Imaginez les situations suivantes :
Dans toutes ces situations, une automatisation accrue semble pouvoir apporter des solutions. Après tout, vous ne pouvez pas demander à vos équipes d’en faire toujours plus dans le même temps. Un traitement automatisé plus fluide pourrait résoudre une partie des problèmes. L’automatisation peut traiter les problèmes courants et ainsi aider les employés à dégager du temps pour résoudre les problèmes plus complexes et améliorer le service client.
Vous avez peut-être fait appel à des consultants externes qui vous ont vanté les avantages de l’automatisation robotisée des processus (RPA), de la gestion des décisions fondée sur l’IA et de la gestion des processus métier. Ces approches semblent faire leurs preuves ailleurs. Vous avez peut-être automatisé une tâche précise avec la RPA, sans améliorer le processus dans son ensemble. Vos analystes métier ont cartographié les processus, interrogé les employés et formulé des hypothèses sur l’origine des problèmes. Mais pour que votre direction accepte d’investir dans l’automatisation avant d’en voir les résultats, il faut un dossier de rentabilité clair. Or, pour l’instant, ce dossier manque de solidité. Vous n’êtes pas certain que le ROI attendu se concrétisera.
Que manque-t-il dans ce scénario ?
Dans tous les exemples précédents, la direction pressent à juste titre qu’un problème doit être résolu, et les KPI utilisés pour mesurer l’activité le confirment. Mais pour découvrir les véritables causes du problème et s’assurer que les solutions proposées auront l’effet attendu, il faut disposer de données réelles sur l’exécution actuelle des processus métier, analyser ces données pour déterminer les causes profondes du problème et simuler l’impact des automatisations à l’aide d’un modèle fidèle du fonctionnement de l’entreprise.
Le process mining apporte ce maillon manquant.
Le process mining fournit les outils et la méthode nécessaires pour exploiter les données qui révèlent le fonctionnement des processus, la manière dont les employés travaillent et l’origine des problèmes. Il fournit des capacités d’analytique pour approfondir l’étude de l’entreprise et découvrir où l’automatisation et les autres modifications des processus peuvent avoir le plus d’impact. Il peut ensuite simuler le fonctionnement de l’entreprise une fois les automatisations en place. Vous pouvez ainsi vous concentrer sur les solutions qui maximisent les résultats attendus et aborder votre investissement dans l’automatisation avec une bien plus grande confiance dans sa rentabilité. Vous pouvez ensuite utiliser les mêmes outils pour comparer les améliorations obtenues aux estimations et vous aider à poursuivre votre démarche d’automatisation.
Dans ce chapitre, nous décrirons les différentes étapes du process mining et certaines analyses disponibles pour vous aider à établir votre propre feuille de route d’automatisation fondée sur les données. Nous utiliserons IBM Process Mining, la version de myInvenio enrichie par IBM. IBM Process Mining offre des capacités d’analytique et de simulation particulièrement riches et des connexions avec le reste du portefeuille IBM Automation. Il propose notamment des fonctionnalités d’extraction de règles métier, de task mining, de process mining à plusieurs niveaux et de comparaison avec des modèles de référence. Il peut aussi générer des données de simulation pour un modèle de processus afin d’obtenir des informations indépendamment des données historiques.
Le principe général du process mining est simple. Examinons ce schéma :
L’idée est de partir des données d’exécution des processus, issues des journaux système ou des enregistrements effectués sur les postes de travail, puis de les analyser pour mieux comprendre le fonctionnement des processus. Il s’agit ensuite de repérer les possibilités d’automatisation pertinentes et de simuler l’impact des changements proposés à l’aide du modèle créé pendant l’analyse. Vous pouvez alors créer les automatisations qui auront le plus d’impact, avec la RPA, la gestion des décisions et les autres technologies d’automatisation à votre disposition. Pour boucler la boucle, vous pouvez mesurer l’impact des changements en recueillant de nouvelles données sur le processus modifié, puis recommencer le cycle.
Examinons chacune de ces étapes plus en détail, puis explorons les analyses et les outils qui vous permettront d’approfondir l’étude de vos processus métier et informatiques.
