Het nieuws van Exilo, hier nemen we u graag mee in onze visie!

Drieluik digitalisering – Deel 3: De randvoorwaarden om process mining toe te passen

Met deze blog komt er een einde aan de drieluik over process mining. Eerste twee delen gemist of nog even teruglezen? Klik dan hier en hier. In het eerste deel hebben we kort stilgestaan bij wat process mining is en waarom het belangrijk is dat activiteiten worden geregistreerd in de systemen voor de succesvolle toepassing. Het tweede deel zag toe op een verdieping van de verschillende varianten van process mining (Process discovery, conformance checking en process enhancement) en waar je deze voor toepast.

No alt text provided for this image

In dit laatste deel staan we stil bij de randvoorwaarden waaraan de data moet voldoen om überhaupt succesvol process mining toe te kunnen passen en benoemen we een aantal veelvoorkomende valkuilen.

Zoals uit de eerste twee delen van het drieluik blijkt is process mining in essentie een techniek waarmee gebeurtenissen en activiteiten in een proces kunnen worden geïdentificeerd, om ze op basis daarvan te modelleren. Met andere woorden: het visueel weergeven van het proces. Aangezien het hier om data in systemen gaat betekent dit dat het van belang is dat gebeurtenissen en activiteiten ook daadwerkelijk in het systeem plaatsvinden (of daarin zijn geregistreerd). Een voorbeeld hiervan is de autorisatie van een inkoopfactuur. Als deze buiten het systeem om is behandeld, bijvoorbeeld via het zetten van een paraaf zonder dit te registeren, kan bij het toepassen van process mining deze stap niet worden weergegeven. De eerste randvoorwaarden ziet daarom toe op het beschikbaar zijn van data (in dit voorbeeld: is de paraaf geregisteerd in het systeem?).

Een tweede voorwaarde is dat de geregistreerde data volledig en vergelijkbaar is. Daarmee bedoelen we dat bijvoorbeeld de registratie van een activiteit, in eerder voorbeeld de autorisatie van de inkoopfactuur, altijd op dezelfde manier in het systeem terechtkomt. Een simpel voorbeeld van een tweetal registraties is hieronder weergegeven.

No alt text provided for this image

In dit voorbeeld zien we een tweetal facturen die beide zijn goedgekeurd (zie de activiteit) maar op een tweetal manieren zijn geregistreerd, namelijk in het Engels en in het Nederlands. Gelukkig is dit probleem op te lossen door de data te transformeren en daarmee de activiteiten te uniformeren.

Een voorbeeld wat de data in de praktijk echter ongeschikt maakt is als bijvoorbeeld alleen de laatste activiteit nog zichtbaar is (zie hieronder).

No alt text provided for this image

In bovenstaand voorbeeld zien we alleen de laatste activiteit die betrekking heeft op de inkoopfactuur terwijl we in de registraties eigenlijk het volgende hadden willen zien:

No alt text provided for this image

Tot slot is het van belang dat de beschikbare data voldoende informatie bevat. Daarmee bedoelen we dat de data minimaal de volgende drie elementen moet bevatten om process mining succesvol te kunnen uitvoeren:

  1. Een uniek nummer om de activiteiten te koppelen, bijvoorbeeld het inkoopfactuurnummer waarop de activiteit betrekking heeft;
  2. De datum waarop de activiteit heeft plaatsgevonden zodat de verschillende stappen chronologisch kunnen worden weergegeven. Hierbij is de toevoeging van het tijdstip van de activiteit wenselijk om activiteiten die op dezelfde dag hebben plaatsgevonden te kunnen splitsen. Soms is ook zonder het tijdstip de chronologische weergave mogelijk afhankelijk van de wijze waarop de data te exporteren is.
  3. De activiteit die is uitgevoerd, bijvoorbeeld de autorisatie van de inkoopfactuur in eerder genoemd voorbeeld.

