Analisi dei processi: costruire o comprare?

In questo articolo confrontiamo i vantaggi e gli svantaggi della costruzione e dell'acquisto dell'analisi dei processi. In altre parole, confrontiamo l'opzione di costruire una soluzione di analisi dei processi con risorse e metodi di business analytics con l'opzione di acquistare il softwareprocess intelligence .

Che cos'è l'analisi dei processi?

L'analisi dei processi è la pratica di utilizzare tecniche e strumenti basati sui dati per analizzare, monitorare e ottimizzare i processi aziendali all'interno di un'organizzazione.

L'analisi dei processi consiste nella raccolta e nell'esame dei dati provenienti da varie fonti, come i registri degli eventi, i record delle transazioni o i registri di sistema, per ottenere informazioni sulle prestazioni, l'efficienza e l'efficacia dei processi. L'obiettivo dell'analisi dei processi è quello di identificare le inefficienze, i colli di bottiglia e le aree di miglioramento, portando in ultima analisi a un migliore processo decisionale, a una maggiore produttività e a un risparmio sui costi.

Gli aspetti chiave dell'analisi dei processi includono:

1. Raccolta dei dati. L'analisi dei processi inizia con la raccolta di dati rilevanti da varie fonti, come i log di sistema, i database o l'osservazione diretta. Questi dati possono includere informazioni su compiti, attività, risorse, durata e risultati relativi a uno specifico processo aziendale.
2. Preelaborazione e trasformazione dei dati. I dati raccolti sono spesso grezzi e non strutturati e richiedono una pre-elaborazione e una trasformazione per renderli adatti all'analisi. Ciò può comportare la pulizia, il filtraggio, l'aggregazione o la normalizzazione dei dati per garantirne l'accuratezza e la coerenza.
3. Tecniche di analisi. L'analisi dei processi impiega varie tecniche di analisi dei dati, come l'analisi descrittiva, diagnostica, predittiva o prescrittiva, per ottenere informazioni sulle prestazioni dei processi. Le tecniche possono includere l'analisi statistica, il data mining, l'apprendimento automatico o process mining, a seconda degli obiettivi e dei requisiti specifici dell'analisi.
4. Misurazione delle prestazioni. Utilizzando i dati analizzati, l'analisi dei processi calcola le metriche delle prestazioni e i Key Performance Indicator (KPI) per valutare l'efficienza e l'efficacia del processo aziendale. Queste metriche possono includere tempi di ciclo, produttività, utilizzo delle risorse, tassi di errore e punteggi di soddisfazione dei clienti.
5. Generazione di insight e raccomandazioni. L'analisi dei processi ha l'obiettivo di generare intuizioni utili per aiutare le organizzazioni a migliorare i propri processi. Identificando inefficienze, colli di bottiglia o deviazioni dalle best practice, gli analisti possono sviluppare raccomandazioni mirate per il miglioramento dei processi, come lo snellimento delle attività, la riallocazione delle risorse o l'implementazione di nuove tecnologie.
6. Monitoraggio e miglioramento continuo. L'analisi dei processi implica un monitoraggio continuo delle prestazioni dei processi per garantire che i miglioramenti siano efficaci e sostenibili. Promuovendo una cultura del miglioramento continuo e rivedendo e aggiornando regolarmente i processi, le organizzazioni possono adattarsi alle mutevoli esigenze aziendali e mantenere le prestazioni ottimali dei processi.

Creazione di analisi dei processi con Tableau/PowerBI ecc.

Se state pensando di adattare l'analisi dei processi alla vostra azienda, un'opzione è quella di costruire la vostra soluzione utilizzando uno strumento di business intelligence (BI) come Tableau o Power BI, sfruttando alcuni moduli di analisi dei processi open source o comunemente disponibili, come gli algoritmi di process mining disponibili in python e gli standard di visualizzazione della modellazione dei processi definiti da BPMN.

Questo approccio presenta vantaggi e svantaggi.

Vantaggi dell'analisi dei processi autocostruita

1. Personalizzazione: Costruire internamente i cruscotti di analisi dei processi consente una maggiore flessibilità e personalizzazione per soddisfare i requisiti e le preferenze uniche dell'organizzazione. È possibile adattare i dashboard a specifici processi aziendali, fonti di dati e metriche, garantendo una migliore corrispondenza con le esigenze dell'organizzazione.
2. Integrazione: I cruscotti interni possono essere integrati più profondamente con i sistemi, i database, i data lake e le applicazioni esistenti, poiché il team di sviluppo ha una conoscenza approfondita di questi sistemi e può creare connettori o API in base alle necessità.
3. Controllo: Lo sviluppo interno dei cruscotti process intelligence offre un maggiore controllo sulla progettazione, sulla funzionalità e sulla sicurezza dei dati. Ciò consente all'organizzazione di adattare e modificare i dashboard in base all'evoluzione delle esigenze aziendali o alla disponibilità di nuove fonti di dati.

