プロセス・マイニングとは

データマイニング とプロセス分析を組み合わせることで、組織は情報システムからログデータをマイニングしてプロセスのパフォーマンスを把握し、ボトルネックやその他の改善すべき領域を明らかにすることができます。プロセス・マイニングは、データ駆動型のアプローチを活用してプロセスを最適化します。これにより、マネージャーは既存のプロセスへのリソース割り当てに関する意思決定において客観的であり続けることができます。

エンタープライズ・リソース・プランニング（ERP）ツールや顧客関係管理（CRM）ツールなどの情報システムは、それぞれのログデータとともにプロセスの監査証跡を提供します。プロセス・マイニングでは、ITシステムからのこのデータを利用して、実際のプロセスのプロセスモデルまたはプロセスグラフを作成します。ここから、エンドツーエンドのプロセスが検討され、その詳細とバリエーションが概説されます。

また、特殊なアルゴリズムによって、標準からの逸脱の根本原因を把握することもできます。これらのアルゴリズムと可視化によって、管理者はプロセスが意図したとおりに機能しているかどうかを確認することができます。そうなっていない場合は、最適化に必要なリソースを正当化して割り当てるための情報を提供しますまた、 ロボティック・プロセス・オートメーション （RPA）をプロセスに組み込む機会を明確にし、企業の自動化イニシアチブを促進することもできます。

プロセス・マイニングは、制御フロー、組織、ケース、タイムスタンプなどのさまざまな視点に焦点を当てています。プロセス・マイニングの多くの作業は一連のアクティビティ、つまり制御に焦点を当てていますが、他の観点からも管理チームに貴重な情報が提供されます。組織の観点では、職務や部門を含むプロセスに関わるリソースが強調されます。一方、時間の観点では、プロセス内のさまざまなイベントの処理時間を測定することでボトルネックを特定します。

2011 年、米国電気電子学会 (IEEE) は、プロセス・マイニングの導入を促進してビジネス・オペレーションを再設計するためのプロセス・マイニング宣言を発表しました。IEEEのようなプロセス・マイニングの提唱者がその採用を促進する一方で、Gartner社は、その採用を進めるには市場要因も影響すると指摘しています。デジタル・トランスフォーメーションの取り組みにより、プロセス周辺のさらなる調査が促され、その後、 人工知能 、タスクオートメーション、ハイパーオートメーションなどの新しいテクノロジーの採用率が高まります。

このような組織変化のペースに合わせて、企業は事業運営上のレジリエンスを発揮して適応する必要があります。その結果、ビジネス成果を達成するためにプロセス・マイニング・ツールに頼る企業が増えています。

オランダのコンピューター科学者兼教授であるWil van der Aalst氏は、プロセス・マイニングに関する多くの学術研究を行った人物として知られています。 彼の研究と上記のマニフェストはどちらも、発見、適合性、強化という3つの種類のプロセス・マイニングについて説明しています。

発見：プロセス・ディスカバリーは、イベント・ログ・データを使用して、外部の影響を受けずにプロセス・モデルを作成します。 この分類には、新しいプロセス・モデルの開発に役立つ以前のプロセスモデルは存在しません。 最も多く採用されているのが、この種類のプロセス・マイニングです。

適合性： 適合性チェックでは、意図したプロセスモデルが実際に反映されているかどうかを確認します。この種類のプロセス・マイニングでは、イベント・ログ・データに基づいてプロセスの記述と既存のプロセス・モデルを比較し、意図したモデルからの逸脱を特定します。

強化： この種類のプロセス・マイニングは、拡張、組織マイニング、パフォーマンス・マイニングとも呼ばれてきました。このクラスのプロセス・マイニングでは、既存のプロセス・モデルを改善するために追加情報を使用します。たとえば、適合性チェックのアウトプットは、プロセス・モデル内のボトルネックの特定に役立ち、管理者が既存のプロセスを最適化できるようになります。

