Process mining là gì? Khám phá cách công việc thực sự diễn ra

Process mining là gì?

Process mining là gì? Đây là cách dùng dữ liệu sự kiện từ hệ thống CNTT để khám phá, phân tích và cải tiến cách quy trình thực sự vận hành. Bằng cách liên kết hoạt động với trường hợp và dấu thời gian, process mining cho thấy công việc đi theo những hướng nào, mỗi bước mất bao lâu và quy trình khác với kỳ vọng ở đâu.

Nhật ký sự kiện ghi lại hoạt động, dấu thời gian và mã định danh trường hợp. Process mining nhóm các sự kiện đó theo từng trường hợp và tái dựng luồng quy trình. Bạn có thể dùng kết quả để tìm hiểu điểm nghẽn, công việc phải làm lại và mức độ tuân thủ quy trình tham chiếu. Phân tích cung cấp bằng chứng, còn nhóm của bạn quyết định sẽ làm gì.

Để tìm hiểu kỹ hơn về phần mềm process mining, hãy xem hướng dẫn của chúng tôi về công cụ process mining.

Wil van der Aalst, người tiên phong trong lĩnh vực process mining, từng ví phương pháp này như chụp MRI cho doanh nghiệp: nó có thể cho thấy những gì đang diễn ra bên dưới bề mặt. Tầm nhìn rõ hơn này có thể hỗ trợ cải tiến quy trình và chuyển đổi số. Xem hướng dẫn chiến lược về cải tiến quy trình dựa trên dữ liệu của chúng tôi.

Hãy hình dung một đơn hàng của khách hàng đi từ lúc tiếp nhận, phê duyệt đến khi giao hàng. Mỗi bước có thể để lại bản ghi số. Process mining kết nối các bản ghi đó để cho thấy từng đơn hàng đã đi theo hướng nào, kể cả những chặng vòng và ngoại lệ. Thay vì chỉ dựa vào phỏng vấn hoặc giả định, bạn có thể xem xét các hướng đi được ghi lại trong dữ liệu.

Kết quả phụ thuộc vào chất lượng dữ liệu sự kiện và bối cảnh đi kèm. Sơ đồ quy trình có thể thể hiện hướng đi dự kiến; process mining giúp bạn thấy dữ liệu ghi nhận điều gì đã xảy ra.

Process mining hoạt động như thế nào?

Process mining bắt đầu từ dữ liệu sự kiện trong hệ thống CNTT của bạn. Mỗi sự kiện thường cần ba trường:

• Mã trường hợp: Mã định danh của một trường hợp trong quy trình, chẳng hạn đơn hàng hoặc phiếu hỗ trợ.
• Hoạt động: Bước đã diễn ra.
• Dấu thời gian: Thời điểm bước đó diễn ra.

Phần mềm nhóm sự kiện theo Case ID và sắp xếp theo dấu thời gian. Sau đó, phần mềm tái dựng các hướng đi của từng trường hợp và trình bày dưới dạng mô hình quy trình. Bạn có thể so sánh các hướng đi, xem xét thời lượng và tìm những kiểu lặp lại như các bước bị lặp hoặc thời gian chờ lâu.

Chất lượng kết quả phụ thuộc vào dữ liệu. Thiếu dấu thời gian, tên hoạt động không nhất quán hoặc mã định danh trường hợp không chính xác đều có thể làm sai lệch phân tích. Tìm hiểu cách tìm dữ liệu quy trình và những định dạng dữ liệu được hỗ trợ.

Ba loại hình process mining

Ba loại hình process mining trả lời những câu hỏi khác nhau:

1. Process Discovery tạo mô hình quy trình từ dữ liệu nhật ký sự kiện. Phương pháp này giúp bạn thấy các trường hợp thực sự đi theo hướng nào, kể cả những biến thể có thể chưa được ghi lại.

2. Conformance Checking so sánh cách quy trình thực tế vận hành với mô hình tham chiếu. Phương pháp này giúp bạn tìm ra trường hợp nào làm theo, bỏ qua hoặc đi chệch các bước dự kiến.

3. Process Enhancement bổ sung thông tin từ nhật ký sự kiện vào mô hình quy trình hiện có. Chẳng hạn, bạn có thể thêm các chỉ số hiệu suất như thời gian chờ hoặc thời lượng hoạt động để hiểu quy trình vận hành ra sao.