La première étape du process mining consiste à recueillir les données nécessaires à l’analyse. C’est généralement l’étape la plus longue d’un projet de process mining. Vous devrez déterminer où se trouvent les données, comment y accéder et comment les mettre dans un format exploitable par l’outil de process mining.
Nous recherchons des données qui montrent comment les utilisateurs exécutent les processus. Ces données proviennent de deux sources principales : les journaux des systèmes utilisés et les enregistrements des actions effectuées sur les postes de travail lors de l’exécution d’un processus.
Les utilisateurs travaillent notamment avec des systèmes ERP, des systèmes CRM, des systèmes de gestion des tickets informatiques et des systèmes comptables. Vous devez d’abord recenser les systèmes utilisés dans le processus à analyser, ainsi que les types d’informations qu’ils stockent. Ces systèmes ajoutent souvent une entrée dans un journal ou une base de données chaque fois qu’un utilisateur y effectue une transaction ou une modification. Ce sont ces journaux de transactions ou d’événements que nous recherchons. Les données devraient comprendre l’action effectuée (la tâche exécutée), un identifiant du processus en cours d’exécution (généralement un numéro de contrat, de client, de ticket ou un identifiant similaire), l’horodatage de l’événement et l’auteur de l’action (son identifiant utilisateur). Elles peuvent aussi inclure d’autres informations utiles à l’analyse, comme la durée d’une opération ou le résultat de l’événement.
Cette phase du projet nécessite la participation des équipes informatiques qui connaissent le fonctionnement des systèmes, les points d’accès aux données et leur format, afin de pouvoir les lire et les convertir au format requis par l’outil de process mining. Pour certains systèmes, notamment SAP, l’outil de process mining facilite cette étape grâce à des connecteurs prédéfinis qui prennent en charge une grande partie de ce travail.
L’autre grande source de données utiles consiste à observer ce que font les utilisateurs sur leur poste de travail lorsqu’ils exécutent des processus. Nous pouvons installer des outils d’enregistrement sur les postes de travail et les configurer pour consigner les événements chaque fois qu’un utilisateur effectue une action liée à l’exécution d’un processus. Toutes ses autres actions sont ignorées afin de préserver la confidentialité des activités sans rapport avec ce processus. Nous pouvons ensuite envoyer ces journaux d’événements à un serveur central, où ils sont regroupés avec les enregistrements des autres utilisateurs. Une fois les données recueillies en quantité suffisante, elles peuvent être transmises à l’outil de process mining pour analyse.
Les journaux système et le task mining sont deux moyens complémentaires d’obtenir des données historiques sur l’exécution des processus. Ils répondent souvent à des besoins différents. Les journaux système permettent d’analyser les processus et d’en obtenir une vue d’ensemble. Ils sont particulièrement adaptés aux processus centrés sur la modification de données dans un seul système ou dans un nombre limité de systèmes, par exemple les systèmes ERP pour la comptabilité, les systèmes CRM pour les processus commerciaux et marketing, ou les systèmes de gestion des tickets informatiques pour les centres d’assistance. Le task mining permet d’examiner les détails : quelles actions une personne effectue précisément pour exécuter une tâche, dans quelles circonstances, avec quelles variations, etc. Cette approche est très utile lorsque vous envisagez d’automatiser ces actions avec des outils de RPA qui opèrent à ce niveau de détail.
Une fois les données d’événements préparées et transmises à l’outil de process mining, celui-ci peut les analyser pour produire des visualisations permettant de repérer précisément les problèmes.
La cartographie du processus est une visualisation analytique de base. Elle présente l’ensemble des tâches exécutées au cours du processus et leurs liens : leur enchaînement, leur ordre d’exécution, etc. Comme l’enchaînement peut varier selon le type de cas, cette cartographie présente les différentes « variantes de processus » utilisées. Outre la cartographie du processus, les fonctions d’analytique peuvent montrer les tâches et les variantes exécutées le plus souvent, celles qui prennent le plus de temps ou celles qui coûtent le plus cher. C’est une première piste pour repérer les problèmes : les tâches et les variantes les plus fréquentes, les plus longues ou les plus coûteuses méritent une analyse approfondie.
