Il process mining è una tecnica di data mining fondata sull’analisi dei file di log. Come metodo di gestione di processo il process mining offre la possibilità di esaminare i processi aziendali e identificare i potenziali di ottimizzazione.

Cos’è il process mining?

Il process mining comprende le tecniche nel settore del business process management che consentono un’analisi dei processi aziendali. Si tratta di metodi di analisi di processo basati sui dati, in cui la valutazione di event log (informazioni relative alle singole fasi di processo, salvate nei sistemi IT) è in primo piano. Le applicazioni del process mining si avvalgono di algoritmi di data mining speciali sui file di log e sui dati di transazione per identificare trend e modelli. L’obiettivo è quello di ottenere una migliore comprensione dei processi aziendali rilevanti per poterli organizzare in modo più efficiente.

Tipi di process mining

Nella letteratura di ricerca il process mining viene definito “Automated Business Process Discovery” (ABPD) e descrive le tecniche per la creazione, la valutazione e l’ampliamento di modelli di processo. Il Manifesto del process mining di IEEE Task Force on Process Mining distingue in questo contesto tra tre tipi di tecniche di process mining:
  • Discovery (riconoscimento): le tecniche di process mining del tipo “Discovery” vengono impiegate per riconoscere i processi e creare dei modelli.
  • Conformance (verifica di conformità): le tecniche di process mining del tipo “Conformance” consentono una valutazione della conformità dei modelli di processo esistenti rispetto ai dati attuali.
  • Enhancement (ampliamento): le tecniche di process mining del tipo “Enhancement” sono impiegate per ampliare i modelli di processo esistenti.
N.B.
La IEEE Task Force on Process Mining è un gruppo di ricerca dell’Institute of Electrical and Electronics Engineers (IEEE) dell’Università Tecnica di Eindhoven che punta a promuovere lo sviluppo e la comprensione delle tecnologie di process mining mediante offerte di ricerca e formazione.

Come funziona il process mining?

Il process mining combina tecniche dei settori data mining e computational intelligence (CI) alla modellazione e l’analisi di processo. Un processo viene descritto come una serie di passaggi collegati in modo logico, i quali possono essere registrati come eventi.
La base di partenza di ogni tecnica di process mining sono i dati dell’evento in forma di file di log che riproducono gli eventi in sequenza temporale e sono associabili sia a una fase sia a un’istanza di processo.
N.B.
Mentre il termine “processo” indica una transazione commerciale generale a livello di programmazione, un’istanza di processo consiste nell’esecuzione concreta di un processo. Le istanze di processo sono definibili individualmente con dimensioni come tempo, luogo, persone e dispositivi coinvolti. L’elaborazione di una richiesta di assicurazione sulla vita presso una società assicurativa, ad esempio, sarebbe un processo. L’elaborazione della richiesta di assicurazione della signora Bellini, invece, è un’istanza del processo standard modellato in precedenza.
IEEE ha definito uno schema standard per ogni tipo di process mining.
Le tecniche di process mining del tipo “Discovery” offrono algoritmi per il riconoscimento di modelli, i quali consentono di derivare dei modelli dai dati di log dell’evento disponibili. La base di partenza sono le informazioni registrate come file di log dai sistemi IT.
Il risultato di questo tipo di process mining è generalmente un modello di processo. Un modello simile può essere derivato, ad esempio, in un impianto di produzione di marche temporali, che indicano quale prodotto attraversa quale fase di produzione e quando.
Le restanti tecniche di raffigurazione per i modelli di processo sono:
  • BPMN (Business Process Model and Notation)
  • EPC (catene di processi basati su eventi)
  • piani successivi
  • diagrammi HIPO
  • analisi della struttura di comunicazione
  • reti di Petri
  • modelli di oggetti semantici
  • UML (Unified Modeling Language)
  • BPEL (WS-Business Process Execution Language)
N.B.
Le tecniche di process mining non sono necessariamente limitate alla creazione, alla convalida e all’ampliamento di modelli di processo. Anche strutture sociali, organigrammi, norme aziendali e direttive sono raffigurabili con le tecniche di process mining.
Le tecniche di process mining del tipo “Conformance” servono alla convalida di modelli di processo. In presenza di un modello di processo, si consiglia di metterlo regolarmente a confronto con i nuovi dati di log dell’evento per garantire che il modello sia conforme alla documentazione dei processi reali. Vengono pertanto impiegate tecniche di process mining in grado di mettere a confronto il modello di processo presente con i dati attuali dell’evento, per individuare le differenze tra modello e realtà. Il risultato di un simile test di conformità è una diagnosi della qualità del modello di processo esaminato. Un test di conformità può essere impiegato sia su modelli di processo descrittivi che normativi.
N.B.
I modelli descrittivi descrivono il reale svolgimento dei processi. I modelli normativi, invece, informano su come dovrebbe svolgersi il processo nel migliore dei casi. Si parla anche di modelli effettivi e di riferimento.
Le tecniche di process mining del tipo “Enhancement” puntano ad ampliare e a migliorare i modelli di processo già esistenti con l’aiuto delle nuove informazioni ottenute. Il risultato è un nuovo e ampliato modello di processo.

