Informazioni sui cookie del presente sito Per il corretto funzionamento, i nostri siti Web richiedono alcuni cookie (richiesto). Inoltre, con il suo consenso, potrebbero essere utilizzati altri cookie per l'analisi dell'utilizzo del sito, per migliorare l'esperienza utente e per scopi pubblicitari. Per ulteriori informazioni, consultare le. Visitando il nostro sito web, accettate il trattamento delle informazioni da parte nostra come descritto nelladichiarazione sulla privacy di IBM. Per consentire una corretta navigazione, le preferenze per i cookie dell'utente verranno condivise sui domini Web IBM qui elencati.
Home
topics
process mining
Che cos'è il process mining?
Il process mining è un metodo per applicare algoritmi specializzati ai dati del log degli eventi per identificare tendenze, modelli e dettagli sullo svolgimento di un processo. Il process mining applica la data science per scoprire, convalidare e migliorare i workflow.
Combinando il data mining e gli analytics dei processi, le organizzazioni possono estrarre i dati registrati sui log dei propri sistemi informativi per comprendere le prestazioni dei propri processi, rivelando eventuali colli di bottiglia e altre aree di miglioramento. Il process mining utilizza un approccio basato sui dati per l'ottimizzazione dei processi, consentendo ai manager di rimanere obiettivi nel processo decisionale sull'allocazione delle risorse per i processi esistenti.
I sistemi informativi, come gli strumenti ERP (Enterprise Resource Planning) o CRM (Customer Relationship Management), forniscono una traccia di audit dei processi con i rispettivi dati di log. Il process mining utilizza questi dati provenienti dai sistemi IT per creare un modello di processo o un grafico di processo del processo reale. Da qui, viene esaminato il processo end-to-end e ne vengono delineati i dettagli e le eventuali variazioni.
Algoritmi specializzati possono anche fornire insight sulle cause principali delle deviazioni dalla norma. Questi algoritmi e visualizzazioni consentono al management di vedere se i processi funzionano come previsto; in caso contrario, forniscono le informazioni necessarie per giustificare e allocare le risorse necessarie per ottimizzarli. Possono anche scoprire le opportunità di incorporare l'RPA (Robotic Process Automation) nei processi, accelerando le iniziative di automazione per un'azienda.
Il process mining si concentra su diverse prospettive, da quella dei flussi di controllo, a quella organizzativa, quella legata a un singolo caso o quella temporale. Mentre gran parte del lavoro relativo al process mining si concentra sulla sequenza delle attività, ovvero sul controllo, anche le altre prospettive forniscono informazioni preziose per i team di gestione. Le prospettive organizzative possono far emergere le varie risorse all'interno di un processo, come singoli ruoli lavorativi o dipartimenti, e la prospettiva temporale può dimostrare i colli di bottiglia misurando il tempo di elaborazione di diversi eventi all'interno di un processo.
Nel 2011, l'Institute of Electrical and Electronics Engineers (IEEE) ha pubblicato il Process Mining Manifesto nel tentativo di far avanzare l'adozione del process mining per riprogettare le operazioni aziendali. Mentre i sostenitori del process mining, come l'IEEE, ne promuovono l'adozione, Gartner osserva che anche i fattori di mercato giocheranno un ruolo nella sua accelerazione. Le iniziative di trasformazione digitale spingeranno verso un'ulteriore indagine sui processi, aumentando successivamente il tasso di adozione di nuove tecnologie, come l'intelligenza artificiale, l'automazione delle attività e l'iperautomazione. Il ritmo di questi cambiamenti organizzativi richiederà anche alle aziende di esercitare la resilienza operativa per adattarsi. Di conseguenza, le aziende si affideranno sempre più agli strumenti di process mining per raggiungere i loro risultati di business.
Utilizza questo framework di selezione del modello per scegliere il modello più appropriato bilanciando i requisiti di prestazioni con costi, rischi ed esigenze di implementazione.
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 suddetto 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 esisterebbero modelli di processo precedenti per informare lo sviluppo di un nuovo modello di processo. Questo tipo di process mining è il più adottato.
Conformità: il controllo di conformità conferma se il modello di processo previsto si riflette nella pratica. Questo tipo di process mining confronta la descrizione di un processo con un modello di processo esistente in base ai dati del log degli eventi, identificando eventuali deviazioni dal modello previsto.
Miglioramento: questo tipo di process mining è stato definito anche estensione, organizational mining o performance mining. In questa classe di process mining vengono utilizzate informazioni aggiuntive per migliorare un modello di processo esistente. Ad esempio, l'output del controllo della conformità può aiutare a identificare i colli di bottiglia all'interno di un modello di processo, consentendo ai manager di ottimizzare un processo esistente.
