タスク・マイニングとは

このテクノロジーは光学式文字認識(OCR)、自然言語処理(NLP)、機械学習アルゴリズムを使用してこのデータを解釈および分析し、アナリストや利害関係者が運用上の非効率性を特定できるようにします。

タスク・マイニング・ソリューションは、プロセス・マイニングのサブセットであるプロセス検出の一部であると考えられており、ガートナーの「プロセス・マイニングのマーケット・ガイド」によると、このテクノロジーの市場は急速に成長しています。

新型コロナウイルス感染症パンデミックがデジタル・トランスフォーメーションの取り組みを加速させ続ける中、タスクマイニング技術の導入は、そのメリットが十分に実現されるにつれてさらに増加すると予想されます。

プロセス・マイニングは、全体的な調達プロセスなどのエンドツーエンドのプロセス最適化に焦点を当てています。対照的に、タスク・マイニングは、買掛金の予算承認など、大きなプロセスに至る個々のタスクに焦点を当てます。また主として、各分析に使用するデータの種類も異なります。

プロセス・マイニングは主に、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からのビジネス・メトリクスやイベント・ログ・データに依存しています。一方、タスク・マイニングでは、キーストローク、マウスのクリック、コンピューター上のデータ入力などのユーザー・インタラクション・データを使用できます。また、さまざまなタイムスタンプ間隔のユーザー記録や製品の画面を含めることもできます。

これらのデータ・ポイントは、アナリストや研究者が、タスクを完了するために個人がプロセスやサブプロセスとどのように対話しているかを理解するのに役立ちます。どちらもデータサイエンス技術を用いて、そのような洞察にたどり着きプロセスを最適化します。タスク・マイニングは、より詳細なレベルでこのプロセスを可能にします。

タスクマイニングとRPA はどちらもプロセスの自動化に重点を置いています。この2 つのテクノロジーは異なるものの、互いにうまく補完し合います。タスク・マイニング・テクノロジーは、企業がプロセス・ワークフローのボトルネックを特定するのに役立ちますが、RPAツールは、これらの分析を通じて発見された自動化の機会を実装し、実行します。

タスク・マイニング・ツールは、キーストローク、クリック、ユーザー入力、記録、スクリーンショットなどのデータをユーザーのマシンから収集することから始めます。そこから、光学式文字認識機能により、ユーザーが何をしているのかについて、より多くのコンテキストを追加できます。

たとえば、サブプロセスにおけるアクティビティーの一般的なタイムラインを組み立てるのを後押しするために、タイムスタンプ・データを調べる場合があります。データが適切に構造化されれば、機械学習アルゴリズムを使用して、「発注書の送信」のようなサブプロセスの特定のタスクに対し、データをクラスター化できます。

その後、データをイベント・ログ・データと組み合わせて、パフォーマンスのコンテキストを把握することができます。このデータ駆動型の洞察は、企業がボトルネックを特定し、それを解決するために必要な措置を講じるのに役立ちます。

タスク・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されてきました。プロセス・マップは、企業が重要なKPIにさらに集中するのに役立ち、プロセス・マイニングやタスク・マイニングを通じて業務の非効率性を再検討するきっかけとなります。

タスク・マイニングのユースケースには、次のようなものがあります。

• タスク・ドキュメンテーション： 新しいチーム・メンバーが入社すると、知識のギャップを埋めるためにドキュメンテーションが頻繁に行われます。ただし、プロジェクトや利用可能なリソースによっては、資料が入手できなかったり、最新のものでなかったりする場合があります。タスク・マイニング・ツールは、チームがより大きなプロセスのタスクに洞察を取り入れる方法を提供し、チーム全体の連携を生み出します。また、個々の依存の必要性が減り、プロセス・マッピングやその他のオートメーションを通じて、ドキュメンテーションや視覚化を簡単に構築できるようになります。
• ガバナンスとコンプライアンス： 企業が官公庁・自治体による厳格な規制に直面する中、タスク・マイニングはコンプライアンス・エラーが発生した領域を特定することで、企業の責任を追及するのに役立ちます。このような可視化により、こうした問題をより迅速に解決するための道筋が得られ、企業は訴訟費用やブランドのネガティブな評判などのコストを節約できる可能性があります。
• タスクの自動化： タスク・マイニングにより、特定のサブプロセスがより明確に把握できるようになり、プログラム管理者や人事管理者が、RPAなどのツールを使用してプロセスのどの部分を自動化できるかを理解できるようになります。

タスク・マイニングは多くのメリットをもたらしますが、最も頻繁に実現されるメリットは次のとおりです。

• 効率性の向上：タスクマイニングは、業務上のボトルネックを特定し、プロセスの改善を促進することに重点を置いています。これらの非効率性が発見され、修正されると、企業はタスク全体の速度を上げることができます。プロセス内のタスクにリソースが過剰に割り当てられている場合、スタッフが他の優先業務に再配置され、より有意義な仕事を見つけることで従業員の士気が向上する可能性があります。
• コンプライアンスの向上： タスク・マイニング・ツールは、ユーザーからデータを収集し、ガバナンス・チームが特定のタスクにおけるコンプライアンスの違反を判断できるようにします。問題を正確に特定して迅速に解決できるこの機能は、ビジネス全体のガバナンスとコンプライアンスの向上を促進するのに役立ちます。
• 透明性の向上： タスク・マイニングでは、個人レベルでの労働力に関する洞察を提供するため、管理者はパフォーマンス評価中に貴重なフィードバックを与え、従業員の仕事に公平に報いることを可能にします。また、従業員が仕事に適していないと思われる場合に、それらの従業員を別の仕事に再配置するのにも役立ちます。

ただし、タスク・マイニングに課題がないわけではありません。主な困難には次のようなものがあります。

• データ・プライバシー： タスク・マイニングはユーザーの行動をログとして記録できるため、プライバシーに関する懸念が生じる可能性もあります。そのため、ユーザーはこれらのツールを有効化する前に承認する必要があり、適切な匿名化を通じてユーザーの個人データを保護する必要もあります。
• コンテキストの欠落： タスク・マイニングはより大きなプロセス内のサブプロセスに焦点を当てているため、パフォーマンスのより大きなコンテキストが失われることがあります。チーム全体のパフォーマンスをより完全に把握するには、プロセス・マイニングと並行してタスク・マイニング・テクノロジーを使用することが重要です。そうしないと、企業は、ビジネスに多大な影響を与えないタスクの最適化を優先してしまうリスクがあります。
• コンセプト・ドリフト： 企業がデジタル時代に向けて急速に変革を進める中、タスクやプロセスはリアルタイムで変化する可能性があります。タスクとプロセスの変更が分析に影響を及ぼし、コンセプト・ドリフトにつながる可能性があります。