Die erste wissenschaftliche Theorie, deren Zweck es war, Arbeitsprozesse zu analysieren und zu optimieren, ist das wissenschaftliche Management. Um die Wende des 19. und 20. Jahrhunderts wurde durch die Bemühungen des amerikanischen Forschers Frederick Taylor und seiner Mitarbeiter die Theorie des klassischen Managements geschaffen. Es basiert auf der Prämisse, dass es einen „besten Weg“ gibt, eine bestimmte Arbeit zu erledigen, und das Problem der geringen Produktivität kann mit einer Methode namens „wissenschaftliches Timing“ gelöst werden. Das Wesentliche der Methode besteht darin, die Arbeit in eine Folge von Elementaroperationen zu unterteilen, die unter Beteiligung der Arbeitnehmer zeitlich festgelegt und aufgezeichnet werden. Auf diese Weise erhalten Sie genaue Informationen über die Zeit, die für die Ausführung eines bestimmten Auftrags erforderlich ist.
So führte ein so einfacher Schritt vor mehr als 120 Jahren zu einem wissenschaftlichen Ansatz zur Untersuchung von Prozessen. Mit der Entwicklung von Gesellschaft und Technologie entwickeln und verbessern sich Ansätze zur Analyse und Optimierung von Prozessen: Es gibt einen Übergang zur "Massenproduktion", die auf Spezialisierung mit den Möglichkeiten der Optimierung von Montage, Computerisierung und Analyse von Statistiken basiert.
Modern Process Mining ist eine Weiterentwicklung dieses Ansatzes unter Berücksichtigung von Big Data.
Evolution
In den späten 1980er Jahren gelang dem bekannten Taichi Ono ein Durchbruch, indem er bei Toyota einen Ansatz namens "Lean Manufacturing" entwickelte und implementierte. Der Ansatz basiert auf ständiger Arbeit mit allen Arten von Verlusten, die dabei entstehen. Die Beseitigung von Verlusten a priori erhöht die Effizienz.
Der nächste qualitative Schritt im Bereich der Prozessoptimierung ist die Entwicklung und Implementierung des Tools "DMAIC-Zyklus" sowie die Verwendung statistischer Six Sigma-Prozesssteuerungsmethoden, die ebenfalls keiner Einführung bedürfen. Die Hauptmerkmale der Phase sind die Eingabe von KPIs und der Umgang mit Abweichungen, die Konzentration auf den Kunden und die Gewährleistung einer kontinuierlichen Verbesserung der Prozesse.
Diese Ansätze, die vor 5 bis 10 Jahren gut funktionierten und sich auf manuelle Tools wie gemba, Timing, Kunden- und Expertenumfragen und Design-Sitzungen stützten, bieten heutzutage in einer Zeit zunehmender Komplexität und Beschleunigung von Prozessen keine vollständiges Bild.
Die allgegenwärtige Entwicklung digitaler Technologien, die Robotisierung und Automatisierung, das Internet der Dinge, globale Netzwerke und die Massendigitalisierung bilden heute die Grundlage für eine qualitativ neue Phase in der Erforschung und Optimierung von Prozessen, der Implementierung von ML- und AI-Fähigkeiten.
Process Mining ist ein solches AI-Transformationswerkzeug.
Wofür genau wird dieser Ansatz benötigt?
Die Process Mining-Technologie wurde zu Beginn des letzten Jahrzehnts von Professor Wiel van der Aalst erfunden und erfreut sich sowohl in wissenschaftlichen als auch in Unternehmensumgebungen rasch wachsender Beliebtheit. Mit dem wachsenden Informationsvolumen und der Geschwindigkeit von Geschäftsänderungen ersetzt es heute die klassischen Methoden zur Beschreibung und manuellen Modellierung von Prozessen.
