La tecnología de Process Mining tiene el potencial de aumentar la efectividad y la eficiencia en el análisis de procesos digitales transaccionales. Esto permite a los analistas y expertos extraer conocimientos de los registros de eventos registrados por un sistema de información empresarial.

Process Mining a menudo se malinterpreta como un campo relacionado con la ciencia de datos. Debe verse como un puente entre la ciencia de datos y la gestión de procesos de negocio. Centrado en transformar el registro de eventos digitales en una representación significativa del proceso para fines de análisis, visualización, modelado, control y simulación.

Entrando un poco más en definición

Según Gartner, la ciencia de datos es fundamental para las organizaciones que buscan extraer conocimiento de la información y requiere una amplia combinación de habilidades que normalmente se realizan en equipo. Por ejemplo, la ciencia de datos se centra en el análisis y el modelado de decisiones para descubrir relaciones dentro de los datos y detectar patrones. La gestión de procesos de negocio, también según Gartner, es una disciplina que utiliza diversos métodos para descubrir, modelar, analizar, medir, mejorar y optimizar los procesos de negocio.

Process Mining es una tecnología que también integra diferentes áreas de las organizaciones, como negocios, procesos, mejora continua y tecnología, lo que permite a los usuarios comprender completamente cómo se ejecutan sus procesos comerciales principales y encontrar ineficiencias que dificultan el rendimiento antes de tomar acciones inteligentes y automatizadas para eliminar las brechas en el proceso.

Volumetría, tiempos, esperas, desviaciones y retrabajos son algunos análisis que normalmente se realizan a través de Process Mining con el propósito de comprender el estado actual y la propuesta de mejoras. Process Mining tiene un valor intrínseco para crear valor en términos de gestión, pero principalmente extrínseco para dirigir iniciativas de mejora y automatización de procesos con Robotic Process Automation, por ejemplo.

¿Dónde se aplica?

Los procesos candidatos a Process Mining son aquellos que normalmente se llevan a cabo en plataformas de tecnología transaccional como ERP o CRM y que ocurren en varios departamentos, con alto volumen, y tienen varias rutas críticas.

Por lo general, los procesos comerciales candidatos son los procesos de compra a pago y pedido a efectivo o servicio al cliente, por ejemplo. Y si bien casi todas las empresas tienen alguna versión de estos procesos como columna vertebral de su negocio, hay muchos otros procesos que son candidatos para el análisis, ya que ocurren principalmente en plataformas digitales que soportan las operaciones diarias de una empresa, incluyendo:

  • Procesos de cuentas por pagar
  • Procesos de cuentas por cobrar
  • Procesos de registro de clientes y proveedores
  • Procesos de gestión de pedidos
  • Procesos de gestión de inventarios
  • Puntos de contacto del recorrido del cliente

Estos son solo algunos ejemplos, por supuesto. Además, diferentes empresas definen ciertos procesos de manera diferente, dependiendo de sus necesidades comerciales, los sistemas que utilizan y otras variables. Las sorpresas cuando vemos procesos a través de Process Mining son inevitables.

Gemelos digitales

Complementaria a la disciplina de Business Intelligence que se refiere al proceso de recopilación, organización, análisis, intercambio y monitoreo de información en forma de métricas e indicadores, aquí estamos hablando de la creación de un Gemelo Digital. Esto es una representación virtual del proceso real, como un algoritmo, que permite el monitoreo de transacciones y la construcción de escenarios.

Por su naturaleza, los procesos no son estáticos (y no deberían), más aún en entornos digitales volátiles. Para mantenerse al día con la velocidad de los procesos, es importante utilizar la tecnología para transformar los datos en valor, es decir, seguir cada paso de las transacciones en tiempo real. Por lo tanto, monitorear los procesos digitalmente y en línea es un factor crítico de éxito para cualquier organización que busque monitorear las actividades críticas de sus cadenas de valor y maximizar la experiencia del cliente a partir de un viaje optimizado.

Los mercados dinámicos fuerzan el cambio. Como lo son las expectativas de los clientes, las nuevas líneas de productos, las adquisiciones, los cambios geográficos y cualquier otra cosa pueden afectar la capacidad de un proceso para funcionar en su operación óptima.