Dự án thường bắt đầu bằng khám phá quy trình, sau đó dùng kiểm tra mức độ tuân thủ để tìm hiểu những điểm khác biệt so với quy trình tham chiếu. Cải tiến mô hình có thể bổ sung bối cảnh về hiệu suất. Hãy chọn cách tiếp cận phù hợp với câu hỏi bạn cần trả lời.

Ai cũng có thể dùng process mining

Bạn không cần là nhà khoa học dữ liệu để bắt đầu khám phá dữ liệu quy trình. Chuyên viên phân tích, chủ sở hữu quy trình, nhóm vận hành và nhóm CNTT có thể phối hợp đặt câu hỏi, chuẩn bị nhật ký sự kiện và xem xét kết quả phân tích.

Bạn có thể bắt đầu bằng cách:

1. Chọn một quy trình và một câu hỏi cụ thể.
2. Xác định dữ liệu hệ thống ghi lại các hoạt động của quy trình.
3. Chuẩn bị nhật ký sự kiện có Case ID, tên hoạt động và dấu thời gian.
4. Xem lại luồng được khám phá và tìm hiểu những hướng đi đáng quan tâm.
5. Kiểm chứng phát hiện với những người am hiểu công việc.

5 bước process mining

Thu thập dữ liệu

Thu thập dữ liệu sự kiện từ các hệ thống, chẳng hạn như bản ghi từng bước trong quy trình từ đơn hàng đến thu tiền. Bạn có thể bắt đầu chỉ với một tệp Excel.

Khám phá quy trình

Dùng phần mềm process mining để kết nối các sự kiện theo Case ID và thời gian, sau đó xem luồng quy trình mà dữ liệu thể hiện.

Kiểm tra mức độ tuân thủ

So sánh quy trình được khám phá với mô hình tham chiếu, chẳng hạn mô hình BPMN, để tìm hiểu những điểm khác biệt.

Phân tích kết quả

Dùng dashboard quy trình để xem xét điểm nghẽn, công việc phải làm lại và những chỗ kém hiệu quả. Từ đó, quyết định vấn đề nào cần tìm hiểu hoặc thay đổi.

Theo dõi thay đổi

Xem lại quy trình sau khi thay đổi để biết hiệu suất và các luồng thực hiện đã chuyển biến ra sao.

Mở lộ trình bắt đầu để chuẩn bị cho lần phân tích đầu tiên.

Process mining và sơ đồ hóa quy trình

Process mining và sơ đồ hóa quy trình trả lời những câu hỏi có liên quan nhưng khác nhau. Process mining dùng dữ liệu sự kiện để cho thấy quy trình đã diễn ra thế nào. Sơ đồ hóa quy trình dựa vào hiểu biết của mọi người và các phương pháp thiết kế quy trình để ghi lại hoặc lên kế hoạch cho cách công việc nên được thực hiện.

Hai cách tiếp cận này bổ trợ tốt cho nhau. Dùng process mining để tìm hiểu quy trình mà dữ liệu thể hiện, sau đó dùng sơ đồ hóa quy trình hoặc mô hình hóa BPMN để ghi lại hay thiết kế các thay đổi. ProcessMind hỗ trợ process mining và sơ đồ hóa quy trình trên cùng một nền tảng. Tìm hiểu thêm về giá trị kết hợp của mô hình hóa quy trình và process mining.

Các thuật toán process mining hoạt động ra sao

Các thuật toán process mining chuyển dữ liệu sự kiện thành mô hình quy trình. Các nghiên cứu đã công bố mô tả một số nhóm thuật toán: alpha algorithm suy ra mối quan hệ giữa các hoạt động và là điểm khởi đầu kinh điển; heuristic miner xử lý được dữ liệu nhiễu và log chưa đầy đủ; fuzzy miner phù hợp với hành vi thiếu cấu trúc; còn inductive miner tạo cây quy trình được đảm bảo là hợp lệ. Mỗi thuật toán được định nghĩa cho một loại log nhất định và tạo ra mô hình theo đúng định nghĩa đó.

ProcessMind có ba công cụ khai phá riêng. Bạn chọn một công cụ trong hộp thoại Khai phá mô hình, bên cạnh các chính sách gateway quyết định mức độ chặt chẽ của kết quả được vẽ, như mô tả trong tài liệu về khai phá.

