Le 50 principali applicazioni e casi d'uso del process mining
Secondo recenti studi, le capacità di process mining possono incrementare gli sforzi di miglioramento dei processi del 20%. 1 Oltre ai vantaggi teorici, l'analisi di casi d'uso reali e studi di caso colma il divario tra il potenziale dei dati e l'eccellenza operativa ad alto impatto, garantendo un'implementazione orientata ai risultati in tutta l'organizzazione. Esplora i casi d'uso più comuni all'interno delle rispettive categorie:
- Casi d'uso del process mining per processi generali :
- Applicazioni di process mining per settore: finanza , automobilistico , bancario , istruzione , sanità , assicurazioni , logistica, produzione
- Casi d'uso del process mining per funzione aziendale: Vendite , Gestione dei servizi IT , Servizio clienti e Sostenibilità .
Scopri i principali casi d'uso e gli studi di fatti reali:
Software di process mining i casi d'uso con esempi concreti
Ottimizzazione del processo
Scoperta del processo
Validazione della conformità
Armonizzazione dei processi
Simulazione di processo
Estrazione organizzativa
Identificazione della causa principale
Processi generali
Il grafico seguente mostra la distribuzione dei casi di studio nei diversi casi d'uso del process mining:
1- Individuazione dei processi per l'automazione: l'automazione offre soluzioni più rapide ed economiche. Tuttavia, le aziende devono esaminare i propri processi aziendali per utilizzare in modo efficiente strumenti di automazione come la Robotic Process Automation (RPA) .
2- Ottimizzazione dei processi, esclusa l'automazione: le aziende possono utilizzare il process mining per un'analisi dei processi più rapida e accurata. I log degli eventi ricavano metriche e modelli di performance per identificare colli di bottiglia e fasi dispendiose da ottimizzare. Ad esempio, abbiamo valutato tutti i vantaggi del process mining in 51 casi di studio, rivelando una riduzione del 43% dei colli di bottiglia e un'eliminazione del 4% delle fasi non necessarie.
3- Validazione della conformità: le aziende possono verificare se i loro processi attuali sono conformi alle specifiche fornite tramite controlli di conformità. Ad esempio, le decisioni di acquisto richiedono approvazioni diverse a seconda dell'importo e della natura dell'articolo acquistato.
È possibile analizzare anche i casi di non conformità, le ragioni delle deviazioni e le tendenze di conformità. Le aziende possono intervenire per ridurre tali deviazioni e garantire processi standardizzati.
4- Armonizzazione: Le aziende possono utilizzare il process mining per armonizzare in modo efficiente processi distinti. Le informazioni ricavate dagli strumenti di process mining consentono una rapida realizzazione delle sinergie pianificate.
Esempio concreto: Nokia applica il process mining ai suoi processi di acquisto-pagamento e ordine-incasso, ottenendo un'esperienza cliente fluida e acquisendo conoscenze su come coniugare efficacemente questi processi.
5- Simulazione dei processi: le capacità di process mining possono includere la simulazione dei processi e l'analisi predittiva. Le aziende possono fare previsioni future analizzando e simulando i propri processi con i dati ottenuti dai log degli eventi. La loro analisi predittiva può essere utilizzata per informare le parti interessate e i clienti. Esempio concreto: il cliente può ricevere una stima accurata dei tempi di elaborazione della sua richiesta di prestito.
6- Analisi organizzativa: i log di processo possono identificare le relazioni organizzative, le lacune prestazionali e le migliori pratiche. Tuttavia, quasi tutti i processi hanno una componente umana. I dati di processo possono essere utilizzati per comprendere e migliorare gli aspetti umani dei processi aziendali.
Assistenza clienti
7- Analisi cross-channel per identificare anomalie: il software di process mining può aiutare ad analizzare le fasi del processo attraverso diversi canali per identificare problemi di conformità e inefficienze
8- Mappare il percorso del cliente: uno strumento di process mining può illustrare il percorso del cliente in un determinato canale estraendo dati dai sistemi CRM e di ticketing. In questo modo, il process mining facilita il monitoraggio dell'esperienza del cliente, delle sfide che i clienti affrontano e delle interazioni tra gli agenti responsabili e i clienti.
Altri strumenti per migliorare il servizio clienti includono:
ChatGPT per l'assistenza clienti e agenti di intelligenza artificiale nell'assistenza clienti
Finanza
In questa sezione tratteremo le applicazioni del process mining nella funzione finanziaria delle aziende (non le applicazioni specifiche del settore dei servizi finanziari):
Acquisto-Pagamento
9- Identificazione delle fasi manuali da automatizzare: Errori e interventi manuali nei processi di acquisto e pagamento aumentano i tempi di consegna. Analizzando i processi, il process mining rivela il potenziale di automazione che migliora la precisione e riduce le rilavorazioni. In alcuni casi di studio, lo strumento di process mining può aumentare l'automazione del 35% e ridurre i tempi di rilavorazione del 52%.
