Penambangan proses adalah teknik yang menganalisis data dari log peristiwa untuk membantu organisasi menemukan, memantau, dan meningkatkan proses bisnis mereka. MLOps berada di persimpangan antara data science dan manajemen proses. Dengan menggunakan algoritma khusus, penambangan proses membaca jejak digital yang tertinggal di sistem seperti alat perencanaan sumber daya perusahaan (ERP) atau pengelolaan hubungan pelanggan (CRM). Teknik ini mengambil data mentah dan mengubahnya menjadi peta visual proses bisnis Anda.
Saat developer atau pemimpin bisnis melihat peta ini, mereka dapat melihat dengan tepat apa yang terjadi secara real time. Hal ini melampaui perkiraan atau asumsi tentang cara kerja suatu proses. Sebagai gantinya, AI memberikan gambaran faktual dan berbasis data. Hal ini membantu organisasi mengidentifikasi bottleneck, menemukan inefisiensi, dan menemukan peluang untuk membuat operasi berjalan lebih lancar.
Teknologi penambangan proses bekerja dengan mengekstrak pengetahuan dari data yang sudah ada dalam sistem informasi perusahaan Anda. Data ini mengikuti alur kerja tertentu untuk mengubah data yang tersebar menjadi insight yang dapat ditindaklanjuti.
Ada tiga teknik utama dalam penambangan proses yang digunakan oleh organisasi sesuai dengan tujuan mereka. Setiap jenis memiliki tujuan yang berbeda dalam memahami dan meningkatkan alur kerja.
Penemuan sering kali menjadi titik awal. Dalam teknik ini, Anda membangun model dari awal hanya dengan menggunakan data log peristiwa. Anda tidak memulai dengan hipotesis atau model yang sudah ada sebelumnya tentang bagaimana proses seharusnya berjalan, karena algoritma hanya melihat data dan menghasilkan model yang mencerminkan realitas. Hal ini dapat berguna jika Anda ingin melihat apa yang sebenarnya terjadi tanpa prasangka apa pun.
Pemeriksaan kesesuaian adalah tentang membandingkan realitas dengan standar. Di sini, Anda mengambil data dunia nyata dan membandingkannya dengan model "ideal" yang telah ditentukan sebelumnya atau serangkaian aturan. Tujuannya adalah untuk menemukan pelanggaran. Misalnya, jika pesanan pembelian harus disetujui sebelum invoice dibayar, pemeriksaan kesesuaian akan menandai setiap kasus pembayaran yang dilakukan terlebih dahulu. Hal ini membantu memastikan tim mematuhi aturan.
Peningkatan melibatkan penggunaan data untuk meningkatkan atau memperluas model proses yang ada. Hal ini bukan hanya tentang menemukan kesalahan, tetapi juga tentang menambah nilai. Misalnya, Anda dapat mengambil peta proses yang ada dan melapisi data stempel waktu untuk melihat dengan tepat di mana penundaan terjadi. Hal ini membantu Anda memperbaiki model atau menyesuaikan proses agar lebih sesuai dengan realitas lingkungan bisnis.
Istilah-istilah ini sering kali membingungkan, tetapi mengacu pada disiplin ilmu yang berbeda. Meskipun semuanya menangani data dan analisis bisnis, mereka menghadapi masalah dari sudut pandang yang berbeda.
Fitur | Pemodelan proses | Pemrosesan data | Penambangan proses |
Sumber utama | Wawancara manusia, workshop | Set data besar | Log peristiwa (data sistem) |
Fokus | Cara kerja suatu proses | Pola dan korelasi | Cara kerja suatu proses |
Objektivitas | Subjektif (Berdasarkan opini) | Objektif (Berdasarkan fakta) | Tujuan |
Hasil | Diagram statis | Model/Cluster Prediktif | Peta proses dinamis |
Fitur
Pemodelan proses
Pemrosesan data
Penambangan proses
Sumber utama
Wawancara manusia, workshop
Set data besar
Log peristiwa (data sistem)
Fokus
Cara kerja suatu proses
Pola dan korelasi
Cara kerja suatu proses
Objektivitas
Subjektif (Berdasarkan opini)
Objektif (Berdasarkan fakta)
Tujuan
Hasil
Diagram statis
Model/Cluster Prediktif
Peta proses dinamis
Aplikasi penambangan proses mencakup berbagai industri. Departemen mana pun yang mengandalkan alur kerja terstruktur dapat menggunakan teknik ini untuk meningkatkan performa.
Departemen keuangan sering kali menjadi pengguna awal penambangan proses. Mereka dapat menggunakannya untuk menyederhanakan akun utang dan piutang, seperti menggunakannya untuk membantu mengurangi waktu siklus pemrosesan invoice. Hal ini membantu mengatasi pembayaran duplikat dan mencegah vendor yang tidak disetujui, yang sering disebut sebagai "Pembelian Maverick". Dengan melihat alur faktur yang tepat, tim keuangan dapat memastikan mereka memanfaatkan diskon pembayaran awal dan menghindari biaya keterlambatan.
Untuk perusahaan yang menangani barang fisik, penambangan proses dapat membantu mengelola kompleksitas supply chain, seperti mengoptimalkan lini produksi dengan mengidentifikasi stasiun mana yang menyebabkan penundaan.
