Process Mining wendet Datenwissenschaft an, um Arbeitsabläufe aufzuspüren, zu überprüfen und zu verbessern. Durch die Kombination von Data-Mining und Prozessanalyse können Unternehmen Protokolldaten aus ihren Informationenssystemen filtern, um die Leistung ihrer Prozesse zu verstehen, und Engpässe und andere verbesserungswürdige Bereiche aufzudecken. Process Mining nutzt ein datengesteuertes Konzept zur Prozessoptimierung, das es Managern ermöglicht, objektiv in ihrer Entscheidungsfindung rund um die Ressourcenzuordnung für bestehende Prozesse zu bleiben.
Informationssysteme, wie Enterprise Resource Planning (ERP) oder Customer Relationship Management (CRM)-Tools, stellen ein Auditprotokoll von Prozessen mit ihren jeweiligen Protokolldaten zur Verfügung. Process Mining verwendet diese Daten aus den IT-Systemen, um ein Prozessmodell oder Prozessdiagramm zu erzeugen. Von hier aus wird der End-to-End-Prozess untersucht und Details davon mit eventuellen Abweichungen werden dargelegt. Spezialisierte Algorithmen können auch Einblicke in die Ursachen von Normabweichungen zur Verfügung stellen. Anhand dieser Algorithmen und Visualisierungen kann das Management erkennen, ob seine Prozesse wie vorgesehen funktionieren, und wenn nicht, liefern sie die erforderliche Informationen, um die notwendigen Ressourcen zur Optimierung zu begründen und zuzuweisen. Sie können auch Möglichkeiten aufdecken, Robotic Process Automation in Prozesse einzubinden und so Automatisierungsinitiativen für ein Unternehmen zu beschleunigen.
Process Mining fokussiert auf verschiedene Perspektiven, wie Kontrollfluss, Organisation, Fälle und Zeiten. Während sich ein Großteil der Arbeiten zum Process Mining auf die Abfolge von Aktivitäten – also den Kontrollfluss – konzentriert, liefern auch andere Perspektiven wertvolle Informationen für Managementteams. Die organisatorische Perspektive kann die verschiedenen Ressourcen innerhalb eines Prozesses aufzeigen, wie z. B. einzelne Jobrollen oder Abteilungen, und die zeitliche Perspektive kann Engpässe aufzeigen, indem die Verarbeitungszeit verschiedener Ereignisse innerhalb eines Prozesses gemessen wird.
Im Jahr 2011 veröffentlichte das Institute of Electrical and Electronics Engineers (IEEE) das Process-Mining-Manifest (PDF, 9,6 MB) (Link befindet sich außerhalb von IBM) in dem Bestreben, die Einführung von Process Mining zur Neugestaltung von Geschäftsabläufen voranzutreiben. Während Befürworter des Process Mining, wie die IEEE, dessen Einführung fördern, stellt Gartner fest, dass auch Marktfaktoren eine Rolle bei der Beschleunigung spielen werden. Die Bestreben rund um die digitale Transformation werden dazu führen, dass Prozesse stärker untersucht werden, was wiederum die Akzeptanz neuer Technologien wie künstliche Intelligenz, Aufgabenautomatisierung und Hyperautomatisierung erhöht. Das Tempo dieser organisatorischen Veränderungen wird auch von den Unternehmen verlangen, dass sie betriebliche Ausfallsicherheit anwenden, um sich anzupassen. Infolgedessen werden Unternehmen zunehmend auf Process-Mining-Tools zurückgreifen, um ihre Geschäftsziele zu erreichen.
IBM unterzeichnet Vereinbarung zur Übernahme von myInvenio
Ein Großteil der akademischen Recherche rund um Process Mining wird dem niederländischen Informatiker und Professor, Wil van der Aalst, zugeschrieben. Sowohl seine Recherche, als auch das oben erwähnte Manifest, beschreiben drei Arten von Process Mining, die Erkennung, Konformität und Verbesserung.
Erkennung: Die Prozesserkennung verwendet Ereignisprotokolldaten, um ein Prozessmodell ohne externen Einfluss zu erzeugen. Bei dieser Klassifizierung würden keine früheren Prozessmodelle existieren, die als Grundlage für die Entwicklung eines neuen Prozessmodells dienen könnten. Diese Art des Process Mining ist am weitesten verbreitetet.
