Che cos'è il process mining?

Il process mining è una tecnica che analizza i dati dei log degli eventi per aiutare le organizzazioni a scoprire, monitorare e migliorare i propri processi aziendali. Si trova all'intersezione tra la scienza dei dati e la gestione dei processi. Utilizzando algoritmi specializzati, il process mining legge le impronte digitali lasciate nei sistemi come la pianificazione delle risorse aziendali (ERP) o gli strumenti di gestione delle relazioni con i clienti (CRM). Prende questi dati non elaborati e li trasforma in una mappa visiva dei tuoi processi aziendali.

Quando gli sviluppatori o i dirigenti aziendali guardano queste mappe, possono vedere esattamente cosa sta succedendo in tempo reale. Va oltre la semplice ipotesi o supposizione di come funziona un processo. Fornisce invece un quadro basato sui fatti e sui dati. Questo aiuta le organizzazioni a identificare i colli di bottiglia, individuare le inefficienze e trovare opportunità per rendere le operazioni più fluide.

Come funziona il process mining: dai log degli eventi agli approfondimenti

La tecnologia di process mining funziona estraendo conoscenza dai dati già esistenti all'interno dei sistemi informativi aziendali. Segue un flusso di lavoro specifico per trasformare i dati sparsi in approfondimenti fruibili.

  • Importazione: il primo passaggio prevede la raccolta di "log degli eventi". Ogni volta che un utente interagisce con un sistema software, viene creato un record. Questo record include in genere un ID caso (un'istanza specifica di un processo, come l'ordine n. 123), un timestamp (quando si è verificato) e un'attività (cosa è successo, ad esempio "ordine approvato"). Gli strumenti di process mining importano questi dati per formare la base dell'analisi.
  • Rilevamento: una volta importati i dati, algoritmi come l'algoritmo alfa o il miner induttivo ricostruiscono il flusso di processo. Esaminano la sequenza di attività per ogni singolo caso e software come Looker disegnano automaticamente una mappa del processo. Questa mappa visualizza i percorsi seguiti da diversi casi, mostrando i percorsi più comuni e gli outlier senza alcun bias umano.
  • Analisi: infine, i team utilizzano il software per analizzare i risultati. Cercano il "percorso ideale", ovvero il percorso ideale e più efficiente che un processo dovrebbe seguire. Quindi, confrontano questi dati con deviazioni, loop o ritardi, il che aiuta a identificare i punti in cui il lavoro si blocca o in cui i team eseguono passaggi extra non necessari.

Tipi di process mining

Esistono tre tecniche principali di process mining che le organizzazioni utilizzano a seconda dei loro obiettivi. Ogni tipo ha uno scopo diverso nella comprensione e nel miglioramento dei flussi di lavoro.

La scoperta è spesso il punto di partenza. In questa tecnica, crei un modello da zero utilizzando solo i dati del log degli eventi. Non si parte da un'ipotesi o da un modello preesistente di come dovrebbe funzionare il processo, poiché gli algoritmi si limitano a esaminare i dati e a produrre un modello che rifletta la realtà. Può essere utile quando vuoi vedere cosa sta succedendo realmente senza preconcetti.

Il controllo di conformità consiste nel confrontare la realtà con uno standard. In questo caso, prendi i dati del mondo reale e li confronti con un modello "ideale" predefinito o con una serie di regole. L'obiettivo è trovare le violazioni. Ad esempio, se un ordine di acquisto deve essere approvato prima che venga pagata una fattura, il controllo di conformità segnalerà ogni caso in cui il pagamento è avvenuto prima. Aiuta a garantire che i team seguano le regole.

Il miglioramento prevede l'utilizzo dei dati per migliorare o estendere un modello di processo esistente. Non si tratta solo di trovare gli errori, ma di aggiungere valore. Ad esempio, potresti prendere una mappa di processo esistente e sovrapporvi i dati dei timestamp per vedere esattamente dove si verificano i ritardi. Questo ti aiuta a riparare il modello o ad adeguare il processo per adattarlo meglio alla realtà dell'ambiente aziendale.

Process mining, data mining e modellazione dei processi

Può essere facile confondere questi termini, ma si riferiscono a discipline diverse. Sebbene tutti si occupino di dati e analisi aziendale, affrontano il problema da angolazioni diverse.

  • La modellazione dei processi è tradizionalmente un'attività manuale. Si basa su analisti aziendali che conducono interviste, organizzano workshop e utilizzano post-it per capire come dovrebbe funzionare un processo. È soggettivo e rappresenta lo stato "dovrebbe essere".
  • Il data mining è un campo molto ampio. Cerca pattern in qualsiasi tipo di set di dati, non solo nei dati di processo. Può aiutare a rispondere a domande come "Quali clienti rischiano di abbandonare?" piuttosto che "Perché la spedizione richiede così tanto tempo?"
  • Il process mining si concentra in particolare sui dati incentrati sui processi per visualizzare sequenze e flussi.