L’image ci-dessous illustre ce fonctionnement. Chaque tâche du processus est représentée par une case portant un libellé. Plus la couleur de la case est foncée, plus la tâche apparaît fréquemment dans le jeu de données fourni. Le nombre indiqué dans la case correspond au nombre d’exécutions de la tâche. Par exemple, la tâche « Authorization Requested » (Autorisation demandée) a été exécutée 46 415 fois. Les flèches indiquent l’enchaînement des tâches. Dans notre exemple, la tâche « Authorization Requested » (Autorisation demandée) a été suivie de la tâche « BO Service Closure » (Clôture par le service de back-office) 44 560 fois. Les 1 855 cas restants ont vraisemblablement été rejetés ou étaient encore en attente au moment de l’analyse :
L’analyse devient encore plus intéressante lorsque l’on examine le temps écoulé entre les différentes tâches :
Les couleurs les plus foncées indiquent que le temps consacré à la tâche est plus long. Deux tâches semblent particulièrement problématiques : « Pending Request for Network Information » (Demande d’informations réseau en attente) et « Network Adjustment Requested » (Ajustement réseau demandé) paraissent prendre beaucoup de temps. Pourrions-nous automatiser les demandes d’informations et d’ajustement réseau afin d’accélérer leur traitement ? Vous voyez à quel point ce type d’informations est utile.
Vous pouvez également voir à quelle fréquence les différents parcours entre les tâches sont suivis, ce qui fournit une autre piste pour repérer les problèmes :
Dans cet exemple, le parcours mis en évidence est le plus fréquent : il est suivi dans 27,8 % des cas et dure en moyenne 19 jours et 13 heures. Si nous parvenons à améliorer cette variante en priorité, c’est probablement ce qui aura le plus d’impact sur le processus dans son ensemble. Cette variante ne comprend ni la tâche Network Information Requested (Informations réseau demandées) ni la tâche Network Adjustment Requested (Ajustement réseau demandé). Notre piste précédente n’était donc peut-être pas la bonne. Si ces tâches sont rarement exécutées, leur amélioration, même importante, n’améliorera pas les KPI globaux.
Mais comment visualiser ces KPI ? L’outil permet de calculer les KPI à partir des données disponibles et de voir comment ils varient selon les aspects étudiés. Examinons cette image :
Nous voyons ici comment afficher un KPI relatif aux achats non conformes dans le contexte d’une variante de processus. Cet exemple montre à la fois le volume des achats non conformes au fil du temps et leur répartition par fournisseur. Ces informations pourraient nous orienter vers les produits et les fournisseurs à cibler pour réduire les achats non conformes. Elles pourraient ainsi nous conduire à mettre en place des alertes automatiques ou à réorienter le processus lorsque des bons de commande destinés à ces fournisseurs sont détectés.
Le contrôle de conformité offre une autre piste pour repérer les irrégularités : il consiste à identifier les variantes qui ne correspondent pas à une cartographie prédéfinie décrivant le fonctionnement attendu du processus. Dans IBM® Process Mining, vous pouvez importer un « modèle de référence » qui définit la manière dont un processus métier doit être exécuté, par exemple une cartographie créée avec BlueWorks Live. Les fonctions d’analytique peuvent ensuite comparer ce modèle de référence aux données réelles et signaler les écarts. Ces écarts constituent généralement de bons points de départ pour rechercher les erreurs et les problèmes.
L’image ci-dessous montre comment l’outil affiche les résultats du contrôle de conformité. Dans cet exemple, 39 300 cas sont non conformes, et les tâches en rouge indiquent celles qui ne sont pas prévues dans certaines variantes de processus. L’outil a également calculé un coût de 3 439 USD par cas non conforme, à partir du temps consacré à ces cas et du coût du travail des personnes concernées :
L’outil offre de nombreuses autres façons d’afficher les informations et d’explorer les données en détail. En voici deux exemples :
Il existe de nombreuses autres possibilités. À mesure que vous maîtriserez l’outil, vous découvrirez de nombreuses nouvelles façons de mieux comprendre votre entreprise.
Une fois que vous avez mieux compris votre processus, il est temps de déterminer comment l’améliorer. Les possibilités sont nombreuses, mais concentrons-nous sur une approche particulièrement utile avec le process mining : utiliser des robots de RPA pour automatiser les tâches à l’origine de goulots d’étranglement et fluidifier le processus dans son ensemble.
