Process Mining 101 - Methoden, voordelen, hulpmiddelen en veelgestelde vragen

De meeste bedrijven hebben methoden om bedrijfsprocessen te analyseren en te verbeteren. Organisaties passen steeds vaker geavanceerde data science-technieken zoals process mining toe om een concurrentievoordeel te behalen.

Wat is process mining en waarom zouden bedrijven het gebruiken? Dit wordt allemaal onthuld in Process Mining 101.👇

Wat is process mining?

Process mining is een techniek die gebruikt wordt om bedrijfsprocessen te ontdekken, analyseren en verbeteren met behulp van dataminingmethoden. Process mining wordt gezien als een objectieve en gegevensgestuurde manier om de werkelijke toestand van processen en workflows in een organisatie te evalueren.

‍

Process mining kan worden gezien als het snijpunt van business process management en data science. Tools voor process mining werken samen met bedrijfssoftwaresystemen om procesinformatie te extraheren, meestal in de vorm van gebeurtenisgegevens of bedrijfsobjecten, met als doel process discovery en verbetering van bedrijfsprocessen.

Process mining geeft inzicht in end-to-end processen en voorziet bedrijven zo van waardevolle gegevens die kunnen worden gebruikt om de huidige bedrijfsprocessen te verbeteren en betere bedrijfsprestaties te bereiken. Op deze manier wordt het ook wel een röntgenstraal genoemd naar belangrijke workflows en bedrijfsprocessen.

Waarom bedrijfsprocessen ontginnen?

Analyse van bedrijfsprocessen is geen nieuw concept. In het verleden kon de analyse van bedrijfsprocessen worden gebaseerd op tijd- en bewegingsonderzoeken, process mapping of process discovery interviews met belangrijk personeel. Het resultaat van de handmatige analyse kan vervolgens zijn samengevat in business intelligence initiatieven, als onderdeel van een audit of gezien als onderdeel van een proceskaart visualisatie.

Je kunt procesanalyse zien als een manier om de "as-is" staat van bedrijfsprocessen te beoordelen en een manier om de "should-be" staat van processen te ontwerpen en modelleren. Hoewel veel bedrijven een perfect ontworpen procesmodel en standaard operationele procedures (SOP's) hebben, komt de realiteit van bedrijfsprocessen vaak niet overeen met deze verwachtingen.

‍

‍

Hoe process mining past in het beheer van bedrijfsprocessen

Terwijl procesanalyse een bewezen en gevestigd onderdeel is geworden van effectief beheer van bedrijfsprocessen, heeft process mining enkele van de belangrijkste beperkingen van handmatige analyse opgelost:

handmatige procesanalyse vertrouwen op subjectieve meningen van de ondervraagden of enquêteanalisten,
ze hebben veel tijd, kosten en teammiddelen nodig voor het uitvoeren van analyses,
krijg je slechts een eenmalige momentopname van processen - in plaats van continue resultaten die je kunt volgen en verbeteren.

Samengevat biedt process mining een geautomatiseerde process discovery oplossing die bedrijven een datagestuurde manier biedt om initiatieven voor procesverbetering te beheren.

Is process mining gewoon geautomatiseerd process discovery?

Het zou een oversimplificatie zijn om te zeggen dat process mining slechts een geautomatiseerde process discovery oplossing is. In werkelijkheid biedt de oplossing een datagestuurde manier om bedrijfsprocessen continu te verbeteren en kan flexibel worden gebruikt om niet alleen processen te ontdekken, maar ook om de impact van procesverbeteringen te modelleren en te voorspellen.

Er zijn ook andere geautomatiseerde process discovery oplossingen te overwegen waarvoor geen datamining van gebeurtenisgegevens nodig is. Bijvoorbeeld, task mining oplossingen kunnen effectief gebruikt worden om as-is processen te ontdekken uit gebruikersinterface activiteiten.
‍

Wist je dat je task mining en process mining kunt combineren? Lees de whitepaper over de Work API!

‍

Waarom is process mining zo populair?

Process mining helpt inefficiënties in de bedrijfsvoering, knelpunten in de verwerking en mogelijkheden voor automatisering systematischer en op grotere schaal aan het licht te brengen dan procesanalyse op basis van interviews. Bovendien is process mining sneller en doorgaans betrouwbaarder in het beheren van grote hoeveelheden gegevens en daardoor nauwkeuriger in de inzichten die het oplevert.