10- Eliminare gli acquisti non autorizzati: le aziende possono analizzare i propri processi di acquisto e pagamento per ridurre gli acquisti non autorizzati. Se le aziende riscontrano un problema specifico relativo agli acquisti non autorizzati, possono individuare aree in cui migliorare l'utilizzo degli accordi quadro tramite l'analisi dei processi. I fornitori di analisi dei processi affermano di poter rilevare gli acquisti non autorizzati seguendo le regole riportate di seguito:
- Non si dovrebbe generare una ricevuta prima della creazione di un ordine di acquisto.
- Tutte le fatture devono essere create dopo un ordine di acquisto
- Un ordine di acquisto senza contratto non dovrebbe esistere (soprattutto se l'ordine è di grandi dimensioni e si ripete regolarmente).
11- Individuare le cause profonde dei ritardi: il process mining consente alle aziende di individuare quali fornitori, prodotti o reparti causano i ritardi. Adottando le misure appropriate, possono ottenere internamente un maggior numero di consegne puntuali.
crediti
12- Scopri le azioni per incentivare i pagamenti puntuali: i clienti non sempre pagano in tempo. Le aziende non riescono a riscuotere i crediti nei tempi previsti, e questo può avere ripercussioni su altri processi. Il process mining può identificare le cause di questo problema e trovare soluzioni appropriate.
13- Fatturazione più rapida: La fatturazione ai clienti è un altro processo che a volte può diventare costoso e complicato. Il process mining individua i colli di bottiglia nel processo di fatturazione e può trovare modi per automatizzarlo. Di conseguenza, è possibile ridurre i costi di fatturazione e garantire una fatturazione più rapida.
È possibile pagare per questi account
14. Ridurre i ritardi nei pagamenti: le aziende possono analizzare i propri processi aziendali per individuare le cause dei ritardi nei pagamenti. Correggendo queste inefficienze, le aziende possono ridurre i ritardi nei pagamenti e migliorare gli sconti per pagamento in contanti.
15- Individuare le vere cause delle fatture errate: gli errori nelle fatture o i pagamenti duplicati sono problemi comuni che causano un carico di lavoro eccessivo. Le aziende possono individuare le cause di questi casi grazie al process mining. Si afferma che il software di process mining può ridurre i pagamenti duplicati dei clienti del 67%.
Valutazione
16- Confronta il "prima" e il "dopo": quando un'azienda apporta una modifica al proprio processo, verificare il miglioramento può rappresentare una sfida. Per i consulenti, il process mining consente di mettere in relazione il "prima" e il "dopo" dei processi.
17- Migliorare i tempi di risposta: mentre la scoperta dei processi tradizionali può richiedere mesi, il process mining è più veloce. Di conseguenza, società di consulenza come EY possono completare l'analisi dei processi del cliente finale in pochi giorni utilizzando strumenti di process mining.
18- Identificazione dei rischi: il process mining fornisce ai consulenti informazioni basate sui dati. Grazie a queste informazioni, i consulenti possono identificare i rischi e fornire alle aziende una consulenza accurata.
ITSM
19- Riduzione del rischio negli sviluppi relativi all'ERP: Nel caso di studio di Lassila & Tikanoja sul process mining, l'azienda ha implementato un nuovo sistema ERP utilizzando questa tecnica. L'azienda ha raggiunto il suo obiettivo di ridurre i rischi aumentando la visibilità del sistema ERP e dei processi operativi.
20- Riduzione dei costi di manutenzione, sviluppo e supporto ERP: il process mining può individuare errori o lacune nei sistemi IT, come SAP. Lo stesso caso di studio sul process mining (Lassila & Tikanoja) ha dimostrato che l'azienda ha ridotto i costi di implementazione e i rischi delle implementazioni ERP, anche se non era l'obiettivo primario del progetto.
21- Migliorare la risoluzione al primo tentativo: i sistemi IT potrebbero non fornire la soluzione corretta al primo colpo. Gli strumenti di process mining possono produrre informazioni basate sui dati per aumentare il tasso di risoluzione al primo tentativo.