Process mining vs. data mining vs. business process management
Il process mining si trova all'intersezione tra business process management (BPM) e data mining. Sebbene il process mining e il data mining funzionino entrambi con i dati, l'ambito di ciascun set di dati è diverso. Il process mining utilizza specificamente i dati del log degli eventi per generare modelli di processo, che possono essere utilizzati per scoprire, confrontare o migliorare un determinato processo.
L'ambito del data mining è molto più ampio e si estende a una varietà di set di dati. Viene utilizzato per osservare e prevedere i comportamenti, con applicazioni nel tasso di abbandono dei clienti, nel rilevamento delle frodi, nella market basket analysis e altro ancora.
Il process mining adotta un approccio più basato sui dati rispetto al BPM, che storicamente è stato gestito manualmente. In genere, il BPM raccoglie i dati in modo più informale tramite workshop e interviste, quindi utilizza il software per documentare tale workflow come una mappa di processo. Poiché i dati che informano queste mappe di processo sono generalmente qualitativi, il process mining apporta un approccio più quantitativo a un problema di processo, descrivendo in dettaglio il processo effettivo attraverso i dati degli eventi.
L'aumento delle vendite non è l'unico modo per generare entrate. Le metodologie six sigma e lean dimostrano che anche la riduzione dei costi operativi può aumentare il ritorno sugli investimenti (ROI).
Le soluzioni di process mining aiutano le aziende a ridurre questi costi quantificando le inefficienze nei loro modelli operativi, consentendo ai leader di prendere decisioni obiettive sull'allocazione delle risorse. La scoperta di questi colli di bottiglia può non solo ridurre i costi e accelerare il miglioramento dei processi, ma anche promuovere maggiore innovazione, qualità e una migliore customer retention.
Poiché il process mining è ancora una disciplina relativamente nuova, ha ancora alcuni ostacoli da superare. Alcune di queste sfide includono:
Qualità dei dati: la ricerca, l'unione e la pulizia dei dati sono generalmente necessarie per consentire il process mining. I dati potrebbero essere distribuiti su varie fonti. Possono anche essere incompleti o contenere etichette o livelli di granularità diversi. La considerazione di queste differenze sarà importante per le informazioni prodotte da un modello di processo.
Concept drift: talvolta i processi cambiano mentre vengono analizzati, il che porta al fenomeno conosciuto come concept drift.
L'utilizzo di soluzioni avanzate di process mining è fondamentale per sbloccare l'efficienza e guidare la trasformazione organizzativa.
Vantaggi del process mining
Maggiore trasparenza: il process mining offre una visione basata sui dati dei processi operativi, superando la tradizionale mappatura dei processi aziendali. Questa visibilità approfondita è fondamentale per identificare le inefficienze e i problemi di conformità e per comprendere l'effettivo flusso dei processi.
Analisi semplificata dei processi e maggiore efficienza: il process mining utilizza i dati degli eventi per analizzare rapidamente i processi aziendali, consentendo la visualizzazione di più varianti e lo snellimento delle operazioni per ridurre i tempi di ciclo e i costi. Questo approccio semplifica la gestione e facilita l'automazione delle attività di routine.
Processo decisionale basato sui dati: il process mining facilita le decisioni oggettive utilizzando i dati dei sistemi IT. Questo approccio è fondamentale per identificare e risolvere con precisione problemi quali colli di bottiglia e deviazioni.
Ottimizzazione dei processi: monitorando continuamente le metriche di performance dei processi, come KPI e SLA, il process mining identifica le opportunità di ottimizzazione e automazione per le varie operazioni.
Visualizzazione del processo incentrata sul cliente: offre insight dettagliati sui percorsi del cliente allineando le interazioni dei clienti esterni con le operazioni interne, evidenziando le aree di miglioramento dell'esperienza del cliente.
Standardizzazione dei processi: supporta la standardizzazione dei processi all'interno di un'organizzazione identificando le variazioni e allineandole al modello di processo ottimale. Questo aiuta a garantire prestazioni e qualità costanti.
Migliore esperienza del cliente: la razionalizzazione dei processi e il miglioramento dell'efficienza portano a una migliore erogazione del servizio, favorendo la soddisfazione e la fedeltà dei clienti.
Limitazioni del process mining
Qualità e disponibilità dei dati: un efficace process mining si basa su dati completi e di alta qualità. Le imprecisioni possono distorcere i modelli di processo e portare a insight errati. Coinvolgere gli analisti dei dati nelle fasi iniziali può garantire l'integrità e la completezza dei dati utilizzati per il process mining.
