Process mining — analiza przebiegu, danych i ograniczeń

Od logów do przebiegu procesu

Proces zapisany w procedurze może różnić się od tego, który odzwierciedlają systemy. Sprawy wracają do wcześniejszych etapów, oczekują na dokumenty lub trafiają do wyjątkowej ścieżki. Process mining pomaga badać takie przebiegi na podstawie logów zdarzeń.

Wynik pokazuje to, co zostało poprawnie zarejestrowane i włączone do analizy. Nie obejmuje automatycznie każdej rozmowy, czynności poza systemem ani przyczyny opóźnienia.

Czym jest process mining

Process mining łączy analizę danych z modelowaniem procesów. Podstawowy dziennik zdarzeń zwykle zawiera identyfikator sprawy, rodzaj czynności i znacznik czasu. Dodatkowe dane mogą opisywać oddział, typ zamówienia lub zasób, jeśli ich wykorzystanie jest uzasadnione.

Na tej podstawie można odkrywać modele przebiegu, porównywać zarejestrowane zdarzenia z modelem referencyjnym oraz analizować czasy i warianty. Wybór algorytmu, filtrów i sposobu łączenia danych wpływa na wynik.

Nie każdy ERP lub CRM zapisuje potrzebne informacje w gotowej postaci. Przed zakupem narzędzia trzeba sprawdzić dostęp, kompletność danych, znaczenie statusów i możliwość powiązania zdarzeń z właściwą sprawą.

Co można zobaczyć w danych

Rozważmy hipotetyczny przykład: część faktur wraca z zatwierdzenia do uzupełnienia numeru zamówienia. Analiza może policzyć takie powroty, porównać czas obsługi z fakturami bez poprawki i wskazać etapy oczekiwania.

Nie dowodzi to jeszcze, że zatwierdzający pracuje zbyt wolno. Brakujące dane, uzgodnienia poza systemem lub niewłaściwy znacznik czasu mogą wyjaśniać wynik. Interpretację należy sprawdzić z osobami znającymi proces.

Warto mierzyć medianę i rozkład czasu, liczbę powrotów, udział wyjątków oraz kompletność danych. Średnia może ukrywać niewielką grupę bardzo długo obsługiwanych spraw.

Jak analiza uzupełnia warsztaty i obserwację

Dane o przebiegu: logi pozwalają analizować wiele zarejestrowanych przypadków. Warsztat pomaga wyjaśnić kontekst, którego system nie zapisał. Obie metody mogą się uzupełniać.

Porównanie wariantów: można zestawić oddziały lub okresy, ale trzeba uwzględnić różnice w typach spraw, wolumenie i definicjach statusów. Surowy ranking nie musi mierzyć efektywności.

Monitorowanie zmian: cyklicznie zasilana analiza pomaga sprawdzać trend po wdrożeniu. Wymaga jednak aktualnych integracji i kontroli jakości danych; samo zainstalowanie narzędzia nie tworzy ciągłego monitoringu.

Gdzie warto rozważyć process mining

Przykładowe zastosowania obejmują obieg faktur, zamówienia, reklamacje i onboarding. Ważne są dostępne dane, powtarzalność przebiegu oraz konkretne pytanie, na które analiza ma odpowiedzieć.

Porównanie z modelem referencyjnym może wskazać zdarzenia wymagające wyjaśnienia, np. brak odnotowanego zatwierdzenia. Nie jest automatycznym potwierdzeniem naruszenia prawa ani certyfikatem zgodności całego procesu.

Koszt, bezpieczeństwo i efekt

Budżet obejmuje narzędzie, przygotowanie danych, pracę analityków, udział zespołu operacyjnego i utrzymanie. Licencja nie jest jedynym kosztem, a kolejność prac zależy od jakości źródeł.

Logi mogą zawierać dane osobowe. Ustal cel, podstawę przetwarzania, dostęp i retencję. Pseudonimizacja ogranicza część ryzyka, ale sama nie wyłącza stosowania RODO. Analiza procesu nie powinna bez uzasadnienia zmieniać się w ocenę pojedynczych pracowników.

Wartość ekonomiczna wynika z działań podjętych na podstawie analizy, nie z samej mapy. W modelu ROI uwzględnij koszty późniejszego usprawnienia. Odzyskany czas rozdziel od rzeczywistego ograniczenia wydatków.

Jak wykorzystać analizę w decyzji o projekcie

Wybierz jeden proces, określ pytanie i sprawdź próbkę logów. Ustal kryteria jakości danych oraz sposób oceny efektu przed rozszerzeniem analizy.

AiP jest częścią Q-Journey, w wariantach Express i Platinum. Platinum obejmuje również konsulting Lean i Muda. Zakres audytu, harmonogram i cenę ustalamy indywidualnie. Aplikacja powstająca po audycie należy do drugiego etapu Q-Journey, także wtedy, gdy nie wymaga AI.