที่จะใช้ผลการวิเคราะห์ และกำหนดวิธีขอแก้ไขหรือทบทวนผลให้ชัดเจน Center of Excellence ช่วยประสานงานระหว่างทีมได้ แต่ไม่ได้มาแทนที่เจ้าของกระบวนการ

โครงการนำร่องจบลงโดยไม่มีข้อสรุปว่าจะทำอะไรต่อ

อาการ: โครงการนำร่องจบลง แต่ไม่มีใครวางแผนว่าจะทำต่อ ปรับแนวทาง หรือยุติ

สาเหตุ: ทีมมองว่าโครงการนำร่องคือผลลัพธ์สุดท้าย แทนที่จะใช้ทดสอบแนวทางที่ทำซ้ำได้

**วิธีป้องกัน:**ก่อนเริ่มโครงการนำร่อง กำหนดหลักฐานที่ใช้ตัดสินใจว่าจะทำขั้นตอนต่อไปหรือไม่ ทบทวนผลกับผู้สนับสนุนโครงการและเจ้าของกระบวนการ ขยายขอบเขตเมื่อข้อมูล วิธีการ และผู้รับผิดชอบพร้อมรองรับเท่านั้น

การมองข้ามปัญหา process mining มีต้นทุนอย่างไร?

การมองข้ามรูปแบบความล้มเหลวอาจทำให้ทีมเสียเวลา โดยไม่มีข้อมูลที่เชื่อถือได้สำหรับตัดสินใจ ผลกระทบขึ้นอยู่กับกระบวนการ ข้อมูล และบริบทการปฏิบัติงานของคุณ.

ปัญหาที่ยังไม่ได้แก้ไข ผลกระทบที่อาจเกิดขึ้นในระยะยาว
คุณภาพข้อมูลไม่ดี นักวิเคราะห์เสียเวลาตรวจสอบและแก้ไขข้อมูลที่ส่งออก ทีมอาจตัดสินใจจากผลลัพธ์ที่ไม่สะท้อนกระบวนการจริง
ขอบเขตขยายอยู่เรื่อยๆ การวิเคราะห์ที่เป็นประโยชน์ครั้งแรกล่าช้า และผู้มีส่วนเกี่ยวข้องอาจหมดความเชื่อมั่นก่อนที่ทีมจะตอบคำถามตั้งต้นได้
ไม่มีค่าฐาน คุณบอกไม่ได้ว่าการเปลี่ยนแปลงช่วยให้กระบวนการดีขึ้นหรือไม่ ทีมจึงอาจทำงานซ้ำหรือยุติแนวทางที่มีประโยชน์เร็วเกินไป
ไม่มีผู้รับผิดชอบที่ชัดเจน ไม่มีใครนำผลการวิเคราะห์ไปใช้ ขณะที่ความล่าช้า งานแก้ไขซ้ำ หรือข้อยกเว้นเดิมยังเกิดขึ้นต่อไป
เครื่องมือไม่เหมาะกับงาน การตั้งค่าและการขอความช่วยเหลือจากผู้เชี่ยวชาญใช้เวลาที่ควรนำไปวิเคราะห์และปรับปรุงกระบวนการ
ไม่มีแผนวิเคราะห์ซ้ำ ไม่มีการวัดผลหลังเปลี่ยนแปลงกระบวนการ และผลการวิเคราะห์เดิมค่อยๆ เกี่ยวข้องกับงานจริงน้อยลงเมื่อการทำงานเปลี่ยนไป

ประเมินผลกระทบจากข้อมูลของคุณเอง เช่น เวลาที่ใช้เตรียมข้อมูลส่งออก ต้นทุนงานแก้ไขซ้ำ ระยะเวลาตั้งแต่พบปัญหาจนลงมือแก้ไข และแรงงานที่ต้องใช้ในการวิเคราะห์ซ้ำ อย่าประเมินเงินที่ประหยัดได้ก่อนมีค่าฐานและวิธีวัดการเปลี่ยนแปลง.

