Jak zweryfikować, czy procesy firmowe działają prawidłowo? Process mining

Spis treści

Czym jest process mining? 
Skąd biorą się dane do analizy?
Co można odkryć dzięki process mining?
Czym w takim razie process mining różni się od audytu lub ankiety?
Jak wygląda analiza process mining w praktyce?
Jakie narzędzia wspierają process mining?
Process mining jako etap dojrzałości cyfrowej
Przykład: helpdesk wewnętrzny
Podsumowanie 

 

Czym jest process mining?

Process mining nie jest nową, modną nazwą na audyt ani na kolejne narzędzie BI – to metoda analizy opartej na danych z systemów informatycznych, czyli na przykład z platformy obiegu dokumentów. Danymi do process miningu mogą być logi zdarzeń, czyli zapisy tego, co faktycznie działo się w systemie: kto co zrobił, kiedy i w jakiej kolejności. Z tych zapisów narzędzie do process mining rekonstruuje rzeczywisty przebieg procesu – ten, który rzeczywiście funkcjonuje w firmie każdego dnia, a nie ten narysowany dwa lata temu na tablicy w salce konferencyjnej na szkoleniu. Różnica między nimi bywa zaskakująca. 

Przykład proces miningu obiegu faktur: 

Wszyscy w firmie są przekonani, że faktura przechodzi cztery etapy akceptacji.
W rzeczywistości, jak pokazują dane wyciągnięte z systemu, w 30% przypadków faktura wraca do początku, bo ktoś zapomniał wpisać numer zamówienia czy pomylił datę sprzedaży – a osoba z początku kolejki albo nie wie, o co chodzi, albo odkłada to „na później” i tym sposobem faktura z tygodniowym terminem czeka na akceptację miesiąc.  

Inny przykład – tickety:  

Firma zakłada, że tickety do działu IT są obsługiwane w ciągu 48 godzin. Tymczasem część z nich czeka dwa tygodnie na rozpatrzenie, bo utknęła w kolejce przypisanej do osoby, która była na urlopie, a która zapomniała wskazać zastępcę. 

 
Skąd biorą się dane do analizy? 

Każdy system informatyczny zostawia ślady. ERP, CRM, system obiegu dokumentów, helpdesk, platforma e-commerce – wszystkie one rejestrują zdarzenia z datą, godziną, identyfikatorem sprawy i często identyfikatorem użytkownika, który daną czynność wykonał. 

Te ślady to tzw. Logi (lub event logi). Są podstawą każdej analizy process mining i jednocześnie głównymi danymi do analizy. 

Żeby analiza miała sens, potrzebne są trzy elementy: identyfikator sprawy (np. numer faktury, numer zgłoszenia, ID zamówienia), nazwa zdarzenia (np. „przekazano do akceptacji", „odrzucono", „zamknięto") oraz znacznik czasu. Tylko tyle (i aż tyle) wystarczy, żeby narzędzie odtworzyło rzeczywistą ścieżkę procesu – ze wszystkimi wariantami, skrótami, pętlami i odchyleniami od normy. 

Systemy workflow, takie jak LOGITO, generują te dane naturalnie jako efekt swojej głównej funkcji. Każde zdarzenie w procesie – otwarcie dokumentu, zmiana statusu, decyzja, przekazanie do kolejnej osoby – jest rejestrowane i zostawia ślad. Dlatego systemy obiegu dokumentów to dobry punkt wyjścia do analizy process mining: dane są ustrukturyzowane, powiązane ze sprawami i zawierają pełną historię zdarzeń. 

Co można odkryć dzięki process mining? 

Zacznijmy od tego, co wychodzi najczęściej. Ile wariantów ma Twój „jeden prawidłowy" proces zakupowy? Nie uwierzysz, ale w większości firm – kilkanaście. Część z nich to oczywiście uzasadnione wyjątki, ale reszta to przypadkowe obejścia, które ktoś kiedyś wymyślił i do dziś wszyscy je stosują, nie wiedząc, dlaczego (a tego kogoś już od kilku lat nie ma w firmie). 

Kolejna sprawa to wąskie gardła. Gdzie czas oczekiwania jest najdłuższy? Na jakim etapie sprawy się kumulują? Który krok generuje najwięcej powrotów do poprzedniego etapu? Process mining odpowiada na te pytania od razu. 

Wreszcie – odchylenia od wzorca. Firma ma zdefiniowane SLA, powiedzmy: czas obsługi nie powinien przekraczać trzech dni. Analiza pokaże, ile spraw przekroczyło ten limit, o ile i na którym etapie to nastąpiło. Nie jako uśrednioną statystykę, ale jako konkretne przypadki z pełną historią. 