AI Miner do chúng tôi phát triển, không phải là một thuật toán đã công bố được triển khai lại. Công cụ này đọc dữ liệu bổ sung cùng với event log, phát hiện các vùng chạy song song và phân rã đồ thị theo thứ bậc. Nhờ vậy, mô hình giữ được cấu trúc mà log thể hiện thay vì làm phẳng mọi thứ. Đây là điểm AI Miner phát huy tác dụng: các định nghĩa thuật toán đã công bố thường giả định log sạch và đầy đủ, nhưng dữ liệu xuất ra ở nhiều tổ chức lại không đáp ứng cả hai điều kiện. Chúng tôi xây dựng AI Miner để làm việc với dữ liệu thực tế đang có, thay vì đòi hỏi dữ liệu phải đúng như định nghĩa. Đây cũng là miner duy nhất trong ba lựa chọn cần dữ liệu bổ sung. Vì vậy, với một log mới, nên bắt đầu và đối chiếu bằng Directly-Followed-By miner.

Sau khi miner tạo cấu trúc, thuật toán bố cục sẽ sắp xếp các thành phần để luồng dễ đọc. Clarity Engine của ProcessMind đảm nhận bước này.

Vì sao process mining hữu ích

Process mining giúp bạn xem xét cách công việc diễn ra qua các trường hợp được ghi nhận, thay vì chỉ dựa vào mô tả quy trình hoặc một vài ví dụ. Công cụ này có thể giúp bạn:

• Nhận biết các biến thể quy trình: So sánh luồng thực hiện của các trường hợp để tìm ra những lộ trình phổ biến hoặc khác thường.
• Tìm hiểu nguyên nhân chậm trễ: Xem các trường hợp phải chờ ở đâu và hoạt động nào mất nhiều thời gian hơn.
• Tìm công việc phải làm lại: Tìm các hoạt động lặp lại và vòng lặp có thể cho thấy lỗi hoặc yêu cầu chưa rõ ràng.
• Kiểm tra mức độ tuân thủ: So sánh cách thực tế diễn ra với quy trình tham chiếu.
• Theo dõi hiệu suất: Dùng dashboard và KPI để xem các chỉ số quy trình thay đổi theo thời gian.

Những phát hiện này giúp bạn đặt câu hỏi đúng hơn. Chúng không chứng minh được nguyên nhân gây ra chậm trễ hay sai lệch. Trước khi quyết định thay đổi điều gì, hãy trao đổi với những người liên quan và kiểm tra bối cảnh cụ thể.

Tìm hiểu cách dashboard quy trình và KPI giúp bạn theo dõi hiệu suất quy trình.

Mặt tốt, mặt hạn chế và rủi ro

Process mining phát huy hiệu quả nhất khi dựa trên bằng chứng trong log, nhưng không thể cho biết những gì log không ghi lại. Source: ProcessMind

Mặt tốt

Process mining cho bạn góc nhìn khách quan về công việc, không cần ai phải cố nhớ lại:

• Công cụ cho thấy mọi trường hợp trong log diễn ra thế nào, không chỉ vài trường hợp mọi người còn nhớ.
• Luồng, thời gian chậm trễ và công việc phải làm lại đều được thể hiện trực quan, giúp rút ngắn thời gian tìm nguyên nhân.
• Có thể áp dụng cho mọi quy trình để lại dữ liệu sự kiện có cấu trúc trong hệ thống CNTT.
• Dashboard quy trình giúp các nhóm nghiệp vụ, không chỉ riêng chuyên viên phân tích, xem được những bằng chứng này.

Mặt hạn chế

Bằng chứng chỉ đáng tin khi log đáng tin, mà chuẩn bị log cũng tốn công:

• Dữ liệu kém chất lượng có thể dẫn đến kết luận sai nhưng nghe rất chắc chắn. Phân tích chỉ đáng tin khi event log đáng tin.
• Chuẩn bị và kiểm tra dữ liệu thường là phần tốn nhiều công sức nhất của dự án.
• Process mining không tự sửa quy trình. Công cụ cho bạn biết cần tìm hiểu điều gì, còn quyết định và thay đổi vẫn do mọi người thực hiện.
• Mô hình phức tạp sẽ khó đọc. Hãy bắt đầu bằng một câu hỏi rõ ràng và những luồng liên quan đến câu hỏi đó.

