Process Mining: Cara Menemui Bagaimana Proses Anda Sebenarnya Berjalan

Process mining ialah teknik yang menggunakan data log peristiwa daripada sistem IT anda untuk membina semula, menggambarkan, dan menganalisis secara automatik bagaimana sesuatu proses perniagaan sebenarnya berjalan, bukan bagaimana anda fikir ia berjalan. Jika anda pernah mendokumentasikan sesuatu proses dalam bengkel dan kemudian mendapati aliran kerja sebenar langsung tidak menyerupai rajah tersebut, process mining ialah alat yang merapatkan jurang itu.

Apakah process mining?

Process mining ialah disiplin berasaskan data yang mengeluarkan bukti tentang tingkah laku proses sebenar daripada kesan digital yang ditinggalkan dalam sistem IT seperti platform ERP, CRM, meja bantuan, atau pengurusan pesanan. Setiap kali seorang pekerja mencipta pesanan pembelian, menyelesaikan tiket, atau menggerakkan sesuatu deal melalui pipeline, sistem menulis rekod berdetik masa. Process mining mengumpul rekod-rekod tersebut, menghubungkannya ke dalam urutan mengikut kes, dan menghasilkan model visual bagi setiap laluan yang sebenarnya dilalui proses tersebut.

Hasilnya bukanlah rajah yang dilukis seseorang dalam bengkel. Ia adalah peta yang dikira daripada berjuta-juta transaksi sebenar, menunjukkan setiap gelung, jalan pintas, dan pusingan yang berlaku dalam amalan. Varian ialah laluan berbeza yang dilalui kes-kes menerusi proses tersebut. Pematuhan (conformance) mengukur sejauh mana varian tersebut sepadan dengan reka bentuk yang anda hasratkan. Kesesakan muncul sebagai nod atau peralihan di mana kes-kes bertimbun menunggu.

Tiga istilah sentiasa timbul dalam process mining:

• Log peristiwa (event log): set data berstruktur yang dikeluarkan daripada sistem, mengandungi satu baris bagi setiap aktiviti bagi setiap kes.
• Kes (case): satu contoh tunggal sesuatu proses, seperti satu invois, satu tiket perkhidmatan, atau satu pesanan pelanggan.
• Jejak (trace): urutan tersusun aktiviti bagi satu kes daripada mula hingga tamat.

Fakta penting

• Gartner menamakan process mining sebagai salah satu trend teknologi strategik utamanya dan menjangkakan pasaran mencapai $5.3 bilion menjelang 2027, berkembang lebih 40% setahun.
• Menurut penyelidikan Celonis, lebih 80% transaksi perniagaan berjalan melalui SAP atau sistem ERP yang serupa, bermakna kebanyakan organisasi besar sudah mempunyai data peristiwa mentah yang mereka perlukan untuk bermula.
• Kajian Forrester pada 2023 mendapati organisasi yang menggunakan process mining melaporkan pengurangan purata 15% dalam masa kitaran proses dalam tahun pertama.

Process Mining Berbanding Pemetaan Proses Manual

Kebanyakan inisiatif penambahbaikan proses bermula dengan cara yang sama: kumpulkan sekumpulan pakar subjek, jalankan bengkel, dan lukis rajah bagaimana proses tersebut sepatutnya berfungsi. Pemetaan proses perniagaan dan BPMN ialah dua pendekatan paling biasa bagi kerja manual tersebut. Kedua-duanya bernilai untuk menyampaikan reka bentuk yang dihasratkan dan untuk melatih kakitangan baharu. Tetapi ia mempunyai had struktur: ia menangkap apa yang dipercayai peserta berlaku, ditapis melalui ingatan dan politik organisasi.

Process mining mengambil pendekatan sebaliknya. Berbanding bertanya kepada orang, ia membaca sistem.

Kedua-dua pendekatan berfungsi dengan baik bersama-sama. Gunakan pemetaan manual untuk mentakrifkan reka bentuk proses yang dihasratkan, kemudian gunakan process mining untuk mengukur sejauh mana realiti telah menyimpang daripada reka bentuk itu. Jika anda belum mendokumentasikan reka bentuk yang dihasratkan, baca panduan pemetaan proses perniagaan dahulu.

3 Jenis Process Mining

Discovery selalunya menjadi titik permulaan organisasi, kerana mereka tidak mempunyai model rujukan yang boleh dipercayai untuk dibandingkan. Conformance checking menjadi kritikal untuk industri yang dikawal selia di mana juruaudit memerlukan bukti bahawa kawalan telah dipatuhi. Enhancement ialah tempat kebanyakan kerja penambahbaikan berterusan berlaku setelah peta proses menjadi stabil.

Bagaimana Process Mining Berfungsi

Langkah 1: Kenal pasti proses dan sistem sumber

Pilih satu proses hujung-ke-hujung dengan peristiwa mula dan tamat yang jelas, seperti "permintaan pembelian kepada pembayaran" atau "tiket dibuka kepada tiket ditutup." Kenal pasti sistem mana yang menyimpan rekod bagi proses tersebut. Dalam kebanyakan organisasi ini adalah ERP seperti SAP atau Oracle, CRM seperti Salesforce, atau alat ITSM seperti ServiceNow.

