Il process mining è un metodo per applicare algoritmi specializzati ai dati del log degli eventi per identificare tendenze, modelli e dettagli sullo svolgimento di un processo.
I sistemi informativi, come gli strumenti ERP forniscono una traccia dei vari step di processo (a livello di singola transazione) con i rispettivi dati di log ed il process mining utilizza questi dati per creare un modello di processo o un grafico di processo del processo reale in modo da esaminare lo stesso in un’ottica end-to-end.
Ricostruzione e analisi dei processi aziendali
Partendo dalla cronologia degli eventi presenti sui sistemi e utilizzando algoritmi specializzati, si ricostruiscono i processi aziendali, consentendo l’analisi dei processi AS-IS (e le relative varianze) e fornendo degli insight per individuare delle inefficienze, dei ritardi, delle deviazioni e quindi delle potenziali aree di ottimizzazione e, in ultima istanza, di automazione.
Questi algoritmi e visualizzazioni consentono al management di vedere se i processi funzionano come previsto; in caso contrario, forniscono le informazioni necessarie per giustificare e allocare le risorse necessarie per ottimizzarli, individuando potenziali aree di ottimizzazione e, in ultima istanza, di automazione.
Misurazione delle performance di processo
Infatti attraverso la cattura dei log non si misurano solo i volumi di attività ma anche il tempo impiegato per performare l’attività, le ore e i minuti tra uno step e l’altro, le persone che sono intervenuti in quella attività di sistema permettendo di definire dei kpi di processo che combinano le diverse variabili presenti in un’attività:
- Step delle varie fasi di processo
- Volumi gestiti
- Tempo di svolgimento dell’intero processo o di uno step dello stesso
- Interruzioni dello step o ripetizioni dello stesso
- Persone che hanno eseguito quell’attività
Estrarre dati e migliorare i processi
Combinando il data mining e gli analytics dei processi, le organizzazioni possono estrarre i dati registrati sui log dei propri sistemi informativi per comprendere le prestazioni dei propri processi, rivelando eventuali colli di bottiglia e altre aree di miglioramento. Il process mining utilizza un approccio basato sui dati per l’ottimizzazione dei processi, consentendo ai manager di rimanere obiettivi nel processo decisionale sull’allocazione delle risorse per i processi esistenti.
Caratteristiche degli strumenti di process mining
In sintesi sono riportate le principali caratteristiche degli strumenti di process mining che agevolano le analisi dei processi aziendali:
- Trasparenza: permette la visualizzazione del processo end to end con la possibilità di entrare nel dettaglio dei singoli step del processo,
- Performance: è possibile definire ed analizzare KPI sul processo con la possibilità di verificare, in maniera agevole, i tempi di attraversamento delle varie fasi di processo individuando eventuali “colli di bottiglia”
- Conformità: permette di confrontare il processo reale rilevato con il processo modello individuando le devianze e le potenziali violazioni
- Analisi organizzative: è possibile effettuare analisi sugli aspetti organizzativi del processo, ad esempio è possibile visualizzare il numero di risorse impiegate sui vari step di processo e analizzare le attività che potenzialmente potrebbero essere automatizzate.
Esempi pratici di applicazione
A titolo esemplificativo il mining consente in un processo amministrativo come il ciclo passivo di misurare:
- Tempo medio tra il benestare al pagamento e la ricezione della fattura
- Volumi delle fatture passive registrate
- Tempo medio di registrazione rispetto alla ricezione delle fatture
- Tempo medio di pagamento rispetto alla registrazione delle fatture
- Numero o percentuale di fatture da riprocessare per assenza di benestare al pagamento;
- Numero di fatture contabilizzate automaticamente
- Numero di ordini di acquisto inseriti automaticamente
- Tempo medio tra il benestare al pagamento e la ricezione della fattura
- Numero di persone impegnate nelle varie fasi a sistemi
- Numero di storni delle fatture per errata contabilizzazione
Benefici della gestione data-driven
È evidente che gestendo la dimensione volumi e la dimensione tempo, integrandola con la dimensione finanziaria ossia ad esempio con il costo orario o giornaliero delle persone impegnate in quella attività, si definiscono una serie di KPI di performance (che misurano le prestazioni) e KPI di servizio (che misurano i tempi di risposta per soddisfare le richieste e le aspettative dei clienti) oltre a KPI economici (costo per item, costo del processo, ecc.) che, uniti a una opportuna digitalizzazione dei processi, consentono una gestione operativa efficace e flessibile delle attività indipendentemente dalla collocazione geografica sia dei clienti interni che delle risorse, in una logica di gestione data driven dove diminuiscono le attività di execution a favore delle attività di monitoraggio e miglioramento continuo.
Trasformazione del lavoro e delle competenze
Questo processo che combina competenze, tecnologia e visione organizzativa, oltre a migliorare la qualità del lavoro, trasforma le persone da amministrativi od operatori di data-entry in ingegneri di processo in grado di gestire la macchina operativa in maniera scientifica ed oggettiva, dando spazio alle idee ed ai migliori talenti