Is dit dan alles? Ja en nee. Met de bovenstaande gegevens is process mining uitvoerbaar. Echter kan de data verrijkt worden met andere gegevens. Een voorbeeld hiervan is het toevoegen van gebruikers. Dit biedt bijvoorbeeld mogelijkheden om vast te stellen of functiescheiding in het proces bestaat en/of deze is doorbroken. Daarnaast is het hierdoor bijvoorbeeld ook mogelijk om vast te stellen of bijzonderheden in het proces generiek voorkomen of alleen bij een groep van of enkele gebruiker. Kortom, het verrijken van de data kan helpen in het verkrijgen van aanvullende of verdiepende inzichten in het proces.

Zorg dat je aandacht hebt voor de volgende valkuilen

Over het algemeen biedt process mining in de praktijk waardevolle inzichten en helpt het organisaties om de processen in beeld te krijgen en/of te optimaliseren, wel zien we vanuit onze ervaringen regelmatig dezelfde zaken ‘fout’ gaan. Hieronder een tweetal voorbeelden uit onze eigen praktijk.

No alt text provided for this image

Valkuil 1: onduidelijkheid over de betekenis van activiteiten

Organisaties hebben regelmatige moeite met uitleggen wat de betekenis van een activiteit in het systeem is. Bijvoorbeeld omdat niet duidelijk is op welke wijze deze worden geregistreerd of omdat men eigenlijk niet precies weet wanneer een gebeurtenis in het systeem resulteert in een registratie in het systeem. Zorg er daarom dus voor dat je de mensen betrekt die dit wel kunnen uitleggen, alleen dan ben je in staat om ook de uitkomsten juist te interpreteren.

Valkuil 2: de data is onvolledig

Regelmatig zien we dat de data extracties initieel onvolledig zijn. Soms ontstaat dit door simpele gebeurtenissen zoals het hanteren van foutieve parameters (denk bijvoorbeeld aan een datum range) maar soms blijkt het ook complexer te zijn. Bijvoorbeeld omdat de applicatie alleen de mogelijkheid heeft om de laatste activiteit (zie ook eerder voorbeeld) weer te geven. Een ander voorbeeld hiervan is dat de activiteiten per case in één cel terechtkomen. Het splitsen van deze activiteiten is in de praktijk (grotendeels) op te lossen.

Valkuil 3: De uitkomsten resulteren in foutieve conclusies

In de praktijk zien we dat organisaties op basis van de eerste uitkomsten van process mining gelijk conclusies formuleren over het proces en wat er anders moet. Soms is dit nuttig maar soms blijkt ook dat er onvoldoende aandacht is geweest voor het verhaal achter de uitkomsten en de getoonde bijzonderheden. Is het ideale proces zoals je dat voor ogen hebt wel het meest logische ideale proces? Of is de loop die je in een proces ziet ontstaan het gevolg van een interne afspraak die eigenlijk best logisch is? Kortom, wees niet bang om conclusies te trekken maar zorg wel dat er voldoende tijd en ruimte is om de uitkomsten te interpreteren en eventueel te verrijken/aan te vullen.

Hiermee sluiten we het drieluik over de toepassing van process mining af. De belangrijkste takeaways zijn wat ons betreft:

  1. Onderken het nut van process mining en weet wat je er wel (en niet) mee kan.
  2. Zorg dat je bij de toepassing voldoende tijd en aandacht hebt voor het verkrijgen en opschonen van de data zodat je conclusies formuleert op basis van juiste resultaten.
  3. Pas process mining nadat je de optimalisaties hebt doorgevoerd nog een keer toe om vast te stellen of dat deze in de praktijk ook daadwerkelijk zijn doorgevoerd.
  4. Wees niet bang om fouten te maken. Het toepassen van nieuwe technieken vraagt om een omgeving waarin fouten maken mag.

Vanzelfsprekend denken wij graag met je mee in de wijze waarop je process mining kan toepassen of faciliteren we de toepassing. Neem vooral contact met ons op!

Reacties