Process Mining: шаг за шагом

• Discovery — обнаружение
• Conformance checking — проверка соответствия
• Enhancement — улучшение
• Monitoring — отслеживание
• Process Mining & Machine Learning

Process Mining — это интеллектуальный анализ регулярных бизнес-процессов на основе журналов событий (логов информационных систем). Процесс-майнинг используется преимущественно для анализа нетривиальных процессов со сложной иерархией, но может применяться и для оптимизации процессов, состоящих всего из нескольких шагов. Методология Process Mining предполагает выполнение определенных этапов и операций.

В общем виде алгоритм проведения анализа по технологии Process Mining состоит из следующих этапов:

1. Discovery (обнаружение).
2. Conformance checking (проверка соответствия).
3. Enhancement (улучшение).
4. Monitoring (отслеживание).



Discovery — обнаружение

Цель начального этапа Process Mining — собрать воедино все данные, фиксирующие фактическое течение процесса, оценить их полноту и качество, рассчитать базовые метрики и показатели, характеризующие текущий процесс.

На первом шаге проводится автоматическое обнаружение процессов и разведочный анализ, бизнес-операции фиксируются в логах событий информационных систем. Минимальный состав полей для фиксации:

• идентификатор экземпляра процесса (Process ID);
• наименование операции — наименование события (Event);
• временная метка начала события (Time stamp).

Затем данные собираются и консолидируются, производится расчет целевых метрик. Рассмотрим эти операции более подробно.

Сбор и консолидация данных:

• подготовка данных (ETL);
• объединение из разных источников, подключение справочников и пр.;
• консолидация данных по всем логам;
• входной аудит;
• валидация данных.

Расчет характеристик и метрик:

• метрики времени — определение чистого времени работы или трудозатрат — фактической длительности событий, простоя, переработки, сверхнормативных переработок и пр.;
• значения по графу — выявление зацикливаний (rework), «пинг-понгов» между этапами, лишних звеньев процесса;
• показатели производительности — вычисление нагрузки на каждого сотрудника, среднего значения производительности, среднего времени очереди;
• метрики стоимости — расчет стоимости каждой операции процесса;
• расчет потерь — определение временных потерь по каждой операции;
• метрики конкуренции — бенчмаркинг — сравнение производительности сотрудников, филиалов и пр.;
• показатели эффективности — определение выгоды (business-value) от оптимизации процессов.



Conformance checking — проверка соответствия

Задача данного этапа — определить, в какой мере фактический процесс совпадает с эталонным, выявить критические отклонения, мешающие запланированному течению процедур, провести своеобразное сравнение «ожидание/реальность».

Реализуется проверка соответствия реального процесса эталонному, регламентированному в той или иной компании. Первоначально происходит воссоздание реального процесса согласно следующего алгоритма:

• выявление фактической, а не «экспертно-идеальной» последовательности действий;
• формирование «слова процесса»;
• обнаружение повторяющихся и стандартных операций;
• выявление процента соответствия процессов эталонному пути;
• обнаружение «счастливых путей» — последовательностей событий, чаще других приводящих к желаемому результату;
• поиск шаблонов поведения: циклы, «пинг-понг» и пр.



Enhancement — улучшение

Цель этого шага — изменение и оптимизация согласно выводам, полученным на этапе Conformance checking. По результатам проведенного анализа происходит ремоделирование процессов и предварительное апробирование внесенных улучшений.

Формирование выводов:

• визуализация результатов, построение дашбордов;
• формирование экспертных рекомендаций;
• прогнозирование эффекта от улучшения;
• оптимизация бизнес-процессов.

Перепроектирование и моделирование:

• предложение улучшений;
• тестирование улучшений с использованием математических моделей.

  

  Monitoring — отслеживание

  Цель финального этапа — наблюдение за правильностью течения обновленного процесса, контроллинг того, насколько задуманное соответствует полученному.

  На завершающей ступени настраивается регулярный мониторинг процессов с предоставлением обратной связи о корректности реализации процедур заинтересованным пользователям:

  • отслеживание KPI по процессу с заданной частотой;
  • проверка на соответствие процесса внутреннему регламенту;
  • контроль и оповещение о некорректных переходах: ошибки, брак процесса, мошенничества;
  • выявление ресурсоемких операций;
  • оповещение владельцев процесса об отклонениях с помощью различных каналов коммуникаций.

  

  Process Mining & Machine Learning

  Для майнинга процессов часто применяется машинное обучение. Использование Machine learning позволяет не просто увидеть факт, выявить «слово процесса», но понять проблему на глубинном уровне. Для Process Mining наиболее часто применяются следующие методы машинного обучения:

  1. Поиск ассоциативных правил — автоматическое выявление основных и специфичных путей процессов.
  2. Робастные методы — автоматическое выявление отклонений по времени, стоимости, частоте. Позволяют обнаружить резкие изменения, нивелирующиеся при агрегировании данных за длительный период.
  3. Анализ временных рядов — предсказание времени выполнения процесса и допустимого разброса. Позволяет оценить границы вариативности процесса и необходимость реагирования.

  Методология Process Mining, в том числе с методами машинного обучения, реализована в специализированном решении — Loginom Process Mining, которое предназначено для автоматизации интеллектуального анализа процессов.

  Если ваша компания заинтересована в глубинном анализе бизнес-процессов, свяжитесь с нами.

  Другие материалы по теме:

  Process Mining: мода или необходимость

  Тенденции развития Process Mining