Teori ilmiah pertama yang bertujuan untuk menganalisis dan mengoptimalkan proses kerja adalah Manajemen Ilmiah. Pada pergantian abad ke-19 dan ke-20, melalui upaya peneliti Amerika Frederick Taylor dan rekan-rekannya, teori manajemen klasik diciptakan. Ini didasarkan pada premis bahwa ada "cara terbaik" untuk melakukan pekerjaan tertentu, dan masalah produktivitas rendah dapat diselesaikan dengan menggunakan metode yang disebut "waktu ilmiah". Inti dari metode ini terdiri dari membagi pekerjaan menjadi urutan operasi dasar, yang dihitung waktunya dan dicatat dengan partisipasi pekerja. Hasilnya, ini memungkinkan Anda mendapatkan informasi akurat tentang waktu yang dibutuhkan untuk menyelesaikan pekerjaan tertentu.
Jadi, lebih dari 120 tahun yang lalu, langkah sederhana seperti itu memunculkan pendekatan ilmiah untuk mempelajari proses. Dengan perkembangan masyarakat dan teknologi, pendekatan untuk analisis dan optimalisasi proses berkembang dan meningkat: ada transisi ke "produksi massal", yang didasarkan pada spesialisasi dengan kemungkinan pengoptimalan perakitan, komputerisasi, dan analisis statistik.
Modern Process Mining adalah evolusi dari pendekatan ini dengan mempertimbangkan data besar.
Evolusi
Pada akhir 1980-an, Taichi Ono yang terkenal membuat terobosan dengan mengembangkan dan menerapkan pendekatan yang disebut "Lean Manufacturing" di Toyota. Pendekatan ini didasarkan pada pekerjaan yang konstan dengan semua jenis kerugian yang timbul dalam proses tersebut. Menghilangkan kerugian secara apriori meningkatkan efisiensi.
Langkah kualitatif berikutnya dalam bidang optimasi proses adalah pengembangan dan implementasi alat "siklus DMAIC", dan penggunaan metode kontrol proses statistik Six sigma, yang juga tidak perlu diperkenalkan. Karakteristik utama dari tahapan ini adalah - memasuki KPI dan menangani penyimpangan, dengan fokus pada pelanggan dan memastikan peningkatan proses yang berkelanjutan.
Pendekatan ini, yang bekerja dengan baik 5-10 tahun yang lalu dan mengandalkan alat manual seperti gemba, waktu, survei pelanggan dan ahli, dan sesi desain, saat ini, di era kompleksitas yang terus meningkat dan percepatan proses, tidak memberikan gambar lengkap.
Saat ini, perkembangan teknologi digital, robotisasi dan otomasi di mana-mana, Internet of things, jaringan global dan digitalisasi massal memberikan dasar untuk tahap baru secara kualitatif dalam penelitian dan optimalisasi proses, implementasi kemampuan ML dan AI.
Process Mining adalah alat transformasi AI.
Untuk apa sebenarnya pendekatan ini diperlukan?
Diciptakan oleh Profesor Wiel van der Aalst pada awal dekade terakhir, teknologi Process Mining dengan cepat mendapatkan popularitas di lingkungan ilmiah dan perusahaan. Saat ini, dengan pertumbuhan volume informasi dan kecepatan perubahan dalam bisnis, itu menggantikan metode klasik untuk mendeskripsikan dan proses pemodelan manual.
Dengan memulihkan diagram proses bisnis seperti yang sebenarnya terjadi, Process Mining memungkinkan Anda memperoleh wawasan - pengetahuan objektif yang diperlukan untuk menghilangkan kemacetan, mengoptimalkan ketidaksempurnaan, dan meningkatkan efisiensi organisasi. Jadi, dengan menggunakan toolkit Process Mining, perusahaan memecahkan masalah kepatuhan dan masalah kinerja proses.
Visualisasi wawasan (kemacetan, pengembalian, loop, variabilitas besar) pada grafik proses:
Transformasi digital adalah salah satu pendorong utama bisnis modern. Prasyaratnya, atau ketentuan wajibnya, secara tradisional dianggap transparansi dan keterbukaan, yang secara langsung dibantu untuk dicapai oleh Process Mining. Bahkan, dia membuat "sinar-X" dari proses yang terjadi di perusahaan, memberikan gambaran yang komprehensif, dan yang paling penting, dapat diandalkan dari seluruh rantai peristiwa, dan bukan langkah-langkah individu, sehingga menghilangkan hambatan antara berbagai departemen dan divisi. Penilaian yang dihasilkan dari efisiensi operasi perusahaan saat ini bersifat objektif, dan oleh karena itu dapat digunakan untuk mengidentifikasi peluang pengoptimalan, melacak perubahan, dan merespons dengan cepat. Process Mining, dengan menghapus batasan organisasi, memberikan wawasan untuk tingkat detail apa pun. Nilai dari wawasan ini terletak padabahwa mereka memberi perusahaan landasan dan arahan untuk tindakan lebih lanjut guna meningkatkan dan mendigitalkan proses di semua divisi.
