Product
Bronnen
Inzichten
Laten we eens kijken naar 3 termen die gemakkelijk door elkaar worden gehaald.
Dus wat zijn deze technologieën op zichzelf, wat hebben ze gemeen en waarin verschillen ze?
Wanneer bedrijven digitale transformatie-initiatieven nemen, stuiten ze op het probleem dat ze te veel keuze hebben. Te veel "verschillende" technologieën, te veel leveranciers, te veel consultancybedrijven die allemaal over verschillende dingen praten. En niet alleen dat, ook de terminologie binnen de sector wordt verwarrend.
Vandaag zullen we de verschillen tussen drie populaire termen, die gemakkelijk worden verward, demystificeren. Hopelijk maken we je leven gemakkelijker door deze uit te leggen en een zo duidelijk mogelijke vergelijking te geven.
Procesmijnbouw, process discoveryen task mining zijn de meest trendy termen als het gaat om het ontdekken van bedrijfsprocessen. We zouden kunnen zeggen dat al deze drie technologieën tegenwoordig worden gebruikt als eerste stap in de meeste automatiseringsinitiatieven. Omdat ze helpen de processen in kaart te brengen, helpen de verkregen resultaten enorm bij de besluitvorming. Op basis van de afgeleide kennis kunnen bedrijven vervolgens acties ondernemen, zoals bijvoorbeeld RPA. Wat zijn deze technologieën op zich, wat hebben ze gemeen en waarin verschillen ze?
Process mining is een krachtig hulpmiddel process mapping dat wordt gebruikt voor end-to-end procesoptimalisatie. Het gebruikt gegevens uit eventlogs die beschikbaar zijn in IT-systemen. Op basis van die gegevens wordt het huidige proces opgebouwd en vervolgens vergeleken met het "gewenste" proces. Door deze conformiteitscontrole kunnen bedrijven procesafwijkingen en dus verbetermogelijkheden vinden.
Process discovery is een combinatie van verschillende technieken, waaronder Machine Learning en computer vision, om de processen in kaart te brengen. Deze resultaten worden vervolgens gebruikt als voorwaarde voor automatiseringsinitiatieven. Het monitort en registreert in wezen gebruikersinteracties met verschillende informatiesystemen en applicaties en legt de digitale sporen van werknemers vast. Process discovery gebruikt verschillende computationele en statistische methoden om waardevolle, toepasbare informatie uit de verzamelde gegevens te halen.
Task mining is een ander hulpprogramma op process mapping dat zich richt op taakoptimalisatie op desktops. Net als process discovery bewaakt het de digitale sporen van gebruikers. Met behulp van karakterherkenning, natuurlijke taalverwerking en andere tools analyseert het de verzamelde gegevens en vindt het patronen die kunnen worden geïnterpreteerd als verbetermogelijkheden.
Dit klinkt in eerste instantie misschien verwarrend, maar als je ze stap voor stap vergelijkt, wordt het zeker begrijpelijker. Laten we eens kijken naar de volgende 5 criteria.
Het is gemakkelijk om je overweldigd te voelen door de aanwezigheid van honderden definities van hetzelfde. Het is zelfs mogelijk dat verschillende bedrijven hun eigen definities gebruiken voor sommige termen, waardoor het nog complexer wordt en de grenzen tussen de bedrijven vervagen.
Laten we beginnen met process discovery en task mining omdat ze vaak door elkaar worden gebruikt. Deze tools lijken erg op elkaar wat betreft de technologieën die ze gebruiken en de manier waarop ze het gewenste doel bereiken. Toch worden task mining en process discovery gebruikt voor verschillende einddoelen. Laten we eens kijken naar de meer prominente dienstverleners. Er is een duidelijk patroon dat process mining-bedrijven task mining gebruiken als hun aanvullende service, terwijl process discovery wordt gebruikt door RPA leveranciers.
