Kuruluşun dijital ikizi nasıl oluşturulur: adım adım

Bir kuruluşun dijital ikizi, işlerin nasıl yürütülmesi gerektiğini gösteren modeli sistemlerinizin ürettiği verilerle buluşturur; ölçümler de modelle gerçekte olanların ne kadar örtüştüğünü gösterir. Bu, şirketinizin diyagramı ya da başlı başına bir veri platformu değildir. Tek bir süreçte model, veri ve ölçüm arasındaki bağlantıdır.

Dijital ikizi tek bir projeyle oluşturmazsınız. Belgelenmiş, ölçülmüş, test edilmiş ve canlı aşamalarında ilerlersiniz; her aşama farklı bir soruyu yanıtlar. Bu sayfada anlatılanların tamamı ProcessMind’de aynı süreç kaydı üzerinde yapılır: modelleme, olay verileri ve Process Mining, simülasyon, Dashboardlar ve süreç sağlığı.

Bir kuruluşun dijital ikizi nelerden oluşur?

Üç bileşen vardır ve ancak birbirine bağlandıklarında işe yararlar:

• Süreç modeli. İşin nasıl yürütülmesi gerektiğini gösterir: etkinlikler, sıralama, roller, sistemler ve kurallar. Muhtemelen bunların bazıları farklı yerlere dağılmış ve güncelliğini yitirmiş diyagramlarda, wiki sayfalarında ve standart belgelerinde bulunuyordur.
• Uygulama verileri. İşin kaydını tutan sistemlerden alınan, gerçekte neler olduğunu gösteren veriler: ERP, CRM, ITSM ve WMS. Kimsenin haftasını baştan anlatmasına gerek kalmadan vakaları, etkinlikleri ve zaman damgalarını inceleyin.
• Ölçüm. İki bileşen arasındaki bağlantıyı kurar. Sağlık skorları, varyantlar ve uyumluluk, uygulamanın modelden nerede ayrıldığını gösterir; simülasyon ise değişikliği yapmadan önce olası etkisini ortaya koyar.

Yalnızca model varsa elinizde dokümantasyon bulunur. Verileri eklediğinizde gerçekte neler olduğunu Process Mining ile inceleyebilirsiniz. Ölçümü ve değişiklikleri test etme olanağını da eklediğinizde dijital ikiziniz hazır olur.

Dijital ikiz ile Process Mining arasındaki farkın yanıtı da burada: Process Mining, neler olduğunu gösterir; dijital ikiz ise bu verileri bir modele ve değişiklikleri test etme yöntemine bağladığınızda ortaya çıkar. Process Mining tek başına ilk soruyu yanıtlar, ancak bunun ötesine geçmez.

Birbirine karıştırılan iki konuyu açıklığa kavuşturmakta fayda var. Dijital ikizler, sensör verilerini kullanarak makineler gibi fiziksel varlıkları da modeller. Bu, dijital ikizin ne olduğunu anlatan farklı bir konudur. Yazılım geliştirmede DTO, veri aktarım nesnesi anlamına gelir ve bu sayfayla ilgisi yoktur. Gartner, terimin kuruluşlara ilişkin anlamını kurumsal mimariye taşıdı. Burada konu bir makine değil, işin süreçler, ekipler ve sistemler arasında nasıl ilerlediğidir.

Tanım kadar kullanılan terimler de değişkenlik gösterir: satıcı kaynaklarında kuruluş dijital ikizi, DTO dijital ikizi, kurumsal dijital ikiz ve organizasyonel dijital ikiz ifadelerinin tümüne rastlayabilirsiniz. Bunları aynı artefakt olarak değerlendirin. Bir iddiayı etikete göre değil, modelin verilerle ve ölçümle bağlantılı olup olmadığına göre inceleyin.

Aşağıdan yukarıya ilerleyin: modelleyin, veri ekleyin, iyileştirin

Aşamaları yukarıdan planlamak yerine başlangıçtan itibaren ilerlemek daha kolaydır. Aşağıdaki her adım, başkalarına gösterebileceğiniz bir sonuç verir ve bir haftada tamamlanabilecek kadar küçüktür.

1. Kuruluşun tamamını değil, tek bir süreci modelleyin

   Bir kararla bağlantılı süreç seçin. Süreç bir diyagramda veya belgede yer alıyorsa içe aktarın. Yoksa bir cümleyle açıklayın ve yapay zekânın iyileştirebileceğiniz ilk BPMN taslağını oluşturmasını sağlayın. Bu adımın sonunda ekibinizin incelemiş olduğu bir model ve dokümantasyon eklenmiş adımlar bulunur.

