プロセス マイニングとは

プロセスマイニング技術は、企業の情報システム内にすでに存在するデータから知識を抽出することで機能します。特定のワークフローに従って、散在するデータを実用的な分析情報に変換します。

• 取り込み: 最初のステップでは、「イベントログ」を収集します。ユーザーがソフトウェア システムとやり取りするたびに、レコードが作成されます。このレコードには通常、ケース ID（注文番号 123 など、プロセスの特定のインスタンス）、タイムスタンプ（発生した日時）、アクティビティ（「注文が承認されました」など、発生した内容）が含まれます。プロセス マイニング ツールは、このデータを取り込んで分析の基盤を形成します。
• 検出: データが取り込まれると、アルファ アルゴリズムや帰納的マイナーなどのアルゴリズムによってプロセスフローが再構築されます。すべてのケースについてアクティビティのシーケンスを確認し、Looker などのソフトウェアでプロセス マップを自動的に描画します。このマップは、さまざまなケースがたどる経路を可視化し、人間のバイアスをなくして最も一般的なルートと外れ値を示します。
• 分析: 最後に、チームはソフトウェアを使用して結果を分析します。「ハッピー パス」、つまりプロセスがたどるべき理想的かつ最も効率的なルートを探します。次に、これを逸脱、ループ、遅延と比較して、作業が滞っている場所や、チームが余分な必要でない手順を行っている場所を特定します。

これらの用語は混同しやすいですが、それぞれ異なる分野を指します。これらはすべてデータとビジネス分析に関する用語ですが、それぞれ別の角度から問題にアプローチします。

• プロセス モデリングは、従来は手動で行われていました。ビジネス アナリストがインタビューを実施し、ワークショップを開催し、付箋を使用してプロセスがどのように機能すると想定されるかを導き出します。これは主観的で、「あるべき」状態を表します。
• データ マイニングは非常に幅広い分野です。プロセスデータだけでなく、あらゆる種類のデータセットのパターンを探します。これは「なぜ配送に時間がかかっているのか？」ではなく、「どの顧客が離脱する可能性が高いか？」といった質問に答えるのに役立ちます。
• プロセスマイニング は、プロセス中心のデータに特に焦点を当てて、シーケンスとフローを可視化します。

AI は、プロセス マイニングを診断ツールから予測ツールへと変革しています。従来のプロセス マイニングは過去に何が起こったかを分析しますが、プロセス マイニング AI は機械学習を使用して将来の結果を予測します。たとえば、モデルが現在未解決のケースを分析し、過去のデータで確認されたパターンに基づいて「この注文は遅れる」と予測して、特定の注文にフラグを立てる場合があります。これにより、チームは問題が実際に発生する前に介入できます。

生成 AI により、テクノロジーがより利用しやすくなっています。データサイエンティストが複雑なクエリを作成する必要がなくなり、ユーザーが自然言語でプロセスデータをクエリできるようになります。マネージャーは「ベルリン工場のボトルネック上位 3 つを表示して」と尋ねるだけで、システムが分析を生成します。これにより、分析情報へのアクセスが民主化され、技術者以外のユーザーもデータドリブンな意思決定を行えるようになります。