ควรตรวจสอบอะไรบ้างก่อนเริ่มวิเคราะห์?

ใช้รายการตรวจสอบนี้ก่อนเริ่มวิเคราะห์และทบทวนอีกครั้งในการประชุมทบทวนโครงการแต่ละครั้ง คุณยังใช้เป็นจุดเริ่มต้นในการวางแผนโครงการได้ด้วย.

  • เลือกกระบวนการหนึ่งและกำหนดขอบเขตให้ชัด ระบุว่าเคสเริ่มและจบตรงไหน แล้วอย่าเพิ่งรวมกระบวนการอื่นจนกว่าจะตอบคำถามแรกได้
  • เขียนคำถามสำหรับการวิเคราะห์ ระบุการตัดสินใจที่ทีมต้องทำ แทนการถามกว้าง ๆ ว่ามีโอกาสปรับปรุงอะไรบ้าง
  • ระบุเจ้าของกระบวนการและผู้สนับสนุน ยืนยันว่าใครตรวจสอบกระบวนการ ตัดสินใจขั้นต่อไป และสนับสนุนงานนี้ได้
  • ยืนยันสิทธิ์เข้าถึงข้อมูลและข้อกำหนดด้านความเป็นส่วนตัว ระบุเจ้าของข้อมูล ฟิลด์ที่ต้องใช้ และข้อจำกัดก่อนเริ่มสร้างการวิเคราะห์
  • ตรวจสอบคุณภาพข้อมูล ยืนยันรหัสเคส เวลาประทับ ชื่อกิจกรรม และความครบถ้วนของเคส
  • บันทึกค่าตั้งต้น เลือก KPI ที่ตรงกับคำถาม และบันทึกค่าปัจจุบันก่อนเปลี่ยนแปลง
  • ตกลงกันว่าความสำเร็จหมายถึงอะไร กำหนดเป้าหมายที่วัดผลได้และวันตรวจสอบ การใช้งานแดชบอร์ดเพียงอย่างเดียวไม่ได้บอกผลลัพธ์ของกระบวนการ
  • ชวนคนที่ทำงานจริงเข้ามามีส่วนร่วม ขอให้ช่วยตรวจสอบว่าข้อมูลเหตุการณ์และการตีความกระบวนการสมเหตุสมผลหรือไม่
  • ทำให้วิเคราะห์ซ้ำได้ บันทึกคำจำกัดความของข้อมูล ข้อสมมติ และขั้นตอน เพื่อให้ทีมกลับมาทำซ้ำได้
  • ทบทวนและลงมือทำ มอบหมายผู้รับผิดชอบให้แต่ละการดำเนินการที่ตกลงกัน แล้วเปรียบเทียบกระบวนการกับค่าตั้งต้นในการตรวจสอบครั้งถัดไป
  • ขยายผลเมื่อมีหลักฐานรองรับ ขยายไปยังกระบวนการอื่นเมื่อกระบวนการแรกมีข้อมูลที่เชื่อถือได้ การวิเคราะห์ที่เป็นประโยชน์ และผู้รับผิดชอบที่ชัดเจนแล้วเท่านั้น

หากต้องการความช่วยเหลือในการเตรียม event log อ่านวิธีสร้าง event log สำหรับ process mining หากยังอยู่ระหว่างเลือกกระบวนการแรก เริ่มจากหนึ่งกระบวนการและกำหนดขอบเขตให้ชัดเจน.

โครงการแรกที่กำหนดขอบเขตได้ดีควรเป็นอย่างไร?

โครงการที่กำหนดขอบเขตได้ดีเริ่มจากหนึ่งกระบวนการ หนึ่งการตัดสินใจ และค่าฐานที่ทีมวัดซ้ำได้.