22- Scoprire le cause profonde dei ritardi: i ticket che rimangono aperti a lungo sono un problema comune. Le aziende possono analizzare i propri processi per capire perché questi ticket restano aperti per così tanto tempo. Dai risultati ottenuti dagli strumenti di process mining, le aziende possono scoprire delle carenze nei propri sistemi IT.
23. Automatizzare per tempi di risoluzione più rapidi: la gestione dei servizi IT è un altro ambito aperto all'automazione. Le aziende possono utilizzare il process mining per individuare le aree da automatizzare e fornire tempi di risoluzione più rapidi. Alcuni studi di caso affermano che gli strumenti di process mining riducono i tempi di risoluzione del 65%.
Esplora tutti i casi di studio ITSM , comprendi le applicazioni reali dell'IA nell'ITSM , più specificamente dell'IA agentica nell'ITSM .
Saldi
Generazione di ordini
24- Riduzione del ciclo di vendita: i processi che portano dalla generazione di lead all'ordine possono richiedere molto tempo. Ciò comporta un aumento del tempo di ritorno sull'investimento per le attività di marketing. Le aziende possono individuare le cause di questo problema e intervenire per ridurre il ciclo di vendita.
25- Aumento del tasso di conversione: convertire le strategie di marketing in vendite è fondamentale per le aziende. Con uno strumento di process mining, le aziende possono scoprire se dispongono di strategie adeguate per aumentare i tassi di conversione.
Dall'ordine all'incasso
Il processo Order-to-Cash (O2C) comprende tutte le fasi, dalla ricezione dell'ordine al completamento del pagamento e alla consegna. Il process mining può aiutare a identificare tutti i piccoli colli di bottiglia che potrebbero esistere nel processo e che ostacolano un funzionamento fluido.
26- Aumentare le consegne puntuali: per la soddisfazione del cliente, le consegne puntuali sono essenziali. Le aziende possono utilizzare il process mining per scoprire le ragioni alla base dei ritardi nelle consegne.
27- Individuazione delle cause che incidono negativamente sul fatturato mensile: le aziende possono perdere una parte dei loro guadagni durante questo processo a causa di blocchi prolungati o cancellazioni di ordini. Gli strumenti di process mining possono individuare le cause profonde di questi problemi e, di conseguenza, le aziende possono minimizzare tali perdite.
28- Individuazione delle regioni chiave: grazie al process mining, le aziende possono individuare i clienti di maggior valore e le aree critiche su cui concentrarsi.
29- Individuazione delle cause principali delle modifiche agli ordini: i clienti a volte modificano i loro ordini, il che allunga i tempi di elaborazione. La mancanza di chiarezza nelle fasi preliminari all'ordine potrebbe essere la causa di queste modifiche. Le aziende preferiscono ridurre al minimo queste modifiche per stabilizzare i propri processi.
30- Valutare il valore dei resi: le aziende possono scoprire il valore dei resi utilizzando il process mining. In base a queste informazioni, possono concentrarsi sul miglioramento dei propri processi dall'ordine all'incasso.
Sostenibilità
31. Verifica dell'impronta di carbonio:
Un potenziale caso d'uso del process mining consiste nel collegare i tradizionali registri degli eventi (ad esempio, le fasi di spedizione e produzione) con i dati relativi al consumo energetico e agli sprechi. In questo modo, le aziende possono identificare i "colli di bottiglia del carbonio" in cui le inefficienze di processo sono direttamente correlate all'impatto ambientale, consentendo una rendicontazione ESG basata sui dati.
Esempio concreto: in una ricerca accademica, un'azienda manifatturiera globale ha utilizzato l'Object-Centric Process Mining (OCPM) per monitorare le linee di produzione. I ricercatori hanno scoperto che l'interazione tra i tempi di inattività delle apparecchiature e la pianificazione dei lotti era una delle principali cause di spreco energetico. Ottimizzando questi passaggi di consegne, l'azienda ha ottenuto i seguenti risultati:
- Riduzione del consumo energetico superfluo durante l'assemblaggio.
- Diminuzione delle emissioni di Scope 2 nell'arco di un singolo trimestre fiscale.
- Tracciabilità completa dell'impronta di carbonio per ogni singola unità di prodotto. 2
32- Valutazione del rischio ESG: il process mining può essere combinato con RPA, genAI o capacità di IA agentica per automatizzare l'identificazione dei rischi ESG in progetti su larga scala, come la costruzione o lo sviluppo di infrastrutture. Questo approccio "Forensic ESG" garantisce che i rischi ambientali e sociali vengano individuati durante le fasi di pianificazione ed esecuzione, anziché durante le verifiche post-progetto.