Konformität: Die Konformitätsprüfung bestätigt, ob das beabsichtigte Prozessmodell in der Praxis umgesetzt wird. Bei dieser Art von Process Mining wird eine Prozessbeschreibung mit einem vorhandenen Prozessmodell verglichen, das auf den Ereignisprotokolldaten basiert und alle Abweichungen vom vorgesehenen Modell ermittelt.
Erweiterung: Diese Art des Process Minings wird auch als Erweiterung, organisatorisches Mining oder Performance-Mining bezeichnet. In dieser Klasse des Process Minings werden zusätzliche Informationen verwendet, um ein vorhandenes Prozessmodell zu verbessern. Die Ergebnisse der Konformitätsprüfung können beispielsweise bei der Ermittlung von Engpässen innerhalb eines Prozessmodells helfen, sodass Manager einen bestehenden Prozess optimieren können.
Process Mining befindet sich an der Schnittstelle zwischen Geschäftsprozessmanagement (BPM) und Data-Mining. Während Process Mining und Data-Mining beide mit Daten arbeiten, unterscheidet sich der Umfang jedes Datenbestands. Beim Process Mining werden insbesondere Ereignisprotokolldaten verwendet, um Prozessmodelle zu erstellen, die zur Erkennung, zum Vergleich oder zur Verbesserung eines bestimmten Prozesses verwendet werden können. Der Bereich des Data-Mining ist viel umfangreicher und erstreckt sich auf eine Vielfalt von Datensätzen. Es wird zur Beobachtung und Vorhersage von Verhaltensweisen verwendet und findet, unter anderen, Anwendung in den Bereichen Kundenabwanderung, Betrugserkennung und Warenkorbanalyse.
Process Mining verfolgt einen stärker datengesteuerten Ansatz zu BPM, das in der Vergangenheit eher manuell verwaltet wurde. BPM sammelt Daten allgemein eher informell durch Workshops und Befragungen und verwendet dann eine Software, um den Arbeitsablauf als Prozessdiagramm zu dokumentieren. Da die Daten, die diesen Prozessdiagrammen zugrunde liegen, eher qualitativ sind, bietet das Process Mining einen quantitativen Ansatz für ein Prozessproblem, indem der tatsächliche Prozess anhand von Ereignisdaten detailliert beschrieben wird.
Umsatz ist nicht die einzige Möglichkeit, Erträge zu generieren. Six Sigma- und Lean-Methoden zeigen auch, wie die Senkung der Betriebskosten Ihre Kapitalrendite (ROI) erhöhen kann. Process Mining hilft Unternehmen, diese Kosten zu reduzieren, indem die Ineffizienzen in ihren Betriebsmodellen quantifiziert werden und es so den Führungskräften ermöglicht, objektive Entscheidungen über die Ressourcenzuweisung zu treffen. Die Erkennung dieser Engpässe kann nicht nur die Kosten senken und die Prozessverbesserung beschleunigen, sondern auch zu mehr Innovation, Qualität und einer besseren Kundenbindung führen. Da Process Mining jedoch noch ein relativer neuer Fachbereich ist, sind noch einige Hürden zu nehmen. Einige dieser Herausforderungen schließen ein:
Process-Mining-Techniken wurden zur Verbesserung von Prozessabläufen in einer Vielzahl von Branchen eingesetzt. Da Prozessdiagramme die wichtigsten Leistungsindikatoren (KPIs) aufzeigen, die sich auf die Leistung auswirken, haben sie Unternehmen dazu veranlasst, ihre betrieblichen Ineffizienzen erneut zu überprüfen. Einige der Anwendungsfälle umschließen:
Liefern Sie proaktive, fortlaufende Anwendungsleistung und ermöglichen hervorragende Kundenerlebnisse – stellen Sie Ihre Anwendungen mit AIOps auf Autopilot ein
Entwurf, Erstellung und Ausführung von Automatisierungsanwendungen und -services in jeder Cloud mithilfe von vorintegrierten Automatisierungstechnologien in einem einzigen flexiblen Paket.