Process mining (процессная аналитика, PM) – это технология, которая выявляет и оптимизирует бизнес-процессы (БП), используя данные из информационных систем компании. 93% предприятий заявляют, что они готовы внедрить (или уже используют) подобные решения. Однако иногда при использовании process mining могут возникать проблемы. В статье описаны несколько основных сложностей и способы их решения.
Первопричины ошибок в бизнес-процессах
Традиционные инструменты process mining выявляют и визуализируют проблемы, связанные с процессом. Тем не менее, они не всегда могут дать подробные ответы о первопричинах ошибок.
Эта проблема решается путем использования машинного обучения (Machine learning, ML). В сочетании с алгоритмами ML процессная аналитика выявляет коренные причины проблем.
Формат данных
Бизнес-данные могут быть как структурированными, так и неструктурированными. Некоторые традиционные инструменты интеллектуального анализа процессов могут обрабатывать только первую группу, оставляя без внимания, например, счета-фактуры.
Справиться с ситуацией способна интеграция алгоритмов OCR, NLP и машинного обучения для преобразования неструктурированных данных в машиночитаемые форматы, чтобы задействовать все источники данных при принятии решений.
Качество данных
Process mining не очень чувствителен к качеству данных. Они могут быть неполными, некорректными или иметь неопределенные временные рамки. Инструменты PM анализируют эти данные, и есть риск, что результаты окажутся неточными. Для специалистов компании важно хорошо очистить и подготовить данные перед внедрением process mining.
Сложные процессы
Еще недавно инструментам процессной аналитики не хватало ширины функционала для оценки процессов с большим количеством переменных. Например, в сфере здравоохранения трудно обобщать и моделировать процессы, которые включают неоднородность и междисциплинарное сотрудничество.
Новое поколение инструментов интеллектуального анализа процессов, которое объединяет алгоритмы искусственного интеллекта и машинного обучения, решает подобные проблемы. Вендоры программного обеспечения PM гарантируют, что сбор и обнаружение всех данных процесса при правильном подходе занимает недели, а не месяцы.
Анализ производительности
Инструменты process mining отслеживают и анализируют бизнес-процессы, опираясь на характеристики в прошлом. В результате трудно заранее выявить отклонения или прогнозировать производительность процесса в будущем.
Однако AI и ML могут использоваться для разработки прогнозных и перспективных моделей процессов вместе с process mining. Тогда реально предсказать конечные результаты с точки зрения ключевых показателей эффективности. Пользователи будут уведомлены о возможных «узких местах» или областях, требующих улучшения.
Интерпретирование
Process mining предоставляет результаты анализов процессов в форме таблиц, однако требуется вмешательство специалиста-аналитика для внесения предложений по улучшению процессов.
Компании могут использовать инструменты искусственного интеллекта и аналитики для ввода результатов интеллектуального анализа данных, чтобы эффективнее выявлять «узкие места» в бизнес-процессах.