Funzionalità

Modellazione dei processi

Data mining

Process mining

Origine principale

Interviste, workshop

Set di dati di grandi dimensioni

Log eventi (dati di sistema)

Evidenzia

Come dovrebbe funzionare un processo

Pattern e correlazioni

Come funziona effettivamente un processo

Obiettività

Soggettivo (basato su opinioni)

Obiettivo (basato sui fatti)

Obiettivo

Risultato

Diagrammi statici

Modelli/cluster predittivi

Mappe di processi dinamiche

Funzionalità

Modellazione dei processi

Data mining

Process mining

Origine principale

Interviste, workshop

Set di dati di grandi dimensioni

Log eventi (dati di sistema)

Evidenzia

Come dovrebbe funzionare un processo

Pattern e correlazioni

Come funziona effettivamente un processo

Obiettività

Soggettivo (basato su opinioni)

Obiettivo (basato sui fatti)

Obiettivo

Risultato

Diagrammi statici

Modelli/cluster predittivi

Mappe di processi dinamiche

Casi d'uso per settore per il process mining

Le applicazioni di process mining sono utilizzate in vari settori. Qualsiasi reparto che si affida a flussi di lavoro strutturati può utilizzare queste tecniche per migliorare le prestazioni.

I reparti finanziari sono spesso i primi ad adottare il process mining. Possono utilizzarlo per semplificare la contabilità fornitori e clienti, ad esempio per ridurre i tempi di ciclo per l'elaborazione delle fatture. Aiuta a bloccare i pagamenti duplicati e a impedire l'utilizzo di fornitori non approvati, spesso chiamato "Maverick Buying". Vedendo il flusso esatto di una fattura, i team finanziari possono assicurarsi di sfruttare gli sconti per pagamento anticipato ed evitare le penali per ritardo.

Per le aziende che si occupano di beni fisici, il process mining può aiutare a gestire le complessità della catena di fornitura, ad esempio ottimizzando le linee di produzione identificando le stazioni che causano ritardi.

Nella logistica, aiuta a visualizzare l'esatto movimento delle merci attraverso la catena di fornitura, dal magazzino al cliente. Questa visibilità aiuta i responsabili a prevedere i ritardi, a gestire i passaggi di inventario in modo più fluido e a garantire che i programmi di produzione corrispondano alla domanda dei clienti.

Nel settore sanitario, il process mining può essere utilizzato per migliorare l'esperienza del paziente. Gli ospedali possono utilizzarlo per visualizzare il "percorso del paziente" dal ricovero alla dimissione. Analizzando il tempo che intercorre tra le diverse fasi, come il triage, i test e il trattamento, gli amministratori possono identificare i colli di bottiglia che causano lunghi tempi di attesa. Ciò può migliorare l'efficienza del triage e garantire che le risorse siano allocate dove sono più necessarie per migliorare i risultati dei pazienti.

Le aziende di telecomunicazioni possono utilizzare il process mining per migliorare l'assistenza clienti e l'onboarding. Il processo di attivazione di una nuova linea o di configurazione del servizio internet prevede molti passaggi e coinvolge diversi reparti. Il process mining aiuta a identificare i punti di attrito in cui i clienti abbandonano il percorso. Può rivelare perché i ticket di attivazione si bloccano o rimbalzano tra i reparti tecnico e di assistenza, consentendo all'azienda di risolvere la causa principale e migliorare la soddisfazione del cliente.

Il ruolo dell'AI nel process mining

L'intelligenza artificiale (AI) sta trasformando il process mining da strumento diagnostico a strumento predittivo. Mentre il process mining tradizionale analizza ciò che è accaduto in passato, il process mining AI utilizza il machine learning per prevedere i risultati futuri. Ad esempio, un modello potrebbe analizzare le richieste aperte attuali e contrassegnare un ordine specifico, prevedendo che "Questo ordine sarà in ritardo" in base ai pattern riscontrati nei dati storici. Ciò consente ai team di intervenire prima che si verifichi un problema.

L'AI generativa sta inoltre rendendo la tecnologia più accessibile. Invece di aver bisogno di un data scientist per scrivere query complesse, gli utenti potrebbero essere in grado di eseguire query sui dati dei processi con il linguaggio naturale. Un responsabile potrebbe semplicemente chiedere "Mostrami i 3 principali colli di bottiglia nello stabilimento di Berlino" e il sistema genererebbe l'analisi. In questo modo, l'accesso agli approfondimenti viene democratizzato, consentendo agli utenti non tecnici di prendere decisioni basate sui dati.

