Il process mining utilizza la data science per rilevare, convalidare e migliorare i flussi di lavoro. Combinando il data mining all'analisi dei processi, le organizzazioni possono estrarre i dati di log dei propri sistemi informativi per analizzare le prestazioni dei loro processi, al fine di individuare i colli di bottiglia e altre aree da migliorare. Il process mining sfrutta un approccio basato sui dati per l'ottimizzazione dei processi, consentendo ai manager di mantenere un punto di vista oggettivo nel momento in cui devono decidere a quali processi già esistenti allocare le risorse.

I sistemi informativi, come ad esempio gli strumenti di Enterprise Resource Planning (ERP) o Customer Relationship Management (CRM), forniscono una traccia di audit dei processi attraverso i propri dati di log. Il process mining utilizza tali dati estratti dai sistemi IT per creare un modello o un grafico di un dato processo. Successivamente, il processo end-to-end viene analizzato delineando dettagli e variazioni. Possono anche essere utilizzati algoritmi specializzati per ottenere una comprensione profonda delle cause alla radice di una deviazione dalla norma. Tali algoritmi e visualizzazioni grafiche permettono al management di capire se i processi funzionano come designato e, in caso contrario, gli forniscono le informazioni necessarie ad allocare e giustificare le risorse fondamentali per la loro ottimizzazione. Il management può anche scoprire nuove opportunità per incorporare il robotic process automation nei processi, accelerando eventuali iniziative di automazione aziendale.

Il process mining si concentra su diverse prospettive, da quella delle strutture di controllo, a quella organizzativa, quella legata a un singolo caso o quella temporale. Sebbene molti dei lavori sul process mining si concentrino su sequenze di attività, come ad esempio le strutture di controllo, anche le altre prospettive possono fornire al management delle informazioni importanti. La prospettiva organizzativa può mettere in risalto le varie risorse all'interno di un processo, come ad esempio un ruolo individuale o un intero dipartimento, mentre quella temporale può far venire alla luce dei colli di bottiglia misurando il tempo di elaborazione di eventi diversi all'interno di un processo.

Nel 2011, l'Institute of Electrical and Electronics Engineers (IEEE) ha pubblicato il Manifesto del Process Mining (PDF, 9,6 MB) (link esterno a IBM) in uno sforzo per promuovere l'adozione del process mining nella trasformazione delle operazioni di business. Mentre i fautori del process mining, come ad esempio l'IEEE, ne promuovono l'adozione, Gartner osserva che anche i fattori di mercato avranno un ruolo nella sua accelerazione. Gli sforzi per la realizzazione di una trasformazione digitale spingeranno verso uno studio più approfondito dei processi e, di conseguenza, porteranno a un aumento nel tasso di adozione di nuove tecnologie come intelligenza artificiale, automazione delle attività e iperautomazione. Il ritmo di questi cambiamenti organizzativi richiederà anche che le imprese applichino strategie di resilienza operativa per adattarsi. Il risultato sarà che le aziende faranno sempre maggiore affidamento a strumenti di process mining per raggiungere i propri risultati aziendali.

La gran parte della ricerca accademica sul process mining è attribuita allo scienziato informatico e professore olandese Wil van der Aalst. Sia la sua ricerca che il già citato manifesto descrivono tre tipi di process mining: scoperta, conformità e miglioramento.

Scoperta: La scoperta dei processi utilizza i dati di log degli eventi per creare un modello di processo senza influenze esterne. Secondo questa classificazione, non esiste alcun modello di processo precedente che possa essere utilizzato come base per la creazione di un nuovo modello. Questo tipo di process mining è quello adottato più ampiamente.

Conformità: I controlli di conformità confermano se un dato modello di processo viene applicato nella pratica. Questo tipo di process mining mette a confronto la descrizione di un processo con un modello di processo esistente basandosi sui dati del suo log degli eventi, e quindi identifica eventuali deviazioni dal modello originale.

Miglioramento: Questo tipo di process mining viene anche chiamato estensione, organization mining o performance mining. Questo tipo di process mining utilizza informazioni aggiuntive per migliorare un modello di processo già esistente. Ad esempio: il risultato dei controlli di conformità può aiutare a individuare i colli di bottiglia all'interno di un modello di processo, consentendo quindi ai manager di ottimizzare un processo esistente.

Il process mining si colloca all'intersezione tra business process management (BPM) e data mining. Sebbene il process mining e il data mining lavorino entrambi con i dati, l'ambito di ogni set di dati è diversa. Il process mining utilizza in modo specifico i dati di log degli eventi per generare modelli di processi che possono poi essere utilizzati per scoprire, confrontare o migliorare un dato processo. La sfera di azione del data mining è invece molto più ampia e si estende a set di dati molto più vari. Esso viene utilizzato per osservare e predire comportamenti, ma può essere applicato anche in ambiti come l'analisi del tasso di abbandono dei clienti, nella creazione di programmi antifrode o nella market basket analysis, solo per citarne alcuni.

Il process mining ha un approccio maggiormente basato sui dati rispetto al BPM, il quale, in passato, è stato gestito più manualmente. Il BPM generalmente raccoglie i dati in modo più informale attraverso workshop e interviste, quindi utilizza dei software per registrare quel flusso di lavoro come mappa di processo. Dal momento che la mappatura dei processi si basa su dati per la maggior parte qualitativi, il process mining porta un approccio più quantitativo all'interno del problema, descrivendo nel dettaglio il processo reale attraverso dati evento.

