Process mining, uitgevonden op de Technische Universiteit van Eindhoven, is een technologie waarmee je op basis van opgeslagen logdata van applicaties als het ware een röntgenfoto maakt van je bedrijfsprocessen. Het minder bekende task mining gebruikt gegevens van een kleine actieve opname direct vanaf de desktops van medewerkers om vast te stellen hoe zij een proces daadwerkelijk doorlopen.
Beide technologieën visualiseren processen van begin tot eind, waarbij de weergave vervolgens de basis is om bedrijfsprocessen te optimaliseren. Geavanceerde algoritmen maken het mogelijk om te reconstrueren wat waar heeft plaatsgevonden en hoeveel tijd ermee gemoeid was. Gewapend met die feiten krijgen bedrijven inzicht in waar fouten ontstaan en herstelwerkzaamheden nodig zijn, waar vertragingen optreden en waar taken tussen wal en schip vallen.
Voor het slagen van een digitaal transformatieproject of uitrol van bedrijfsbrede automatisering is het hebben van een duidelijk plaatje van de bedrijfsprocessen voordat het werk van start gaat cruciaal. Proces & task Mining zijn bij uitstek geschikt om de schaal van een dergelijk project goed in kaart te brengen.
Black Belts
Voordat Process Mining technologieën ter wereld kwamen in het begin van de jaren negentig werden concepten als lean al breed omarmd. Allerlei consultancybureaus, gerund door Six Sigma Black Belts en Green Belts, schoten als paddenstoelen uit de grond. Een standaardmanier van werken was het houden van ‘brown paper-sessies’, waarin eindeloos lang werd gepraat over hoe een bepaald proces in de praktijk nu precies liep.
Professor Wil van der Aalst was de eerste die dacht: een groot deel van de bedrijfsprocessen is gedigitaliseerd. Waarom gebruiken we de logdata van systemen niet om processen volautomatisch in kaart te brengen? Daarmee zouden bedrijven kunnen zien hoe een proces ooit was bedacht (vergelijkbaar met brown paper-sessies) maar ook hoe goed het bedachte proces in de praktijk functioneert en wat eventuele verbeterpunten zijn.
A tot Z
Waar je met process mining-processen van A tot Z in beeld brengt – denk aan een purchase-to-pay-proces – kun je task mining inzetten om te ontdekken waarom een proces vertraging oploopt of waarom er zoveel fouten worden gemaakt die leiden tot rework. Want waar process mining op systeemniveau wordt uitgevoerd en een bedrijfsbreed beeld geeft, analyseer je met task mining op granulair niveau hoe de mensen gebruik maken van applicaties. Als je bijvoorbeeld informatie uit een e-mail naar Excel kopieert en vervolgens de gegevens in een erp-systeem invoert, stelt de technologie je in staat om te zien welke olifantenpaadjes er in de loop van de tijd zijn ontstaan. Want alhoewel iedereen dezelfde training krijgt, ontstaan er allerlei procesvariaties en -veranderingen. Die ontdek je door bij een selecte groep medewerkers automatisch bij te houden welke taken zij in welke volgorde en met welke data uitvoeren.
Door het samenvoegen van de verschillende scenario’s van deze gebruikers zijn de verschillende manieren te zien waarop een taak is uit te voeren. Je ziet dan in welke mate ze het proces volgen dat ooit is bedacht. Je kan ook achterhalen of ze alle functionaliteit die de software biedt gebruiken en waar je stappen kan zetten om efficiëntie te verhogen. Task mining is daarom niet alleen een bijzonder nuttige vervolgstap op process mining, maar ook een zeer geschikt instrument om enkele maanden na een software-implementatie te zien of de vooraf voorspelde efficiencyverbetering in de praktijk wel wordt behaald.
Erkenning
Hoewel discovery-technologieën zoals process mining en task mining al een tijd bestaan krijgen ze pas sinds kort de erkenning die ze verdienen. Ze genereren namelijk data aan de hand waarvan bedrijven veranderingen kunnen aansturen en prioriteiten kunnen stellen. Vooral in het toenemende streven naar hyperautomation is analyse van bestaande processen essentieel. Pas daarna kunnen bedrijven de volgende stap zetten in het ontwerpen en uitvoeren van een project voor end-to-end-automatisering. Je kunt immers wel een zandpad vol bochten en bulten asfalteren, dat maakt nog niet dat het een racebaan wordt. Veel beter kun je eerst het pad recht maken en uitvlakken.
Dat rechtmaken en uitvlakken doen process mining en task mining overigens niet voor je. Maar wat de technologie wél doet, is duidelijk maken waar je als eerste aan de slag moet om de grootste winst te behalen. Of, om in de analogie van de röntgenfoto te blijven: je stelt met process mining en task mining op een snelle manier een juiste diagnose, maar daarmee is de kwaal nog niet verholpen. Tegelijkertijd geldt: zonder goede diagnose loop je kans om een behandeling uit te voeren waar de patiënt totaal niet bij gebaat is of die zelfs schade toebrengt. Alle reden dus om je eens in de mogelijkheden te verdiepen.
Laagdrempelig
Waar process mining een organisatiebreed project is waar verandermanagement bij komt kijken en je absoluut buy-in vanuit de top van de organisatie voor nodig hebt, is task mining laagdrempeliger. Dit voer je typisch uit op afdelingsniveau. Je hebt bovendien geen hulp nodig van de it-afdeling om het te implementeren, terwijl dat bij process mining wel noodzakelijk is. Je kunt immers niet maar zo bij de logbestanden van computersystemen.
Aangezien task mining het werk van individuele medewerkers monitort moeten organisaties hun personeel wel goed uitleggen wat ze doen en waarom. Het moet duidelijk zijn voor medewerkers dat task mining wordt uitgevoerd om te achterhalen hoe taken en processen efficiënter kunnen worden, niet om alles te zien wat zij op hun computer doen. Ze worden vaak wel enthousiast als je door data ondersteunde inefficiënties kunt opsporen. Eenmaal verbeterd bespaart dat tijd voor het on-boarden van toekomstige werknemers en verbetert het de werknemerstevredenheid.
Process en task mining leveren kortom röntgenfoto’s op waarmee de gezondheid niet alleen is te checken en herstellen, maar ook substantieel te verbeteren. Hoe mooi is dát?