Rủi ro

Nếu sử dụng thiếu thận trọng, chính những bằng chứng đó có thể gây hại:

• Dùng dữ liệu quy trình để đổ lỗi cho từng cá nhân sẽ gây lo sợ và phản ứng tiêu cực. Thay vào đó, hãy xem xét các điều kiện của quy trình.
• Đọc sai dữ liệu dẫn đến kết luận sai. Hãy kiểm chứng phát hiện với những người hiểu rõ công việc.
• Một số công cụ cần nhiều hỗ trợ từ bộ phận CNTT và khoản đầu tư đáng kể. Trước khi cam kết, hãy tính chi phí thiết lập và kỹ năng cần có.
• Bắt đầu mà không có câu hỏi rõ ràng sẽ khiến bạn có nhiều dữ liệu nhưng ít hiểu biết, và không biết nên đưa ra quyết định nào.

Những điều nên tránh khi dùng process mining

Process mining hữu ích nhất khi bạn có câu hỏi rõ ràng, dữ liệu đáng tin cậy và những người có thể diễn giải kết quả. Những sai lầm sau có thể khiến dự án mất uy tín.

Đừng bắt đầu khi chưa có mục tiêu rõ ràng

Tìm kiếm không có định hướng dễ dẫn đến phân tích mà không có quyết định nào được đưa ra. Hãy bắt đầu bằng một câu hỏi như “Vì sao việc phê duyệt hóa đơn mất hơn 10 ngày?” hoặc “Khách hàng gặp chậm trễ ở đâu trong quá trình làm quen với dịch vụ?”. Câu hỏi cụ thể giúp bạn xác định quy trình, dữ liệu và chỉ số cần xem xét.

Một mục tiêu rõ ràng cần nêu được ba điều: quy trình nào, khoảng thời gian nào và phân tích sẽ hỗ trợ quyết định gì. Hãy ghi lại mục tiêu trước khi tải dữ liệu lên và thống nhất với người phụ trách quy trình. Thỏa thuận này giúp dự án thử nghiệm không phình to đến mức bao quát mọi thứ mà chẳng trả lời được câu hỏi nào.

Nếu chưa biết bắt đầu từ đâu, bạn có thể dùng hướng dẫn cải tiến quy trình làm cơ sở xác định phạm vi. Hướng dẫn nêu rõ quy trình, hệ thống, trường dữ liệu cần xuất và hoạt động cần ghi nhận. Nhờ vậy, bạn có thể bắt đầu với một câu hỏi cùng dữ liệu cần thiết để trả lời.

Đừng mong công cụ tự sửa quy trình

Process mining phân tích cách quy trình diễn ra, chứ không tự đưa ra giải pháp. Công cụ có thể cho thấy việc phê duyệt mất quá nhiều thời gian, nhưng bạn vẫn cần tìm nguyên nhân và cách thay đổi. Hãy xem lại kết quả, trao đổi với những người liên quan và đo lường lại quy trình sau khi thay đổi.

Đừng làm việc một mình

Dữ liệu cần được đặt trong đúng bối cảnh. Nếu tự phân tích quy trình rồi gửi báo cáo, bạn có thể bỏ sót lý do một bước vòng lại tồn tại hoặc liệu bước đó có đáp ứng nhu cầu chính đáng của doanh nghiệp hay không. Hãy phối hợp với những người quản lý quy trình và nhờ bộ phận CNTT hỗ trợ khi cần truy cập hoặc kiểm tra dữ liệu. Hiểu biết của họ giúp giải thích những gì log thể hiện được và không thể hiện được.

Hãy mời mọi người tham gia ngay từ đầu, đừng đợi đến lúc xem xét kết quả mới trao đổi, đồng thời cho họ biết mục đích phân tích. Người hiểu rõ câu hỏi từ trước có thể giải thích một bước vòng lại, cách xử lý tạm thời hoặc bước chỉ tồn tại trong thực tế.

Những người trực tiếp làm việc cũng biết bước nào không để lại dấu vết trong hệ thống. Những khoảng trống này khiến quy trình được khám phá trông có vẻ chưa đầy đủ. Trong ProcessMind, bạn có thể đánh dấu chúng là luồng dữ liệu đi qua để vẫn hiển thị trên mô hình mà không tạo ra những sự kiện chưa từng được ghi nhận.

