Process mining: Een volledige gids

Elke keer als iemand op een knop in een bedrijfssysteem klikt, een record bijwerkt, een formulier indient of een status wijzigt, wordt die actie vastgelegd. In de loop van een dag leggen die logboeken vast hoe het werk daadwerkelijk door de organisatie beweegt.

Process mining analyseert dat activiteitenspoor. Het laat zien hoe je processen daadwerkelijk verlopen door de digitale sporen te analyseren die in je systemen zijn achtergelaten. En zodra je dat niveau van zichtbaarheid hebt, kun je je workflows verbeteren op basis van echt bewijs. Deze gids wordt uitgelegd hoe proces mining organisaties zoals die van jou kan helpen om de bedrijfsprocessen te verbeteren.

• Process mining maakt gebruik van gebeurtenislogdata om te visualiseren en te analyseren hoe bedrijfsprocessen daadwerkelijk worden uitgevoerd.
• In tegenstelling tot traditionele proces mapping, onthult process mining echte uitvoeringstrajecten op basis van systeemactiviteit.
• De drie belangrijkste vormen van process mining zijn ontdekking, conformiteitscontrole en verbetering. Elke vorm is gericht op het begrijpen en verbeteren van de procesprestaties.
• Met software voor process mining kunnen organisaties knelpunten, hiaten in de naleving, aanpassingen en operationele inefficiënties opsporen.
• Moderne tools voor process mining kunnen worden geïntegreerd met analyticsplatformen, automatiseringssystemen en bedrijfsapplicaties om continue verbetering te ondersteunen.
• Salesforce ondersteunt schaalbare process mining door middel van geïntegreerde data, waardoor operationeel inzicht en automatisering op een samenhangende basis worden gebundeld.

Process mining is een datagestuurde analysemethode waarbij gebruik wordt gemaakt van gebeurtenislogboeken uit bedrijfssystemen om na te gaan en te evalueren hoe bedrijfsprocessen in de praktijk verlopen. Eenvoudig gezegd is het een manier om systeemdata te gebruiken om te begrijpen hoe werk daadwerkelijk door je organisatie stroomt.

Gebeurtenislogboeken bevatten gestructureerde records, zoals case-ID's, activiteitsnamen, tijdstempels en gebruiker- of systeemacties. Software voor process mining analyseert die data om de reeks stappen in kaart te brengen die bij elke transactie zijn doorlopen. Dit geeft je een visuele weergave van de werkelijke processtroom tussen systemen en teams.

Omdat het model is opgebouwd op basis van transactiegegevens uit het systeem, geeft het een getrouw beeld van het proces 'zoals het nu is', inclusief variaties, vertragingen en afwijkingen van de verwachte werkprocessen. Dat maakt process mining anders dan traditionele documentatie- of mappingactiviteiten, die steunen op menselijke input in plaats van op systeemgegevens.

Process mining begint met data die al in je bedrijfssystemen aanwezig is. Elke transactie laat een gestructureerd traject achter. De software organiseert de data ervan en vindt patronen die bijna onmogelijk handmatig te detecteren zijn. In tegenstelling tot traditionele analytics, die meestal data samenvoegt in rapporten of dashboards, reconstrueert process mining de volledige reeks gebeurtenissen om te laten zien hoe het werk daadwerkelijk van begin tot eind verloopt.

Gebeurtenislogboeken vormen de basis van process mining. Elk logboek bevat meestal een case-ID die gerelateerde activiteiten groepeert, een tijdstempel die registreert wanneer elke actie heeft plaatsgevonden en een beschrijving van de activiteit zelf. Wanneer software voor process mining deze logbestanden analyseert, rangschikt deze de gebeurtenissen in chronologische volgorde en worden deze in volledige procestrajecten met elkaar verbonden. Het biedt objectief inzicht op systeemniveau in processen die zich over duizenden of miljoenen cases uitstrekken.

Zodra de data is gestructureerd, genereren tools voor process mining een visuele kaart van het proces op basis van werkelijke uitvoeringsdata.

Op die kaart kun je het volgende zien:

• Het meest voorkomende traject dat een case van begin tot eind volgt.
• Waar extra stappen worden toegevoegd.
• Hoe vaak wordt er teruggegaan naar een eerdere fase waar het werk opnieuw wordt uitgevoerd.
• Welke stappen consequent tot vertragingen leiden.
• Waar het werkelijke proces afwijkt van de verwachte workflow.

Je kunt het vastgelegde proces ook vergelijken met een vooraf gedefinieerd model. Dat maakt het makkelijker om overtredingen van de regels, hiaten in het beleid of onofficiële omwerkingen die routine zijn geworden, op te sporen.