Durch die Wiederherstellung der Diagramme von Geschäftsprozessen, wie sie tatsächlich ablaufen, können Sie mit Process Mining Einblicke gewinnen - objektives Wissen, das erforderlich ist, um Engpässe zu beseitigen, Unvollkommenheiten zu optimieren und die Effizienz eines Unternehmens zu verbessern. Mit dem Process Mining-Toolkit löst das Unternehmen somit sowohl Compliance- als auch Prozessleistungsprobleme.
Visualisierung von Erkenntnissen (Engpässe, Renditen, Schleifen, große Variabilität) im Prozessdiagramm:
Die digitale Transformation ist einer der Haupttreiber des modernen Geschäfts. Seine Voraussetzungen oder verbindlichen Bedingungen werden traditionell als Transparenz und Offenheit betrachtet, zu deren Erreichung Process Mining direkt beiträgt. Tatsächlich macht er eine "Röntgenaufnahme" der im Unternehmen ablaufenden Prozesse und liefert ein umfassendes und vor allem zuverlässiges Bild der gesamten Ereigniskette und nicht einzelner Schritte, wodurch Barrieren zwischen verschiedenen Abteilungen und Abteilungen beseitigt werden. Die daraus resultierende Bewertung der aktuellen betrieblichen Effizienz des Unternehmens ist objektiv und kann daher verwendet werden, um Optimierungsmöglichkeiten zu identifizieren, Änderungen zu verfolgen und schnell zu reagieren. Durch das Löschen von Organisationsgrenzen bietet Process Mining Einblicke in jede Detailebene. Der Wert dieser Erkenntnisse liegt indass sie dem Unternehmen eine Grundlage und Richtung für weitere Maßnahmen zur Verbesserung und Digitalisierung von Prozessen in allen Unternehmensbereichen geben.
Auf diese Weise bietet Process Mining Prozessverantwortlichen umfassende Analysen, um Managemententscheidungen zur Verbesserung des Prozesses auf der Grundlage objektiver Daten zu treffen.
Wie läuft die Implementierung?
Die Basis für die Anwendung von Process Mining bilden Ereignisprotokolle. Informationssysteme zeichnen automatisch alle Aktivitäten auf, die während eines Prozesses ausgeführt wurden. Zusätzlich zu den Aktivitäten enthalten Ereignisprotokolle Start- und Endzeitstempel, eine eindeutige Fall-ID und andere Attribute des Ereignisses: Ausführende, Korrespondenztext, Geschäftsentscheidung, territoriale Attribute usw.
Protokolldateien, die zuverlässige und detaillierte Informationen über den Ablauf der Ausführung eines Geschäftsprozesses liefern, machen ihn transparenter. Mit diesen Informationen können Sie ein Modell eines realen, nicht beabsichtigten Prozesses visualisieren und analysieren. Dies ist wichtig, da diese Lücke Process Mining für große Unternehmen sehr effizient macht. Es ist jedoch nicht auf die Wiederherstellung von Geschäftsprozessmodellen aus Protokolldateien beschränkt. Durch den Vergleich von Protokolldaten und Prozessdiagrammen können Sie mit Process Mining Abweichungen und Engpässe im Prozess identifizieren, die Dauer jeder Phase untersuchen, unnötige oder übersprungene Phasen erkennen und potenzielle Optimierungen und damit Effizienzgewinne identifizieren.
