Qu'est-ce que l'exploration de processus ?

L'exploration de processus est une technique qui analyse les données des journaux d'événements pour aider les entreprises à découvrir, surveiller et améliorer leurs processus métier. Elle se situe à l'intersection de la data science et de la gestion des processus. Grâce à des algorithmes spécialisés, l'exploration de processus lit les empreintes numériques laissées dans des systèmes tels que les outils de planification des ressources d'entreprise (ERP) ou de gestion de la relation client (CRM). Elle prend ces données brutes et les transforme en une carte visuelle de vos processus métier.

Lorsque les développeurs ou les dirigeants d'entreprise consultent ces cartes, ils peuvent voir exactement ce qui se passe en temps réel. Cela va au-delà des suppositions sur le fonctionnement d'un processus. Au lieu de cela, elle fournit une image factuelle basée sur les données. Cela aide les entreprises à identifier les goulots d'étranglement, à repérer les inefficacités et à trouver des opportunités pour améliorer le déroulement des opérations.

Fonctionnement de l'exploration de processus : des journaux d'événements aux insights

La technologie d'exploration de processus fonctionne en extrayant des connaissances des données qui existent déjà dans les systèmes d'information de votre entreprise. Elle suit un workflow spécifique pour transformer des données dispersées en insights pratiques.

  • Ingestion : la première étape consiste à collecter des journaux d'événements. Chaque fois qu'un utilisateur interagit avec un système logiciel, un enregistrement est créé. Cet enregistrement inclut généralement un ID de cas (une instance spécifique d'un processus, comme la commande n° 123), un code temporel (le moment où l'événement s'est produit) et une activité (ce qui s'est passé, comme "commande approuvée"). Les outils d'exploration de processus ingèrent ces données pour former la base de l'analyse.
  • Découverte : une fois les données ingérées, des algorithmes tels que l'algorithme alpha ou l'inductive miner reconstruisent le flux des processus. Ils examinent la séquence d'activités pour chaque cas, et un logiciel comme Looker dessine ensuite automatiquement une carte des processus. Cette carte permet de visualiser les chemins empruntés par différents cas, en montrant les itinéraires les plus courants et les anomalies sans aucun biais humain.
  • Analyse : enfin, les équipes utilisent le logiciel pour analyser les résultats. Elles recherchent le "parcours heureux", c'est-à-dire l'itinéraire idéal et le plus efficace qu'un processus devrait suivre. Elles comparent ensuite ce flux aux écarts, boucles ou retards, ce qui permet d'identifier les points de blocage ou les étapes supplémentaires et inutiles.

Types d'explorations de processus

Il existe trois principales techniques d'exploration de processus que les entreprises utilisent en fonction de leurs objectifs. Chaque type sert un but différent pour comprendre et améliorer les workflows.

La découverte est souvent le point de départ. Dans cette technique, vous créez un modèle à partir de zéro en utilisant uniquement les données du journal d'événements. Vous ne partez pas d'une hypothèse ou d'un modèle préexistant de la façon dont le processus devrait fonctionner, car les algorithmes se contentent d'examiner les données et de produire un modèle qui reflète la réalité. Cela peut être utile lorsque vous souhaitez voir ce qui se passe réellement sans aucun préjugé.

La vérification de la conformité consiste à comparer la réalité à une norme. Ici, vous prenez les données réelles et vous les comparez à un modèle "idéal" prédéfini ou à un ensemble de règles. L'objectif est de trouver des violations. Par exemple, si un bon de commande doit être approuvé avant qu'une facture ne soit payée, la vérification de la conformité signalera chaque cas où le paiement a eu lieu en premier. Elle permet de s'assurer que les équipes respectent les règles.

L'amélioration consiste à utiliser des données pour améliorer ou étendre un modèle de processus existant. Il ne s'agit pas seulement de trouver des erreurs, mais aussi d'apporter de la valeur ajoutée. Par exemple, vous pouvez prendre une carte de processus existante et y superposer des données de code temporel pour identifier précisément là où les retards se produisent. Cela vous aide à corriger le modèle ou à ajuster le processus pour qu'il corresponde mieux à la réalité de l'environnement commercial.

Exploration de processus, exploration de données et modélisation de processus

Il est facile de confondre ces termes, mais ils désignent des disciplines différentes. Bien qu'ils aient tous trait à l'analyse de données et à l'analyse commerciale, ils abordent le problème sous des angles différents.

  • La modélisation des processus est traditionnellement une tâche manuelle. Elle repose sur des entretiens et des ateliers menés par des analystes métier, qui utilisent des notes pour décrire le fonctionnement théorique d'un processus. Elle est subjective et représente l'état "souhaité".
  • L'exploration de données est un domaine très vaste. Elle recherche des schémas dans n'importe quel type d'ensemble de données, et pas seulement dans les données de processus. Elle peut vous aider à répondre à des questions telles que "Quels clients sont susceptibles de se désabonner ?" plutôt qu'à "Pourquoi la livraison prend-elle autant de temps ?".
  • L'exploration de processus se concentre spécifiquement sur les données des processus pour visualiser les séquences et les flux.