Beide technologieën monitoren desktops van gebruikers om de interacties van gebruikers met verschillende apps en IT-systemen vast te leggen. Terwijl task mining dit doet om inefficiënte processen te identificeren, heeft process discovery de gegevens nodig om effectiever automatiseringsmogelijkheden te vinden. Hoewel ze dus dicht bij elkaar liggen, kunnen ze enigszins verschillen wat betreft het resultaat dat ze opleveren.
We zouden hier kunnen pauzeren en klaar zijn met process discovery, maar de terminologiewereld is te complex om dat te doen, dus wordt het in een ander geval gebruikt. Process discovery wordt ook gebruikt om de eerste stap binnen process mining te beschrijven (process discovery, conformance checking, enhancement).
Kort samengevat kan process discovery worden gebruikt als
Task en process mining gaan vaak hand in hand en worden samen gebruikt voor het ontdekken van kenniswerk. Hoewel beide behoorlijk krachtig zijn, leveren ze betere resultaten en een hogere werkdekking op als ze gelijktijdig worden gebruikt. Om volledig te begrijpen wat ze beide doen, bespreken we het verschil tussen processen en taken.
Zoals besproken maakt process mining end-to-end processen zichtbaar. Het proces is een logische keten van individuele gebeurtenissen met een duidelijk begin- en eindpunt. Processen kunnen worden onderverdeeld in subtaken die een complete set van gerelateerd werk vormen. Purchase-to-Pay is bijvoorbeeld een groot proces dat door meerdere teams loopt.
Aan de andere kant zijn taken kleinere werkcomponenten die voorkomen tussen verschillende processen en subprocessen. Het kopiëren-plakken van gegevens, uploaden en downloaden van bestanden zijn typische voorbeelden van handmatige taken.
Process mining kan op veel verschillende gebieden voor verschillende doeleinden worden gebruikt, maar hier zijn enkele van de populairdere use cases.
Laten we kort bespreken hoe process mining, discovery en task mining van elkaar verschillen. Omdat de laatste twee technologisch gezien veel met elkaar te maken hebben, zullen we ze in dit gedeelte door elkaar gebruiken.
Process mining maakt gebruik van de eventloggegevens van verschillende informatiesystemen zoals Salesforce, Oracle of HubSpot. Deze event logs bevatten informatie over de uitgevoerde activiteit, de ID van de activiteit en de tijdstempel.
Process discovery en task mining verzamelen daarentegen gegevens door te monitoren en vast te leggen hoe gebruikers met de computer omgaan, waarbij alle processen met behulp van softwareagenten worden vastgelegd.
De gegevens hebben een verschillende oorsprong, dus ze worden ook op een andere manier verzameld.
IT-ondersteuning en voorafgaande back-end ontwikkeling zijn vereist in het geval van process mining om integraties te maken met de gecontroleerde informatiesystemen.
Voor process discovery en task mining moeten er software agents geïnstalleerd worden op de computers van de gebruikers. Agents zijn stukjes software die continu op de achtergrond werken op de apparaten van de gebruiker. Deze agents "registreren" alles wat er wordt gedaan binnen bedrijfssoftware en -toepassingen.
Het is het vermelden waard dat sommige software en apps geen event logs produceren, wat de mogelijkheden van process mining aanzienlijk beperkt. Stel bijvoorbeeld dat het doel is om het huidige e-facturatieproces in kaart te brengen en verbetermogelijkheden te vinden. In dat geval analyseert process mining de verschillende stappen binnen welk e-facturatieplatform ook wordt gebruikt. Als de facturatie-expert dat platform en een aantal andere apps, bijvoorbeeld Excel, moet gebruiken om dat proces uit te voeren, dan worden de stappen in Excel over het hoofd gezien, waardoor er meer ruimte overblijft voor slechte uitkomsten. Het kan dus alleen de discrete gegevens in de specifieke stappen van het proces vastleggen en laat de witte ruimtes tussen de logs over die buiten het bereik van de ontdekking vallen.