Esempio concreto: un framework digitale applicato a oltre 100 progetti di costruzione ha utilizzato il process mining e l'apprendimento automatico per prevedere i fallimenti in ambito ESG. Il framework ha fornito:
- Liste di controllo automatizzate dei rischi che hanno ridotto la variabilità umana nella rendicontazione ESG.
- Monitoraggio in tempo reale degli indicatori ambientali (consumo idrico, inquinamento del suolo) rilevati dai sensori IoT e integrati nel modello di processo.
- Migliore coerenza nella classificazione dei rischi ESG. 3
Esplora casi d'uso concreti e più ampi in materia di sostenibilità .
Automobilistico
33- Servizi post-vendita: I servizi post-vendita si riferiscono ai servizi di assistenza clienti offerti ai proprietari di veicoli per migliorare la loro esperienza con l'azienda e raccogliere feedback su prodotti e servizi. I produttori automobilistici possono utilizzare il process mining per ricavare informazioni utili dalle attività e dalle operazioni post-vendita. Queste informazioni possono migliorare i servizi post-vendita.
Bancario
Anche le banche traggono vantaggio dall'ottimizzazione dei processi, poiché la maggior parte di essi si basa ancora su sistemi obsoleti e documentazione cartacea. Gli strumenti di process mining possono aiutare a identificare i colli di bottiglia e le opportunità di automazione, migliorando la soddisfazione del cliente e l'efficienza. I processi da ottimizzare includono:
34- Mutui: Il mutuo è il processo di prestito B2C più complesso e, nella maggior parte dei casi, offre opportunità di miglioramento. Utilizzando il process mining, le banche possono visualizzare i flussi di lavoro relativi ai mutui per individuare i ritardi causati da azioni ripetitive. Ciò contribuisce a ridurre i tempi di attesa dei clienti e a migliorare la collaborazione tra le diverse unità.
35. Operazioni con carte: il process mining supporta le banche nell'analisi delle operazioni con carte per identificare inefficienze e ritardi.
36. Ottimizzazione dell'elaborazione dei prestiti: le banche sfruttano il process mining per visualizzare l'intero percorso di erogazione dei prestiti. Questo permette di individuare i punti critici, come le richieste ripetute di documenti o i controlli del credito ridondanti, che frustrano i clienti e aumentano i costi operativi.
Esempio concreto: Piraeus Bank ha analizzato oltre un milione di registri eventi relativi ai processi di erogazione dei prestiti al consumo per identificare le cause principali dei ritardi nelle approvazioni. L'analisi di conformità e di individuazione ha portato ai seguenti risultati:
- Il tempo medio di elaborazione delle richieste è sceso da 35 minuti a 5 minuti.
- Una riduzione dell'86% dei tempi complessivi di erogazione dei prestiti.
- È stato riscontrato che la mancanza di standardizzazione nell'inserimento dei dati era la causa del 40% dei cicli di rilavorazione. 4
Preparazione
37- Piattaforme di apprendimento online: l'analisi dei processi e delle attività può rivelare dettagli su come gli utenti navigano sulle piattaforme di apprendimento, al fine di migliorare l'esperienza utente per gli studenti. Ad esempio, l'analisi dei processi può mostrare le potenziali cause principali alla base dei tassi di abbandono degli studenti da una determinata piattaforma, come la durata dei video o l'organizzazione dei materiali.
Assistenza sanitaria
38- Processi amministrativi: il process mining individua i registri degli eventi che contengono informazioni sui processi sanitari, inclusi il personale responsabile, le fasi e i costi dei processi, e identifica le aree di miglioramento.
39- Percorsi clinici: servono a standardizzare le pratiche sanitarie e a individuare problemi che potrebbero portare a trattamenti errati o ritardi, aspetti cruciali per molti pazienti (ad esempio, il cancro). Il process mining può essere utilizzato per identificare i percorsi clinici e tracciare colli di bottiglia e anomalie.
Assicurazione
40- Valutazione del rischio: Le compagnie assicurative calcolano il rischio per stabilire i premi. Sovrastimare il rischio può comportare la perdita di clienti, mentre sottostimarlo può causare perdite. Il process mining aiuta analizzando dati effettivi o storici per mappare le fasi di sottoscrizione e identificare i fattori di rischio. Ciò consente alle compagnie assicurative di monitorare e migliorare il processo di sottoscrizione per un processo decisionale più efficace.
41- Rapporto preventivi-polizze stipulate: Le compagnie assicurative cercano di ridurre il loro rapporto preventivi-polizze stipulate, che misura il tasso di conversione dei preventivi in polizze effettivamente stipulate. Il process mining offre spunti per ottimizzare le operazioni affrontando le inefficienze e le opportunità di automazione.