プロセス・マイニングは、 ビジネス・プロセス管理 （BPM）とデータ・マイニングの中間に位置します。プロセス・マイニングとデータ・マイニングはどちらもデータを操作しますが、各データセットの範囲は異なります。プロセス・マイニングでは、主にイベント・ログ・データを使用してプロセス・モデルを生成し、これを使用してプロセスを発見、比較、または強化することができます。

データ・マイニングの範囲はさらに広く、さまざまなデータセットにまで及びます。これは、解約率、不正行為の検出、マーケットバスケット分析などに適用され、行動の観察および予測に使用されます。

プロセス・マイニングは、これまで手動で管理されてきたBPMに対して、よりデータ駆動型のアプローチを採用しています。BPMは通常、ワークショップやインタビューを通じてより非公式にデータを収集し、ソフトウェアを使用してそのワークフローをプロセス・マップとして文書化します。これらのプロセス・マップに情報を与えるデータは定性的であるため、プロセス・マイニングはプロセスの問題に対してより定量的なアプローチをもたらし、イベントデータを通じて実際のプロセスを詳細に示します。

売上を伸ばすことだけが収益を生み出す方法ではありません。 シックス・シグマとリーン手法は、運用コストの削減によって投資収益率（ROI）がどのように向上するかを示しています。

プロセス・マイニング・ソリューションは、運用モデルの非効率性を定量化することで企業がこれらのコストを削減し、リーダーがリソースの割り当てについて客観的な決定を下せるようサポートします。 これらのボトルネックを発見することで、コストの削減と、プロセスの改善が促されるだけでなく、イノベーション、品質、顧客維持率も向上します。

プロセス・マイニングはまだ比較的新しい分野であるため、克服すべき課題がいくつかあります。これらの課題には、次のようなものがあります。

• データ品質：プロセス・マイニングを行うには、通常、データの検索、マージ、クリーニングが必要です。データはさまざまなデータソースに分散している場合があります。また、不完全な場合や、ラベルや細分度が異なるものが含まれている可能性もあります。プロセスモデルから得られる情報にとって、これらの違いを考慮することが重要になります。

• コンセプト・ドリフト：分析中にプロセスが変化し、コンセプト・ドリフトが生じることがあります。

高度なプロセス・マイニング・ソリューションを活用することは、効率を高め、組織の変革を推進する鍵となります。

1. 透明性の向上： プロセス・マイニングは、業務プロセスにおいて、従来のビジネス・プロセス・マッピングを大きく上回るデータ駆動型ビューを提供します。この詳細な可視性は、非効率やコンプライアンス上の問題を特定し、実際のプロセスフローを理解する上で極めて重要です。

2. プロセス分析の簡素化と効率性の向上：プロセス・マイニングは、イベント・ログ・データを活用してビジネス・プロセスを迅速に分析し、複数のバリアントの可視化を可能にし、サイクルタイムとコストを削減するためにオペレーションを合理化します。このアプローチにより、管理が簡素化され、日常的なタスクの自動化が容易になります。

3. データ駆動型の意思決定：プロセス・マイニングは、ITデータシステムの導入に関する客観的な意思決定を促します。このアプローチは、ボトルネックや逸脱といった問題を正確に特定し、解決する上で重要な鍵となります。

4. プロセスの最適化：KPIやSLAなどのプロセス・パフォーマンス・メトリクスを継続的に監視することにより、プロセス・マイニングはさまざまな業務全体の最適化と自動化の機会を特定します。
   

5. 顧客中心のプロセスビュー：外部の顧客とのやり取りを内部業務と調整することでカスタマージャーニーに関する詳細な洞察を提供し、顧客体験の点で改善すべき領域を見つけます。

6. プロセスの標準化： プロセスのばらつきを識別することで、組織全体におけるプロセスの標準化をサポートします。その後、最適なプロセスモデルに合わせて調整し、安定した性能と品質の維持を支援します。

7. 顧客体験の向上：プロセスを合理化し効率を高めることで、サービス提供が改善され、顧客満足度とロイヤルティが向上します。

1. データの品質と可用性：効果的なプロセス・マイニングには、高品質で完全なデータが不可欠です。不正確さはプロセス・モデルを歪め、誤った洞察につながる可能性があります。初期段階でデータアナリストが入ることで、プロセス・マイニングに必要なデータの整合性および完全性を確保できます。