Langkah 2: Ekstrak log peristiwa

Eksport atau pertanyakan sistem untuk menghasilkan jadual berstruktur dengan sekurang-kurangnya tiga lajur: ID kes (pengenal unik bagi setiap contoh proses), nama aktiviti (apa yang berlaku), dan cap masa (bila ia berlaku). Kebanyakan analisis turut menyertakan lajur sumber (siapa atau apa yang melaksanakan aktiviti tersebut). Semakin kaya log tersebut, semakin banyak analisis dapat menerangkannya.

Langkah 3: Muatkan log ke dalam alat process mining

Import log peristiwa ke dalam alat seperti Celonis, ProM, Minit, atau UiPath Process Mining. Alat tersebut mengumpulkan baris mengikut ID kes, menyusun aktiviti mengikut cap masa dalam setiap kes, dan membina jejak bagi setiap kes. Ia kemudian mengaplikasikan algoritma discovery untuk mengira urutan aktiviti mana yang paling kerap berlaku, menghasilkan graf proses.

Langkah 4: Analisis varian, pematuhan, dan kesesakan

Terokai model yang terhasil. "Laluan bahagia" ialah jejak yang paling kerap. Lihat berapa peratus kes mengikutinya. Kemudian periksa varian yang menyimpang: kes yang melangkau sesuatu aktiviti, kes yang berpusing balik, kes yang mengikut laluan yang anda tidak tahu wujud. Semak di mana masa menunggu terkumpul. Jalankan conformance checking jika anda mempunyai model rujukan.

Langkah 5: Bertindak berdasarkan penemuan

Gunakan analisis untuk menetapkan keutamaan. Analisis kesesakan sering menyumbang kepada inisiatif pengoptimuman proses. Pelanggaran pematuhan mungkin menunjukkan jurang latihan atau salah konfigurasi sistem. Aktiviti berulang berkekerapan tinggi ialah calon kukuh untuk robotic process automation atau automasi aliran kerja.

Rupa Sebenar Log Peristiwa

Berikut ialah contoh ringkas daripada aliran kerja pemprosesan invois:

INV-1001 mengikut laluan yang dihasratkan dan diproses dalam lebih kurang lima jam. INV-1002 terkena semakan pendua, yang menambah hampir tiga hari sebelum ia sampai kepada kelulusan. Process mining mendedahkan corak ini dengan tepat merentasi ribuan kes, menunjukkan berapa kerap ia berlaku, sumber mana yang terlibat, dan berapakah kos masa kitarannya.

Kes Penggunaan dan Contoh

Perolehan dan akaun belum bayar. Proses purchase-to-pay ialah salah satu sasaran paling biasa. Process mining mendedahkan berapa kerap invois dipadankan tanpa pesanan pembelian (pembelian maverick), berapa kerap padanan tiga hala gagal dan mencetuskan kerja semula, dan di mana kesesakan kelulusan berada. Sebuah pengeluar Eropah mendapati 23% invoisnya mencetuskan sekurang-kurangnya satu gelung kerja semula sebelum pembayaran, menelan kos purata empat hari tambahan bagi setiap kes.

Order-to-cash. Bagi pasukan operasi jualan, process mining memetakan setiap laluan yang dilalui sesuatu pesanan daripada kemasukan hingga pengiktirafan hasil. Ia mengenal pasti jenis pesanan mana yang paling berkemungkinan diselaraskan secara manual, pelanggan mana yang secara konsisten memerlukan sekatan kredit, dan di mana serah terima antara jualan dan operasi tersekat.

Pengurusan perkhidmatan IT. Dalam konteks meja bantuan, setiap tiket ialah satu kes. Process mining menunjukkan kategori tiket mana yang paling kerap dibuka semula (proksi bagi penyelesaian hubungan pertama yang lemah), pasukan mana yang berulang alik menghantar kerja, dan bagaimana pelanggaran SLA berkumpul sekitar ejen atau tempoh masa tertentu. Ini berkait terus dengan amalan pengurusan SLA.

Onboarding pelanggan. Bagi syarikat B2B SaaS, onboarding ialah proses perniagaan dengan langkah yang direkodkan sistem: kontrak ditandatangani, akaun disediakan, latihan dijadualkan, log masuk pertama direkodkan. Process mining mendedahkan pelanggan mana yang churn sebelum melengkapkan onboarding dan persamaan yang ada pada jejak mereka berbanding pelanggan yang berjaya diaktifkan.