Aumentare le vendite non è l'unico modo per generare entrate. Le metodologie six sigma e lean dimostrano che anche ridurre i costi operativi costi può far aumentare il ritorno sull'investimento (ROI). Il process mining aiuta le imprese a ridurre questi costi quantificando le inefficienze nei propri modelli operativi, consentendo quindi al management di prendere decisioni oggettive per quanto riguarda l'allocazione delle risorse. La scoperta di questi colli di bottiglia non solo riduce i costi e velocizza il miglioramento dei processi, ma può anche dare una spinta a innovazione, qualità e maggiore ritenzione dei clienti. Tuttavia, poiché il process mining è una disciplina ancora relativamente nuova, ha ancora alcuni ostacoli da superare. Alcune di queste sfide sono:

• Qualità dei dati: Per poter avviare il process mining, è prima necessario trovare, unire e pulire i dati. Questi potrebbero essere distribuiti su varie fonti, o potrebbero anche essere incompleti e contenere etichette o livelli di granularità differenti. Tenere in conto queste differenze sarà importante ai fini dell'informazione prodotta da un modello di processo.
• Concept drift: Talvolta i processi cambiano mentre vengono analizzati, il che porta al fenomeno conosciuto come concept drift.

Tecniche di process mining sono state utilizzate per migliorare i flussi di processo in una vasta gamma di settori. Dal momento che le mappe di processo mettono in risalto gli indicatori chiave di prestazione (KPI) che hanno un impatto sulle prestazioni, esse hanno spinto le imprese a riesaminare le loro inefficienze operative. I casi d'uso comuni includono:

• Istruzione: Il process mining può aiutare ad identificare i corsi più efficaci nell'offerta formativa, monitorando e valutando le prestazioni e i comportamenti degli studenti, come ad esempio quanto a lungo vengono visualizzati i materiali didattici.
• Finanza: Le istituzioni finanziarie hanno software di process mining per migliorare i processi inter-organizzativi, ispezionare i conti, aumentare il fatturato e ampliare la propria platea di clienti.
• Lavori pubblici: Il process mining è stato utilizzato per razionalizzare il processo di fatturazione per progetti pubblici che coinvolgono varie parti interessate, quali aziende nei settori edile e di pulizia, e agenzie ambientali.
• Sviluppo di software: Dal momento che i processi dell'ingegneria sono tipicamente disorganizzati, il process mining può contribuire a identificare un dato processo che sia chiaramente documentato. Può anche aiutare gli amministratori nel settore tecnologico a monitorare i propri processi, consentendo loro di verificare che il sistema venga eseguito come previsto.
• Sanità: Il process mining può fornire indicazioni per ridurre i tempi di elaborazione dei trattamenti per i pazienti.
• E-commerce: Esso permette di ottenere una comprensione profonda dei comportamenti degli acquirenti in modo da fornire i suggerimenti accurati e aumentare le vendite.
• Manifattura: Il process mining può aiuto ad assegnare le risorse più appropriate alle caratteristiche del singolo caso - ovvero il prodotto - permettendo al management di trasformare le proprie operazioni aziendali. In tal modo, essi possono ottenere una comprensione maggiore dei tempi di produzione e quindi ridistribuire le risorse, come ad esempio lo spazio di stoccaggio, i macchinari, o la forza lavoro, a seconda delle necessità.

Il process mining è soltanto una parte del processo di modernizzazione della tua organizzazione, poiché il bisogno di automazione si estende attraverso le operazioni di business e IT. Un passo verso una maggiore automazione deve iniziare con piccoli progetti di successo e misurabili, che puoi quindi ridimensionare e ottimizzare per altri processi e in altre parti della tua organizzazione.

Collaborando con IBM, avrai accesso alle funzionalità di automazione basate su IA di IBM Cloud Pak® for Business Automation, inclusi flussi di lavoro precostituiti, per favorire un'accelerazione dell'innovazione rendendo ogni processo più intelligente.

Passa alla fase successiva:

• Collabora più facilmente per migliorare la mappatura dei processi aziendali grazie al software basato su cloud IBM Blueworks Live.
• IBM Blueworks Live può anche essere integrato con funzionalità di automazione come contenuto, cattura, flusso di lavoro e decisioni come parte di IBM  Cloud Pak for Business Automation.
• Esplora il potenziale valore per la tua azienda costituito dall'adozione di IBM Cloud Pak for Business Automation attraverso  l'analisi dei tagli sui costi di un cliente reale e  dei benefici ottenuti nel Forrester TEI study.
• Scopri la verità su urgenza, valore, opportunità e limiti legati all'automazione del lavoro leggendo La guida rapida e pratica all'automazione di un'azienda digitale  (PDF, 782 KB).

Cloud IBM Pak for Business Automation  è un pacchetto flessibile di software integrati che ti aiutano a progettare, creare ed eseguire servizi di automazione intelligente e applicazioni su qualsiasi cloud, utilizzando strumenti dal codice semplice. IBM collabora con myInvenio (link esterno a IBM) per l'integrazione delle tecnologie di process e task mining nel Cloud IBM Pak for Business Automation.

L'integrazione delle potenzialità del process mining in Cloud IBM Pak for Business Automation permetterà alla tua impresa di migliorare processi operativi e funzioni nei seguenti modi:

• Individuare le attività che dovrebbero essere automatizzate (per esempio, con un bot RPA).
• Utilizzare i diagrammi di BPMN del process mining per iniziare a documentare i processi futuri all'interno di IBM Blueworks Live.
• Importare i diagrammi BPMN dal process mining al flusso di lavoro come modello di riferimento per un flusso di lavoro automatizzato.
• Utilizzare la registrazione dei dati operativi BAI come input per il process mining per analizzare il miglioramento dei processi che emettono eventi BAI.
• Utilizzare l'AI per i risultati del mining e utilizzare l'apprendimento automatico per identificare i modelli e i passi successivi consigliati.