Eine der Hauptaufgaben besteht darin, Erkenntnisse aus den in Unternehmens-IT-Systemen verfügbaren Daten zu gewinnen. Mit digitalen Informationen zu allen im Prozess ausgeführten Aktionen mithilfe der Process Mining-Technologie kann das Unternehmen den tatsächlich ausführbaren Geschäftsprozess reproduzieren. Die Konstruktion des visuellen Schemas ermöglicht es nicht nur, ein vollständiges Bild der Ereigniskette zu erhalten, sondern auch den aktuellen Status des Prozesses auf jeder Detailebene zu untersuchen. Durch die Analyse des Modells des rekonstruierten Prozesses zusammen mit Daten zur Dauer und zu den Merkmalen seiner Ausführung können Verzögerungen bei der Implementierung einzelner Aktionen, die Beziehung zwischen Benutzern, Schleifen im Prozess, ineffektive Ausführende sowie versteckte Mängel festgestellt werden und Probleme in den Prozessen, aufgrund derer die Produktivität eines gesamten Unternehmens erheblich verringert werden kann.Darüber hinaus können Sie mit Process Mining den Prozess in der Dynamik anzeigen. Dies bedeutet, dass Sie Änderungen verfolgen können, die sich aus der Einführung bestimmter Verbesserungsmaßnahmen ergeben. Process Mining spielt daher eine Schlüsselrolle bei der Bereitstellung wertvoller und objektiver Informationen, die zur Verbesserung der Effizienz von Lösungen zur Optimierung von Geschäftsprozessen erforderlich sind. Die Hauptvorteile einer prozessorientierten Analyse sind folgende:Die Hauptvorteile einer prozessorientierten Analyse sind folgende:Die Hauptvorteile einer prozessorientierten Analyse sind folgende:
- Steigerung der Produktivität;
- Schnellere und effizientere Zusammenarbeit;
- Verkürzte Zeit für Verwaltungsarbeiten;
- Transparenz;
- Kosten senken.
Zusammen sorgt dies für ein stabiles Wachstum des Unternehmens.
Natürlich ist Process Mining für Geschäftsprozessverantwortliche von großem Wert, da es unerwünschte Änderungen und Abweichungen, Engpässe und andere Risiken im Prozess erkennt und genau zeigt, wo Probleme und Schwachstellen im System vorhanden sind und wie sie sich auf die Gesamtleistung auswirken. Die Frage "Warum?" Ist jedoch viel interessanter. - Was ist die Ursache für diese Probleme und Abweichungen? Maschinelles Lernen kann helfen, diese Frage zu beantworten.
Was hat die Sberbank getan?
Um die intellektuelle Analyse von Prozessen zu implementieren, hat das R & D Process Mining-Team der Sberbank eine spezielle Bibliothek entwickelt.
Die Python-Bibliothek enthält alle erforderlichen Analysemethoden und ist jetzt für Experimente leicht zugänglich. Die erste Version der Open Source-Lösung enthält Funktionen, mit denen Sie:
- Rekonstruieren von Prozessgraphen mit verschiedenen Algorithmen;
- Prozessgraphen in bpmn-Notation konvertieren;
- verschiedene Prozessmetriken berechnen;
- Clustering durchführen und die Hauptpfade von Prozessen finden.
- , k-means, , . , .
- — . , LOF, Isolation Forest , Process Mining , , , . , . , .
Aufdecken der Hauptpfade des Prozesses:
Heatmap des Prozessdurchsatzes: Darstellung von
Variablen:
Automatische Suche nach Erkenntnissen:
In der Bibliothek werden Algorithmen für maschinelles Lernen verwendet, um eine automatische Ursachenanalyse (Ursachenanalyse) zu implementieren, aufgrund derer kritische Schwachstellen auftreten des Prozesses werden identifiziert und die Ausgangspunkte für seine Optimierung festgelegt ... Darüber hinaus können Sie mit der Ursachenanalyse die wahrscheinlichsten Einflussfaktoren und Ursachen von Problemen ermitteln, dh die Fragen beantworten, wann und warum Abweichungen im Prozess aufgetreten sind.
Process Mining ist also in erster Linie die Visualisierung und Analyse von Geschäftsprozessen. Auf der Grundlage der in Informationssystemen gespeicherten Protokolle ist es möglich, das tatsächliche (visuelle) Schema der Prozessausführung in der Form wiederherzustellen, wie sie tatsächlich stattfindet. Durch maschinelles Lernen können Sie wiederum die Grundursachen ermitteln und so verstehen, warum der Prozess auf diese Weise abläuft.