Vandaag de dag is process mining een van de meest actieve gebieden binnen de ontwikkeling van bedrijfssoftware. In een recent onderzoek onder leidinggevenden van Global 5000 bedrijven, ontdekte HFS Research dat process mining en discovery de eerste prioriteit was voor nieuwe technologie om in te investeren. Volgens Deloitte gebruikt 63% van de bedrijven process mining software of is van plan dit in de nabije toekomst te gaan doen.

‍

Bron: HFS Research - De razendsnelle opkomst van Process Intelligence

‍

Hoe werkt process mining precies?

Process mining kan worden gezien als een vierstappenmethode van gegevensextractie tot gegevensanalyse.

Gegevens extraheren - een process mining-tool wordt gebruikt om procesgegevens uit IT-systemen te extraheren.
Gegevens reconstrueren - procesgegevens worden verzameld en geharmoniseerd ter voorbereiding op de analyse.
Gegevens visualiseren - algoritmen voor process mining worden gebruikt om de huidige status van processen weer te geven.
Gegevens analyseren - procesgegevens worden geanalyseerd om mogelijkheden voor procesverbetering te identificeren.

Belangrijke process mining-gebruiksgevallen

Tot nu toe hebben we het gehad over het hoe, wat en waarom van process mining. We kunnen nu kijken naar een paar meer concrete voorbeelden van hoe process mining waarde zou kunnen toevoegen aan verschillende eenheden/rollen binnen een organisatie.

Process discovery. Dit is de meest typische en meer generieke use case voor process mining is process discovery - waarbij het doel is om de "as-is" staat van bedrijfsprocessen te identificeren.
Analyse van de oorzaak. Een andere belangrijke toepassing is eenvoudigweg het kwantificeren en identificeren van de hoofdoorzaak van belangrijke procesuitdagingen met behulp van echte procesgegevens.
Conformiteitscontrole. Process mining stelt je in staat om de afstemming van processen op SOP's en procesmodellen te bewaken en continu bij te houden door middel van conformiteitscontrole.
Identificatie van kansen. Process mining brengt kansen aan het licht om processen te stroomlijnen of te automatiseren, bijvoorbeeld met robotische procesautomatisering (RPA).‍
Procesoptimalisatie. Bij procesoptimalisatie is de eindtoestand van effectieve proceswinning dat processen voortdurend worden gecontroleerd en verbeterd.

‍

Elk van de bovenstaande use case voorbeelden kan worden toegepast op een team, business unit of de hele organisatie.

Enkele veel voorkomende gebruikssituaties voor process mining in het bedrijfsleven zijn:

Financiën - het werkkapitaal verbeteren, de productiviteit van het financiële team verhogen of zorgen dat de financiële activiteiten worden nageleefd.
Inkoop - het vereenvoudigen van goedkeuringsprocessen, het terugdringen van ongebreidelde inkoop of het opsporen van fouten in de prestaties van leveranciers.
Klantenservice - verkort de reactietijd van klanten, identificeer de hoofdoorzaken van problemen en verbeter de klanttevredenheid.
Logistiek - zorgen voor betrouwbare leveringen, voorraad optimaliseren en productiviteit verbeteren binnen logistiek en transport.
Human relations - waaronder werving, indiensttreding en salarisadministratie.

Voordelen van process mining

Er zijn een aantal duidelijke voordelen voor het verzamelen van procesgegevens. De zeven belangrijkste voordelen zijn

Kosten verlagen. Automatisch process discovery vindt de meest handmatige, repetitieve en over het algemeen inefficiënte processen, die meestal de hoogste kosten met zich meebrengen voor verschillende eenheden.
Doorlooptijd verkorten. Voor de meeste bedrijven is tijd geld - en een belangrijk voordeel van process mining is de vermindering van de doorlooptijd in belangrijke processen.
Kwaliteit verbeteren. Process mining kan helpen om fouten, vertragingen of vergissingen op te sporen die de kwaliteit van goederen of diensten verminderen.
Klanttevredenheid verbeteren. De kwaliteit van de klantenservice hangt rechtstreeks af van de efficiëntie van de klantgerichte processen. ‍
Automatisering van processen mogelijk maken. In combinatie met automatiseringstools zoals RPA helpt process mining om voorheen inefficiënte processen te optimaliseren.
‍Neem beslissingen op basis van gegevens. Process mining bevordert gegevensgestuurde besluitvorming, dicht de hiaten in ruwe gegevens en analyseert opnieuw gecreëerde processen.
Transparantie vergroten. De meeste beslissingen in grote bedrijven zijn gebaseerd op ervaren senior-level mensen en hun expertise en buikgevoel. Met process mining is het mogelijk om te zien hoe de processen de-facto verlopen.