Vantaggi del process mining per le operazioni aziendali

L'implementazione del process mining può portare a miglioramenti significativi nel modo in cui opera un'azienda. Utilizzando i dati per prendere decisioni, le organizzazioni spesso ottengono un chiaro ritorno sull'investimento (ROI).

Trasparenza

Il process mining offre una visibilità quasi al 100% sulle operazioni. Poiché esamina ogni singola transazione registrata nel sistema, nulla viene nascosto. I leader possono vedere la realtà dei loro flussi di lavoro tra diversi reparti e sedi, eliminando la natura di "scatola nera" delle operazioni complesse.

Efficienza

La tecnologia eccelle nell'identificazione e nella rimozione dei colli di bottiglia. Ad esempio, in una catena di fornitura, potrebbe rivelare che gli ordini rimangono in stato "in attesa" per tre giorni a causa di un requisito di firma manuale. Individuando questi ritardi, le aziende possono semplificare le procedure e consegnare i prodotti ai clienti più rapidamente.

Conformità

Aiuta a rilevare comportamenti non conformi, come il "Maverick Buying", in cui i dipendenti aggirano le procedure di approvvigionamento standard. Inoltre, monitora le violazioni dell'accordo sul livello del servizio (SLA), garantendo il rispetto degli obblighi contrattuali e riducendo il rischio di sanzioni.

Automazione

Il process mining è un ottimo precursore dell'automazione. Identifica i passaggi ripetitivi e sufficientemente stabili da poter essere gestiti dalla Robotic Process Automation (RPA). Invece di ipotizzare cosa automatizzare, le aziende utilizzano i dati per scegliere i processi che produrranno i maggiori guadagni in termini di efficienza.

Risolvi le tue sfide aziendali con Google Cloud

I nuovi clienti ricevono 300 $ di crediti senza costi da spendere su Google Cloud.

Creazione di un esempio di pipeline di process mining

Per uno sviluppatore, il process mining non riguarda solo la visualizzazione di una dashboard, ma anche la creazione della pipeline di dati che rende possibili questi insight. Ecco un esempio pratico di come potresti progettare una soluzione utilizzando Google Cloud per ottimizzare un sistema di ordini di e-commerce.

  • Passaggio 1: centralizzazione dei log La prima attività consiste nell'estrarre i dati non elaborati dall'applicazione e inserirli in un luogo in cui possano essere analizzati. Potresti configurare la tua applicazione di e-commerce (in esecuzione su Google Kubernetes Engine o Compute Engine) per inviare i log dell'applicazione a Cloud Logging. Da lì, crei un "sink" per esportare automaticamente questi log in BigQuery. Ciò garantisce che ogni evento "Ordine effettuato", "Pagamento elaborato" e "Articolo spedito" venga archiviato in modo permanente in un data warehouse scalabile.
  • Passaggio 2: trasformare i dati in log degli eventi I log delle applicazioni non elaborati sono spesso blob JSON disordinati. Devi trasformarli in un formato "Log degli eventi" pulito che gli algoritmi di process mining possano leggere. Puoi utilizzare BigQuery SQL o Dataform per scrivere una pipeline di trasformazione. Questa pipeline estrae le tre colonne critiche: Case ID (Order Number), Timestamp (Time of event) e Activity Name (ad es. "Pagamento approvato").
  • Passaggio 3: prevedere i risultati con l'AI Una volta che la tabella del log degli eventi pulito si trova in BigQuery, puoi utilizzare Vertex AI per aggiungere l'intelligenza predittiva. Puoi addestrare un modello di classificazione tabulare direttamente sui tuoi dati BigQuery per prevedere risultati binari, ad esempio "Questo ordine arriverà in ritardo?". (Sì/No)." Puoi quindi riscrivere queste previsioni in BigQuery, arricchendo i dati di processo con probabilità future.
  • Passaggio 4: Visualizzazione e avvisi Infine, puoi connettere Looker alle tue tabelle BigQuery per visualizzare il flusso del processo e i ritardi previsti. Puoi anche configurare una funzione Cloud Run che attiva un avviso al team di assistenza clienti ogni volta che Vertex AI prevede un'alta probabilità di ritardo nella consegna, consentendo al team di contattare proattivamente il cliente.

Risorse aggiuntive

Scopri di più sui concetti, sulle basi dei dati e sulle tecnologie Google Cloud che alimentano il process mining.

Fai un passo avanti

Inizia a creare su Google Cloud con 300 $ di crediti senza costi e oltre 20 prodotti Always Free.

Google Cloud