Wie wir Process Mining selbst anwenden
Wir haben mehr als 12.000 Büros in Russland, Tochtergesellschaften und Banken außerhalb der Russischen Föderation sowie Ökosystemunternehmen. Mit Process Mining können Sie die Prozesse in Regionalbanken für Kollegen von Sberbank International "erreichen": Wir haben bereits Erfahrung, wir haben die Prozesse in Kasachstan, Weißrussland, gesehen; an unsere Tochtergesellschaften: SberLeasing, SberFactoring usw.
Wir haben 2019 mit dem Einsatz der Technologie begonnen. Die erste und sehr erfolgreiche End-2-End-Studie war die Analyse des Kreditvergabevorgangs. Die Kreditvergabe ist ein riesiger funktionsübergreifender Prozess, an dem zu dieser Zeit mehrere tausend Mitarbeiter und mehrere automatisierte Systeme beteiligt waren.
Wir haben Ereignisprotokolle von mehreren Systemen gesammelt und zusammengeklebt, dank derer wir detaillierte Informationen über die Dauer des Prozesses in jeder Phase erhalten, reale Versionen der Prozesspfade rekonstruiert und mit normativen verglichen haben. Es stellte sich heraus, dass der Prozess mit einer Vielzahl von Pfaden und Variationen des Durchgangs einzelner Stufen, Schleifen und Rückkehr von Stufe zu Stufe überlastet war, und dies alles ist Zeit- und letztendlich Geldverschwendung. Ineffizienzen, Loops, Ping-Pong zwischen Darstellern und Bounces gefunden. Wir haben eine Performance-Heatmap nach Gebieten erstellt, die die Unterschiede in der Organisation des Prozesses und der Geschwindigkeit der Entscheidungsfindung für die Anwendung zeigt.
Die Kommentare der Darsteller sind zu einer wertvollen Informationsquelle geworden. Das ML-Modul zur Analyse von Texten ermöglichte es, ohne Korrespondenzmuster automatisch die Korrespondenztexte zu gruppieren und die TOP-Gründe zu ermitteln, warum die Anwendung zu den vorherigen Phasen zurückkehrt und warum der Prozess langsam ist.
All dies gab uns die Antworten, wo wir den Prozess "behandeln" müssen.
Process Mining ist bei allen Prozessen wirksam, die einen digitalen Fußabdruck hinterlassen: ob es sich um einen Geschäftsprozess handelt, der einen Kredit ausgibt, oder um einen internen Prozess, der die Genehmigung eines Geschäftsvertrags sicherstellt.
Die Technologie hat sich in der Sberbank im Bereich der digitalen Revision verbreitet. Für die interne Revision ist die Prozessanalyse ein Themenbereich. Mit Process Mining können Sie ganz andere qualitativ hochwertige Ergebnisse erzielen, weil:
- Digitale Daten werden für 100% der Prozessinstanzen verwendet. Dementsprechend ist die Ausgabe ein zu 100% objektives Bild, mit dem man nur schwer argumentieren kann: Die Prozessverantwortlichen können die Daten jederzeit überprüfen. Aus Sicht der Prüfung ist dieser Ansatz sehr gut.
- Algorithmen liefern Erkenntnisse, die mit Standardprüfmethoden nicht gewonnen werden können.
- Ein großes Plus der digitalen Technologie ist die Kontaktlosigkeit. Bei einer Pandemie gibt es keine anderen Prüfungsoptionen. Es ermöglicht die Erfüllung des Inspektionsplans und die Arbeit, wenn sich alle unter Bedingungen der Fernarbeit befinden.
Die SberPM Python-Bibliothek ist auf GitHub unter dem Link verfügbar . Jeder Data Scientist kann die Lösung von Sberbank installieren und Prozesse mit der Process Mining-Technologie analysieren.