Lees een casestudy over hoe een middelgroot accountantskantoor meer dan € 2 miljoen ($ 2,17 miljoen) aan procesafval ontdekte.

De juiste process mining-software kiezen

Er zijn meer dan 35 verschillende process mining oplossingen op de markt voor verschillende soorten organisaties en klanten. Wat je specifieke behoeften ook zijn, het is goed om een aantal belangrijke aandachtspunten in gedachten te houden:

Gebruiksgemak - process mining hoeft niet moeilijk te zijn om te gebruiken. Zoek schermafbeeldingen of een productdemonstratie om te zien of het gemakkelijk te gebruiken of te navigeren is.
Configureerbaarheid - sommige oplossingen zijn alleen geschikt voor specifieke use-cases of vereisen aanzienlijke inspanningen om te configureren of te integreren met verschillende bronsystemen.
Analytics en rapportage - als je op zoek bent naar een bedrijfsoplossing, dan heb je waarschijnlijk geavanceerde en betrouwbare analyse- en rapportagemogelijkheden nodig.
End-to-end zichtbaarheid (E2E) - naarmate meer werk wordt gedigitaliseerd, hebt u volledige E2E zichtbaarheid nodig van het volledige procestraject in verschillende tools en systemen.
Niveau van ondersteuning - Of je nu voor het eerst een procesanalist bent of een ervaren procesarchitect, je hebt waarschijnlijk verschillende behoeften op het gebied van ondersteuning en inwerken.
Totale eigendomskosten - process mining oplossingen zijn er in verschillende kosten en serviceniveaus. Het is slim om de totale eigendomskosten in overweging te nemen, inclusief de implementatiekosten en de kosten van lopende procesanalyses.

Op zoek naar een softwareoplossing? Bekijk voor meer informatie onze deep dive over 15 top process mining tools.

Algemene beperkingen van process mining-tools

Hoewel process mining wonderen kan doen voor organisaties en dat al vele jaren bewijst, zijn er nog steeds gebieden waar process mining tekortschiet.

Volgens recent onderzoek van HFS Research vindt 91% van de bedrijfsleiders dat process intelligence technologie enorm belangrijk is om bedrijfswaarde te creëren, maar tegelijkertijd vindt 2 op de 3 respondenten dat process intelligence technologie zoals process mining te complex is om effectief in hun organisatie te gebruiken.

Analyse van de meest recente maar niet real-time gegevens

Process mining analyseert de meest recente gegevens uit informatiesystemen, maar dat garandeert nog steeds geen volledig beeld van de huidige prestaties van een bedrijf. De gegevens uit eventlogs worden eerst op een bepaald moment afgeleid, opgeschoond en dan pas geanalyseerd. Op deze manier levert het miningproces nooit volledig realtime gegevens op.

Hoge initiële kosten

Vaak vergt de uitrol van process mining oplossingen veel inspanning en input van meerdere eenheden en teams, wat resulteert in zeer hoge kosten. Een IT-team moet bijvoorbeeld eerst een aantal ontwikkelings- en software-integraties uitvoeren voordat de software kan gaan draaien. In veel gevallen moeten integraties worden gemaakt en onderhouden met alle bedrijfsresourcesystemen en de kosten lopen snel op.

Zware afhankelijkheid van menselijke analisten

Hoewel process mining uiteindelijk gericht is op het automatiseren van processen, is het nog steeds sterk afhankelijk van het menselijk brein en het werk van bedrijfsanalisten, gegevensanalisten en IT-mensen. Twee grote gebieden waar mensen absoluut nodig zijn voor process mining zijn:

Interpretatie van de gegevens: eenmaal geanalyseerd zijn inzichten alleen niet voldoende en is er een bedrijfsanalist nodig om die gegevens te interpreteren en concrete use cases te vinden die in lijn zijn met de oorspronkelijke doelstellingen.
Opschonen en extraheren van gegevens: gegevens uit eventlogs kunnen onvolledig, onjuist of dubbel zijn en gegevensanalisten moeten de tijd nemen om de gegevens op te schonen en klaar te maken voor verder gebruik.

Lange time-to-value

Afhankelijk van hun complexiteit hebben verschillende systemen veel "voorbereidingstijd" nodig voordat ze zelfs maar kunnen beginnen met het aanleveren van event logs. Vanwege de zware data-integratiebehoeften van de meeste process mining oplossingen, is het niet ongewoon dat implementaties 12-18 maanden duren.