Traditionele process mapping is meestal een handmatig proces. Teams komen bijeen in workshops, beschrijven hoe een workflow zou moeten verlopen en leggen de overeengekomen stappen vast in een schema. Die aanpak heeft wel degelijk waarde, maar het gaat daarbij meer om een invalshoek dan om hard bewijs.

Process mining draait dit proces op zijn kop en begint met data voordat je het proces probeert te verbeteren. In plaats van te vragen hoe het werk moet stromen, analyseert het hoe elke transactie daadwerkelijk door je systemen is verplaatst.

Samenvattend, traditionele process mapping:

• Op basis van interviews en documentatie.
• Legt de beoogde workflow vast.
• Wordt doorgaans op één bepaald moment uitgevoerd.

En process mining:

• Gebaseerd op transactionele systeemdata.
• Weerspiegelt het werkelijke uitvoeringstraject.
• Kan continu worden gemonitord naarmate er nieuwe data binnenkomen.

Als je het werkelijke uitvoeringstraject kunt zien, worden bepaalde problemen duidelijk, zoals verborgen knelpunten of nalevingsrisico’s. Je komt er mogelijk erachter dat goedkeuringen routinematig tussen teams heen en weer gaan voordat ze definitief worden ondertekend. Je kunt zien dat servicecases vaker worden heropend dan verwacht. Je kunt merken dat stappen die zijn ontworpen om één keer uitgevoerd te worden, meerdere keren plaatsvinden. Wat het geval ook is, met process mining kun je een duidelijk uitgangspunt vaststellen en op basis van de harde data aanpassingen doorvoeren.

Zodra gebeurtenislogdata zijn verbonden en in kaart zijn gebracht, gebruiken organisaties process mining op drie verschillende manieren. Elk dient een ander operationeel doel.

Procesdetectie bouwt een model rechtstreeks op basis van gebeurtenislogboeken zonder te vertrouwen op een vooraf gedefinieerde workflow.

Dit is vaak het startpunt voor organisaties: hier kun je zien wat het meest gangbare traject is, welke alternatieve routes er zijn en hoeveel variatie er in je systemen bestaat.

Detectie is handig wanneer bij het volgende:

• Je vermoedt dat het gedocumenteerde proces niet langer de realiteit weerspiegelt.
• Je bereidt je voor op automatisering en moet uitvoeringspatronen begrijpen.
• Je wilt een feitelijk startpunt voordat je workflows opnieuw ontwerpt.

Het beantwoordt een eenvoudige vraag: Wat gebeurt er op dit moment?

Conformiteitscontrole vergelijkt de werkelijke uitvoering met een verwacht model.

Hier heb je al een vastomlijnd proces, wellicht gekoppeld aan nalevingsregels, intern beleid of wettelijke vereisten. Process mining evalueert hoe nauw de werkelijke activiteit aansluit bij dat model en markeert afwijkingen.

Dit is met name relevant in gereguleerde omgevingen. In plaats van kleine steekproeven handmatig te controleren, kun je volledige transactiepopulaties analyseren en vaststellen waar beleidsregels zijn omzeild, stappen zijn overgeslagen of goedkeuringen in de verkeerde volgorde hebben plaatsgevonden.

Het beantwoordt een andere vraag: Werken we wel zoals het hoort?

Procesverbetering bouwt voort op procesdetectie en conformiteitscontroles door prestatieanalyses toe te voegen.

Zodra je weet hoe een proces verloopt en waar het afwijkt, richt procesverbetering zich op het optimaliseren ervan. Het koppelt uitvoeringsdata aan statistieken zoals cyclustijd, wachttijd, benutting van middelen en kostensignalen. Van daaruit kunnen organisaties prioriteit geven aan veranderingen die een meetbare impact hebben. Verbeteringen leiden vaak rechtstreeks tot automatiseringsinitiatieven, waarbij jij en je team gevalideerde uitvoeringspatronen automatiseren en zich richten op gebieden waar veel wrijving optreedt.

Het beantwoordt de toekomstgerichte vraag: Waar kunnen we verbeteren en wat zal het grootste verschil maken?

Process mining wordt waardevol wanneer het verder gaat dan alleen inzicht verschaffen en daadwerkelijk invloed uitoefent op beslissingen.

Process mining maakt het mogelijk om te zien waar de tijd daadwerkelijk wordt besteed. Een manager weet misschien dat goedkeuringen traag aanvoelen, maar realiseert zich niet dat een specifieke stap twee extra dagen toevoegt aan bijna elke transactie. Process mining maakt dat zichtbaar.

Je kunt goedkeuringsstappen identificeren die consequent de doelen overtreffen. Je kunt aanpassingspatronen detecteren die dagen toevoegen aan een cyclus. Je kunt kwantificeren hoe vaak werk stilstaat tussen overdrachten. En je hoeft niet te vertrouwen op teamgenoten om vertragingen te identificeren, omdat je data je dat al vertelt. Op die manier verschuift de focus bij verbeteringsinspanningen van op meningen gebaseerd naar op bewijs gebaseerd.