ลองนึกถึงทีมที่ตรวจสอบความล่าช้าในกระบวนการอนุมัติหนึ่งกระบวนการ ทีมกำหนดขอบเขตกระบวนการและตั้งคำถามว่ากรณีต่างๆ ต้องรอนานที่สุดตรงไหนก่อนอนุมัติ เจ้าของกระบวนการและเจ้าของข้อมูลยืนยันรหัสกรณี ชื่อกิจกรรม เวลา และข้อกำหนดการเข้าถึงข้อมูล.

ทีมบันทึก KPI ค่าฐานและทบทวนผลการวิเคราะห์ครั้งแรกร่วมกับผู้ที่ดูแลและปฏิบัติงาน จากนั้นระบุจุดที่ต้องตรวจสอบ ตกลงแนวทางดำเนินการ และมอบหมายผู้รับผิดชอบ เมื่อถึงเวลาทบทวนครั้งถัดไป ทีมวิเคราะห์ด้วยวิธีเดิมและเปรียบเทียบผลกับค่าฐาน.

ผลลัพธ์แรกที่เป็นประโยชน์คือ วิธีที่ทำซ้ำได้เพื่อดูว่าเกิดอะไรขึ้น ตัดสินใจว่าจะตรวจสอบเรื่องใด และดูว่าการเปลี่ยนแปลงสร้างความแตกต่างหรือไม่ เมื่อแนวทางนี้ใช้ได้กับกระบวนการหนึ่งแล้ว ทีมจึงตัดสินใจได้ว่าจะนำไปใช้กับกระบวนการอื่นหรือไม่.

สมาชิกทีมแลกเปลี่ยนความรู้เกี่ยวกับกระบวนการระหว่างการทบทวน

ป้องกันปัญหาด้วยการทดลองแนวทางก่อนขยายผล

ทดลองแนวทางกับกระบวนการที่มีขอบเขตแคบ ไฟล์ส่งออกหนึ่งไฟล์ และค่าฐานหนึ่งชุด ก่อนขยายโครงการ.

Where to Go From Here

โครงการของคุณเสี่ยงหยุดชะงัก เพราะข้อมูล ขอบเขต หรือผู้รับผิดชอบยังไม่ชัดเจน.

คำถามที่พบบ่อย

โครงการมักหยุดชะงักเมื่อเชื่อมข้อมูลเหตุการณ์เข้ากับเคสเดียวกันไม่ได้ ขอบเขตเริ่มต้นกว้างเกินไป หรือไม่มีผู้รับผิดชอบดำเนินการต่อหลังการวิเคราะห์ กำหนดผู้รับผิดชอบและเป้าหมายที่วัดผลได้ก่อนเริ่ม.

ปัญหาที่พบบ่อย ได้แก่ รหัสเคสไม่สอดคล้องกัน การบันทึกเวลาไม่ละเอียดพอหรือไม่มีเขตเวลา และการใช้ชื่อกิจกรรมต่างกันทั้งที่เป็นขั้นตอนเดียวกัน ตรวจสอบเรื่องเหล่านี้ก่อนวิเคราะห์ครั้งแรก.

เริ่มจากข้อมูลที่ครอบคลุมเคสที่เสร็จสมบูรณ์จำนวนมากพอสำหรับกระบวนการหนึ่ง ข้อมูลไม่กี่พันเคสอาจมีประโยชน์กว่าข้อมูลย้อนหลังหลายปี หากข้อมูลชุดใหญ่มีช่องว่าง ความครอบคลุมสำคัญกว่าปริมาณ.

การเปลี่ยนข้อค้นพบให้เป็นการลงมือทำเป็นความท้าทายที่พบได้บ่อย กำหนดผู้รับผิดชอบและเป้าหมายที่วัดผลได้ก่อนเริ่มวิเคราะห์ เพื่อให้มีคนรับผิดชอบขั้นตอนต่อไป.

