La primera teoría científica, cuya finalidad era analizar y optimizar los procesos de trabajo, es la Gestión Científica. A finales de los siglos XIX y XX, gracias a los esfuerzos del investigador estadounidense Frederick Taylor y sus asociados, se creó la teoría de la gestión clásica. Se basa en la premisa de que existe una "mejor manera" de realizar cualquier trabajo, y el problema de la baja productividad puede resolverse utilizando un método llamado "tiempo científico". La esencia del método consiste en dividir el trabajo en una secuencia de operaciones elementales, que se cronometran y registran con la participación de los trabajadores. Como resultado, esto le permite obtener información precisa sobre el tiempo necesario para completar un trabajo en particular.
Así, hace más de 120 años, un paso tan sencillo dio lugar a una aproximación científica al estudio de los procesos. Con el desarrollo de la sociedad y la tecnología, los enfoques de análisis y optimización de procesos evolucionan y mejoran: hay una transición a la "producción en masa", que se basa en la especialización con las posibilidades de optimizar el ensamblaje, informatización y análisis de estadísticas.
Modern Process Mining es una evolución de este enfoque con big data en mente.
Evolución
A finales de los 80, el conocido Taichi Ono hizo un gran avance al desarrollar e implementar un enfoque llamado "Lean Manufacturing" en Toyota. El enfoque se basa en el trabajo constante con todo tipo de pérdidas que surgen en el proceso. Eliminar pérdidas a priori aumenta la eficiencia.
El siguiente paso cualitativo en el campo de la optimización de procesos es el desarrollo e implementación de la herramienta "Ciclo DMAIC" y el uso de métodos estadísticos de control de procesos Six sigma, que tampoco necesitan introducción. Las características clave de la etapa son: ingresar KPI y lidiar con las desviaciones, enfocarse en el cliente y garantizar la mejora continua de los procesos.
Estos enfoques, que funcionaron bien hace 5-10 años y se basaron en herramientas manuales como gemba, cronometraje, encuestas a clientes y expertos y sesiones de diseño, hoy en día, en una era de creciente complejidad y aceleración de procesos, no brindan un imagen completa.
Hoy en día, el desarrollo ubicuo de las tecnologías digitales, la robotización y la automatización, el Internet de las cosas, las redes globales y la digitalización masiva proporcionan la base para una etapa cualitativamente nueva en la investigación y optimización de procesos, la implementación de capacidades de ML e IA.
Process Mining es una herramienta de transformación de IA de este tipo.
¿Para qué se necesita exactamente este enfoque?
Inventado por el profesor Wiel van der Aalst a principios de la última década, la tecnología de minería de procesos ha ganado rápidamente popularidad tanto en entornos científicos como corporativos. Hoy, con el crecimiento del volumen de información y la velocidad de los cambios en los negocios, está reemplazando los métodos clásicos de describir y modelar manualmente los procesos.
Al restaurar los diagramas de procesos de negocios tal como ocurren, Process Mining proporciona información: conocimiento objetivo necesario para eliminar cuellos de botella, optimizar imperfecciones y mejorar el desempeño organizacional. Por lo tanto, utilizando el kit de herramientas de Process Mining, la empresa resuelve tanto los problemas de cumplimiento como los problemas de rendimiento del proceso.
Visualización de insights (cuellos de botella, devoluciones, bucles, gran variabilidad) en el gráfico del proceso:
La transformación digital es uno de los principales impulsores de las empresas modernas. Sus requisitos previos, o condiciones obligatorias, se consideran tradicionalmente transparencia y apertura, que Process Mining ayuda directamente a lograr. De hecho, realiza una "radiografía" de los procesos que ocurren en la empresa, proporcionando una imagen completa y, lo más importante, confiable de toda la cadena de eventos, y no de los pasos individuales, eliminando así las barreras entre varios departamentos y divisiones. La evaluación resultante de la eficiencia operativa actual de la empresa es objetiva y, por lo tanto, se puede utilizar para identificar oportunidades de optimización, realizar un seguimiento de los cambios y responder rápidamente. Process Mining, al borrar los límites organizacionales, proporciona información para cualquier nivel de detalle. El valor de estos conocimientos radica enque le den a la empresa una base y dirección para futuras acciones para mejorar y digitalizar los procesos en todas las divisiones
Por lo tanto, Process Mining proporciona a los propietarios de procesos un análisis completo para tomar decisiones de gestión para mejorar el proceso en función de datos objetivos.