Process discovery en task mining kunnen de gegevens verzamelen van logboekproducerende informatiesystemen en andere productiviteitsapps en -software die werknemers gebruiken, zoals e-mail, Microsoft suite, enz. Dit maakt ze een perfecte aanvulling op Process Mining en RPA omdat ze iets meer informatie kunnen geven over schaduwactiviteiten die anders over het hoofd worden gezien.
Process mining reconstrueert, zodra de gegevens verzameld, opgeschoond en gestructureerd zijn, hoe het huidige proces eruit ziet en vergelijkt dit met het ideale proces - hoe het proces zou moeten zijn. Dit wordt conformiteitscontrole genoemd; er worden meerdere methoden voor data analytics, mining en data science gebruikt. Het vindt de mogelijke knelpunten en stelt verbeteringen voor op basis van die afwijkingen.
Process discovery registreert eerst alles op de desktops van gebruikers om processen vast te leggen zoals ze zijn, met alle willekeurige afwijkingen en fouten. Het presenteert het proces op een manier zoals het daadwerkelijk door mensen is uitgevoerd, door een metamodel van het proces te maken met behulp van computervisie, algoritmen voor machine learning en AI-tools. Op deze manier kunnen hoofdoorzaken en verschillende knelpunten eenvoudiger worden geïdentificeerd.
Process mining beperkt zich tot de processtappen binnen bepaalde IT-systemen. Het negeert de menselijke factor en gaat voorbij aan de digitale voetafdrukken van gebruikers in andere toepassingen, zoals persoonlijke productiviteitsapps, documenten, enz.
Hoewel process discovery en task mining de menselijke maat brengen die process mining zou kunnen missen, werken ze het beste met kortere en kleinere taken. Omdat de gebruikte analysemethoden computationeel zwaar zijn, kunnen ze valse resultaten opleveren bij het analyseren van langere processen en falen in het identificeren van het belang van een taak in een grotere context.
Process mining, task mining en process discovery zijn krachtige hulpmiddelen die al een paar jaar door bedrijven worden gebruikt, goede resultaten opleveren en zelfs de grootste ondernemingen helpen om hun automatiseringspotentieel te vinden.
Afhankelijk van het bedrijf, de use case en andere factoren, kan de ene of een combinatie hiervan geschikter zijn dan de andere. Process mining is over het algemeen beter in het harmoniseren van de verschillende processen en ze in overeenstemming te brengen met het einddoel, vooral als ze worden uitgevoerd binnen uitgebreide IT-systemen. Process mining is goed in het zien van de realiteit in zware systemen zoals ERP, CRM en Supply Chain Management, en het optimaliseren van de processen daarbinnen. Task mining is een goed alternatief als het proces wordt uitgevoerd over verschillende apps en die kleine activiteiten tussen belangrijkere stappen er toe doen. Het is vrij goed in het tonen van de mens-machine interacties binnen de taak. Op dezelfde manier wordt process discovery voornamelijk gebruikt om handmatige process discovery technieken te vervangen, zodat het vinden van automatiseringsmogelijkheden sneller gaat dan met de bestaande oude methoden.
Zoals we hebben besproken, hebben ze echter allemaal bepaalde gebreken die voor sommige bedrijven niet geschikt zijn. Deze kunnen samenwerken voor een completere analyse van de processen. Toch kan het zijn dat ze nog steeds niet het volledige spectrum van zakelijke werkgerelateerde activiteiten op een anonieme manier afdekken. Werkintelligentie zou een perfecte oplossing kunnen zijn die het beste van beide werelden combineert en verder gaat dan dat. Het helpt om te zien wat er in de eerste plaats geautomatiseerd moet worden voordat je in de vijver van de vele automatiseringstools springt.
WorkfellowWerkintelligentie is een alles-in-één tool, alles wat je bedrijf nodig heeft om te beginnen aan de digitale transformatie.
Maak gratis kennis met Workfellow via een demo of een gratis proefversie. Klik op de knop hieronder en laten we beginnen!
Aan de slag