Svantaggi dell'analisi di processo autocostruita

1. Requisiti delle risorse: Lo sviluppo di analitiche di processo in-house richiede un team di sviluppo qualificato con esperienza nell'analisi dei dati, nella visualizzazione e nello sviluppo di software. Questo può rappresentare un investimento significativo in termini di tempo, impegno e costi del personale.
2. Tempi di sviluppo più lunghi: La creazione di dashboard personalizzati richiede in genere più tempo rispetto all'implementazione di soluzioni già pronte, poiché il team di sviluppo deve progettare, codificare, testare e distribuire la soluzione da zero.
3. Manutenzione e aggiornamenti: I cruscotti interni richiedono manutenzione, aggiornamenti e supporto continui, che possono richiedere tempo e denaro. Ciò include la correzione di bug, l'aggiunta di nuove funzionalità e la garanzia di compatibilità con le modifiche apportate alle fonti di dati o ai sistemi.
4. Scalabilità: Costruire internamente un cruscotto di BI scalabile può essere complesso e richiedere molte risorse, soprattutto se i volumi di dati e la base di utenti dell'organizzazione crescono rapidamente. Le soluzioni di terze parti possono offrire una migliore scalabilità e prestazioni grazie alla loro attenzione a questi aspetti.

Esempio: esecuzione di process mining con python

Un esempio molto semplificato è che è possibile accedere e utilizzare rapidamente gli algoritmi open-source diprocess mining con il linguaggio di programmazione python.

Per eseguire process mining in Python, è possibile utilizzare la libreria pm4py, che fornisce diverse funzionalità per process discovery, il controllo di conformità e il miglioramento dei processi. Ecco una semplice guida passo-passo per iniziare a utilizzare process mining con la libreria pm4py:

Passo 1: Installare pm4py

Per prima cosa è necessario installare la libreria pm4py. È possibile farlo utilizzando pip:

codice bashCopy

pip installare pm4py

Passo 2: Importare le librerie necessarie

Quindi, importare le librerie necessarie nel proprio script Python:

codice pythonCopy

import pm4py
from pm4py.objects.log.importer.xes importer as xes_importer
from pm4py.algo.discovery.alpha import algorithm as alpha_miner
from pm4py.visualization.petrinet import visualizer as pn_visualizer

Passo 3: caricare il registro eventi

Caricare i dati del registro eventi utilizzando l'importatore appropriato. In questo esempio, si utilizzerà un file di registro eventi XES:

codice pythonCopy

event_log_file = "path/to/your/event_log.xes"
log = xes_importer.apply(event_log_file)

È anche possibile creare un registro eventi da un file CSV utilizzando la libreria pm4py. Ecco un esempio:

codice pythonCopy

import pandas as pd
from pm4py.objects.conversion.log import converter as log_converter
from pm4py.objects.log.util import dataframe_utils

csv_file = "path/to/your/csv_file.csv"
dataframe = pd.read_csv(csv_file)
dataframe = dataframe_utils.convert_timestamp_columns_in_df(dataframe)
dataframe = dataframe.sort_values("timestamp_column_name")
log = log_converter.apply(dataframe)

Fase 4: Applicazione di un algoritmo process discovery

Applicare un algoritmo process discovery ai dati del registro eventi per estrarre il modello di processo. In questo esempio, utilizzeremo l'algoritmo Alpha Miner:

codice pythonCopy

rete, marcatura_iniziale, marcatura_finale = alpha_miner.apply(log)

È possibile provare anche altri algoritmi di process discovery , come Inductive Miner o Heuristics Miner, disponibili nella libreria pm4py.

Fase 5: Visualizzazione del modello di processo

Visualizzare il modello di processo scoperto utilizzando il visualizzatore della rete di Petri:

codice pythonCopy

gviz = pn_visualizer.apply(net, initial_marking, final_marking)
pn_visualizer.view(gviz)

Viene visualizzata la visualizzazione della rete di Petri del modello di processo scoperto.

Fase 6: Esecuzione di un'analisi supplementare (facoltativa)

È possibile utilizzare la libreria pm4py per eseguire analisi aggiuntive come il controllo della conformità, l'analisi dei colli di bottiglia o l'analisi delle prestazioni. Esplorate la documentazione e gli esempi della libreria per saperne di più su queste funzionalità.

Seguendo questi passaggi, è possibile eseguire process mining di base in Python utilizzando la libreria pm4py. Per casi d'uso e personalizzazioni più avanzate, consultare la documentazione e gli esempi ufficiali di pm4py:

• Documentazione ufficiale: https://pm4py.fit.fraunhofer.de/documentation
• Esempi: https://github.com/pm4py/pm4py-core/tree/stable/examples

L'esempio precedente è una semplificazione eccessiva per le esigenze della maggior parte dei leader aziendali. La realtà dello sviluppo e dell'applicazione dell'analisi dei processi è spesso molto più complicata, per cui sempre più spesso le aziende optano per soluzioni dedicate da parte dei fornitori.