Caractéristique

Modélisation des processus

Exploration de données

Exploration de processus

Source principale

Entretiens humains, ateliers

Ensembles de données volumineux

Journaux d'événements (données système)

Objectif

Comment un processus doit fonctionner

Modèles et corrélations

Fonctionnement réel d'un processus

Objectivité

Subjective (basée sur une opinion)

Objective (basée sur des faits)

Objectif

Résultat

Diagrammes statiques

Modèles prédictifs/clusters

Cartes de processus dynamiques

Caractéristique

Modélisation des processus

Exploration de données

Exploration de processus

Source principale

Entretiens humains, ateliers

Ensembles de données volumineux

Journaux d'événements (données système)

Objectif

Comment un processus doit fonctionner

Modèles et corrélations

Fonctionnement réel d'un processus

Objectivité

Subjective (basée sur une opinion)

Objective (basée sur des faits)

Objectif

Résultat

Diagrammes statiques

Modèles prédictifs/clusters

Cartes de processus dynamiques

Cas d'utilisation de l'exploration de processus par secteur

Les applications d'exploration de processus couvrent divers secteurs. Tout service qui s'appuie sur des workflows structurés peut utiliser ces techniques pour améliorer ses performances.

Les services financiers sont souvent les premiers à adopter l'exploration de processus. Ils peuvent l'utiliser pour simplifier la comptabilité et les comptes clients, par exemple pour réduire les délais de traitement des factures. Elle contribue à éviter les paiements en double et à empêcher les fournisseurs non approuvés, souvent appelés "achats non conformes". En visualisant le flux exact d'une facture, les équipes financières peuvent s'assurer de profiter des remises pour paiement anticipé et d'éviter les frais de retard.

Pour les entreprises qui manipulent des marchandises physiques, l'exploration de processus peut aider à gérer les complexités de la chaîne d'approvisionnement, par exemple en optimisant les chaînes de production par l'identification des postes qui causent des retards.

Dans le secteur de la logistique, elle permet de visualiser le mouvement exact des marchandises tout au long de la chaîne d'approvisionnement, de l'entrepôt au client. Cette visibilité aide les responsables à anticiper les retards, à gérer les transferts d'inventaire plus facilement et à s'assurer que les calendriers de production correspondent à la demande des clients.

Dans le secteur de la santé, l'exploration de processus peut servir à améliorer l'expérience des patients. Les hôpitaux peuvent l'utiliser pour visualiser le parcours des patients, de l'admission à la sortie. En analysant le temps écoulé entre les différentes étapes (triage, test, traitement, etc.), les administrateurs peuvent identifier les goulots d'étranglement qui entraînent de longs temps d'attente. Cela peut améliorer l'efficacité du triage et assurer que les ressources sont allouées là où elles sont le plus nécessaires pour améliorer les résultats des patients.

Les entreprises de télécommunications peuvent utiliser l'exploration de processus pour améliorer le service client et l'intégration. Le processus d'activation d'une nouvelle ligne ou de configuration d'un service Internet implique de nombreuses étapes et équipes. L'exploration de processus permet d'identifier les points de friction qui font fuir les clients. Elle peut révéler pourquoi les demandes d'activation restent bloquées ou font des allers-retours entre les services techniques et d'assistance. L'entreprise peut ainsi corriger la cause des problèmes et améliorer la satisfaction client.

Le rôle de l'IA dans l'exploration de processus

L'intelligence artificielle (IA) transforme l'exploration de processus, qui passe d'un outil de diagnostic à un outil prédictif. Alors que l'exploration de processus traditionnelle analyse ce qui s'est passé dans le passé, l'IA pour l'exploration de processus utilise le machine learning pour prédire les résultats futurs. Par exemple, un modèle peut analyser les cas ouverts et signaler une commande spécifique en prédisant que "cette commande sera en retard" en fonction des schémas observés dans les données historiques. Cela permet aux équipes d'intervenir avant qu'un problème ne survienne.

L'IA générative rend également la technologie plus accessible. Au lieu de faire appel à un data scientist pour rédiger des requêtes complexes, les utilisateurs peuvent interroger leurs données de processus en langage naturel. Un responsable peut simplement demander "Montre-moi les trois principaux goulots d'étranglement dans l'usine de Berlin", et le système génère l'analyse. Cela démocratise l'accès aux insights, permettant aux utilisateurs non techniques de prendre des décisions basées sur les données.