Dalam logistik, layanan ini membantu memvisualisasikan pergerakan barang yang tepat melalui supply chain, dari gudang ke pelanggan. Visibilitas ini membantu manajer memprediksi keterlambatan, mengelola serah terima inventaris dengan lebih lancar, dan memastikan jadwal produksi sesuai dengan permintaan pelanggan.
Di sektor kesehatan, penambangan proses dapat digunakan untuk meningkatkan pengalaman pasien. Rumah sakit dapat menggunakannya untuk memvisualisasikan "Perjalanan Pasien" mulai dari penerimaan hingga pemulangan. Dengan menganalisis waktu antara berbagai tahap—seperti triase, pengujian, dan perawatan—administrator dapat mengidentifikasi hambatan yang menyebabkan waktu tunggu yang lama. Hal ini dapat meningkatkan efisiensi triase dan memastikan bahwa sumber daya dialokasikan ke tempat yang paling dibutuhkan untuk meningkatkan hasil perawatan pasien.
Perusahaan telekomunikasi dapat menggunakan penambangan proses untuk meningkatkan layanan pelanggan dan orientasi. Proses mengaktifkan saluran baru atau menyiapkan layanan internet melibatkan banyak langkah dan departemen. Penambangan proses membantu mengidentifikasi titik gesekan yang menyebabkan pelanggan berhenti. Layanan ini dapat mengungkapkan alasan tiket aktivasi macet atau bolak-balik antara departemen teknis dan dukungan, sehingga perusahaan dapat memperbaiki akar masalah dan meningkatkan kepuasan pelanggan.
Kecerdasan buatan (AI) mentransformasi penambangan proses dari alat diagnostik menjadi alat prediktif. Meskipun penambangan proses tradisional menganalisis apa yang terjadi di masa lalu, AI penambangan proses menggunakan machine learning untuk memprediksi hasil di masa depan. Misalnya, model dapat menganalisis kasus terbuka saat ini dan menandai pesanan tertentu, memprediksi bahwa "Pesanan ini akan terlambat" berdasarkan pola yang terlihat dalam data historis. Hal ini memungkinkan tim untuk melakukan intervensi sebelum masalah benar-benar terjadi.
AI Generatif juga membuat teknologi ini lebih mudah diakses. Pengguna dapat membuat kueri data proses mereka dengan natural language, tanpa memerlukan data scientist untuk menulis kueri yang kompleks. Seorang manajer dapat dengan mudah bertanya, "Tunjukkan 3 hambatan teratas di pabrik Berlin," dan sistem akan membuat analisisnya. Hal ini mendemokratisasi akses ke insight, sehingga pengguna nonteknis dapat membuat keputusan berbasis data.
Penerapan penambangan proses dapat menghasilkan peningkatan signifikan terkait cara kerja perusahaan. Dengan menggunakan data untuk mendorong keputusan, organisasi sering kali melihat laba atas investasi (ROI) yang jelas.
Transparansi
Penambangan proses menawarkan visibilitas hampir 100% ke dalam operasi. Tidak ada yang tersembunyi karena sistem ini melihat setiap transaksi yang tercatat. Para pemimpin dapat melihat realitas alur kerja mereka di berbagai departemen dan lokasi, sehingga menghilangkan sifat "kotak hitam" dari operasi yang kompleks.
Efisiensi
Teknologi ini unggul dalam mengidentifikasi dan mengatasi hambatan. Misalnya, dalam supply chain, teknologi ini dapat mengungkapkan bahwa pesanan berstatus "tertunda" selama tiga hari karena persyaratan tanda tangan manual. Dengan mengidentifikasi penundaan ini, perusahaan dapat menyederhanakan langkah-langkah dan mengirimkan produk kepada pelanggan dengan lebih cepat.
Kepatuhan
AI membantu mendeteksi perilaku yang tidak patuh, seperti "Pembelian Maverick", di mana karyawan mengabaikan prosedur pengadaan standar. CloudWatch juga memantau pelanggaran perjanjian tingkat layanan (SLA), yang memastikan bahwa kewajiban kontrak terpenuhi dan mengurangi risiko penalti.
Otomatisasi
Penambangan proses adalah pendahulu yang baik untuk otomatisasi. Teknik ini mengidentifikasi langkah-langkah mana yang repetitif dan cukup stabil untuk ditangani oleh otomatisasi proses robotik (RPA). Alih-alih menebak proses mana yang akan diotomatiskan, bisnis menggunakan data untuk memilih proses yang akan menghasilkan peningkatan efisiensi tertinggi.
Bagi developer, penambangan proses bukan hanya tentang melihat dasbor, tetapi juga tentang membangun pipeline data yang memungkinkan insight tersebut. Berikut adalah contoh praktis cara merekayasa solusi menggunakan Google Cloud untuk mengoptimalkan sistem pesanan e-commerce.
Pelajari lebih lanjut konsep, fondasi data, dan teknologi Google Cloud yang mendukung penambangan proses.
Mulailah membangun solusi di Google Cloud dengan kredit gratis senilai $300 dan lebih dari 20 produk yang selalu gratis.