¿Cómo va la implementación?
La base para la aplicación de Process Mining está formada por registros de eventos. Los sistemas de información registran automáticamente todas las actividades realizadas durante un proceso. Además de las actividades, los registros de eventos contienen marcas de tiempo de inicio y finalización, un ID de caso único y otros atributos del evento: artistas, texto de correspondencia, decisión de trato, atributos territoriales, etc.
Los archivos de registro, que brindan información confiable y detallada sobre el curso de la ejecución de un proceso comercial, lo hacen más transparente. Con esta información, puede visualizar y analizar un modelo de un proceso real, no previsto. Esto es importante porque es esta brecha la que hace que Process Mining sea muy eficiente para las grandes empresas. Sin embargo, no se limita a restaurar modelos de procesos comerciales a partir de archivos de registro. Al comparar los datos de registro y los diagramas de proceso, Process Mining le permite identificar desviaciones y cuellos de botella en el proceso, estudiar la duración de cada etapa, detectar etapas innecesarias o omitidas e identificar la optimización potencial y, por lo tanto, las ganancias de eficiencia.
Una de las tareas clave es extraer conocimientos de los datos disponibles en los sistemas de TI corporativos. Al contar con información digital sobre todas las acciones realizadas dentro del proceso, utilizando la tecnología Process Mining, la empresa es capaz de reproducir el proceso empresarial realmente ejecutable. Y la construcción de su esquema visual permite no solo obtener una imagen completa de la cadena de eventos, sino también investigar el estado actual del proceso en cualquier nivel de detalle. Analizando el modelo del proceso reconstruido junto con datos sobre la duración y características de su ejecución, es posible identificar retrasos en la implementación de acciones individuales, la relación entre usuarios, bucles en el proceso, ejecutantes ineficaces, así como deficiencias ocultas. y problemas en los procesos, por lo que puede disminuir significativamente la productividad de toda una organización.Además, Process Mining le permite ver el proceso en dinámica, lo que significa la capacidad de rastrear los cambios que ocurren como resultado de la introducción de ciertas medidas de mejora. Por lo tanto, Process Mining juega un papel clave al proporcionar información valiosa y objetiva necesaria para mejorar la eficiencia de las soluciones para optimizar los procesos comerciales. Las principales ventajas de un análisis orientado a procesos son las siguientes:Las principales ventajas de un análisis orientado a procesos son las siguientes:Las principales ventajas de un análisis orientado a procesos son las siguientes:
- Aumento de la productividad;
- Colaboración más rápida y eficiente;
- Reducción del tiempo de trabajo administrativo;
- Transparencia;
- Reduciendo costos.
Juntos, esto asegura el crecimiento estable de la empresa.
Por supuesto, Process Mining es de gran valor para los propietarios de procesos comerciales, ya que identifica cambios y desviaciones no deseados, cuellos de botella y otros riesgos en el proceso, mostrando así exactamente dónde hay problemas y vulnerabilidades en el sistema y cómo afectan el desempeño general. Sin embargo, la pregunta "¿Por qué?" Es mucho más interesante. - ¿Cuál es la causa de estos problemas y desviaciones? El aprendizaje automático puede ayudar a responder esta pregunta.
¿Qué hizo Sberbank?
Para implementar el análisis intelectual de procesos, el equipo de I + D Process Mining de Sberbank ha desarrollado una biblioteca especial.
La biblioteca de Python incluye todos los métodos de análisis que necesita y ahora son fácilmente accesibles para la experimentación. La primera versión de la solución de código abierto incluye características que le permiten:
- reconstruir gráficos de procesos con varios algoritmos;
- convertir gráficos de proceso a notación bpmn;
- calcular varias métricas de procesos;
- hacer agrupaciones y encontrar las rutas principales de los procesos.