Czym w takim razie process mining różni się od audytu lub ankiety? 

Tradycyjny audyt procesowy wygląda następująco: konsultant lub audytor wewnętrzny siada z pracownikami, przeprowadza wywiady, obserwuje, jak działają, i na tej podstawie tworzy opis procesu. Dobry audytor potrafi dużo wychwycić – ale wciąż operuje na danych jakościowych, tzn. na tym, co ludzie mu powiedzieli albo co mu się akurat zdarzyło podczas obserwacji. 

Process mining działa inaczej: nie pyta pracowników, tylko po prostu analizuje historię zdarzeń z systemu. Obejmuje nie kilka wybranych przypadków, ale wszystkie sprawy z danego okresu. Niczego nie interpretuje ani nie naciąga – tylko pokazuje gołe dane. 

Nie oznacza to oczywiście, że audyty nie są już potrzebne – process mining najlepiej sprawdza się tam, gdzie procesy są już w jakimś stopniu zdigitalizowane i systemy rejestrują zdarzenia; ale tam, gdzie procesów jeszcze nie ma w systemie, trzeba je najpierw ustrukturyzować i wdrożyć odpowiednie narzędzie. Audyt nadal ma sens jako pierwszy krok, na podstawie którego zdigitalizuje się procesy. 

Ale jeśli firma już kilka lat temu wdrożyła system workflow i chce wiedzieć, czy procesy działają zgodnie z pierwotnymi założeniami, to process mining da odpowiedź szybciej i dokładniej niż audyt oparty na wywiadach. 

Jak wygląda analiza process mining w praktyce? 

Nie ma jednego schematu, ale typowy process mining przebiega przez kilka etapów. 

1. Na początku określa się zakres analizy: który proces chcemy zbadać, z jakiego okresu i z jakiego systemu pobieramy dane. Im wężej zdefiniowany zakres, tym dokładniejsze i bardziej użyteczne wyniki. 
   
   
2. Następnie eksportuje się dane – event logi z systemu źródłowego. W dobrze zaprojektowanych systemach to operacja stosunkowo prosta. W starszych lub mniej ustrukturyzowanych może wymagać pracy ze strony działu IT. 
   
   
3. Potem dane trafiają do narzędzia process mining. Narzędzie rekonstruuje ścieżkę procesu, wykrywa warianty, liczy czas trwania poszczególnych etapów, identyfikuje odchylenia od wzorca. 
   
   
4. Na koniec przychodzi analiza wyników i wnioskowanie: co widzimy, co to oznacza, co chcemy z tym zrobić. I tu jest niezbędny człowiek – bo samo narzędzie powie jedynie, że etap X zajmuje trzy razy dłużej niż powinien, ale nie powie, dlaczego; do tego potrzebna jest rozmowa z ludźmi, którzy ten proces realizują na co dzień i którzy odpowiedzą, dlaczego ich etap trwa tyle czasu lub dlaczego na ich etapie dzieje się jakieś odstępstwo od procesu. 

Jakie narzędzia wspierają process mining? 

Rynek narzędzi do process mining jest już dość dojrzały. Kilka najczęściej wymienianych rozwiązań to: 

• Celonis – jedno z najbardziej rozbudowanych narzędzi klasy enterprise, z szerokim zakresem integracji i funkcjami AI. Popularne w dużych organizacjach z wdrożonym SAP lub Salesforce. 

• UiPath Process Mining – część platformy UiPath, dobrze zintegrowana z narzędziami do automatyzacji robotycznej (RPA). Dobre rozwiązanie tam, gdzie po analizie planowane jest wdrożenie automatyzacji. 

• Signavio Process Intelligence (SAP) – platforma zorientowana na mapowanie i zarządzanie procesami, z funkcjami process mining zintegrowanymi z ekosystemem SAP. 

• Disco (Fluxicon) – prostsze i szybsze we wdrożeniu, popularne w średnich firmach i jako punkt startowy dla organizacji, które dopiero zaczynają z process mining. 

• ARIS Process Mining (Software AG) – rozwiązanie z długą historią na rynku zarządzania procesami, rozszerzone o funkcje eksploracji procesów. 

Wybór narzędzia zależy od kilku rzeczy: skali organizacji, innych narzędzi obecnych w organizacji, złożoności procesów i zasobów do wdrożenia. Żadne z tych narzędzi nie działa bez dobrego źródła danych – i tu wracamy do punktu wyjścia: systemy, które dobrze rejestrują zdarzenia, to podstawa. 