Acquisto di Process Analytics da un fornitore Process Intelligence

La seconda opzione possibile è quella di acquistare l'analisi dei processi da un fornitore di softwareprocess intelligence . Esistono alcune varianti diverse, di seguito sono elencate alcune categorie chiave:

• Process mining software. Strumenti che analizzano i log degli eventi nei sistemi aziendali per ottenere informazioni sui processi e sui flussi di lavoro.
• Process discovery software. Strumenti e dashboard che permettono di scoprire lo stato "as-is" dei processi aziendali attraverso il sito process mining o il manuale process mapping.
• Task mining software. Strumenti che utilizzano la tecnologia di cattura delle attività per acquisire informazioni su attività, processi e flussi di lavoro dall'interfaccia utente.
• Intelligent automation piattaforme. Soluzioni software più ampie che offrono analisi dei processi come parte di una soluzione suite per intelligent automation o Cos'è Business Process Management (BPM).

Come per qualsiasi altro software, l'acquisto di un software process mining presenta vantaggi e svantaggi da considerare.

Volete combinare process mining e task mining nell'analisi dei vostri processi? Leggete il whitepaper Work API.

Vantaggi dell'analisi dei processi di acquisto

1. Implementazione più rapida: I software commerciali di analisi dei processi offrono in genere tempi di implementazione più rapidi rispetto allo sviluppo interno di una soluzione personalizzata. La maggior parte delle soluzioni è progettata per essere di facile utilizzo e dispone di connettori o API precostituiti per le fonti di dati più diffuse, riducendo il tempo necessario per configurare e iniziare a utilizzare il software.
2. Ricco di funzionalità: Le soluzioni commerciali per l'analisi dei processi sono dotate di una serie di caratteristiche e funzionalità progettate per rispondere a vari requisiti process mining . Queste possono includere, tra l'altro, process discovery, il controllo di conformità, l'analisi delle prestazioni e la visualizzazione. Queste funzioni sono spesso più avanzate e robuste di quelle che potrebbero essere realizzate internamente in tempi ragionevoli.
3. Scalabilità: i fornitori di software di Process intelligence progettano generalmente le loro soluzioni per gestire grandi volumi di dati e per adattarsi alla crescita dell'organizzazione. Ciò significa che il software può scalare con l'espansione dei processi aziendali e delle fonti di dati, senza ulteriori sforzi di sviluppo.
4. Assistenza e aggiornamenti: Quando si acquista un software process intelligence , in genere si riceve l'accesso al supporto clienti, agli aggiornamenti del prodotto e alle patch fornite dal fornitore. In questo modo si ha a disposizione una fonte di assistenza affidabile per la risoluzione dei problemi e il software rimane aggiornato con le ultime funzionalità e i miglioramenti della sicurezza.
5. Comunità e best practice: Il software commerciale process mining è spesso dotato di una comunità di utenti, di forum o di altre risorse in cui è possibile imparare dalle esperienze degli altri utenti e condividere le migliori pratiche. Ciò può essere prezioso per acquisire conoscenze e migliorare le proprie iniziative process mining .

Svantaggi dell'analisi dei processi di acquisto

1. Costo: Il costo dell'acquisto e della manutenzione di un software di analisi dei processi può rappresentare un investimento significativo, soprattutto per le organizzazioni più piccole. Può includere i costi di licenza, di abbonamento, di assistenza e qualsiasi altro costo aggiuntivo associato alla personalizzazione o all'integrazione.
2. Limiti di personalizzazione: I software commerciali di analisi dei processi potrebbero non offrire lo stesso livello di personalizzazione di una soluzione interna. Anche se alcuni software consentono un certo grado di personalizzazione, potrebbe non essere sufficiente a soddisfare i requisiti o le preferenze uniche della vostra organizzazione.
3. Problemi di integrazione: Sebbene molte soluzioni di analisi dei processi offrano connettori o API precostituiti, l'integrazione del software con i sistemi e le fonti di dati esistenti può essere impegnativa e richiedere molto tempo. Ciò può richiedere ulteriori sforzi di sviluppo o personalizzazione, aumentando il costo e la complessità dell'implementazione complessiva.
4. Sicurezza dei dati e conformità: L'utilizzo di software di analisi dei processi di terze parti può sollevare problemi di sicurezza dei dati e di conformità, in particolare se si tratta di dati sensibili o regolamentati. È necessario assicurarsi che il software soddisfi i requisiti di sicurezza e privacy dell'organizzazione e sia conforme alle normative vigenti.

In conclusione, l'acquisto di un software di analisi dei processi offre vantaggi come una più rapida implementazione, funzionalità ricche e scalabilità, ma presenta potenziali svantaggi come i costi di implementazione e i limiti di personalizzazione. Prima di prendere una decisione, le organizzazioni devono valutare attentamente i vantaggi e gli svantaggi dell'acquisto di un software process mining in base alle proprie esigenze, risorse e obiettivi specifici.

Se state cercando di costruire un business case per l'acquisto di process analytics, leggete il caso di studio qui sotto che evidenzia il valore dell'acquisto di una soluzione rapida e pronta all'uso.

Leggete il caso di studio su come un'azienda di medie dimensioni di outsourcing dei processi aziendali (BPO) ha scoperto oltre 2 milioni di euro (2,17 milioni di dollari) di sprechi nei processi grazie all'analisi dei processi.

‍