Avantages de l'exploration de processus pour les opérations commerciales

L'implémentation de l'exploration de processus peut entraîner des améliorations significatives du fonctionnement d'une entreprise. En utilisant les données pour prendre des décisions, les entreprises constatent souvent un retour sur investissement (ROI) évident.

Transparence

L'exploration de processus offre une visibilité quasi totale sur les opérations. Comme elle examine chaque transaction enregistrée dans le système, rien ne lui échappe. Les dirigeants peuvent voir la réalité de leurs workflows dans différents services et sites, ce qui élimine l'effet de "boîte noire" des opérations complexes.

Efficacité

Cette technologie excelle dans l'identification et la suppression des goulots d'étranglement. Par exemple, dans une chaîne d'approvisionnement, elle peut révéler que les commandes restent à l'état "en attente" pendant trois jours en raison d'une exigence de signature manuelle. En identifiant ces retards, les entreprises peuvent simplifier les étapes et livrer les produits aux clients plus rapidement.

Conformité

Elle aide à détecter les comportements non conformes, comme les achats non conformes, où les employés contournent les procédures d'approvisionnement standard. Elle surveille également les violations des contrats de niveau de service (SLA) pour s'assurer que les obligations contractuelles sont respectées et réduire le risque de pénalités.

Automatisation

L'exploration de processus est un excellent précurseur de l'automatisation. Elle identifie les étapes répétitives et suffisamment stables pour être gérées par l'automatisation des processus par la robotique (RPA). Au lieu de deviner ce qu'il faut automatiser, les entreprises utilisent ces données pour choisir les processus qui généreront les gains d'efficacité les plus importants.

Relevez vos plus grands défis avec Google Cloud

Les nouveaux clients bénéficient de 300 $ de crédits à dépenser sur Google Cloud.

Exemple de création d'un pipeline d'exploration de processus

Pour un développeur, l'exploration de processus ne se limite pas à la consultation d'un tableau de bord. Il s'agit de créer le pipeline de données qui permet d'obtenir ces insights. Voici un exemple concret de la façon dont vous pouvez concevoir une solution à l'aide de Google Cloud pour optimiser un système de commande d'e-commerce.

  • Étape 1 : Centraliser les journaux. Votre première tâche consiste à extraire les données brutes de votre application et à les placer dans un emplacement où elles peuvent être analysées. Vous pouvez configurer votre application d'e-commerce (exécutée sur Google Kubernetes Engine ou Compute Engine) pour qu'elle envoie les journaux d'application à Cloud Logging. Vous créez ensuite un récepteur pour exporter automatiquement ces journaux dans BigQuery. Cela permet d'assurer que chaque événement "Commande passée", "Paiement traité" et "Article expédié" est stocké de façon permanente dans un entrepôt de données évolutif.
  • Étape 2 : Transformer les données en journaux d'événements Les journaux d'application bruts sont souvent des blobs JSON désordonnés. Vous devez les transformer en un format de journal d'événements propre que les algorithmes d'exploration de processus peuvent lire. Vous pouvez utiliser BigQuery SQL ou Dataform pour écrire un pipeline de transformation. Ce pipeline extrait les trois colonnes critiques : "Numéro de demande" (numéro de commande), "Code temporel" (heure de l'événement) et "Nom de l'activité" (par exemple, "Paiement approuvé").
  • Étape 3 : Prédire les résultats avec l'IA Une fois que votre table de journaux d'événements nettoyée se trouve dans BigQuery, vous pouvez utiliser Vertex AI pour ajouter des prédictions. Vous pouvez entraîner un modèle de classification tabulaire directement sur vos données BigQuery pour prédire des résultats binaires, comme "Cette commande sera-t-elle en retard ?" (Oui/Non)." Vous pouvez ensuite réécrire ces prédictions dans BigQuery, ce qui enrichit vos données de processus avec des probabilités futures.
  • Étape 4 : Visualisation et alertes Enfin, vous pouvez connecter Looker à vos tables BigQuery pour visualiser le flux de processus et les retards prévus. Vous pouvez également configurer une fonction Cloud Run qui déclenche une alerte pour l'équipe de service client chaque fois que Vertex AI prédit une forte probabilité de retard de livraison, ce qui lui permet de contacter le client de manière proactive.

Autres ressources

Découvrez les concepts, les fondations de données et les technologies Google Cloud qui sous-tendent l'exploration de processus.

Passez à l'étape suivante

Commencez à créer des applications sur Google Cloud avec 300 $ de crédits inclus et plus de 20 produits toujours sans frais.

  • Faites des économies grâce à notre approche transparente concernant la tarification
  • Le paiement à l'usage de Google Cloud permet de réaliser des économies automatiques basées sur votre utilisation mensuelle et des tarifs réduits pour les ressources prépayées. Contactez-nous dès aujourd'hui afin d'obtenir un devis.
Google Cloud