2. タスクの見逃し： プロセス・マイニングは、イベントログに記録されていないITシステム外の手作業を見逃す可能性があり、ワークフロー最適化の範囲を限定します。このギャップに対処するために、タスク・マイニングとプロセス・マイニング組織を統合し、ワークフローの分析とタスクレベルの最適化を改善します。

3. 統合のハードル：一部のITシステムでは、コネクタの不足やデータ形式の問題に起因するプロセス・マイニングとの統合の課題が生じています。特定のシステムまたはプロセス向けに設計された パッケージ化されたソリューションにより、統合が簡素化され、プロセスがよりシームレスになります。

4. コンセプト・ドリフト：プロセスの進化に伴い、プロセス・マイニングモデルの更新が困難になることがあります。古いモデルを利用した場合、旧式の方法で分析をするリスクが高まります。高度なプロセス・マイニング・ソリューションでは、ほぼリアルタイムでプロセスを分析するため、モデルを最新かつ適切な状態に保つことができます。

5. 大規模組織における複雑性：大規模な組織では、プロセスの量と複雑さがプロセス・マイニングの課題を増大させ、洞察の抽出に影響を与える可能性があります。組織はオブジェクト中心またはマルチレベルのプロセス・マイニング技術を採用することで、複雑なプロセスをより良く管理および分析することができます。

6. 変化に対する潜在的な抵抗：プロセス・マイニングによるプロセス管理の大幅な変更は、既存のワークフローに慣れている従業員から反対を受ける可能性があります。 実装および導入を成功させるには、効果的な変更管理が欠かせません。 スタッフのトレーニングやエンゲージメントなど、効果的な変更管理戦略を導入すると、よりスムーズな移行と導入が促進されます。

プロセス・マイニング技術は、さまざまな業種・業務のプロセスフローを改善するために使用します。プロセス・マップはパフォーマンスに影響を与える重要業績評価指標（KPI）を強調表示するため、企業が業務の非効率性を再検討するきっかけとなります。次のユースケースは、プロセス・マイニング・ソリューションの価値と多用途性を示しています。

• 教育：プロセス・マイニングは、生徒が授業資料の閲覧に専念した持続時間など、生徒の成績や行動を監視および評価することを通して、効果的なコースカリキュラムを特定することに役立ちます。

• 金融： 金融サービス、機関、 調達 業務は、プロセス・マイニング・ソフトウェアを使用して、組織間のプロセスとアカウント監査を改善し、収入を増やし、顧客基盤を拡大しています。

• 公共事業：建設会社、清掃業者、環境局など、さまざまな利害関係者が関与する公共事業プロジェクトの請求プロセスを合理化するためにプロセス・マイニングが使用されています。

• ソフトウェア開発：エンジニアリング・プロセスは整理されていない場合がありますが、プロセス・マイニングは、明確で文書化されたプロセスを識別するのに役立ちます。また、IT管理者がプロセスを監視し、システムが予定通りに稼動しているか確認するのにも役立ちます。

• ヘルスケア：プロセス・マイニングは、患者の治療処理時間を短縮するための推奨事項を提供します。

• Eコマース：プロセス・マイニングにより、購入者の行動に関する洞察と、売上を増やすための正確な推奨事項を得ることができます。

• 製造業：プロセス・マイニングで製品属性に基づく適切なリソースを割り当てることで、サプライチェーンと製造業の業務を強化します。生産時間や、ストレージスペース、機械、作業員などのリソース割り当てに関する洞察のおかげで、より効率的な管理および運用の変革が実現します。

• ITサービスマネジメント （ITSM）： プロセス・マイニングにより、サービス提供とインシデント管理プロセスを最適化できます。そのため、ITチームはサービスのワークフローを分析し、非効率性を特定し、応答時間を改善することができます。さらに、全体的なITサポートと顧客満足度の向上に貢献します。