Impossibilità di acquisire attività: il process mining potrebbe perdere attività manuali al di fuori dei sistemi IT non registrati nei log degli eventi, limitandone l'ambito di ottimizzazione del workflow. Integrando il task mining con le organizzazioni di process mining è possibile affrontare questo divario e migliorare l'analisi dei workflow e delle ottimizzazioni a livello di attività.
Ostacoli all'integrazione: alcuni sistemi IT pongono problemi di integrazione con il process mining a causa della mancanza di connettori o di problemi di formato dei dati. Le soluzioni preconfezionate progettate per sistemi o processi specifici possono semplificare l'integrazione, rendendo il processo più fluido.
Concept drift: con l'evoluzione dei processi, può essere difficile mantenere aggiornati i modelli di process mining. Con modelli obsoleti esiste un rischio maggiore di analisi obsolete. Le soluzioni avanzate di process mining analizzano i processi quasi in tempo reale, il che aiuta a mantenere i modelli aggiornati e pertinenti.
Complessità nelle grandi organizzazioni: nelle organizzazioni più grandi, il volume e la complessità dei processi possono amplificare le sfide del process mining, influendo sull'estrazione di insight. Adottando tecniche di process mining incentrate sugli oggetti o su più livelli, le organizzazioni possono gestire e analizzare meglio processi complessi.
Potenziale resistenza al cambiamento: i cambiamenti significativi nella gestione dei processi dovuti al process mining possono soddisfare la resistenza dei dipendenti abituati ai workflow esistenti. Una gestione efficace del cambiamento è critica per un'implementazione e un'adozione di successo. L'implementazione di strategie efficaci di gestione del cambiamento, tra cui la formazione e il coinvolgimento del personale, può facilitare una transizione e un'adozione più fluide.
Le tecniche di process mining vengono utilizzate per migliorare i flussi di processo in vari settori. Poiché le mappe dei processi evidenziano gli indicatori chiave di prestazione (KPI) che influiscono sulle prestazioni, stimolano le aziende a riesaminare le proprie inefficienze operative. Il valore e la versatilità delle soluzioni di process mining sono illustrati dai seguenti casi d'uso:
Istruzione: il process mining può aiutare a identificare programmi di corso efficaci monitorando e valutando le prestazioni e i comportamenti degli studenti, ad esempio quanto tempo uno studente trascorre visualizzando i materiali della lezione.
Finanza: i servizi finanziari, le istituzioni e le operazioni di approvvigionamento utilizzano i software di process mining per migliorare i processi inter-organizzativi e la verifica dei conti, aumentare il reddito ed espandere la base clienti.
Lavori pubblici: il process mining viene utilizzato per semplificare il processo di fatturazione per progetti di lavori pubblici che coinvolgono diversi stakeholder, come imprese di costruzione, imprese di pulizia e uffici 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 IT a monitorare il processo, consentendo loro di verificare che il sistema sia in esecuzione come previsto.
Sanità: il process mining fornisce consigli per ridurre i tempi di trattamento dei pazienti.
E-commerce: il process mining può fornire insight sui comportamenti degli acquirenti e consigli accurati per aumentare le vendite.
Manifattura: il process mining migliora la supply chain e le operazioni aziendali di produzione assegnando risorse appropriate in base agli attributi del prodotto. Gli insight sui tempi di produzione e sull'allocazione delle risorse, come lo spazio di stoccaggio, le macchine o i lavoratori, consentono una gestione più efficiente e una trasformazione operativa.
Gestione dei servizi IT (ITSM): il process mining può ottimizzare l'erogazione dei servizi e i processi di gestione degli incidenti. Consente ai team IT di analizzare i workflow dei servizi, identificare le inefficienze e migliorare i tempi di risposta. Ciò contribuisce a migliorare il supporto IT complessivo e la soddisfazione dei clienti.
Soluzioni correlate
Ottieni l'eccellenza operativa con conoscenza sui processi basati sui dati.
Accelera il miglioramento dei processi e la trasformazione digitale con soluzioni precostituite incentrate sul settore che integrano le best practice per ottenere risultati ottimali.
Progetta, crea ed esegui i servizi e le applicazioni di automazione su qualsiasi cloud, usando tecnologie di automazione preintegrate in un singolo pacchetto flessibile.
Risorse
Un’esplorazione del process mining, del suo funzionamento, del valore che fornisce e di alcuni casi d’uso organizzativi.
Scopri di più sul task mining e su come può aiutarti a migliorare i workflow aziendali.
Esplora le risorse della nostra collezione formativa all’interno dei corsi di formazione IBM.