Dengan demikian, Process Mining memberi pemilik proses analitik lengkap untuk membuat keputusan manajemen untuk meningkatkan proses berdasarkan data objektif.
Bagaimana implementasinya berjalan
Dasar penerapan Process Mining dibentuk oleh event logs. Sistem informasi secara otomatis merekam semua aktivitas yang dilakukan selama satu proses. Selain aktivitas, log peristiwa berisi stempel waktu mulai dan akhir, ID kasus unik, dan atribut acara lainnya: artis, teks korespondensi, keputusan kesepakatan, atribut teritorial, dan sebagainya.
File log, memberikan informasi yang andal dan terperinci tentang jalannya pelaksanaan proses bisnis, membuatnya lebih transparan. Dengan informasi ini, Anda dapat memvisualisasikan dan menganalisis model yang nyata, bukan proses yang dimaksudkan. Ini penting karena celah inilah yang membuat Process Mining sangat efisien untuk perusahaan besar. Namun, itu tidak terbatas pada memulihkan model proses bisnis dari file log. Dengan membandingkan data log dan diagram proses, Process Mining memungkinkan Anda mengidentifikasi penyimpangan dan kemacetan dalam proses, mempelajari durasi setiap tahap, mendeteksi tahapan yang tidak perlu atau dilewati, dan mengidentifikasi potensi pengoptimalan dan, oleh karena itu, meningkatkan efisiensi.
Salah satu tugas utamanya adalah mengekstrak wawasan dari data yang tersedia di sistem TI perusahaan. Memiliki informasi digital tentang semua tindakan yang dilakukan dalam proses tersebut, dengan menggunakan teknologi Process Mining, perusahaan dapat mereproduksi proses bisnis yang sebenarnya dapat dijalankan. Dan konstruksi skema visualnya memungkinkan tidak hanya untuk mendapatkan gambaran lengkap dari rantai peristiwa, tetapi juga untuk menyelidiki keadaan proses saat ini pada tingkat detail apa pun. Menganalisis model proses yang direkonstruksi bersama dengan data tentang durasi dan karakteristik pelaksanaannya, dimungkinkan untuk mengidentifikasi penundaan dalam pelaksanaan tindakan individu, hubungan antar pengguna, perulangan dalam proses, pelaku yang tidak efektif, serta kekurangan yang tersembunyi dan masalah dalam proses, yang karenanya secara signifikan dapat menurunkan produktivitas seluruh organisasi.Selain itu, Process Mining memungkinkan Anda melihat proses dalam dinamika, yang berarti kemampuan untuk melacak perubahan yang terjadi sebagai hasil dari pengenalan langkah-langkah perbaikan tertentu. Jadi, Process Mining memainkan peran kunci dalam memberikan informasi yang berharga dan obyektif yang diperlukan untuk meningkatkan efisiensi solusi guna mengoptimalkan proses bisnis. Keuntungan utama dari analisis berorientasi proses adalah sebagai berikut:Keuntungan utama dari analisis berorientasi proses adalah sebagai berikut:Keuntungan utama dari analisis berorientasi proses adalah sebagai berikut:
- Peningkatan produktivitas;
- Kolaborasi yang lebih cepat dan lebih efisien;
- Mengurangi waktu untuk pekerjaan administratif;
- Transparansi;
- Mengurangi biaya.
Bersama-sama, ini memastikan pertumbuhan perusahaan yang stabil.
Tentu saja, Process Mining sangat berharga bagi pemilik proses bisnis, karena mengidentifikasi perubahan dan penyimpangan yang tidak diinginkan, kemacetan, dan risiko lain dalam proses, sehingga menunjukkan dengan tepat di mana masalah dan kerentanan ada dalam sistem dan bagaimana pengaruhnya terhadap kinerja secara keseluruhan. Namun, pertanyaan “Mengapa?” Jauh lebih menarik. - apa penyebab masalah dan penyimpangan ini? Pembelajaran mesin dapat membantu menjawab pertanyaan ini.
Apa yang Sberbank lakukan?
Untuk mengimplementasikan analisis intelektual proses, tim R&D Proses Penambangan Sberbank telah mengembangkan perpustakaan khusus.
Pustaka Python menyertakan semua metode analisis yang Anda butuhkan, dan sekarang mudah diakses untuk eksperimen. Versi pertama dari solusi Open Source menyertakan fitur yang memungkinkan Anda untuk:
- merekonstruksi grafik proses dengan berbagai algoritma;
- mengkonversi grafik proses ke notasi bpmn;
- menghitung berbagai metrik proses;
- lakukan pengelompokan dan temukan jalur utama proses.