In gereguleerde sectoren leiden kleine afwijkingen tot grote risico's.

Met process mining kun je volledige transactiesets analyseren in plaats van kleine steekproeven. Als vereiste stappen worden overgeslagen, in een andere volgorde worden uitgevoerd of in strijd met het beleid worden afgehandeld, is dat uit de data af te leiden. Dit is met name nuttig in de financiële sector, de gezondheidszorg en andere gereguleerde sectoren waar kleine afwijkingen enorme gevolgen kunnen hebben.

Zelfs als je je processen een keer evalueert en optimaliseert, blijven die processen niet voor altijd hetzelfde. Dat leidt uiteindelijk tot verschuivingen in het werkvolume of tot veranderingen in de teamstructuur.

Process mining stelt organisaties in staat om prestaties in de loop van de tijd te monitoren, in plaats van slechts één analyse uit te voeren en het daarbij te laten. Wanneer verbeteringen zijn geïmplementeerd, blijkt uit de data of ze effect hebben gehad. Wanneer automatisering wordt ingevoerd, kun je het daadwerkelijke effect ervan op de cyclustijd en de variatie meten.

Dat is waar dit aansluit bij bredere initiatieven zoals procesautomatisering. Met process mining wordt duidelijk waar automatisering de grootste impact zal hebben, in plaats van maar wat te proberen.

Process mining staat op één lijn met business intelligence, robotgestuurde procesautomatisering en workflowautomatisering, maar vervult een andere rol.

Business intelligence richt zich op resultaten. Dashboards geven informatie weer over omzet, het aantal cases, de marge of de afhandelingstijd. Er wordt mee verteld wat er is gebeurd, maar niet hoe het proces zich heeft ontwikkeld.

Process mining richt zich op de uitvoering. Het laat zien hoe het werk in verschillende systemen is verplaatst om die resultaten te behalen.

Robotprocesautomatisering en workflowtools voeren taken uit. Ze verwerken data, zetten acties in gang en verminderen de handmatige inspanning. Met process mining kan worden vastgesteld welke taken stabiel genoeg zijn om te automatiseren en waar variatie eerst moet worden aangepakt. Zo kunnen teams hun automatiseringsinspanningen nauwkeuriger prioriteren.

Analytics geeft inzicht in de prestaties. Automatisering verandert de prestaties. Process mining brengt deze twee met elkaar in verband door beide te baseren op daadwerkelijke uitvoeringsgegevens. Dit helpt je om van het identificeren van problemen over te stappen naar het daadwerkelijk aanpassen van de workflows voor betere resultaten.

Naarmate organisaties AI-gestuurde activiteiten en bredere digitale transformatieprogramma's uitbreiden, is inzicht in procesgedrag extra belangrijk. Je kunt niet herontwerpen wat je niet duidelijk kunt zien.

Met procesmining worden kandidaten voor automatisering geïdentificeerd op basis van meetbare patronen.

Het belicht repetitieve activiteiten, handmatige overdrachten en taken met een hoog volume die voorspelbare trajecten volgen. Deze inzichten helpen je bij het selecteren en implementeren van automatisering op gebieden waar dit de meest directe impact zal hebben. Die gebieden worden sterke kandidaten voor robot- of workflowautomatisering.

Het brengt ook gebieden met te grote variatie aan het licht. In die gevallen moet je het proces wellicht herontwerpen voordat je die voordelen van automatisering op de werkplek kunt toepassen en benutten.

AI-systemen zijn afhankelijk van gestructureerde, hoogwaardige data over hoe werk wordt uitgevoerd.

Process mining laat je die structuur zien. Het biedt inzicht in cyclustijden, uitvoeringstrajecten en afwijkingspatronen die als basis kunnen dienen voor prognosemodellen en planningstools. Tegelijkertijd geeft het aanwijzingen over hoe workflows moeten worden aangepast om de consistentie te verbeteren. In omgevingen waar de nadruk ligt op initiatieven zoals AI-projectmanagement , versterkt process mining de operationele intelligentie door AI-beslissingen te baseren op daadwerkelijk workflowgedrag.

Als je software voor process mining overweegt, zijn er een aantal belangrijke functies waar je op moet letten, met name die welke van invloed zijn op de schaalbaarheid en de integratievereisten.

Sterke tools voor process mining moeten minimaal het volgende ondersteunen:

• Geautomatiseerde detectie die procesmodellen rechtstreeks bouwt vanuit gebeurtenislogboeken.
• Conformiteitsanalyse die de uitvoering vergelijkt met gedefinieerde workflows.
• Prestatiedashboards gekoppeld aan cyclustijd, wachttijd en doorvoer.
• Analyse van de onderliggende oorzaak die verklaart waarom knelpunten zich voordoen.
• Integratie met bedrijfssystemen zoals CRM, ERP en serviceplatformen.