2. Süreci mimariye bağlayın

   Sürecin mimarideki yerini belirleyin: hangi değer zincirine ait olduğunu, kimin sorumluluğunda bulunduğunu ve hangi süreçlere devir teslim yaptığını tanımlayın. Tek başına bir model yalnızca çizimdir. Aynı model bağlantılı bir mimaride yer aldığında dijital ikizin yapı aşamasını oluşturur ve sonraki aşamaları anlamlı kılar.

3. Olay verilerini ekleyin

   Yalnızca bu sürece ait Event Logu yükleyin. Başlamak için vaka kimliği, etkinlik ve zaman damgası yeterlidir; verilerin eksiksiz olması gerekmez. Tek bir sistemin Event Logu bile kaydettiği adımlardaki akışı, beklemeleri ve varyantları gösterir. Veri Seti için sunulan yapay zekâ önerileri, analizden önce sütun eşleştirmelerini ve kalite sorunlarını işaretler.

4. İyileştirin ve sonucu test edin

   En zayıf bulguyu seçip tek bir şeyi değiştirin: devir teslimi, onayı veya yeniden çalışma döngüsünü. Değişikliği modelde yapın, mevcut süreçle karşılaştıran bir simülasyon çalıştırın ve kararı kişisel görüşe değil karşılaştırmaya dayandırın. Ardından yeniden ölçüm yapın; döngüyü tamamlayan adım budur.

Bunların işe yaraması için kuruluşun tamamını modellemeniz gerekmez. Verileri olan iki süreç, sunum slaytlarındaki yirmi süreçten daha değerlidir; üstelik ikinci süreci modellemek ilkinden çok daha hızlıdır. Modelleme ile Process Mining’in birbirini nasıl tamamladığını ayrıntılı olarak öğrenmek için süreç modelleme ile Process Mining’in birbirini nasıl tamamladığını okuyun.

Kusursuz veriyi beklemeyin, elinizdekiyle başlayın

Kapsam, model gibi süreç süreç genişler. Bunu uygulanabilir kılan iki unsur var.

Eksik veriler de bir soruyu yanıtlayabilir. Event Log tek bir sistemden geliyorsa, o sistemin kaydettiği adımlardaki akışı, beklemeleri ve varyantları görebilirsiniz. Başka yerlerde gerçekleşen adımlar veride bulunmaz. Model, bu adımların nerede yer aldığını gösterdiği için hangilerinin eksik olduğunu bilirsiniz.

Model, verileri bağlamına oturtur. Çoğu Process Mining aracı bir Event Logla başlar ve süreci bu kayıttan çıkarır. Bu nedenle Event Logda bulunmayan her şey görünmez kalır. Model önceden oluşturulduğunda, verilerin yararlı olması için sürecin tamamını açıklaması gerekmez. Yapı zaten hazırdır, her sayı adı belirlenmiş bir adıma bağlıdır ve henüz veri bulunmayan adımlar eksikleri ortaya çıkarır.

Tam veriyi beklememek için bir neden daha var. Kusursuz bir Event Log oluşturmak için yürütülen dokuz aylık bir proje, veriler toplanırken değişmiş bir süreci incelemekle sonuçlanabilir. İlk analiz de yapılan işi değil, projenin geçmişini açıklar. Daha hızlı ilerleyip yaklaşık olarak doğru sonuç almak daha iyidir: tek bir süreç, tek bir sistem, üç aylık olay verisi ve karar verecek kişiler.

Mimari genişledikçe veri kapsamı da büyür. Belgelenen her yeni süreç kendi Event Logunu getirir; dijital ikizin kapsamı bir veri programına değil, süreç kataloğuna göre genişler.

Süreç sağlığı: dijital ikiz nasıl ölçülür?

Skoru olmayan bir dijital ikiz, geri bildirim alamayan bir projedir. Süreç sağlığı, model ile veri arasındaki bağlantıyı hafta hafta iyileştirebileceğiniz bir yapıya dönüştürür. Beş boyutun her birinin neyi ölçtüğünü CURES çerçevesi açıklar.

Dijital ikiz hangi kararları almanıza yardımcı olur?