Đừng xem đây là dự án chỉ làm một lần

Ngay cả quy trình đã được cải tiến cũng sẽ tiếp tục thay đổi. Hãy xem lại sau khi thay đổi và so sánh kết quả theo thời gian để biết cách quy trình diễn ra có chuyển biến hay không. Theo dõi liên tục giúp biến một phát hiện thành kết quả thực tế.

Đừng dùng kết quả để đổ lỗi cho mọi người

Process mining cho thấy công việc được tổ chức ra sao, chứ không phải ai đã làm sai. Hãy chia sẻ mục đích phân tích và mời người phụ trách quy trình cùng nhân viên tham gia ngay từ đầu. Nếu dữ liệu cho thấy một nhóm mất nhiều thời gian hơn, hãy tìm hiểu điều gì tạo ra khác biệt: khối lượng công việc, giới hạn của hệ thống hay một bước cần được làm rõ. Nguyên nhân thường nằm ở cách tổ chức công việc, và những người trực tiếp làm việc thường là người giúp bạn tìm ra câu trả lời.

Đừng dùng dữ liệu kém chất lượng

Phân tích phụ thuộc vào event log. Dấu thời gian bị thiếu, tên hoạt động không nhất quán hoặc Case ID không chính xác có thể khiến quy trình trông khác với thực tế. Hãy kiểm tra ý nghĩa của từng trường, xác nhận sự kiện thuộc đúng trường hợp và xem một mẫu dữ liệu trước khi phân tích toàn bộ tập dữ liệu. Tìm dữ liệu quy trình ở đâu giải thích các trường bạn cần.

Cách bắt đầu

Một dự án thử nghiệm có phạm vi rõ ràng giúp bạn tìm hiểu process mining có thể cho thấy điều gì mà không cần phân tích mọi thứ cùng lúc.

Thống nhất câu hỏi

Giải thích process mining có thể cho thấy điều gì và thống nhất nội dung bạn muốn tìm hiểu. Tập hợp một nhóm nhỏ am hiểu quy trình, dữ liệu và bối cảnh kinh doanh.

Bắt đầu bằng câu hỏi quan trọng với nhóm, chẳng hạn chậm trễ xảy ra ở đâu hoặc vì sao các trường hợp quay lại bước trước.

Chọn quy trình có phạm vi vừa sức

Chọn quy trình có phạm vi rõ ràng và dữ liệu dễ truy cập. Quy trình thường bị chậm trễ hoặc phải làm lại có thể là điểm khởi đầu phù hợp.

Giới hạn dự án thử nghiệm trong một đơn vị kinh doanh, dòng sản phẩm hoặc phạm vi xác định khác. Phạm vi tập trung giúp bạn dễ kiểm chứng kết quả hơn.

Chuẩn bị event log

Thu thập dữ liệu cần thiết cho dự án thử nghiệm. Bạn có thể bắt đầu bằng bảng tính hoặc tệp CSV xuất ra. Nếu cần hỗ trợ truy cập hoặc kết hợp dữ liệu, hãy nhờ bộ phận CNTT.

Kiểm tra để đảm bảo mỗi sự kiện có Case ID, tên hoạt động và dấu thời gian. Xác nhận các trường dữ liệu nhất quán và phản ánh đúng quy trình bạn muốn nghiên cứu.

Khám phá quy trình

Tải event log lên và xem mô hình quy trình. Kiểm tra số lượng trường hợp và khoảng thời gian có hợp lý không. Nếu không, hãy xem lại bước chuẩn bị dữ liệu.

Xem các luồng chính, biến thể và thời lượng hoạt động. Dùng bộ lọc để tập trung vào những trường hợp liên quan đến câu hỏi, sau đó ghi lại các mẫu cần tìm hiểu thêm.

Kiểm chứng và lập kế hoạch

Cùng chuyên viên phân tích, người phụ trách quy trình và nhân viên am hiểu công việc xem lại kết quả. Hỏi xem các mẫu có khớp với trải nghiệm của họ không và điều gì có thể giải thích những mẫu đó.

