Qu’est-ce que le task mining ?

Cette technologie utilise la reconnaissance optique de caractères (OCR), le traitement automatique du langage naturel (NLP) et des algorithmes de machine learning pour interpréter et analyser ces données, ce qui permet aux analystes et aux parties prenantes d’identifier les inefficacités opérationnelles.

Les solutions de task mining sont considérées comme faisant partie de la découverte de processus, un sous-ensemble du process mining, et selon le Guide du marché pour le process mining de Gartner, le marché de cette technologie connaît une croissance rapide.

Alors que la pandémie de COVID-19 continue d’alimenter les efforts de transformation numérique, l’adoption de la technologie de task mining ne devrait qu’augmenter au fur et à mesure que ses avantages seront pleinement réalisés.

Le process mining se concentre sur l’optimisation de bout en bout des processus, comme un processus d’approvisionnement global. En revanche, le task mining se concentre sur les tâches individuelles qui s’étendent à un processus plus large, comme l’approbation du budget pour les comptes fournisseurs. Ils diffèrent également principalement par les types de données qu’ils utilisent pour chaque analyse.

Le process mining s’appuie principalement sur les indicateurs métier et les données de journaux d’événements provenant de systèmes d’information, tels que les outils de planification des ressources d’entreprise (ERP) ou de gestion de la relation client (CRM). En revanche, le task mining peut utiliser des données d’interaction utilisateur, qui comprennent les frappes de clavier, les clics de souris et les entrées de données sur un ordinateur. Il peut également inclure des enregistrements d’utilisateurs et des captures d’écran à différents intervalles d’horodatage.

Ces points de données aident les analystes et les chercheurs à comprendre comment les individus interagissent avec un processus et un sous-processus pour accomplir une tâche. Ils utilisent également des techniques de science des données pour obtenir ces informations et optimiser les processus ; le task mining permet ce processus à un niveau plus granulaire.

Bien que le task mining et la RPA se concentrent tous deux sur l’automatisation des processus, les deux technologies sont différentes mais se complètent bien. Alors que la Technologie de task mining aide les entreprises à identifier les goulots d’étranglement dans leurs workflows, les outils RPA implémentent et réalisent les opportunités d’automatisation découvertes grâce à ces analyses.

Les outils de task mining commencent par collecter des données à partir des machines des utilisateurs (frappes au clavier, clics, entrées utilisateur, enregistrements, captures d’écran, etc.). À partir de là, les capacités de reconnaissance optique de caractères peuvent ajouter plus de contexte aux actions de l’utilisateur.

Par exemple, il peut examiner les données d’horodatage pour assembler une chronologie générale des activités d’un sous-processus. Une fois ces données structurées de manière appropriée, les algorithmes de machine learning peuvent être utilisés pour cluster les données dans des tâches spécifiques du sous-processus, telles que la soumission d’un bon de commande.

Ces données peuvent ensuite être combinées avec celles des journaux d’événements pour contextualiser les performances. Ces informations fondées sur les données aident les entreprises à identifier les goulots d’étranglement et à prendre les mesures nécessaires pour y remédier.

Les techniques de task mining ont été utilisées pour améliorer les flux de processus dans une grande variété de secteurs. Les cartes de processus aident les entreprises à se concentrer davantage sur les indicateurs clés de performance (KPI) importants, les incitant à réexaminer leurs inefficacités opérationnelles grâce au process mining et au task mining.

Voici quelques cas d’utilisation du task mining :

• Documentation des tâches : à mesure que de nouveaux membres de l’équipe arrivent, la documentation est fréquemment revue afin de combler les lacunes en matière de connaissances. Cependant, selon le projet et les ressources disponibles, il se peut que la documentation ne soit pas disponible ou à jour. Les outils de task mining permettent aux équipes d’obtenir des informations sur une tâche dans un processus plus vaste, créant ainsi un alignement au sein de l’équipe. Il réduit également le besoin de dépendances individuelles, offrant un moyen simple de créer de la documentation et des visualisations via un mappage de processus et d’autres outils d’automatisation.
• Gouvernance et conformité : dans un contexte où les entreprises sont confrontées à des réglementations gouvernementales plus strictes, le task mining peut aider à responsabiliser les entreprises en identifiant les domaines dans lesquels des erreurs de conformité se produisent. Cette visibilité peut permettre de résoudre ces problèmes plus rapidement, ce qui permet potentiellement aux entreprises d’économiser sur les coûts, tels que les frais juridiques et la publicité négative de la marque.
• Automatisation des tâches : le task mining apporte une vision plus claire des sous-processus spécifiques qui peut également permettre aux responsables de programmes et aux managers de comprendre quelles parties du processus peuvent être automatisées via des outils tels que la RPA.

Bien que le task mining présente de nombreux avantages, ceux-ci sont les plus fréquemment constatés :

• Efficacité accrue : le task mining se concentre sur l’identification des goulets d’étranglement opérationnels afin d’accélérer l’amélioration des processus. Au fur et à mesure que ces inefficacités sont identifiées et corrigées, les entreprises constatent une rapidité accrue dans l’ensemble des tâches. Si une tâche d’un processus a été surchargée en ressources, cela peut également conduire à la réaffectation du personnel à d’autres tâches prioritaires, ce qui améliore potentiellement le moral des employés en leur trouvant un travail plus utile.
• Conformité renforcée : les outils de task mining collectent des données auprès des utilisateurs, ce qui permet aux équipes de gouvernance de déterminer les défauts de conformité au cours de tâches spécifiques. Cette capacité à identifier les problèmes et à les résoudre rapidement peut contribuer à améliorer la gouvernance et la conformité dans l’ensemble de l’entreprise.
• Une plus grande transparence : le task mining peut fournir des informations sur les effectifs au niveau individuel, permettant aux responsables de fournir des commentaires précieux lors des évaluations des performances et de récompenser les employés de manière équitable pour leur travail. Il peut également les aider à réaffecter les employés à un autre travail lorsqu’ils ne semblent pas leur convenir.

Cependant, le task mining n’est pas sans poser de problèmes. Voici quelques-unes des principales difficultés : 

• Confidentialité des données : le task mining peut enregistrer et consigner les actions des utilisateurs, et susciter des inquiétudes en matière de confidentialité. Par conséquent, les utilisateurs doivent approuver ces outils avant de les activer et protéger les données personnelles des utilisateurs par une anonymisation appropriée.
• Contexte manquant : comme le task mining se concentre sur un sous-processus au sein d’un processus plus vaste, le contexte général des performances peut parfois être perdu. Il est important d’utiliser la technologie du task mining et du process mining pour obtenir une vision plus complète des performances des différentes équipes. Sinon, les entreprises risquent de privilégier les optimisations de tâches qui n’ont pas le plus grand impact sur l’entreprise.
• Dérive conceptuelle : alors que les entreprises s’adaptent rapidement à l’ère numérique, les tâches et les processus peuvent changer en temps réel. Les changements dans les tâches et les processus peuvent avoir un impact sur les analyses, entraînant une dérive conceptuelle.