Bir değişikliği onaylayın veya reddedin. Önerilen süreci modelleyin, işlem hacimlerini ve süreleri gerçekçi tutun, seçenekleri karşılaştırın. Dijital ikiz simülasyon modeli, varsayımların doğruluğuna bağlıdır. Bu varsayımları tartışmakta fayda var: simülasyon geleceği tahmin etmez, kararın dayanağını görünür kılar.

Bir sonraki iyileştirmeye nerede yatırım yapacağınıza karar verin. Bir diyagram, onay adımının varlığını gösterir. Uygulama verileri ise vakaların bu adımda ne kadar beklediğini ortaya koyar. İkisi birlikte, bu adımın ilgi gerektirip gerektirmediğini gösterir. Sürecinizi nasıl analiz edeceğinizi anlatan rehber, süreç grafiğinden bulguya giden yolu açıklar.

Modelin hâlâ yapılan işi yansıtıp yansıtmadığını belirleyin. Modeli yakın tarihli uygulama verileriyle karşılaştırarak aralarındaki farkları görebilirsiniz. Bu, tamamlanmış belgeye güvenmek yerine modeli gözden geçirmeniz gerektiğini gösterir.

Veri ekleyin, karşılığında içgörü elde edin

Dijital ikizi tanımlayan ilk veri yüklemesi değil, ikincisi ve üçüncüsüdür. Analiz hazır olduğunda, onu güncel tutmanız ve sonuçları incelemeniz gerekir:

• Günlük yenileme yeterlidir. Günlüğün dijital ikize sürekli aktarılması gerekmez. Veri setini her gün veya haftada bir güncel dışa aktarımla değiştirmek, Process Mining sonuçlarını ve Dashboardları güncel tutmaya yeter. Süreç kararları dakikalar içinde değişmez; gerçekten yapılan bir yenileme, kimsenin bakımını üstlenmediği bir veri hattından daha faydalıdır.
• Verileri sizden önce yapay zekâ inceler. AI veri önerileri veri setini tarar, sütun eşleştirmelerini ve kalite sorunlarını güven puanıyla gösterir. Böylece hatalı bir zaman damgası sütunu analizi çarpıtmadan önce sorunu fark edebilirsiniz.
• Yapay zekâ özetleri süreci sizin için inceler. Yapay zekâ özetleri tuval üzerinde darboğazları, uyumluluk sorunlarını, eğilimleri ve süreç sağlığını açıklar. Eskiden bu aşama için bir analistin çalışması ve toplantı yapılması gerekirdi.
• Süreçle ilgili soru sorun. AI asistanı sürecinizle ilgili soruları yanıtlar, inceleyip tek tıklamayla uygulayabileceğiniz değişiklikler önerir.
• Dijital ikizi herhangi bir asistana açın. Enterprise planında MCP Server süreçlerinizi ve modellerinizi standart MCP araçları olarak sunar. Böylece Claude, ChatGPT, Copilot veya kendi yazdığınız bir aracı aynı yönetişimli verilerle kullanabilirsiniz. Özel entegrasyon yerine açık bir standart kullanılır; her kullanıcı yalnızca kullanıcı lisansının izin verdiği verileri görür.
• Değişikliği gerçekçi parametrelerle test edin. Yapay zekâ destekli simülasyon modelinizden simülasyon parametreleri oluşturur veya bunları kendi verilerinizden türetir. Böylece what-if senaryosu hazırlamanın en yavaş kısmı ortadan kalkar.

Dijital ikizi canlı tutan döngü kısadır: dışa aktarım yapılır, analiz yenilenir, özetler ve sağlık skoru nelerin değiştiğini gösterir, ardından biri karar verir. Bu döngü bir proje olmadan işliyorsa canlı aşamaya ulaşmışsınız demektir.

Hangi süreçle başlamalı?

Bir kararla bağlantılı, sonucu ölçülebilen ve en az bir sistemde olay verisi bulunan bir süreç seçin. İnsanların hâlihazırda tartıştığı bir onay veya devir teslim genellikle en uygun seçenektir: tartışma soruyu, Event Log ise yanıtı gösterir.

Herhangi bir taahhütte bulunmadan önce olay verilerinin önem verdiğiniz etkinlikleri ve süreleri içerdiğinden emin olun. Her olay için gereken asgari bilgiler vaka kimliği, etkinlik ve zaman damgasıdır. Ardından süreci modelleyin, verileri yükleyin ve modelle verilerin hangi noktalarda ayrıştığına bakın. Model zayıf halkaysa süreç haritalama iyi bir başlangıç noktasıdır.