Process Mining nella trasformazione digitale

Le tecniche e gli strumenti di Process Mining sono utilizzati quando non è disponibile, tramite altre modalità, una descrizione di determinati processi di un’organizzazione oppure quando la qualità di questa documentazione è discutibile.

L’approccio seguito è quello di vedere i processi analizzati come una “black box” utilizzando nell’analisi i log degli eventi di processo comparandoli con alcuni modelli per studiare se quanto osservato sia conforme ad un modello descrittivo o prescrittivo.

Il Process Mining è una tecnica emergente di miglioramento dei processi che le organizzazioni stanno sempre più adottando soprattutto per guidare i loro sforzi di trasformazione digitale.

Le aziende stanno infatti investendo ingenti quantità di tempo e sforzi per sfruttare le opportunità derivanti dal panorama digitale in rapida evoluzione.

Ad esempio, un white paper del World Economic Forum ha identificato 4 aree di interesse chiave per le società di telecomunicazioni e specifiche iniziative su cui investire:

• Astrazione e virtualizzazione delle reti, tramite NFV e SDN, per ridurre la base di costo delle telecomunicazioni aumentando l’affidabilità e la resilienza delle reti.
• Nuove fonti di reddito e modelli di business in IoT, servizi digitali e forme di comunicazione emergenti, come la realtà aumentata e la realtà virtuale.
• Miglioramento della customer experience dei clienti affinché corrisponda o addirittura superi i livelli che i consumatori si aspettano.
• Rapida innovazione per cambiare rispetto al tradizionale lungo ciclo di innovazione di prodotto, che va dallo sviluppo degli standard del settore allo sviluppo e alla distribuzione delle infrastrutture.

Queste iniziative genereranno ancora più dati man mano che l’operatività e i processi saranno digitalizzati, creando una ricca base di informazioni sulle prestazioni operative. Il chiaro vantaggio è che questi dati potrebbero far luce su aree precedentemente oscurate.

Ciò pone due importanti sfide:

• Far fronte alla notevole quantità di dati risultante dalla trasformazione digitale
• Trasformare i processi aziendali sulla base delle informazioni emergenti dai dati in modo da supportare la trasformazione digitale in atto

Per quanto riguarda la prima sfida, le organizzazioni stanno adottando tecnologie per i Big Data e stanno iniziando a considerare Machine Learning e Advanced Analytics come strumenti per supportare ed orientare l’automazione.

Sebbene l’adozione di questi strumenti sia ancora bassa, si prevede che acceleri nei prossimi tre anni. Un recente sondaggio condotto su 100 imprese europee ha rilevato che 31 di esse affermano che il loro principale driver per l’adozione dell’Intelligenza Artificiale è il miglioramento dei processi interni o rivolti ai clienti.

Per la seconda sfida, le organizzazioni devono riesaminare il modo in cui gestiscono i loro processi, poiché alcuni degli strumenti e delle tecniche di gestione del passato dovranno cambiare per far fronte alla nuova realtà.

Per superare questa sfida è necessario utilizzare le tecniche di reengineering dei processi aziendali (BPR).

Un tipico approccio BPR è il seguente:

1. Disegno. Si inizia definendo gli obiettivi della reingegnerizzazione. Vengono poi identificati i processi aziendali da analizzare e viene attivato un team di progetto per portare a termine il cambiamento. Il team quindi mappa i processi esistenti così come sono esaminando la documentazione esistente, intervistando le parti interessate, e osservando il funzionamento di ogni processo.
2. Modellizzazione. Sulla base delle informazioni raccolte durante la precedente fase, si procede a valutare le strategie alternative per la riprogettazione dei processi con l’obiettivo di renderli meno costosi, più veloci o migliorarne la qualità.
3. Implementazione. Le modifiche e le innovazioni suggerite vengono realizzate e diffuse all’interno dell’organizzazione.
4. Monitoraggio e miglioramento. La direzione definisce i meccanismi organizzativi atti a garantire che i processi siano costantemente monitorati e migliorati in modo continuativo.

Sebbene le pratiche di BPR siano ormai ampiamente utilizzate e ben comprese , questo approccio ha i suoi difetti. La riprogettazione delle attività di una grande impresa è intrinsecamente rischiosa, spesso complessa e costosa, con alte probabilità di non riuscire a raggiungere i risultati desiderati se non ben gestiti.

Inoltre, il processo di analisi di ciascun processo “così com’è” potrebbe non riuscire a catturare attività e soluzioni temporanee ad hoc che potrebbero essersi accumulate nel processo e quindi difficili da catturare con metodi tradizionali.

Man mano che le aziende entrano nel futuro digitale desiderato sono quindi necessari nuovi strumenti e tecniche come il Process Mining che può essere utilizzato in tre modi distinti.

Il primo è il cosiddetto Process Discovery, che viene utilizzato quando non esiste un modello di processo documentato, il processo non è stato acquisito in un sistema BPM o si sospetta che il processo documentato non rifletta bene la sua esecuzione nella realtà. L’obiettivo in questo caso è mappare il processo in esecuzione, identificare percorsi di esecuzione comuni e poco frequenti, individuare strozzature, dipendenze e vincoli sulle risorse chiave in ogni fase.

Il secondo è il Controllo di Conformità. In questo caso, un’azienda ha già un modello di processo, ma vorrebbe valutare in che misura l’esecuzione del processo è conforme a un modello documentato. Questa tecnica può essere applicata a una varietà di tipi di modello, inclusi modelli organizzativi, regole e procedure aziendali.

Il terzo è il cosiddetto Process Enhancement il cui l’obiettivo è arricchire un modello esistente aggiungendo ulteriori informazioni su colli di bottiglia, deviazioni, tempi di produzione, ecc.

In tutti e tre i casi, l’output può essere fornito in una varietà di notazioni standard del settore, come i diagrammi BPMN, EPC e UML. Laddove è richiesto un modello di processo di input, può essere fornito nello stesso formato.

Oltre a questi ampi casi d’uso condotti principalmente offline, il Process Mining può essere integrato con sistemi di simulazione per aiutare a prevedere il tempo di esecuzione del processo, identificare deviazioni o strozzature.

In questo modo si possono generare avvisi o attivare direttamente azioni correttive.

Il Process Mining può anche essere utilizzato per ottenere informazioni su chi sono gli attori chiave, come e quando sono coinvolti nel processo e la loro interconnessione.

Queste tecniche non dovrebbero soppiantare il Business Process Reengineering. Piuttosto dovrebbero orientarne l’applicazione basandola su una maggiore quantità di dati

Nonostante questi potenziali vantaggi, si possono presentare alcuni ostacoli.

Il primo è che molti dei software in commercio per un supporto specifico sono ancora in una fase sperimentale mentre i principali fornitori di software BPM (ad es. SAP e Software AG) stanno aggiungendo e migliorando le funzionalità di Process Mining delle loro offerte esistenti.

Un altro ostacolo è la mancanza di competenze su questo nuovo approccio all’interno della maggior parte delle organizzazioni.

Per questo motivo è opportuno procedere:

1. Utilizzando un numero limitato di progetti pilota per valutare e confrontare i risultati ottenuti rispetto alle pratiche correnti.
2. Iniziando con un caso d’uso limitato, possibilmente incentrato sul Project Discovery.
3. Impiegando il progetto pilota per sviluppare le competenze necessarie per formare il resto dell’organizzazione sui vantaggi e le modalità di applicazione del Process Mining.