Logistica
42- Riduzione dei costi di magazzino: è difficile identificare quali magazzini causano problemi logistici. Anche gli errori di inventario comportano costi di magazzino aggiuntivi. Il process mining offre piena trasparenza nella gestione del magazzino. In questo modo, le aziende possono individuare i magazzini problematici, ridurre i costi di magazzino e risparmiare fino al 40% su tali costi. 5
43- Ampliamento della portata geografica: le aziende possono ampliare la propria portata geografica ottimizzando la posizione dei propri magazzini. I fornitori di process mining affermano che le aziende che utilizzano i loro strumenti possono aumentare la propria portata geografica fino al 20%. 6 .
44- Individuazione delle cause profonde dei ritardi: i ritardi logistici possono causare consegne in ritardo e ridurre i ricavi previsti. Il process mining può individuare le cause profonde di questi ritardi. Le aziende possono concentrarsi su questi problemi per evitare possibili perdite di fatturato. Alcune aziende hanno affermato di aver aumentato le consegne puntuali del 18%. 7
Produzione
45- Riduzione del tempo di ciclo: Per migliorare la produzione, ridurre il tempo di ciclo è una soluzione intelligente. Il process mining può mostrare le inefficienze all'interno dei processi produttivi. Le aziende possono ridurre il tempo di ciclo correggendo queste inefficienze.
46- Riduzione delle rilavorazioni in produzione: le aziende possono ridurre le rilavorazioni creando avvisi in corso di produzione. Quando la produzione si discosta dallo standard, il software di process mining può segnalarlo in tempo reale alle unità competenti. Il vantaggio è che ciò consente alle aziende di ottenere prodotti di qualità superiore.
industria del software
47. Monitoraggio delle attività del ciclo di vita: Il ciclo di vita dello sviluppo del software (SDLC) si riferisce alle fasi necessarie durante lo sviluppo del software. Il process mining può aiutare a monitorare l'intero ciclo di vita dello sviluppo del software, scoprendo e mappando il modello di processo effettivo. In questo modo, sviluppatori e project manager possono identificare se vengono saltati dei passaggi.
48. Monitoraggio e gestione dei progetti software: il process mining può mappare l'intero flusso di progetto, consentendo a ogni membro del team di sviluppo software di monitorare e gestire il progetto, identificando al contempo problemi e aree di rischio. Inoltre, il process mining illustra i KPI del processo (ad esempio, costi e tempi), le risorse e le parti coinvolte nel processo in questione.
Esempio tratto dalla vita reale
Ad esempio, un'azienda australiana fornitrice di software BPM ha applicato il process mining per gestire il percorso di progetto dei propri clienti. Grazie al process mining, l'azienda ha identificato e risolto problemi di conformità e di prestazioni.
49. Garanzia di qualità: i responsabili QA verificano l'usabilità, l'accuratezza, la manutenibilità e la portabilità del software. Il process mining offre controlli di conformità e analisi automatizzata delle cause principali, che possono aiutare i tester a supervisionare i propri processi QA. In questo modo, i tester possono garantire l'efficienza e l'efficacia del processo QA grazie al process mining.
Esempio tratto dalla vita reale
In uno studio di caso, i ricercatori hanno applicato il process mining a un dataset di processi di sviluppo software fornito da una software house brasiliana, contenente oltre 2.000 casi. Nella loro analisi di conformità, i ricercatori hanno evidenziato che:
- Nel 90% dei casi viene rispettato l'ordine di esecuzione definito nel procedimento formale.
- Il 25% dei processi ha saltato la fase di pianificazione.
- Il 44% dei progetti non era documentato.
50. Gestione degli incidenti: La gestione degli incidenti si occupa delle attività non pianificate che influiscono sulla qualità del servizio. Il process mining migliora la gestione degli incidenti individuando opportunità di automazione e ottimizzazione. Le funzionalità di process mining e monitoraggio predittivo aiutano sviluppatori, tester e manager a prevedere potenziali incidenti e a intervenire prima che si verifichino.
Esempio tratto dalla vita reale
In uno studio di caso, i ricercatori hanno applicato il process mining ai processi di sviluppo software e hanno identificato che:
- 3 utenti del team di supporto sono stati responsabili della rielaborazione degli elementi più
- La fase di analisi nel modello è stata omessa nelle applicazioni reali
- Il 50% delle entità per le quali non viene eseguita un'analisi richiede una rielaborazione.
Scopri di più sulle tecnologie del settore software consultando le sezioni dedicate ai software di gestione dei backup e ai software di osservabilità .