W tym ekosystemie istotną rolę pełnią systemy BPM i workflow, takie jak LOGITO.

LOGITO samo w sobie nie jest narzędziem process mining, ale porządkuje, cyfryzuje i monitoruje procesy biznesowe, a przy okazji generuje ustrukturyzowane dane o zdarzeniach; organizacja, która korzysta z LOGITO do obsługi obiegu dokumentów, ma gotowe event logi – i może je stosunkowo łatwo podłączyć pod narzędzie do process mining.

Dla porównania: firma, która procesy realizuje w e-mailach i Excelu, takich danych po prostu nie ma i może optymalizować procesy jedynie „na oko”. 

  

Process mining jako etap dojrzałości cyfrowej 

Eksperci zajmujący się transformacją cyfrową wyróżniają kilka poziomów dojrzałości procesowej: na pierwszym poziomie procesy są nieudokumentowane i realizowane według indywidualnego uznania każdego pracownika; na kolejnym – opisane i ustandaryzowane. Na późniejszym – zdigitalizowane i zautomatyzowane. A na czwartym – mierzone, monitorowane i optymalizowane na podstawie danych. 

Process mining to narzędzie właśnie tego czwartego, najwyższego poziomu. Firma, która chce z niego skorzystać, musi najpierw przejść przez poprzednie: opisać procesy, wdrożyć je w systemie, zebrać dane. Bez tego nie ma czego analizować. 

Dlatego process mining nie jest dla każdego, tzn. nie dla każdej organizacji i nie w każdym momencie. Jest dla tych, które przeszły już kawałek drogi w cyfryzacji i chcą teraz odpowiedzieć na pytanie: czy to, co wdrożyliśmy, naprawdę działa tak, jak zakładaliśmy? 

Przykład: helpdesk wewnętrzny 

Wyobraź sobie dział IT w średniej firmie produkcyjnej. Pracownicy zgłaszają problemy przez wewnętrzny system helpdesk. Dział IT deklaruje czas obsługi do 48 godzin. Prezes uważa, że obsługa działa sprawnie, bo choć nie liczy dokładnie czasu, to problemy ostatecznie są rozwiązywane. Pracownicy produkcji uważają inaczej, bo ich problemy nie są rozwiązywane „tu i teraz”, ale też nikt nigdy nie policzył dokładnie, o ile czas rozwiązywania się wydłuża. 

Po analizie event logów obraz wygląda inaczej: średni czas obsługi wynosi faktycznie 46 godzin, ale mediana to trzy godziny. Kilkanaście procent zgłoszeń czeka ponad dwa tygodnie, mocno zawyżając średnią. Większość tych opóźnionych zgłoszeń dotyczy jednej kategorii: dostępów do systemów. I większość z nich czeka, bo trafiają do jednej osoby, która jako jedyna ma uprawnienia do ich obsługi – a przy okazji ma mnóstwo innych zadań, które ją odciągają od tego, czego nikt inny za nią nie zrobi, czyli właśnie przydzielania dostępów. 

Bez analizy danych nikt tego nie widział – pracownicy widzieli tylko swoje zgłoszenia, a dział IT widział statystyki zbiorcze, które mu się zgadzały. Process mining pokazał, na czym rzeczywiście polega problem. 

Nie jest to skomplikowany ani wyjątkowy przypadek; przeciwnie – to dość typowa sytuacja. I o to właśnie chodzi: process mining nie zawsze służy do odkrywania wielkich tajemnic, tylko do namierzenia i nazwania czegoś, co wszyscy czują, ale czego nikt nie może udowodnić. Wiedząc już, co się dzieje, można łatwo znaleźć na to rozwiązanie. 

Podsumowanie 

Wiele firm unika analizy swoich procesów, bo obawia się wyników i tego, że procesy, za które ktoś odpowiada, okażą się nieefektywne. Ale mimo wszystko lepiej dowiedzieć się zawczasu i zobaczyć, że 80% procesów działa dobrze, a 20% wymaga korekty, niż działać w przekonaniu, że wszystko jest w porządku – podczas gdy dane mówią co innego, a firma stoi w miejscu. 

Jeśli Twoja firma ma już procesy w systemie i zastanawiasz się, czy działają zgodnie z założeniami – to dobry moment, żeby to sprawdzić. A już zwłaszcza gdy widzisz, że coś jest nie tak, ale nie wiesz, co. 

Chcesz zobaczyć, jak LOGITO rejestruje dane o procesach i co można z nimi zrobić?


Umów się na bezpłatną konsultację

Pokażemy Ci demo i odpowiemy na pytania o możliwości integracji z narzędziami do analizy procesów.