Prospettive di analisi

Il process mining copre 4 diversi livelli di osservazione:
  • Prospettiva del flusso di controllo: un process mining con sguardo al flusso di controllo punta a rappresentare la sequenza di attività all’interno di un processo come modello di processo (ad esempio, come rete di Petri diagramma di attività UML, modello EPC o BPMN).
  • Prospettiva di organizzazione: un process mining con prospettiva di organizzazione mette in risalto il rapporto tra persone e sistemi IT attraverso la partecipazione a un processo aziendale. I profili di attività e i ruoli vengono definiti e confrontati tra loro. Il risultato di una simile analisi è una rete sociale che visualizza l’intreccio di relazioni.
  • Prospettiva del caso: un process mining con prospettiva del caso serve per l’analisi di singole istanze di processo. Queste vengono descritte e categorizzate come casi in conformità alle loro caratteristiche. La suddivisione ha luogo in base ai valori di dati rilevati per la rispettiva istanza di processo, ad esempio in basi a quali attori siano coinvolti.
  • Prospettiva temporale: un process mining con prospettiva temporale prende in considerazione il momento assoluto e quello relativo e la frequenza degli eventi. Il presupposto è che tutti gli event log siano dotati di una marca temporale. Le analisi di questo tipo permettono simulazioni che consentono di fare conclusioni su modelli, trend e ostacoli nel corso del processo. Sono pertanto individuabili i colli di bottiglia nella catena del processo.
Nella prassi il process mining è oggi impiegato in particolare per il riconoscimento del flusso di controllo. In primo piano si hanno tecniche di process mining del tipo “Discovery” con prospettiva del flusso di controllo, le quali consentono di identificare la sequenza logico-temporale delle singole fasi di processo e di confrontarle con lo stato di riferimento desiderato.

Fasi del process mining

Come modello di riferimento per l’impiego di tecniche di process mining, IEEE ha sviluppato il modello del ciclo di vita L*. Questo suddivide il processo nei progetti di process mining in 5 fasi:
Fase
Processo
0
Pianificazione e classificazione
I progetti di process mining hanno inizio, secondo il modello del ciclo di vita L*, con una fase di pianificazione.
Inoltre in questa fase si risponde alle seguenti domande:
- Quale processo viene esaminato?
- Quali eventi sono importanti?
- Quali indicatori sono rilevanti?
- Quali attori e sistemi IT sono coinvolti?
- Come è possibile trovare i dati necessari?
- Quali obiettivi persegue il progetto di process mining?
1
Estrazione dei dati rilevanti
Alla fase di pianificazione segue l’estrazione dei dati rilevanti dai sistemi IT disponibili:
- file di log
- modelli
- ecc.
2
Creazione del modello di flusso di controllo
Nella fase 2 viene derivato un modello del flusso di controllo dai dati raccolti e messo in relazione ai file di log.
3
Creazione di un modello integrato
Se la base di dati è sufficiente, il modello creato nella fase 2 viene ampliato nella fase 3 con altre prospettive.
4
Supporto operativo
La fase 4 comprende l’inserimento del modello per il supporto di processi operativi.

Dove viene impiegato il process mining?