Che cos'è il process mining?
Il process mining è un metodo che estrae e analizza i log degli eventi per rivelare i dettagli dei processi aziendali. Migliora le attività di automazione, inclusa la RPA, e supporta il miglioramento continuo dei processi.
Strumenti di process mining
Il mercato del process mining comprende strumenti di process mining con diverse funzionalità. Alcuni di questi strumenti includono:
Tendenze del process mining
Secondo Gartner, l'80% delle organizzazioni prevede di integrare il process mining in almeno il 10% delle proprie attività aziendali entro la fine di quest'anno. 8
1. Integrazione dell'IA
Mentre attualmente il 25% delle organizzazioni combina l'IA con il process mining, il 74% prevede di includere l'IA nelle prossime iniziative. 9 Le aree chiave includono:
- Analisi predittiva e prescrittiva: l'intelligenza artificiale prevede ritardi nelle consegne, rischi di non conformità e colli di bottiglia operativi prima che si verifichino impatti finanziari.
- Intelligenza artificiale generativa (GenAI): le interfacce in linguaggio naturale consentono agli utenti aziendali di interrogare dati di processo complessi senza bisogno di competenze tecniche.
- Intelligenza contestuale: il process mining fornisce un contesto operativo strutturato, migliorando la pertinenza e l'accuratezza dei modelli di intelligenza artificiale.
2. Passare al Process Mining incentrato sugli oggetti (OCPM)
Le organizzazioni stanno passando dall'analisi dei casi a modelli incentrati sugli oggetti.
- Modellazione olistica: OCPM tiene traccia simultaneamente di più oggetti correlati (ad esempio, ordini, fatture, spedizioni).
- Visibilità interfunzionale: elimina le analisi a compartimenti stagni e chiarisce come i processi si intersecano tra i diversi dipartimenti.
4. Il process mining come fattore abilitante dell'automazione
L'attenzione si sta spostando da progetti isolati all'ottimizzazione continua.
- RPA mirata: i colli di bottiglia vengono risolti prima dell'automazione, riducendo il rischio di scalare flussi di lavoro inefficienti.
- Verifica della conformità: i dati di esecuzione in tempo reale vengono confrontati con i modelli di riferimento per individuare deviazioni e lacune in termini di conformità.
5. Sostenibilità
L'ottimizzazione dei processi contribuisce anche al raggiungimento degli obiettivi ambientali.
- Riduzione degli sprechi: catene di approvvigionamento ottimizzate riducono il consumo di energia e gli sprechi di materiali.
- Tracciamento delle emissioni di carbonio: i dati di processo consentono di monitorare i parametri ambientali in linea con gli obiettivi di sostenibilità aziendale.
FAQ
Il data mining sfrutta diversi algoritmi o metodologie per esplorare un dato insieme di dati. Allo stesso modo, il process mining analizza i registri degli eventi e i dati relativi ai processi per "estrarre" informazioni sui processi stessi.
La piena comprensione dei processi include:
Identificazione di tendenze, modelli e deviazioni di processo
Visualizzazione dettagliata dei processi effettivi
Definire le opportunità di automazione
Scoprire nuovi modi per aumentare l'efficienza dei processi
Gli strumenti di process mining scoprono i modelli di processo reali a partire dai log degli eventi grezzi. Estraendo i log degli eventi da ciascun caso e combinandoli, questi strumenti mostrano alle aziende come si comportano i loro processi nella realtà.
Comprendere il funzionamento del process mining attraverso i seguenti passaggi:
1. Questi strumenti recuperano e analizzano le sequenze di attività dai registri eventi per identificare le variazioni di processo.
2. Questi strumenti estraggono la sequenza delle attività per ciascun caso dai registri degli eventi. In questa fase, le variazioni tra i casi diventeranno evidenti. Queste variazioni si verificano a causa di modifiche manuali o errori nel processo.
3. Dopo aver ricavato la sequenza delle attività per ciascun caso, gli strumenti di process mining iniziano a "unire" queste sequenze. Poiché si verificano delle variazioni, il processo effettivo risulterà più complesso di quello pianificato. Questo output consente inoltre all'azienda di comprendere dove il suo processo si è discostato.
Intelligent process mining è un software di process mining basato sull'intelligenza artificiale che sfrutta algoritmi di machine learning per automatizzare la scoperta, l'analisi, la modellazione e la diagnostica dei processi.
Alcuni fornitori si riferiscono agli strumenti relativi ai processi, come i software di gestione dei processi o il process mining, come software di intelligenza di processo. Gli strumenti di intelligenza di processo combinano apprendimento automatico, process mining, task mining e tecnologie di digital twin per ottenere informazioni più approfondite.