Les bots de RPA reproduisent principalement les actions humaines répétitives sur les postes de travail pour faciliter leur exécution. Les employés peuvent ainsi consacrer leur temps à des activités qui nécessitent davantage de réflexion. Les tâches les plus adaptées aux bots de RPA sont les tâches fréquentes et répétitives dont l’automatisation peut faire gagner du temps tout en améliorant les KPI globaux de l’entreprise. Par exemple, réduire le délai global de traitement d’un processus peut améliorer le service client ou favoriser le respect des échéances réglementaires.
Une fois un bot de RPA créé, vous pouvez le répliquer et l’exécuter sur différents bureaux virtuels, et combiner les activités humaines et automatisées selon l’ampleur que vous souhaitez donner à votre solution de RPA.
Lorsque vous utilisez le task mining avec IBM Process Mining, l’outil vous aide à identifier les tâches les plus adaptées à la RPA en effectuant une grande partie du travail. Examinons cette capture d’écran :
L’outil de process mining a repéré deux activités dont l’automatisation par un robot pourrait avoir un impact positif important sur le processus dans son ensemble : Network Service Closure (Clôture par le service réseau) et BO Service Closure (Clôture par le service de back-office). Vous pouvez également ajuster certains paramètres pour estimer l’impact global en fonction du pourcentage de ces tâches automatisées par un bot et du nombre de leurs variantes prises en charge par celui-ci. Avec les paramètres actuels, l’économie estimée par instance de processus est de 369,36 USD. L’économie totale, correspondant au temps de travail humain libéré pour d’autres activités, s’élève à 43 054,76 USD pour les 116 566 cas de ce jeu de données. Ces activités se prêtent clairement à une automatisation efficace.
Nous pouvons également simuler l’exécution globale du processus dans ce scénario de RPA. Examinons l’image ci-dessous :
Nous avons effectué une simulation en remplaçant un certain pourcentage des tâches humaines présentes dans les données d’origine par des bots de RPA, qui les exécutent beaucoup plus rapidement. Dans cette simulation, le temps moyen total d’exécution du processus de clôture de compte est passé de 18 jours et 16 heures à 16 jours et 6 heures. Ce gain de temps global de 10 % a un impact direct sur la satisfaction client et le respect des exigences réglementaires. Le ROI de l’automatisation est clair et bien défini, tant en matière d’économies financières que d’amélioration des KPI.
Les étapes suivantes consistent à créer et à déployer le robot de RPA, puis à analyser l’impact réel du changement avec le même outil de process mining et la même configuration. Cela nous permettra de déterminer si le ROI attendu a été atteint et d’identifier les prochaines automatisations à mettre en place pour améliorer le processus métier. Ce cycle de suivi, de mesure et d’automatisation des processus sera le moteur de l’amélioration continue de l’entreprise. C’est l’une des principales raisons de l’enthousiasme que suscite le process mining en tant que prochaine avancée technologique dans l’automatisation.
Nous avons vu comment exploiter les données d’exécution des processus métier pour produire des analyses détaillées et comprendre le fonctionnement réel de l’entreprise. Ces analyses permettent ensuite de créer des automatisations qui améliorent sensiblement ses résultats, tant en matière de réduction des coûts que de satisfaction client.
Mais nous n’avons fait qu’effleurer les possibilités du process mining. Voici d’autres domaines dans lesquels il peut être utile :
Vous comprenez désormais pourquoi le process mining suscite autant d’enthousiasme sur le marché et pourquoi il constitue le meilleur point de départ pour automatiser votre entreprise.
Ne manquez pas le podcast The Art of Automation, en particulier l’épisode 17, dont ce chapitre est issu.
Repensez votre entreprise avec l’IA et IBM Automation, pour des systèmes informatiques plus proactifs, des processus plus efficaces et des utilisateurs plus productifs.
IBM assure la transformation opérationnelle des entreprises clientes grâce à ses services de conseil en automatisation extrême.
IBM Cloud Pak for Business Automation est un ensemble modulaire de composants logiciels intégrés pour la gestion et l'automatisation des opérations.