2015/02/16 13:13:10

Process Mining
Процессная аналитика

Process Mining – это технология непрерывного восстановления карт реальных бизнес-процессов на основе данных, хранящихся в информационных системах предприятия. Построенные карты процессов используются для расчёта расширенной аналитики, позволяющей повысить операционную эффективность предприятия, доходность его продуктов или услуг.

Содержание


Термин Process Mining ввел в обиход Вил ван дер Аалст, профессор Эйндховенского технического университета и Квинслендского технического университета, который и считается идеологом данной технологии. Принцип Process Mining очень простой: если бизнес-процесс выполняется в той или иной информационной системе, то на основании «следов» его исполнения можно восстановить фактический алгоритм процесса в форме, удобной для последующего анализа[1].

Методы Process Mining

  • автоматизированное исследование процессов (извлечение моделей процессов из журнала событий)
  • проверка соответствия (то есть контроль отклонений путем сравнения моделей и журналов)
  • автоматизированное построение имитационных моделей,
  • расширение модели, восстановление модели,
  • прогноз состояний
  • основанные на исторических данных, рекомендации.




  • Непрерывный сбор и обработка данных
  • Автоматическое создание модели на основе информационных следов
  • Прогноз выбора сценария или времени завершения для еще не окончившихся процессов
  • Единый инструмент для сбора данных со всех рабочих мест компании
  • Анализ всей цепочки событий, а не отдельных шагов
  • Контроль отклонений от регламентов и соответствия стандартам
  • Real-time анализ данных и поддержка осуществления организационных изменений


Методы Process mining способны извлекать знания из журналов событий, обычно доступных в современных информационных системах

Для чего применяется процессная аналитика

Внедрение инструментов процессной аналитики открывает ряд возможностей, например[2]:

  • Упорядочить внутренние процессы. Простой пример: крупная компания с десятками филиалов. В каждом из них один и тот же процесс может протекать по-разному и занимать разное количество времени. Применение программного инструмента process mining позволит понять, насколько соответствуют (и соответствуют ли вообще) процессы регламентированным, какие риски для бизнеса несут.
  • Принимать управленческие решения на основе достоверных данных. В основе технологии — использование логов, полученных из информационных систем. На них нельзя повлиять, их невозможно скрыть или подделать, поэтому полностью исключено влияние человеческого фактора.
  • Экономить. При ликвидации или увеличении пропускной способности «узких мест». В Eneco, внедрив подобный инструмент, сообщили об экономии 15 млн евро. Мы же, работая с крупным телекоммуникационным оператором в рамках пилотного проекта, определили сумму в 75 млн рублей — именно столько смогла бы сэкономить компания, роботизируя операцию прикрепления файлов.
  • Повышать лояльность клиентов. Благодаря глубинному анализу возможно предотвращать возможные репутационные и финансовые риски еще на ранних стадиях, что значительно повысит лояльность клиентов.
  • Понятно визуализировать фактический процесс. Process mining — технология не для того, чтобы посмотреть, как системы взаимодействуют друг с другом и найти ошибки в этом, а посмотреть, как связаны друг с другом сотрудники и различные отделы. Управленец, изучив карту процесса, сможет понять, как он протекает в реальности, где находятся узкие места, почему те или иные изменения не приводят к желаемому результату, на что именно нужно обратить особое внимание.

Преимущества и недостатки Process Mining

Преимущества

  • Автоматизированное восстановление модели бизнес-процессов на базе лог-файлов
  • Возможность анализа бизнес-процесса до уровня отдельного экземпляра (негативный путь)
  • Возможность фактами доказать руководству неэффективность существующих бизнес-процессов на основе фактов
  • Возможность регулярного мониторинга процессов

Недостатки

  • Отсутствие необходимой детальности лог-файлов в информационных системах
  • Сложность интерпретации данных в информационных системах
  • Проблемы с корректностью данных в информационных системах
  • Отсутствие апробированной методики анализа восстановленного бизнес-процесса

Задачи для инструментария Process Mining

Ключевая задача Process Mining – восстановление и анализ фактического бизнес-процесса. В данном случае главное, чтобы процесс был полноценно автоматизирован и был интересен менеджменту с целью последующего анализа. Ключевые преимущества Process Mining перед существующими инструментами «ручного» анализа бизнес-процессов: уход от традиционных методов описания через интервьюирование представителей бизнеса и ручное моделирование процесса бизнес-аналитиком в виде графической модели в пользу объективной оценки происходящей реальности на основе данных находящихся в информационных системах.

