Время прочтения: 3 мин.

В этой статье постараюсь рассказать доступным языком об интересной технологии управления бизнес процессами. Интеллектуальный анализ процессов помогает обнаруживать, анализировать и оптимизировать бизнес-процессы на основе данных из журналов событий. Process Mining является связующим звеном между анализом моделей процессов и data-mining.

Почему Process Mining сейчас актуален? Благодаря цифровой трансформации, компании начинают получать больше информации о ходе производства, и внедрение анализа процессов становится необходимым для поиска реальных проблем и отклонений. Количество продуктов постоянно растет, а как следствие это влияет на стабильность бизнес-процессов, что требует непрерывного анализа.

Если сравнить с Data Mining, методология Process Mining пренебрегает анализом самих данных. Другими словами, мы не интересуемся низкоуровневыми зависимостями в исходных данных, и не принимаем решения на их основе, а ставим задачу на оптимизацию бизнес-процессов, полученных из исходных данных.

Варианты использования Process Mining   приведены ниже:

  1. Построение реальной модели действующего бизнес- процесса

Как выглядит процесс на самом деле?

  • Поиск узких мест

Где в процессе расположены места, которые влияют на общую скорость выполнения задачи?

  • Выявление отклонений

Где реальный процесс отклоняется от ожидаемого?

  • Поиск оптимальных путей выполнения процесса.

Как выполнить процесс быстрее всего?

  • Прогнозирование проблем

Можно ли предсказать задержки/проблемы в бизнес –процессе.

Отправной точкой для Process Mining является журнал событий. Каждая строка в таком журнале соответствует отдельному событию, последовательность событий складывается в случай. Выделим основные группы данных, которые обязательно должны присутствовать в логах.

  • Идентификатор случая – хранит случаи, для которых выстраивается последовательность.
  • Деятельность – хранит действия
  • Время – хранит дату и время регистрации событий
  • Ресурс – хранит действующих лиц в рамках события
  • Прочее – информация, которая никак не влияет на результат построения модели.

Выбор указанных атрибутов зависит от целей анализа. Например, если нас интересует процесс, описывающий порядок покупки того или иного продукта, то в качестве идентификатора случая будет использован столбец продукта. Если же нам интересны действия сотрудника в рамках случая, то используем столбец с именем сотрудника.

Process Mining   выделяет три типа анализа данных:

Play-out

 На основе нормативных документов или разработанной модели поведения симулируются различные сценарии, для наполнения журнала событий.

Play-in 

Работа ведется с готовыми данными в журнале событий. И с использованием моделей Process Mining получают модель процессов, которая обучается на основе данных.

Replay

Одновременно используется модель процесса (может быть получена способом Play-In) и данные в журнале событий (может быть получены способом Play-Out) для воспроизведения реальных последовательностей на основе модели.

Replay считается наиболее правильным решением для поиска отклонений от реальных процессов и поиска узких мест.

По-моему несмотря на то, что технология анализа процессов существует много лет, только сейчас объем данных в автоматизированных системах позволил активно внедрять данный инструмент. Process Mining позволяет оперативно искать узкие места в бизнес процессах и эффективно решать данные вопросы, что дает в перспективе ощутимый экономический эффект.