- , k-means, , . , .
- — . , LOF, Isolation Forest , Process Mining , , , . , . , .
Mengungkap jalur utama proses: Peta
panas dari proses throughput:
Plot variabel:
Pencarian otomatis untuk wawasan:
Algoritma pembelajaran mesin digunakan di perpustakaan untuk mengimplementasikan analisis akar penyebab otomatis (Analisis Penyebab Akar), sebagai akibat dari kelemahan kritis proses diidentifikasi dan titik awal untuk pengoptimalannya ditentukan ... Selain itu, Analisis Akar Penyebab memungkinkan Anda untuk menetapkan faktor yang paling mungkin mempengaruhi dan penyebab masalah, yaitu, membantu menjawab pertanyaan tentang kapan dan mengapa penyimpangan terjadi dalam proses.
Jadi, Process Mining, pertama-tama, visualisasi dan analisis proses bisnis. Berdasarkan log yang disimpan dalam sistem informasi, dimungkinkan untuk mengembalikan skema (visual) aktual dari eksekusi proses dalam bentuk seperti yang sebenarnya terjadi. Pembelajaran mesin, pada gilirannya, memungkinkan Anda untuk menentukan akar penyebab dan dengan demikian memahami mengapa proses berlangsung dengan cara ini.
Bagaimana kami menerapkan Proses Penambangan sendiri
Kami memiliki lebih dari 12 ribu kantor di Rusia, anak perusahaan dan bank di luar Federasi Rusia, perusahaan ekosistem. Process Mining memungkinkan Anda untuk "mencapai" proses di bank regional, kepada kolega dari Sberbank International: kami sudah memiliki pengalaman, kami telah melihat proses Kazakhstan, Belarusia; kepada anak perusahaan kami: SberLeasing, SberFactoring, dll.
Kami mulai menggunakan teknologi ini pada tahun 2019. Studi end-2-end pertama dan sangat sukses adalah analisis proses peminjaman. Pemberian pinjaman adalah proses lintas fungsi yang sangat besar, yang pada saat itu melibatkan beberapa ribu karyawan dan beberapa sistem otomatis.
Kami mengumpulkan dan menempelkan log peristiwa dari beberapa sistem, berkat itu kami menerima informasi terperinci tentang durasi proses pada setiap tahap, merekonstruksi versi nyata dari jalur proses, dan membandingkannya dengan yang normatif. Proses tersebut ternyata kelebihan beban dengan berbagai jalur dan variasi perjalanan tahapan individu, loop, kembali dari tahap ke tahap, dan ini semua hanya membuang-buang waktu dan, pada akhirnya, uang. Ditemukan inefisiensi, loop, ping-pong antara performer dan bounce. Kami membuat peta panas kinerja berdasarkan wilayah, yang menunjukkan perbedaan dalam pengorganisasian proses dan kecepatan pengambilan keputusan pada aplikasi.
Komentar para pemain telah menjadi sumber informasi yang berharga. Modul ML untuk analisis teks memungkinkan untuk secara otomatis, tanpa sampel pelatihan, mengelompokkan teks korespondensi dan mendapatkan alasan TOP mengapa aplikasi kembali ke tahap sebelumnya, mengapa prosesnya lambat.
Semua ini memberi kami jawaban yang kami butuhkan untuk "menangani" proses tersebut.
Process Mining efektif pada semua proses yang meninggalkan jejak digital: apakah itu proses bisnis "mengeluarkan pinjaman" atau proses internal yang memastikan "persetujuan perjanjian bisnis".
Teknologi tersebut telah tersebar luas di Sberbank dalam audit digital. Untuk audit internal, analisis proses adalah area subjek. Process Mining memungkinkan Anda mendapatkan jenis hasil berkualitas tinggi yang sangat berbeda, karena:
- Data digital digunakan untuk 100% contoh proses. Dengan demikian, hasilnya adalah gambaran objektif 100%, yang sulit untuk diperdebatkan: pemilik proses selalu dapat memverifikasi data. Dari sudut pandang audit, pendekatan ini sangat bagus.
- Algoritme memberikan wawasan yang tidak dapat diperoleh dengan metode audit standar.
- Nilai tambah besar dari teknologi digital adalah contactlessness; dalam pandemi, tidak ada pilihan audit lain. Ini memungkinkan untuk memenuhi rencana inspeksi dan bekerja ketika semua orang berada dalam kondisi kerja jarak jauh.
Pustaka SberPM Python tersedia di GitHub di tautan . Setiap Data Scientist dapat menginstal solusi Sberbank dan mulai menganalisis proses dengan teknologi Process Mining.