Orígenes

El término Process Mining fue acuñado por primera vez en una propuesta de investigación escrita por el científico informático holandés Wil van der Aalst. Así, comenzó un nuevo campo de investigación que surgió bajo el paraguas de técnicas relacionadas con la ciencia de datos y la ciencia de procesos en la Universidad de Eindhoven en 1999. Al principio, las técnicas de minería de procesos a menudo eran complicadas y limitadas. En 2000, se desarrolló el primer algoritmo de aplicación práctica para el descubrimiento de procesos, Alpha Miner.

Al año siguiente, en 2001, se introdujo en el trabajo de investigación un algoritmo muy similar basado en la heurística llamado Heuristic Miner. A partir de estos algoritmos iniciales, las tecnologías han evolucionado cada vez más en términos de visualización, funcionalidad y aplicabilidad en el contexto empresarial.

Jans et al. (2010)  alegó que el Process Mining tiene el potencial de aumentar la eficacia y el alcance del análisis de procesos, permitiendo a los analistas extraer más conocimiento de los registros de eventos registrados por el sistema de información de una empresa. Los autores exploran el valor añadido que las técnicas de minería de procesos pueden proporcionar a los analistas de negocio mediante la realización de un estudio de caso del proceso de adquisición en un gran proveedor europeo de servicios financieros.

ETL

Idealmente, para extraer estos datos, es necesario realizar un proceso llamado Extract Transform Load, que son herramientas de software cuya función es extraer datos de varios sistemas, transformar estos datos de acuerdo con las reglas de negocio y, finalmente, cargar los datos generalmente en un Data Warehouse.

La primera parte del proceso ETL es la extracción de datos de los sistemas de origen. La mayoría de los proyectos que involucran datos consolidan la información extraída de diferentes sistemas de origen. Cada sistema también puede utilizar una organización o formato de datos diferente. Los formatos de datos comunes son las bases de datos relacionales y los archivos planos (también conocidos como archivos planos), pero pueden incluir estructuras de bases de datos no relacionales. El extracto se convierte a un formato determinado para la entrada en el procesamiento de la transformación.

La etapa de transformación aplica una serie de reglas o funciones a los datos extraídos para derivar los datos a cargar. Finalmente, la fase de carga consiste en colocar los datos en la ubicación de almacenamiento. El tiempo y el alcance de repuesto o adicional son opciones de diseño estratégico que dependen del tiempo disponible y las necesidades comerciales. Los sistemas más complejos pueden mantener un historial y un seguimiento de auditoría de todos los cambios de datos.

La extracción y la carga son obligatorias para el Process Mining, y el procesamiento y la limpieza son opcionales, aunque muy recomendables. La creación de un registro de eventos es un proceso que se puede automatizar, opción descartada para este caso de estudio, ya que representa un compromiso significativo en términos de tiempo de desarrollo y debe ser una opción si el análisis de datos es continuo, a diferencia de la evaluación puntual y estática elegida.

Análisis

Para el análisis de Process Mining, normalmente se requieren cinco atributos mínimos para cada conjunto de transacciones, como se muestra a continuación:

  • Identificador de código del registro de transacciones
  • Nombre de la transacción
  • Fecha de inicio de la transacción
  • Fecha de finalización de la transacción
  • Usuario responsable de ejecutar la transacción

Una vez creado el registro de eventos considerando el mínimo de estos atributos, el proceso se analiza aplicando diferentes tipos de observaciones: volumetría, tiempos y varianzas. En general, el objetivo es analizar el orden de las actividades para conocer cómo se lleva a cabo el proceso en la práctica, analizar cómo se vinculan las actividades a los usuarios, evaluar los tiempos de proceso y los eventuales retrasos y una fase de verificación que consiste en evaluar los pasos con mayor índice de retrabajo.

Así, podemos comparar diferentes vías críticas, determinar eventos anómalos y abordar acciones de mejora efectivas basadas en el análisis censal de los datos.

¿Está su empresa trabajando con Process Mining? Para saber cómo podemos ayudarte contáctanos haciendo click aquí  y conoce más sobre nosotros en nuestras redes LinkedIn y Twitter.