Che cos'è il task mining?

Questa tecnologia utilizza il riconoscimento ottico dei caratteri (OCR), l'elaborazione del linguaggio naturale (NLP) e gli algoritmi di apprendimento automatico per interpretare e analizzare questi dati, consentendo a loro volta ad analisti e stakeholder di identificare inefficienze operative.

Le soluzioni di task mining sono considerate parte integrante della scoperta dei processi, un sottoinsieme del process mining e, secondo la "Market Guide for Process Mining" di Gartner, il mercato di questa tecnologia è in rapida crescita.

Poiché la pandemia di COVID-19 continua ad alimentare gli sforzi di trasformazione digitale, si prevede che l'adozione della tecnologia di task mining aumenterà solo man mano che i suoi benefici saranno pienamente realizzati.

Il process mining si concentra sull'ottimizzazione dei processi end-to-end, come un processo di procurement complessivo. Al contrario, il task mining si concentra sulle singole attività che portano a un processo più ampio, come l'approvazione del budget per i conti fornitori. Inoltre, differiscono principalmente per i tipi di dati utilizzati per ogni analisi.

Il process mining si basa principalmente sulle metriche e sui dati dei registri degli eventi provenienti da sistemi informativi, come gli strumenti di pianificazione delle risorse (ERP) o di customer relationship management (CRM). Al contrario, il task mining può utilizzare i dati di interazione dell'utente, che includono sequenze di tasti, clic del mouse o immissione di dati su un computer. Può anche includere registrazioni e schermate degli utenti a diversi intervalli di timestamp.

Questi dati aiutano analisti e ricercatori a capire in che modo gli individui interagiscono con un processo e un sottoprocesso per completare un'attività. Entrambi utilizzano anche tecniche di data science per arrivare a questi insight per ottimizzare i processi; il task mining consente solo questo processo a un livello più granulare.

Sebbene il task mining e l'RPA si concentrino entrambi sull'automazione dei processi, le due tecnologie sono diverse ma si completano bene. Mentre la tecnologia aiuta le aziende a identificare i colli di bottiglia nel workflow dei processi, gli strumenti RPA implementano e sfruttano le opportunità di automazione scoperte attraverso queste analisi.

Gli strumenti di task mining iniziano con la raccolta di dati dai computer degli utenti, che possono includere sequenze di tasti, clic, input dell'utente, registrazioni, schermate e altro ancora. Da lì, le funzionalità di riconoscimento ottico dei caratteri possono aggiungere più contesto su ciò che l'utente sta facendo.

Ad esempio, potrebbe esaminare i dati del timestamp per aiutare a assemblare una sequenza temporale generale delle attività in un sottoprocesso. Una volta che i dati sono strutturati in modo appropriato, gli algoritmi di machine learning possono essere utilizzati per raggruppare i dati in attività specifiche del sottoprocesso, come "invio di un ordine di acquisto".

I dati possono quindi essere combinati con i dati del registro eventi per contribuire a contestualizzare le prestazioni. Questo insight basato sui dati aiuta le aziende a identificare i colli di bottiglia e ad adottare le misure necessarie per risolverli.

Le tecniche di task mining sono state utilizzate per migliorare i flussi di processo in un'ampia varietà di settori. Le mappe dei processi possono aiutare le aziende a concentrarsi maggiormente sugli indicatori chiave di prestazione (KPI) che contano, spronandole a riesaminare le inefficienze operative attraverso il process mining e il task mining.

Alcuni casi d'uso del task mining includono:

• Documentazione delle attività: man mano che nuovi membri del team entrano a far parte, la documentazione viene spesso rivista per colmare eventuali lacune nelle conoscenze. Tuttavia, a seconda del progetto e delle risorse disponibili, la documentazione potrebbe essere non disponibile o non aggiornata. Gli strumenti di task mining consentono ai team di portare insight a un'attività in un processo più ampio, creando un allineamento in tutto il team. Riduce inoltre la necessità delle dipendenze individuali, fornendo un modo semplice per creare documentazione e visualizzazioni attraverso la mappatura dei processi e altri strumenti di automazione.
• Governance e conformità: poiché le aziende devono affrontare normative di governo più severe, il task mining può aiutare a responsabilizzare le aziende, identificando le aree in cui si verificano gli errori di conformità. Questa visibilità può fornire un percorso per risolvere questi problemi più rapidamente, magari facendo risparmiare le aziende su costi come le spese legali e la pubblicità negativa del marchio.
• Automazione delle attività: il task mining produce una visione più chiara di sottoprocessi specifici che può consentire ai program manager e ai people manager di capire quali parti del processo possono essere automatizzate tramite strumenti come l'RPA.

Sebbene il task mining possa apportare numerosi benefici, quelli più frequentemente riscontrati includono:

• Aumento dell'efficienza: il task mining si concentra sull'identificazione dei colli di bottiglia operativi per accelerare il miglioramento dei processi. Quando queste inefficienze vengono individuate e corrette, le aziende possono accelerare lo svolgimento delle attività. Se un'attività di un processo ha ricevuto risorse eccessive, può anche portare alla riassegnazione del personale ad altri lavori prioritari, migliorando potenzialmente il morale dei dipendenti trovando loro un lavoro più significativo.
• Migliore conformità: gli strumenti di tasking mining raccolgono dati presso gli utenti, consentendo ai team di governance di determinare le interruzioni della conformità durante attività specifiche. Questa capacità di individuare i problemi e risolverli rapidamente può contribuire a facilitare una migliore governance e conformità in tutta l'azienda.
• Maggiore trasparenza: il task mining può fornire insight sulla forza lavoro a livello individuale, consentendo ai manager di fornire un feedback prezioso durante le valutazioni delle prestazioni e premiare i dipendenti per il loro lavoro in modo equo. Può anche aiutarli a riassegnare i dipendenti a lavori diversi quando non sembrano adatti.

Tuttavia, il task mining non è privo di sfide. Alcune difficoltà chiave includono: 

• Privacy dei dati: il task mining può registrare le azioni dell'utente e può anche sollevare preoccupazioni sulla privacy. Di conseguenza, gli utenti dovrebbero approvare questi strumenti prima dell'attivazione e proteggere i dati personali degli utenti attraverso un'anonimizzazione adeguata.
• Contesto mancante: poiché il task mining si concentra su un sottoprocesso all'interno di un processo più ampio, il contesto più ampio delle prestazioni a volte può andare perso. È importante utilizzare la tecnologia del task mining insieme al process mining per avere un quadro più completo delle prestazioni tra i team. Altrimenti, le aziende rischiano di dare priorità a ottimizzazioni di attività che non hanno il massimo impatto sul business.
• Deriva concettuale: man mano che le aziende si spostano rapidamente verso la trasformazione per l'era digitale, le attività e i processi possono cambiare in tempo reale. I cambiamenti nelle attività e nei processi possono influire sulle analisi, portando a una deriva concettuale.