«Для менеджмента инструментарий Process Mining предоставляет прекрасную возможность мониторинга состояния бизнес-процессов в режиме реального времени на основе фактических данных, а не возможных «псевдо-отчетов» собранных в ручном режиме», – отмечает Анастасия Мартыненко, старший консультант компании «Логика BPM». Возможность опереться на факты при принятии решения является одним из ключевых преимуществ Process Mining.
«Мы используем Process Mining для определения и выявления реальных процессов организации», – отмечает Бондаренко Александра , главный консультант QPR Software. Проведение регулярных оценок и анализа эффективности процессов, а также визуализация хода процессов также реализуется компанией в данных инструментах.

Сейчас еще сложно выделить отраслевую специфику применения Process Mining, но уже ясно, что технология будет использоваться для взаимодействия с большим числом клиентов. «В таких областях, как здравоохранение, транспорт, туризм, банковский сектор и страхование, уже были проведены проекты и выполнены исследования, показавшие эффективность Process Mining, – отмечает Владимир Рубин, ведущий научный сотрудник Международной научно-учебной лаборатории процессно-ориентированных информационных систем НИУ ВШЭ. – Процессы разработки программного обеспечения, анализ работы пользователей, оценка производительности программного обеспечения, анализ качества сервиса, качества службы поддержки и работы контакт-центра – все это задачи, решаемые Process Mining».
Уже есть российские компании, которые работают с Process Mining. Например, российская компания ICL Services (АйСиЭл Сервисез) уже несколько лет использует в своей работе данный инструментарий. «Мы использовали Process Mining при оптимизации и реинжиниринге процессов, а также для выявления процессов автоматизированных, но не описанных, – отмечает, Еремеева Айгуль , Руководитель службы организационного развития ICL Services (АйСиЭл Сервисез). – Также Process Mining применяется нами в качестве инструмента экспресс-диагностики проблем, возникающих в процессах предоставления услуг ИТ-аутсорсинга и в аудитах внутренних бизнес-процессов».

Инструменты Process Mining упрощают контроль качества работы сотрудников в плане соответствия регламентам. «Оборотная сторона медали – это отсутствие возможности создания и корректировки или изменения регламентов непосредственно в самом инструменте», – отмечает Анастасия Мартыненко. Большинство клиентов, по ее словам, после первого знакомства с технологией задают вопрос: «А можно ли здесь что-то нарисовать? И как это связано с инструментом моделирования процессов?».

Отличия Process Mining от Data Mining

  • Data mining преимущественно используется для поиска иерархических зависимостей в больших объемах данных. Например, в каких каналах какие категории клиентов какие категории товаров покупают и как часто.
  • На вход подаются таблицы с разнородными данными из разных доменов.
  • Использует многомерные представления (кубы) с возможностью изменения уровня детализации (различные уровни агрегации) информации.

  • Process mining концентрируется не на семантических взаимосвязях данных, а на представлении данных в виде процессов.
  • На вход подаются транзакционные данные по объектам учета. Обычно в качестве таких объектов выступают (Задания, Заказы, Заявки, Наряды и так далее). Примером транзакционных данных служат журналы событий, аудиторские следы, данные о событиях и состояниях объектов (будь то статус объекта или смена ответственного подразделения).
  • Использует методы сэмплинга данных для построения модели процесса по наиболее представительным сценариям в процессе. Process mining ищет не просто связи между данными: его задача состоит в том, чтобы определить связи между шагами процесса, отклонения от нормального процесса, факторы влияния наотклонения, эффективность процесса, сценарность процесса, а также узкие места в процессе.

Примеры проектов использования Process Mining

Ruukki (металлургическая компания). Проанализирован процесс обслуживания клиентов, данные загружались из двух разных систем: SAP и Salesforce, что позволило рассмотреть их в едином процессе. Были выявлены недостатки в ведении данных о клиентах в CRM, что существенно замедляло прохождение заказа. Исправление выявленных недостатков с помощью инструментария Process Mining – QPR Process Analyser – позволило ускорить обслуживание клиентов и повысить общее качество обслуживания.