Molti strumenti di process mining traggono vantaggio dagli algoritmi di process mining e dalla consapevolezza del contesto per raccogliere e scoprire automaticamente i dati e identificare le cause profonde di inefficienze e deviazioni. Il machine learning consente inoltre di sviluppare capacità predittive, generare un DTO o una simulazione di processo e offrire funzionalità di task mining.
1. Ampliare la copertura del process mining
Sfida:
Attualmente, il process mining è limitato ai processi che si verificano su sistemi con file di log dettagliati e accessibili, come SAP.
Tuttavia, una parte significativa dell'attività dei dipendenti si svolge sul sistema operativo o sul browser, dove si svolgono attività personali e professionali, e i registri potrebbero non essere dettagliati come in un sistema ERP.
Consiglio:
In questi casi, gli agenti di intelligenza artificiale aziendali possono completare migliaia di cicli di processo per generare dati che possono essere analizzati per individuare i colli di bottiglia. Si tratta di un caso d'uso innovativo, non ancora offerto commercialmente, ma prevediamo che gli agenti di intelligenza artificiale contribuiranno in modo significativo alla comprensione dei processi entro i prossimi 3 anni.
Migliorare la qualità dei dati
Sfida:
Gli strumenti di gestione dei progetti potrebbero non segnalare problemi di qualità dei dati, ma la qualità dei loro risultati dipende dalla qualità dei dati stessi. La maggior parte dei dati aziendali può essere incompleta, imprecisa o presentare cronologie confuse. Pertanto, gli strumenti di gestione dei progetti potrebbero analizzare dati errati e fornire risultati inaccurati.
È importante che gli analisti di dati, gli esperti di dominio, i responsabili dei dati e altri soggetti coinvolti nelle iniziative di qualità dei dati puliscano e preparino i dati prima di implementare il process mining.
Consiglio:
Si raccomanda alle aziende di adottare strategie di garanzia della qualità dei dati e di integrarle con algoritmi di intelligenza artificiale e apprendimento automatico, nonché con strumenti per il miglioramento continuo della qualità dei dati.
Alcuni dei modi in cui l'IA e l'ML possono aiutare con la qualità dei dati sono:
– Automatizzare il processo di inserimento dati
– Identificare ed eliminare i record duplicati
– Utilizzare l'algoritmo Random Forest per classificare i dati.
Analisi accurata delle cause profonde
Sfida:
Gli strumenti tradizionali di process mining identificano e descrivono i problemi relativi ai processi. Tuttavia, non sono in grado di fornire risposte dettagliate sulle cause profonde di tali problemi.
Consiglio:
Tuttavia, questo problema è stato affrontato sfruttando gli algoritmi di machine learning nel process mining. In combinazione con gli algoritmi di machine learning, il process mining diagnostico identifica le cause profonde dei problemi. Esistono due approcci comuni:
– Alcuni fornitori di soluzioni PM offrono software che forniscono dati di processo dettagliati per strumenti di business intelligence (BI) e piattaforme di machine learning, oppure strumenti di rilevamento PM separati per identificare le cause principali.
– Alcuni altri fornitori di PM integrano strumenti di analisi delle cause principali nel software per eseguire automaticamente l'analisi
Convertire dati non strutturati in formati leggibili dalle macchine.
Sfida:
I dati aziendali possono essere sia strutturati che non strutturati; tuttavia, alcuni strumenti tradizionali di process mining sono in grado di elaborare solo dati strutturati, escludendo dal processo di analisi i dati non strutturati, come fatture o ricevute.
Consiglio:
Questo problema può essere affrontato integrando algoritmi OCR , NLP e di apprendimento automatico per convertire i dati non strutturati in formati leggibili dalle macchine, in modo da includere tutte le fonti di dati nel processo decisionale.
Tuttavia, la conversione di dati non strutturati in dati leggibili dalle macchine è un processo imperfetto e può introdurre errori nell'output del process mining. Pertanto, gli utenti devono prestare attenzione in questi casi.
Consente una generazione più rapida dei risultati del process mining
Sfida:
Gli strumenti tradizionali di process mining offrivano una minore chiarezza nell'analisi di processi complessi, poiché non possedevano la sofisticazione necessaria per valutare processi con un elevato numero di variabili. Ad esempio, l'inclusione di numerosi stakeholder o di una grande quantità di dati nel processo generava una complessità negli output del PM, rendendoli difficili da comprendere e da utilizzare per le azioni umane.