Faedah dan Batasan

Faedah

• Memberi anda gambaran fakta, bukan anekdot, tentang prestasi proses.
• Boleh diskalakan kepada sebarang volum data: analisis process mining boleh merangkumi 10 juta kes semudah 10,000.
• Mengenal pasti peluang penambahbaikan dengan impak yang dikuantifikasikan, supaya anda boleh mengutamakan kesesakan yang paling mahal sebelum menangani yang sekadar menyusahkan.
• Menyediakan jejak audit yang boleh disahkan secara bebas oleh pengawal selia dan juruaudit luar.
• Menyumbang terus kepada skop automasi, kerana ia menunjukkan aktiviti mana yang berkekerapan tinggi dan berasaskan peraturan.

Batasan

• Hanya sebaik data yang ada. Jika sistem anda tidak merekodkan sesuatu aktiviti, process mining tidak dapat melihatnya. Proses yang sangat manual, berasaskan kertas, atau tidak formal meninggalkan sedikit kesan.
• Memerlukan akses data. Mengekstrak log peristiwa daripada sistem enterprise sering melibatkan IT dan mungkin terkena polisi tadbir urus data atau kebimbangan prestasi.
• Menghasilkan diagnosis, bukan preskripsi. Process mining memberitahu anda di mana masalahnya; anda masih memerlukan pengoptimuman proses, metodologi lean, atau rangka kerja penambahbaikan lain untuk membetulkannya.
• Boleh membebankan pasukan yang tidak biasa dengan analitik proses. Peta proses dengan 300 varian adalah tepat tetapi tidak boleh ditindaki serta-merta tanpa seseorang untuk mentafsirkannya.

Soalan Lazim

Apakah perbezaan antara process mining dan pemetaan proses?

Pemetaan proses perniagaan ialah aktiviti manual di mana pakar subjek melukis bagaimana sesuatu proses sepatutnya berfungsi. Process mining adalah automatik: ia membaca log peristiwa daripada sistem IT dan membina semula bagaimana proses tersebut sebenarnya berjalan. Pemetaan menangkap niat; mining menangkap realiti. Kedua-duanya saling melengkapi, kerana anda memerlukan reka bentuk rujukan untuk mengukur pematuhan berbanding.

Data apa yang anda perlukan untuk process mining?

Sekurang-kurangnya, anda memerlukan log peristiwa berstruktur dengan tiga medan bagi setiap baris: ID kes (untuk mengumpulkan peristiwa ke dalam contoh proses), nama aktiviti (untuk menerangkan apa yang berlaku), dan cap masa (untuk menyusun peristiwa mengikut masa). Lajur sumber (siapa yang melaksanakan aktiviti) memperkayakan analisis dengan ketara. Data ini terdapat dalam kebanyakan sistem enterprise, ERP, CRM, ITSM, dan platform aliran kerja, dan biasanya boleh dieksport sebagai fail rata atau dipertanyakan melalui SQL.

Bolehkah organisasi kecil menggunakan process mining?

Ya, tetapi nilainya berskala dengan volum. Jika sesuatu proses berjalan beribu-ribu kali sebulan, mining menghasilkan corak yang bermakna secara statistik. Jika sesuatu proses berjalan 20 kali sebulan, sampel itu terlalu kecil untuk analisis yang boleh dipercayai. Organisasi kecil dengan proses bertransaksi tinggi (pesanan e-dagang, tiket IT, transaksi kewangan) mendapat manfaat sama seperti enterprise besar.

Berapa lamakah projek process mining mengambil masa?

Analisis discovery yang tertumpu bagi satu proses boleh disiapkan dalam dua hingga empat minggu: satu minggu untuk pengekstrakan dan pembersihan data, satu minggu untuk analisis, dan satu minggu untuk tafsiran dan pengutamaan. Pemantauan berterusan, di mana data peristiwa baharu menyumbang kepada papan pemuka langsung, mengambil masa lebih lama untuk disediakan tetapi kemudiannya berjalan secara berterusan tanpa usaha manual.

Adakah process mining sama dengan automasi proses?

Tidak. Process mining ialah alat diagnostik. Ia memberitahu anda apa yang sedang berlaku dan di mana geseran berada. Alat automasi seperti robotic process automation dan automasi aliran kerja ialah alat pelaksanaan yang anda gunakan selepas mining mengenal pasti apa yang perlu diautomasikan. Corak tipikal: lombong proses tersebut untuk mencari langkah berulang dan berasaskan peraturan yang melambatkan manusia, kemudian automasikan langkah-langkah khusus tersebut.

Ke Mana Process Mining Membawa Seterusnya

Process mining paling bernilai apabila ia menjadi permulaan sesuatu, bukan penghujungnya. Setelah anda mengetahui aktiviti mana yang lambat, varian mana yang mahal, dan langkah mana yang secara konsisten mengikut corak berasaskan peraturan, anda mempunyai senarai sasaran yang diutamakan untuk penambahbaikan. Langkah berulang dan berstruktur menjadi calon untuk robotic process automation. Serah terima antara pasukan menjadi calon untuk automasi aliran kerja. Keseluruhan reka bentuk proses menjadi input untuk pengurusan proses perniagaan pada peringkat organisasi.

Anggap process mining sebagai imbasan diagnostik sebelum pembedahan. Data itu memberitahu anda dengan tepat di mana untuk memotong.