วัดผลที่กระบวนการ ไม่ใช่แพลตฟอร์ม เลือกตัวชี้วัด เช่น รอบเวลาทำงาน อัตราการแก้ไขงานซ้ำ หรือการปฏิบัติตามข้อกำหนด บันทึกค่าฐาน แล้ววิเคราะห์แบบเดิมอีกครั้งหลังการเปลี่ยนแปลง การดูแดชบอร์ดเพียงอย่างเดียวไม่บอกว่ากระบวนการดีขึ้นหรือไม่.

หากเข้าถึงข้อมูลได้ คุณมักสร้างภาพเบื้องต้นของกระบวนการหนึ่งได้ภายในไม่กี่สัปดาห์ แทนที่จะต้องรอหลายไตรมาส ส่วนการปรับปรุงใช้เวลานานกว่า เพราะขึ้นอยู่กับการเปลี่ยนวิธีทำงานของผู้คน.

บทความที่เกี่ยวข้อง

รับข้อมูลเชิงลึกจากผู้เชี่ยวชาญด้าน process mining และการปรับปรุงเวิร์กโฟลว์ทางอีเมล
การจ้างภายนอกสำหรับ BPO: วัดผลก่อนส่งงานให้ผู้ให้บริการ

Process Mining

การจ้างภายนอกสำหรับ BPO: วัดผลก่อนส่งงานให้ผู้ให้บริการ

การจ้างภายนอกแบบ BPO คือการส่งกระบวนการให้ผู้ให้บริการภายนอก ก่อนตัดสินใจ ให้ตรวจวัดการทำงาน ปรับกระบวนการเท่าที่ทำได้ และใช้แดชบอร์ดร่วมกันทั้งสองฝ่าย.

การสร้างแบบจำลองกระบวนการและ process mining ทำงานร่วมกันได้ดีกว่าอย่างไร

การสร้างแบบจำลองกระบวนการ

การสร้างแบบจำลองกระบวนการและ process mining ทำงานร่วมกันได้ดีกว่าอย่างไร

ดูว่าการสร้างแบบจำลองกระบวนการและ process mining แสดงข้อมูลอะไร แตกต่างกันอย่างไร และการตรวจสอบความสอดคล้องเชื่อมโยงทั้งสองอย่างเข้าด้วยกันได้อย่างไร.

เครื่องมือ ETL สำหรับ process mining: สิ่งที่คุณต้องมี

ข้อมูล

เครื่องมือ ETL สำหรับ process mining: สิ่งที่คุณต้องมี

เมื่อ process mining ต้องใช้ ETL ข้อมูลที่ดึงออกมาต้องมีอะไรบ้าง และทำไม ProcessMind จึงโหลดข้อมูลที่ไปป์ไลน์เดิมของคุณสร้างขึ้นได้.

ใช้ process intelligence เพื่อยืนยันข้อกล่าวอ้างด้านความยั่งยืนได้อย่างไร

การเปลี่ยนผ่านสู่ดิจิทัล

ใช้ process intelligence เพื่อยืนยันข้อกล่าวอ้างด้านความยั่งยืนได้อย่างไร

ตรวจสอบตัวเลขด้านความยั่งยืนในรายงานย้อนกลับไปยังกิจกรรมและเหตุการณ์ต้นทางของกระบวนการได้.

ออกแบบกระบวนการให้ดีขึ้น วางโครงสร้างที่เชื่อมโยงกัน และควบคุมได้.

เริ่มใช้งานได้ทันที ไม่ต้องใช้บัตรเครดิตและไม่ต้องรอ เปลี่ยนวิธีทำงานขององค์กรให้เป็นแบบจำลองกระบวนการที่ชัดเจนและเชื่อมโยงกัน.

สร้างสถาปัตยกรรมกระบวนการ กำหนดเจ้าของและการควบคุม พร้อมจัดบทบาทและความรับผิดชอบให้สอดคล้องกันในทุกระดับ.

เริ่มทดลองใช้ฟรี แล้วสร้างรากฐานที่เชื่อถือได้สำหรับกำกับดูแล จัดการ และปรับปรุงกระบวนการอย่างต่อเนื่อง.