Oltre al numero di compiti o variabili aggiunte, in alcuni casi i processi sono eterogenei e trasversali. Ad esempio, nei processi sanitari, diventa difficile generalizzare e modellare processi che includono eterogeneità e collaborazione multidisciplinare.
Consiglio:
I nuovi strumenti di process mining che integrano intelligenza artificiale e algoritmi di apprendimento automatico mirano a superare questi problemi di complessità. Ad esempio, sfruttando l'IA e la visione artificiale per acquisire e scoprire tutti i dati di processo, i fornitori possono generare output di process mining in pochi giorni. Un'attività di project management simile, utilizzando software di project management tradizionali, potrebbe richiedere mesi.
Prevedere le prestazioni future del processo
Sfida:
Poiché i primi strumenti di process mining si concentrano sull'analisi dei dati degli eventi, monitorano e analizzano le prestazioni passate dei processi piuttosto che quelle in corso. Di conseguenza, non possono avvisare gli utenti in caso di anomalie né prevedere le prestazioni future del processo.
Consiglio:
Tuttavia, le applicazioni dell'IA e dell'ML nel process mining possono aiutare a sviluppare modelli predittivi e
Modelli di process mining prescrittivi in cui PM prevede i risultati finali e gli eventi futuri in termini di indicatori chiave di prestazione e può notificare agli utenti possibili carenze o aree di miglioramento.
Identificare le dipendenze o i colli di bottiglia all'interno di un processo
Sfida:
Il process mining produce risultati sotto forma di visualizzazioni e tabelle, tuttavia, richiede l'intervento di un analista umano per interpretare i risultati e formulare suggerimenti per migliorare i processi.
Consiglio:
Le aziende possono sfruttare l'intelligenza artificiale e gli strumenti di analisi per elaborare i risultati ottenuti dagli strumenti di process mining, al fine di identificare meglio le dipendenze o i colli di bottiglia all'interno di un processo.
Costi ridotti
Il process mining consente agli utenti di identificare le aree che necessitano di automazione o di altre modifiche. L'automazione dei processi aumenta l'efficienza e riduce i costi.
Miglioramento dell'esperienza del cliente
Identificando i colli di bottiglia, scoprendo le aree di miglioramento e ottimizzando i diversi processi, si riduce il tempo totale di elaborazione. Questa situazione consente consegne più rapide ai clienti e migliora la loro esperienza con le aziende. Di conseguenza, aumenta la soddisfazione del cliente, con un impatto positivo sui ricavi e sulla fidelizzazione.
Vantaggi della conformità
Sebbene l'audit sia un processo che richiede tempo, un'analisi rapida con strumenti di process mining può abbreviarne i tempi. Inoltre, questi strumenti possono individuare processi non conformi e notificare alle aziende tali problematiche in tempo reale. In un caso di studio sul process mining, EY ha ridotto i tempi di analisi dei processi dei clienti finali a meno di una settimana grazie all'utilizzo di questa tecnica.
Il process mining incentrato sugli oggetti (OCPM) è un tipo di process mining che analizza in particolare il comportamento di singoli oggetti o entità. L'OCPM non segue la logica del concetto di caso. Presuppone che possano coesistere più concetti di caso e che questi casi (oggetti) possano corrispondere a diversi tipi di oggetto.
OCPM mira a superare i problemi di convergenza e divergenza mediante l'analisi dei processi con bias. Questa tecnica presuppone che:
– Gli eventi possono essere correlati a più oggetti
– Ogni evento può contenere diversi casi
– Un singolo caso può includere attività indipendenti e ripetute.
Come funziona il process mining orientato agli oggetti?
Il process mining incentrato sugli oggetti funziona in modo simile al process mining classico. Tuttavia, estrae e analizza i dati specifici degli oggetti dai log degli eventi tramite:
1. Impiegando algoritmi e tecniche specializzate, quali:
– Pre-elaborazione dei dati
– Arricchimento dei dati
2. Metodi di analisi dei dati, quali:
– Raggruppamento
– Classificazione
– Estrazione di regole di associazione.
benefici OCPM
OCPM fornisce un'analisi più dettagliata del comportamento degli oggetti a livello individuale, tra cui:
– Interazione tra diversi oggetti con il processo
– Impatto del comportamento degli oggetti sugli indicatori chiave di prestazione (KPI) del processo.
Per approfondire
Maggiori informazioni sulle tecnologie per il miglioramento dei processi:
- I migliori strumenti di orchestrazione dei processi, con vantaggi e svantaggi.
- Orchestrazione dei processi SAP: soluzioni, funzionalità e integrazioni principali
Collegamenti di riferimento
Sii il primo a commentare
Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori.