Le process mining est une méthode qui consiste à appliquer des algorithmes spécialisés aux données des journaux d’événements afin d’identifier les tendances, les schémas et les détails du déroulement d’un processus. Le process mining applique la science des données pour découvrir, valider et améliorer les workflows.
En combinant le data mining et l’analyse des processus, les organisations peuvent exploiter les données des journaux de leurs systèmes d’information pour comprendre les performances de leurs processus et mettre au jour les goulots d’étranglement et d’autres domaines à améliorer. Le process mining s’appuie sur les données pour optimiser les processus, ce qui permet aux responsables de prendre des décisions objectives concernant l’attribution de ressources pour les processus existants.
Les systèmes d’information comme les outils de planification des ressources d’entreprise (ERP) ou de gestion de la relation client (CRM) fournissent une piste d’audit des processus avec leurs données de journal respectives. Le process mining utilise ces données provenant des systèmes informatiques pour créer un modèle de processus ou un graphique du processus réel. A partir de là, le processus de bout en bout est examiné, et ses détails ainsi que ses éventuelles variantes sont décrits.
Les algorithmes spécialisés peuvent également fournir des informations sur l’origine des problèmes d’écart par rapport à la norme. Ces algorithmes et ces visualisations permettent à la direction de vérifier si ses processus fonctionnent comme prévu. Si ce n’est pas le cas, les processus lui fournissent les informations nécessaires pour justifier et attribuer des ressources en vue d’une optimisation. Ils peuvent également signaler des occasions d’intégrer l’automatisation robotisée des processus (RPA) dans les processus, un puissant accélérateur de l’automatisation.
Le process mining se concentre sur différentes perspectives, notamment les flux de contrôle, l’organisation, les cas et l’horodatage. Si une grande partie du travail autour du process mining se concentre sur la séquence des activités, c’est-à-dire le contrôle, les autres perspectives fournissent également des informations précieuses pour les équipes de direction. Les perspectives organisationnelles peuvent faire apparaître les différentes ressources au sein d’un processus (comme les rôles professionnels et les services individuels), et la perspective temporelle peut mettre en évidence les goulots d’étranglement en mesurant le temps de traitement des différents événements au sein d’un processus.
En 2011, l’Institute of Electrical and Electronics Engineers (IEEE) a publié le Process Mining Manifesto (lien externe à ibm.com) dans le but de promouvoir l’adoption du process mining, et à terme de repenser les opérations commerciales. Alors que les partisans du process mining comme l’IEEE encouragent son adoption, Gartner note que certains facteurs du marché vont également jouer un rôle dans son accélération. Les efforts de transformation numérique vont inciter à approfondir les recherches sur les processus, ce qui augmentera le taux d’adoption des nouvelles technologies telles que l’intelligence artificielle, l’automatisation des tâches et l’hyperautomatisation. La cadence de ces changements organisationnels obligera également les entreprises à faire preuve de résilience opérationnelle pour pouvoir s’adapter. En conséquence, les entreprises s’appuieront de plus en plus sur les outils de process mining pour atteindre leurs objectifs commerciaux.
Utilisez ce cadre de sélection de modèles pour choisir le modèle le plus approprié tout en équilibrant vos exigences de performance avec les coûts, les risques et les besoins de déploiement.
Obtenir le rapport Gartner
Wil van der Aalst, informaticien et professeur néerlandais, est à l’origine d’une grande partie des recherches universitaires sur le process mining. Ses recherches et le manifeste susmentionné décrivent trois types de process mining : la découverte, la conformité et l’amélioration.
Découverte : la découverte de processus utilise les données des journaux d’événements pour créer un modèle de processus sans influence extérieure. Dans cette classification, aucun modèle antérieur de processus ne peut guider le développement d’un nouveau modèle de processus. Ce type de process mining est le plus largement utilisé.
Conformité : la vérification de la conformité permet de savoir si le modèle de processus prévu est utilisé dans la pratique. Ce type de process mining compare une description de processus à un modèle de processus existant sur la base de ses données de journal d’événements, identifiant ainsi tout écart par rapport au modèle prévu.
Amélioration : ce type de process mining est également appelé extension, organizational mining ou performance mining. Dans cette classe de process mining, des informations supplémentaires sont utilisées pour améliorer un modèle de processus existant. Par exemple, le résultat de la vérification de la conformité peut aider à identifier les goulots d’étranglement au sein d’un modèle de processus, ce qui permet aux responsables d’optimiser un processus existant.
Le process mining se situe au carrefour du business process management (BPM) et du data mining. Bien que le process mining et le data mining fonctionnent tous deux avec des données, la portée de chaque jeu de données est différente. Le process mining utilise spécifiquement les données de journaux d’événements pour générer des modèles de processus, qui peuvent être utilisés pour découvrir, comparer ou améliorer un processus donné.
La portée du data mining est beaucoup plus large et s’étend à une variété d’ensembles de données. Il est utilisé pour observer et prédire les comportements, avec des applications dans des domaines comme l’attrition des clients, la détection des fraudes, l’analyse du panier d’achat, etc.
Le process mining adopte plutôt une approche fondée sur les données pour le business process management (BPM), qui a toujours été géré manuellement. Le BPM recueille généralement des données de manière plus informelle par le biais d’ateliers et d’entretiens, puis utilise un logiciel pour représenter le workflow sous la forme d’un diagramme de processus. Dans la mesure où les données qui alimentent ces diagrammes de processus sont généralement qualitatives, le process mining permet une approche plus quantitative à un problème de processus en détaillant le processus réel par le biais de données d’événements.
L’augmentation des ventes n’est pas le seul moyen de générer des revenus. Les méthodologies Six Sigma et Lean montrent également comment la réduction des coûts opérationnels peut augmenter votre retour sur investissement (ROI).
Les solutions de process mining aident les entreprises à réduire ces coûts en quantifiant les inefficacités de leurs modèles opérationnels, ce qui permet aux dirigeants de prendre des décisions objectives sur l’attribution de ressources. La découverte de ces goulets d’étranglement peut non seulement réduire les coûts et accélérer l’amélioration des processus, mais aussi favoriser l’innovation et la qualité et améliorer la rétention client.
Le process mining étant une discipline relativement neuve, il reste encore quelques obstacles à surmonter. Voici quelques-uns de ces défis :
Qualité des données : larecherche, la fusion et le nettoyage des données sont généralement nécessaires pour que le process mining puisse avoir lieu. Les données peuvent provenir de différentes sources. Elles peuvent également être incomplètes ou contenir des étiquettes ou des niveaux de granularité différents. La prise en compte de ces différences sera importante pour les informations qu’un modèle de processus va produire.
Dérive conceptuelle : il arrive que les processus changent au cours de leur analyse, ce qui entraîne une dérive conceptuelle.
L’utilisation de solutions avancées de process mining est essentielle pour gagner en efficacité et conduire la transformation organisationnelle.
Une meilleure transparence : le process mining offre une vision des processus opérationnels fondée sur les données, ce qui surpasse la cartographie traditionnelle des processus métier. Cette visibilité poussée est cruciale pour identifier les inefficacités et les problèmes de conformité et comprendre le flux de processus réel.
Une analyse simplifiée des processus et une meilleure efficacité : leprocess mining utilise les données des journaux d’événements pour analyser rapidement les processus métier, ce qui permet de visualiser de multiples variantes et de rationaliser les opérations afin de réduire les temps de cycle et les coûts. Cette approche simplifie la gestion et facilite l’automatisation des tâches de routine.
Une prise de décision fondée sur les données : le process mining facilite la prise de décision objective en utilisant les données des systèmes informatiques. Cette approche est essentielle pour identifier et résoudre avec précision des problèmes tels que les goulets d’étranglement et les écarts.
L’optimisation des processus : en surveillant en permanence les indicateurs de performance des processus (comme les KPI et les accords de niveau de service), le process mining identifie des opportunités d’optimisation et d’automatisation dans diverses opérations.
Une vue des processus focalisée sur le client : en alignant les interactions externes avec les opérations internes et en mettant en évidence les domaines à améliorer dans l’expérience client, le process mining offre des informations détaillées sur les parcours des clients.
La standardisation des processus : le process mining permet la normalisation des processus dans une organisation en identifiant les variations et en les alignant sur le modèle de processus optimal. Cela permet de garantir des performances et une qualité constantes.
Une meilleure expérience client : la rationalisation des processus et l’amélioration de l’efficacité permettent d’améliorer la prestation de services, ce qui favorise la satisfaction et la fidélité des clients.
Qualité et disponibilité des données : l’efficacité du process mining repose sur des données complètes et de haute qualité. Les imprécisions peuvent fausser les modèles de processus et conduire à des informations erronées. Faire appel à des analystes de données dès les premières étapes permet de garantir l’intégrité et l’exhaustivité des données utilisées pour le process mining.
Incapacité à capturer les tâches : leprocess mining peut passer à côté des tâches manuelles en dehors des systèmes informatiques si elles ne sont pas enregistrées dans les journaux d’événements, ce qui limite son champ d’application dans l’optimisation des workflows. En intégrant le task mining au process mining, les organisations peuvent combler cette lacune et améliorer l’analyse des workflows et les optimisations au niveau des tâches.
Obstacles à l’intégration : certains systèmes informatiques posent des problèmes d’intégration avec le process mining en raison de l’absence de connecteurs ou de problèmes de format de données. Les solutions préconfigurées conçues pour des systèmes ou des processus spécifiques peuvent simplifier l’intégration, ce qui rend le processus plus fluide.
Dérive conceptuelle : au fur et à mesure que les processus évoluent, il peut être difficile de maintenir à jour les modèles de process mining. Avec des modèles obsolètes, il y a un plus grand risque que les analyses soient elles-mêmes obsolètes. Les solutions avancées de process mining analysent les processus en temps quasi réel, ce qui permet aux modèles de rester à jour et pertinents.
Complexité dans les grandes organisations : dans les grandes organisations, le volume et la complexité des processus peuvent amplifier les défis du process mining et affecter l’extraction d’informations. En adoptant des techniques de process mining centrées sur l’objet ou à plusieurs niveaux, les organisations peuvent mieux gérer et analyser des processus complexes.
Résistance potentielle au changement : les modifications importantes apportées à la gestion des processus en raison du process mining peuvent se heurter à la résistance des employés habitués workflows existants. Une gestion efficace du changement est essentielle à une mise en œuvre et à une adoption réussies. La mise en œuvre de stratégies efficaces de gestion du changement, notamment la formation du personnel et le travail sur son engagement, peut faciliter une transition et une adoption tout en douceur.
Les techniques de process mining sont utilisées pour améliorer les flux de processus dans divers secteurs d’activité. Étant donné que les cartes de processus mettent en évidence les indicateurs de performance clés (KPI) qui ont un impact sur les performances, elles incitent les entreprises à réexaminer leurs inefficacités opérationnelles. La valeur et la polyvalence des solutions de process mining sont illustrées par les cas d’utilisation suivants :
Formation : leprocess mining peut aider à identifier les programmes d’études efficaces en surveillant et en évaluant les performances et les comportements des étudiants, comme le temps qu’un étudiant passe à regarder les documents de classe.
Finance : les logiciels de process mining sont utilisés par les services financiers, certaines institutions et dans le cadre d’opérations d’approvisionnement, le but étant d’améliorer les processus interorganisationnels et l’audit des comptes, d’augmenter leurs revenus et d’élargir leur clientèle.
Travaux publics : leprocess mining permet de rationaliser le processus de facturation des projets de travaux publics qui impliquent diverses parties prenantes (comme les entreprises de construction, les entreprises de nettoyage et les bureaux de protection de l’environnement).
Développement de logiciels : quand les processus d’ingénierie sont désorganisés, le process mining peut aider à identifier les inefficacités et à améliorer les workflows. Il peut également aider les administrateurs informatiques à contrôler le processus, notamment en vérifiant que le système fonctionne comme prévu.
Santé : le process mining fournit des recommandations pour réduire le temps de traitement des patients.
Commerce électronique : leprocess mining peut fournir des informations sur les comportements des acheteurs et des recommandations précises pour augmenter les ventes.
Fabrication : le process mining améliore la chaîne d’approvisionnement et les opérations de fabrication en attribuant les ressources appropriées en fonction des attributs du produit. La connaissance des temps de production et de l’attribution des ressources (espace de stockage, machines et travailleurs) permet une gestion plus efficace et une transformation opérationnelle.
Gestion des services informatiques (ITSM) : le process mining peut optimiser les processus de prestation de services et de gestion des incidents. Il permet aux équipes informatiques d’analyser les workflows des services, d’identifier les inefficacités et d’améliorer les temps de réponse. Tout cela permet d’améliorer le support informatique global et la satisfaction des clients.
Atteignez l’excellence opérationnelle avec des analyses de processus basées sur les données.
Faites passer l’amélioration des processus et la transformation numérique à la vitesse supérieure grâce à des solutions existantes dédiées à des secteurs d’activité spécifiques, qui intègrent de bonnes pratiques pour des résultats optimaux.
Concevez, développez et exécutez des applications et des services d’automatisation sur n’importe quel cloud, en utilisant des technologies d’automatisation préintégrées dans un seul et même pack flexible.
Découverte du process mining, de son fonctionnement, de la valeur qu’il apporte et de quelques cas d’utilisation organisationnels.
Découvrez le task mining et comment il peut vous aider à améliorer les workflows de votre entreprise.
Découvrez les ressources de notre collection d’apprentissage dans le cadre des cours de formation IBM.