Il process mining può essere impiegato ovunque siano rilevate informazioni dettagliate sulle singole fasi dei processi aziendali rilevanti con l’aiuto di sistemi IT e salvate a lungo termine. Può essere impiegato, ad esempio, quando le società:
  • gestiscono processi di lavoro sui sistemi di gestione del workflow
  • eseguono transazione con l’aiuto di sistemi ERP
  • gestiscono richieste di supporto mediante un sistema di ticket
  • garantiscono la qualità dei trattamenti medici su percorsi clinici
Il process mining si addice così all’impiego nel commercio al dettaglio e presso OEM, nel settore bancario, nello sviluppo, nella vendita o nel settore assicurativo per migliorare i processi aziendali come processi d’ordine, processi di produzione o flussi finanziari.
I campi di applicazione centrali per le tecniche di process mining sono la gestione del workflow e delle conoscenze. Inoltre i risultati ottenuti dai progetti di process mining vengono sfruttati nello sviluppo di sistemi di assistenza.
Tante società impiegano tecnologie come banche dati, sistemi ERP o di gestione delle conoscenze per garantire conoscenze fattuali. In genere non vengono elaborate conoscenze relative al processo. Proprio qui ha inizio il process mining, con metodi che consentono di rendere esplicite conoscenze di processo implicite.
I sistemi di gestione del workflow descrivono i processi aziendali a livello formale e automatizzano la coordinazione e il controllo delle singole fasi di processo. Il sistema mette a disposizione degli utenti interfacce per la comunicazione e per l’accesso ai dati e ai programmi. La gestione del workflow si basa su processi di lavoro modellati, i quali consentono al sistema di riconoscere gli eventi (come l’arrivo di un documento via e-mail) e di rispondere automaticamente. La base di questa automatizzazione sono i modelli di processo che possono essere creati, verificati e ampliati con metodi di process mining.

I vantaggi della tecnologia di process mining

Le tecniche di process mining possono essere impiegate ovunque singole fasi di processi rilevanti a livello aziendale siano registrati come log. Oggi gli algoritmi dei settori data mining e computational intelligence consentono l’analisi dei dati anche per eventi più complessi e permettono di derivare conoscenze su come strutturare i processi aziendali in modo più efficiente e sicuro.
Il process mining è delimitato dall’elevato grado di automatizzazione di tecniche classiche per la creazione di modelli di processo. L’estrazione di informazioni relative a eventi reali dell’attività operativa consente una raffigurazione realistica dei flussi di processo. Rispetto alle tecniche manuali, il process mining si distingue soprattutto per la sua rapidità e precisione. Inoltre già oggi il crescente volume di dati non è più gestibile manualmente.
Un ulteriore vantaggio delle applicazioni professionali di process mining sono le ampie possibilità di visualizzazione. I modelli di processo vengono presentati, secondo le necessità, a lavoratori qualificati e dirigenti su dashboard interattive, le quali consentono un’osservazione dinamica delle fasi di processo e mettono a disposizione ulteriori strumenti di analisi.

Sfide nell’implementazione

Le società trovano difficoltà nell’implementazione delle tecniche di process mining se la base di dati da analizzare non è omogenea per via di un’infrastruttura IT eterogenea. In mancanza di descrizioni uniformi degli eventi, vanno preparati prima i relativi file di log. Questo non comporta solo un dispendio ulteriore ma può anche causare una falsificazione dei dati che, in tal caso, non sono più dati reali in senso stretto.
In più le società devono confrontarsi con l’implementazione in presenza di ostacoli tecnici. L’impiego di data mining è effettivo solo quando le rispettive applicazioni hanno accesso a tutti i sistemi IT rilevanti. Occorrono relative interfacce e una configurazione dispendiosa dei sistemi collegati, i quali richiedono generalmente una stretta collaborazione con il fornitore di applicazioni di process mining.
Il dispendio dell’implementazione accresce ulteriormente quando le società combinano usi standard per la gestione di processi aziendali con strumenti sviluppati autonomamente per adeguarli a esigenze individuali.
Hai trovato questo articolo utile?
Per offrirti una migliore esperienza di navigazione online questo sito web usa dei cookie, propri e di terze parti. Continuando a navigare sul sito acconsenti all’utilizzo dei cookie. Scopri di più sull’uso dei cookie e sulla possibilità di modificarne le impostazioni o negare il consenso.
Page top