Caverion (инженерные услуги и услуги для промышленности, решения для недвижимости и промышленных предприятий в Северной и Центральной Европе). С помощью QPR Process Analyser было проведено измерение эффективности основных процессов компании. На основе данных, полученных из ERP-системы, была выявлена причина задержек при прохождении процессов: медленная подготовка бухгалтерских документов по факту выполнения услуг. В результате эффективность процессов была увеличена. Компания приняла решение о регулярном использовании инструмента Process Mining для оценки эффективности реальных бизнес-процессов.

Vaisala (производство металлургического оборудования). С помощью QPR Process Analyser были проанализированы процессы технической поддержки, продаж, доставки, услуг по ремонту и маркетинговые процессы. Данные собирались из систем Salesforce и Oracle BI. Благодаря произведенному анализу процессов компания смогла изменить и оптимизировать некоторые из своих процессов, а также снизить операционную стоимость посредством быстрого реагирования на изменения в ходе процессов.

Препятствия для Process Mining

Однако, несмотря на всю прогрессивность технологииProcess Mining, массового применения она пока еще не нашла. Основными сдерживающими факторами в настоящий момент являются низкая осведомленность бизнеса о данном методе анализа и совершенствования процессов, а также необходимость существенных инвестиций в развитие собственных компетенций, позволяющих применять данный метод. «Существует скепсис в отношении необходимости приобретения очередного специализированного программного обеспечения, да и предложений инструментария Process Mining как услуги на рынке пока еще небольшое количество», – отмечает Айгуль Еремеева.

Помимо организационных факторов существуют и технологические препятствия. «Недостаточная автоматизация процессов не позволяет подготовить данные для Process Mining, да и недобросовестное использование сотрудниками существующих информационных систем, например несвоевременный ввод данных или замена информации, делает внедрение сложным, – отмечает Александра Бондаренко. – Подготовка данных и извлечение их из внедренных бизнес-приложений может в таких случаях стоить дороже, чем традиционный процесс получения информации о бизнес-процессах посредством интервью с сотрудниками компании».

Нехватка специалистов и незнание возможностей Process Mining, а также гетерогенные источники данных в компании и их хаотичное состояние являются препятствиями для внедрения инструментария, отмечает Владимир Рубин. Он также считает, что внедрению таких систем мешают боязнь прозрачности результатов работы и безопасность данных о внутренних процессах.

Источники данных для Process Mining

Высокий уровень автоматизации процессов – ключевой фактор для использования Process Mining, и источниками тут могут быть различные системы. «Конечно, лучшие источники – это системы, архитектура которых изначально проектировалась для поддержки процессов и управления потоками работ, – отмечает, Айгуль Еремеева. – Это системы класса ERP/EAM, CRM, BPMS, ITSM. Они хранят исторические данные об изменении состояния объекта, будь то актив, рабочее задание или обращение пользователя».

Аналогичное мнение и у Александры Бондаренко. «ERP-, CRM-, SCM-системы, системы поддержки пользователей и обработки инцидентов могут стать источниками данных для Process Mining», – говорит она.

Фактически информацию для анализа процесса можно собрать из любой транзакционной системы. Источниками для Process Mining могут быть следующие классы систем: Data Warehouses, OLAP-based repositories, ERP (Enterprise Resource Planning), PDM (Product Data Management), CRM (Customer Relationship Management), DMS (Document Management Systems), Trouble Ticketing, Service Management Systems (ITSM, etc), SCM (Software Configuration Management), APM (Application Performance Management), Bug Tracking, Project Tracking. «Главное, чтобы в системе было множество event logs and traces, на основании которых и восстанавливается фактический процесс», – комментирует Владимир Рубин.

Анастасия Мартыненко обобщает: «Основной критерий определения того, подходит ли система-источник для Process Mining – это ответ на очень простой вопрос: «Можно ли из накопленных данных восстановить сведения о ходе исполнения процесса?»» Анализируя результаты использования инструментария Process Mining, можно увидеть, что технология активно развивается в результате ее апробации на практических кейсах в коммерческих компаниях. Есть уверенность, что с повышением уровня автоматизации существующих бизнес-процессов число пользователей Process Mining будет только расти, ведь повышение операционной эффективности – это тренд последних лет.

Программные продукты Process Mining

Смотрите также

Примечания