Zonder deze mogelijkheden wordt process mining een eenmalige analyse. Met deze mogelijkheden houd je continu inzicht in je bedrijfsvoering en kun je verbeteringen doorvoeren naarmate er veranderingen plaatsvinden en je nieuwe data ontvangt.

Omgevingen van grote ondernemingen brengen een complexiteit met zich mee waarmee kleinere implementaties niet te maken hebben.

Processen omvatten meerdere systemen en omvatten grote datavolumes. Daarnaast gelden er ook strengere en meer veeleisende beveiligings- en bestuursvereisten. Een bruikbare oplossing voor grote ondernemingen moet de invoer van data uit meerdere systemen ondersteunen en tegelijkertijd de gegevensintegriteit en de toegangscontroles waarborgen.

De oplossing moet ook inzicht bieden tussen afdelingen. Het 'order-to-cash'-proces speelt zich niet uitsluitend af binnen de financiële afdeling. Workflows van de klantenservice blijven niet beperkt tot één applicatie. Process mining met MuleSoft in Salesforce koppelt gebeurtenisdata uit al die systemen aan elkaar, zodat de analyse de volledige levenscyclus van een transactie weergeeft in plaats van slechts het beeld vanuit één applicatie.

Process mining levert meer waarde op wanneer het draait op verbonden operationele data. Binnen Salesforce werken Data 360, MuleSoft en Apromore samen om een uniform overzicht te creëren van de uitvoering van processen in verschillende systemen.

Met Salesforce kunnen evenementgegevens uit CRM-, service- en externe systemen via Data 360 en MuleSoft worden samengevoegd voordat ze de laag van de process mining bereiken. De data zijn continu met elkaar verbonden en gestandaardiseerd, wat betekent dat de integratie analyses ondersteunt over de volledige levenscyclus van transacties, inclusief workflows die afdelingen en platformen overschrijden.

Apromore biedt de mogelijkheden voor process mining bovenop die databasis. Het ondersteunt geautomatiseerde detectie, conformiteitscontrole en prestatieanalyse in complexe bedrijfsprocessen. Je team team krijgt een duidelijk, volledig overzicht van hoe het werk daadwerkelijk door de hele organisatie stroomt.

Begin met deze basisstappen om procesmining in je workflows te integreren.

Kies een proces dat een groot volume omvat, afdelingsoverschrijdend is of rechtstreeks verband houdt met de omzet of naleving van regelgeving.

Order-to-cash is een veelgebruikt uitgangspunt, omdat het raakvlakken heeft met de afdelingen sales, financiën en verwerking. Procure-to-pay is een ander uitgangspunt, vooral in kostengevoelige omgevingen. Workflows van de klantenservice worden vaak geselecteerd wanneer de reactietijden of de achterstand in de afhandeling van zaken onder de loep worden genomen.

Het komt erop aan een proces te kiezen waarbij prestaties van belang zijn en variatie waarschijnlijk meetbaar is.

Process mining is afhankelijk van gestructureerde gebeurtenislogboeken. Dat betekent dat moet worden gecontroleerd of elke transactie kan worden getraceerd aan de hand van een case-ID, een tijdstempel en een activiteitslabel.

Het kan nodig zijn om data uit verschillende systemen op elkaar af te stemmen, zodat gerelateerde gebeurtenissen in één procesoverzicht worden samengebracht. Het opschonen en normaliseren van data in dit stadium voorkomt vervormde modellen op een later moment.

Stel in een vroeg stadium basismeetgegevens vast. De cyclustijd, wachttijd en trajectfrequentie bieden context zodra het model is gegenereerd.

Stakeholders moeten de bevindingen doornemen en overeenstemming bereiken over de gebieden die prioriteit hebben. Sommige knelpunten vereisen mogelijk beleidsupdates, terwijl andere in aanmerking komen voor automatisering. Verbeteringen moeten in de loop van de tijd worden gemonitord om te bevestigen dat de prestaties daadwerkelijk veranderen.

Klein beginnen, de resultaten toetsen en geleidelijk uitbreiden leidt doorgaans tot een grotere acceptatie dan wanneer het in alle afdelingen tegelijk wordt ingevoerd.

Process mining levert de meeste waarde op wanneer het wordt toegepast op onderling gekoppelde, bedrijfsbrede data. Salesforce brengt integratie, uniforme data en geavanceerde mogelijkheden voor process mining samen via de samenwerking met Apromore.

Ontdek hoe Salesforce en Apromore schaalbare process mining in complexe systemen ondersteunen en bekijk met een Data Cloud-demo hoe geïntegreerde operationele data zorgen voor meer inzicht.