- , k-means, , . , .
- — . , LOF, Isolation Forest , Process Mining , , , . , . , .
Revelando las principales rutas del proceso:
Mapa de calor del rendimiento del proceso:
Gráfico de variables:
Búsqueda automática de insights: Los
algoritmos de aprendizaje automático se utilizan en la biblioteca para implementar el análisis automático de la causa raíz (Root Cause Analysis), como resultado de lo cual las debilidades críticas del proceso se identifican y se determinan los puntos de partida para su optimización ... Además, el análisis de causa raíz le permite establecer los factores de influencia más probables y las causas de los problemas, es decir, ayuda a responder las preguntas de cuándo y por qué ocurrieron las desviaciones en el proceso.
Por tanto, Process Mining es, ante todo, visualización y análisis de procesos de negocio. Sobre la base de los registros almacenados en los sistemas de información, es posible restaurar el esquema real (visual) de la ejecución del proceso en la forma en que realmente se lleva a cabo. El aprendizaje automático, a su vez, le permite determinar las causas raíz y, por lo tanto, comprender por qué el proceso procede de esta manera.
Cómo aplicamos Process Mining nosotros mismos
Tenemos más de 12 mil oficinas en Rusia, filiales y bancos fuera de la Federación de Rusia, empresas de ecosistemas. Process Mining le permite "llegar" a los procesos en los bancos regionales, a los colegas de Sberbank International: ya tenemos experiencia, hemos visto los procesos de Kazajstán, Bielorrusia; a nuestras subsidiarias: SberLeasing, SberFactoring, etc.
Comenzamos a utilizar la tecnología en 2019. El primer estudio final y final muy exitoso fue el análisis del proceso de préstamo. Los préstamos son un enorme proceso multifuncional, que en ese momento involucraba a varios miles de empleados y varios sistemas automatizados.
Recopilamos y pegamos registros de eventos de varios sistemas, gracias a los cuales recibimos información detallada sobre la duración del proceso en cada etapa, reconstruimos versiones reales de las rutas del proceso y las comparamos con las normativas. El proceso resultó estar sobrecargado con una variedad de caminos y variaciones del paso de etapas individuales, bucles, retornos de etapa a etapa, y todo esto es una pérdida de tiempo y, en última instancia, dinero. Encontré ineficiencias, bucles, ping-pong entre intérpretes y rebotes. Construimos un mapa de calor de desempeño por territorio, que mostró las diferencias en la organización del proceso y la velocidad de toma de decisiones sobre la aplicación.
Los comentarios de los artistas intérpretes o ejecutantes se han convertido en una valiosa fuente de información. El módulo ML para análisis de texto permitió agrupar automáticamente, sin una muestra de entrenamiento, los textos de correspondencia y obtener las razones TOP por las que la aplicación vuelve a las etapas anteriores, por qué el proceso es lento.
Todo esto nos dio las respuestas donde necesitamos "tratar" el proceso.
Process Mining es eficaz en cualquier proceso que deje una huella digital: ya sea un proceso empresarial "emitiendo un préstamo" o uno interno que asegure la "aprobación de un contrato empresarial".
La tecnología se ha generalizado en Sberbank en auditoría digital. Para la auditoría interna, el análisis de procesos es un área temática. Process Mining le permite obtener un tipo completamente diferente de resultados de alta calidad, porque:
- Los datos digitales se utilizan para el 100% de las instancias de proceso. En consecuencia, el resultado es una imagen 100% objetiva, que es difícil de discutir: los propietarios del proceso siempre pueden verificar los datos. Desde el punto de vista de la auditoría, este enfoque es muy bueno.
- Los algoritmos proporcionan información que no se puede obtener mediante métodos de auditoría estándar.
- Una gran ventaja de la tecnología digital es la falta de contacto; en una pandemia, no hay otras opciones de auditoría. Permite cumplir con el plan de inspección y trabajar cuando todos se encuentran en condiciones de trabajo remoto.
La biblioteca SberPM Python está disponible en GitHub en el enlace . Cada científico de datos puede instalar la solución de Sberbank y comenzar a analizar procesos con la tecnología Process Mining.