Thống nhất vấn đề nào cần tìm hiểu hoặc xử lý, đồng thời xác định cách đo lường thay đổi.

Đo lường và lặp lại

Sau khi nhóm thực hiện thay đổi, hãy phân tích lại quy trình. So sánh kết quả với thời điểm bắt đầu để xem điều gì đã thay đổi.

Dùng những gì đã tìm hiểu để điều chỉnh câu hỏi tiếp theo hoặc mở rộng phân tích sang quy trình khác.

ProcessMind phù hợp ở đâu

Các trường hợp sử dụng process mining

Bạn có thể dùng process mining cho quy trình có hoạt động để lại bản ghi số và có thể liên kết thành từng trường hợp. Một số ví dụ phổ biến:

• Từ đơn hàng đến thu tiền (O2C): Xem xét vòng đời đơn hàng, từ khi khách đặt hàng đến lúc thanh toán, để tìm hiểu chậm trễ trong khâu hoàn tất đơn hàng, lập hóa đơn hoặc thu tiền.
• Từ mua hàng đến thanh toán (P2P): Xem xét quy trình mua sắm từ lúc đề nghị mua hàng đến khi thanh toán cho nhà cung cấp, đồng thời tìm các trường hợp phê duyệt chậm hoặc phải làm lại.
• Quản lý dịch vụ CNTT (ITSM): Phân tích phiếu yêu cầu hỗ trợ để tìm các luồng xử lý chậm, trường hợp chuyển cấp và vi phạm SLA.
• Tiếp nhận khách hàng mới: Xem khách hàng mới trải qua các bước tiếp nhận ra sao và chậm trễ hoặc bỏ dở xảy ra ở đâu. Quản lý đơn hàng cũng xem xét vấn đề tương tự ở khâu hoàn tất đơn hàng.
• Xử lý yêu cầu bồi thường: Xem xét cách các yêu cầu bồi thường bảo hiểm hoặc y tế được thẩm định và xử lý.
• Sản xuất và chuỗi cung ứng: Xem xét quy trình sản xuất và chuỗi cung ứng để tìm hiểu chậm trễ, vấn đề chất lượng hoặc hạn chế về tài nguyên.

Dữ liệu sự kiện có thể đến từ hệ thống ERP như SAP, Oracle và Microsoft Dynamics; nền tảng CRM như Salesforce và HubSpot; công cụ hỗ trợ như ServiceNow và Zendesk; hoặc ứng dụng được phát triển riêng. Dữ liệu của một hệ thống có phù hợp hay không tùy thuộc vào việc bạn có xác định được trường hợp, hoạt động và dấu thời gian hay không.

Duyệt thư viện theo ngành, phòng ban hoặc vai trò trong chuyển đổi. Bạn cũng có thể bắt đầu với hướng dẫn cải tiến quy trình phù hợp với quy trình và hệ thống của mình. Mỗi hướng dẫn nêu rõ các trường cần xuất, hoạt động cần ghi nhận và mẫu dữ liệu cần điền từ hệ thống nguồn.

Process mining, khai phá dữ liệu và machine learning khác nhau thế nào?

Process mining, khai phá dữ liệu và machine learning phân tích dữ liệu theo những cách khác nhau. Process mining tập trung vào cách các trường hợp đi qua từng hoạt động theo thời gian. Khai phá dữ liệu tìm kiếm mẫu trong tập dữ liệu. Machine learning dùng dữ liệu để dự đoán hoặc phân loại.

Điểm khác biệt chính nằm ở câu hỏi mà mỗi phương pháp trả lời. Process mining theo dõi trình tự các hoạt động. Phương pháp này có thể cho thấy một trường hợp phải chờ khi bàn giao hoặc lặp lại một hoạt động. Khai phá dữ liệu có thể tìm ra mẫu trong các bản ghi, còn machine learning ước tính khả năng xảy ra một kết quả.

Các phương pháp này có thể bổ trợ cho nhau. Bạn có thể dùng process mining để hiểu luồng công việc và tìm điểm khác biệt, sau đó áp dụng phương pháp phân tích khác để tìm hiểu các mẫu hoặc dự đoán kết quả. Bản thân dự đoán không giải thích hay thay đổi quy trình.

Xem thêm các thuật ngữ dùng trong phân tích quy trình tại bảng thuật ngữ ProcessMind.