Process Mining: qué es, cómo funciona y por qué es esencial para las empresas

El Process Mining se define, según Gartner, como la técnica que permite identificar, monitorear y mejorar los procesos reales (no supuestos) de una organización. Por ello, puede desempeñar un rol estratégico en la mejora del rendimiento empresarial. Ya en 2019, McKinsey señalaba que el Process Mining era la herramienta más eficaz para impactar directamente en el negocio de la empresa.

Cabe destacar que estas potencialidades se ven hoy potenciadas por tecnologías como la Inteligencia Artificial Generativa y Extractiva y la Robotic Process Automation (RPA). La IA es capaz de identificar patrones recurrentes analizando grandes volúmenes de datos, lo que permite generar análisis predictivos sobre los procesos y su posible optimización. Por su parte, la RPA, aplicada donde el Process Mining señala mayor efectividad, reduce la intervención humana en tareas repetitivas, haciendo los procesos más rápidos, seguros y libres de errores.

¿Por qué es útil el Process Mining para las empresas?

La digitalización de procesos y la disponibilidad de grandes cantidades de datos permite a las empresas conocer y analizar con precisión sus actividades, confrontando el diseño teórico del proceso con su ejecución real. Esto facilita la identificación de ineficiencias, cuellos de botella y áreas de mejora, que pueden ser posteriormente objeto de automatización mediante RPA u otras soluciones.Cuanto más detallado y descompuesto esté el proceso en sus componentes elementales (gracias al Process Mining), más objetivos y medibles serán los beneficios de la automatización. Tomemos como ejemplo el customer journey en el sector financiero. El proceso ideal incluye:

• El cliente visita el sitio web o acude a la sucursal para explorar los servicios;
• Si necesita más información, contacta al gestor mediante chatbot, correo o teléfono;
• El servicio de atención responde de forma ágil y precisa;
• El cliente, satisfecho, completa la contratación del servicio.

En la práctica, diversas variables pueden alterar este flujo:

• El cliente se confunde por la cantidad de opciones o por la complejidad del sitio;
• Solicita asistencia, pero enfrenta demoras o respuestas inadecuadas (por falta de formación del personal o ausencia de información);
• La frustración lo lleva a optar por otra entidad bancaria.

En un escenario como el anterior, el Process Mining permite detectar, a partir de datos reales, ineficiencias como:

• Tiempos de carga del sitio excesivos;
• Retrasos en la gestión de correos o solicitudes;
• Áreas del sitio donde los usuarios abandonan la navegación;
• Información crítica no proporcionada por el soporte.

El resultado es doble: por un lado, alinear el proceso real con el proceso ideal; por otro, identificar las etapas donde los procesos automatizados pueden sustituir actividades manuales, generando mejoras inmediatas en eficiencia y retorno de inversión. Uno de los puntos fuertes de la RPA es precisamente la capacidad de mostrar beneficios en un tiempo muy reducido. Existen casos documentados donde, por ejemplo, los tiempos de generación de presupuestos —y por tanto el inicio del servicio— se han reducido drásticamente tras eliminar retrasos (tiempos de respuesta, validaciones, etc.) y sustituir tareas manuales (cálculos, verificaciones normativas, respuesta a emails) por bots RPA. El resultado: mejor experiencia del cliente y aumento de ingresos a corto plazo.

¿Por dónde empezar con el Process Mining?

La digitalización de los procesos y la disponibilidad de grandes cantidades de información sobre los mismos permite a las empresas conocer y analizar con precisión las actividades y comparar la teoría (el proceso tal como fue diseñado) con la práctica (su ejecución), identificando así puntos débiles, ineficiencias y áreas de mejora. Tales elementos, delimitados con precisión por el Process Mining, pueden ser objeto de iniciativas de RPA u otra automatización, y la comparación entre los procesos (pre y post implementación) proporcionará métricas precisas para justificar la inversión requerida. Cuanto más fragmentado y visible sea el proceso en sus componentes elementales (Process Mining), más objetivo, medido y comparable será el beneficio de la automatización. Tomemos, como ejemplo, el customer journey en el sector financiero. El proceso ideal contempla una serie de pasos predefinidos:

• El cliente visita el sitio web o se dirige al banco para identificar el servicio más adecuado a sus necesidades.
  Si el cliente necesita información, contacta al gestor a través de chatbot, correo electrónico o teléfono.
• El servicio de atención al cliente responde de manera oportuna, proporcionando la información necesaria.
• El cliente está satisfecho, no ha encontrado obstáculos y procede con la compra.

En la realidad, muchas variables, tanto conocidas como desconocidas, pueden alterar el proceso:

• El cliente puede sentirse confundido por las diversas opciones de servicio o por la complejidad de navegación del sitio web.
• El cliente solicita asistencia, pero se enfrenta a largas esperas o recibe información no satisfactoria (el personal no está capacitado, faltan detalles de interés, etc.).
• El sentimiento de frustración lleva al cliente a acudir a otro banco.

En un caso como este, donde los problemas de experiencia del cliente son evidentes, el Process Mining puede identificar, con datos recogidos en el campo, diversas ineficiencias, como, por ejemplo: tiempos de respuesta demasiado largos en el sitio web; largas esperas para procesar correos electrónicos o para proporcionar respuestas a los clientes; qué áreas del sitio web hacen que los clientes abandonen la navegación; qué información el servicio de atención al cliente no ha podido proporcionar, etc.

El Process Mining, por lo tanto, proporciona un doble resultado: por un lado, contribuye a hacer que el proceso real sea más conforme al ideal; por otro, identifica las áreas donde los procesos automatizados pueden reemplazar las secuencias de trabajo manuales, generando una ventaja casi inmediata en términos de eficiencia y retorno de la inversión. Uno de los puntos fuertes de la RPA, de hecho, es permitir, en un tiempo muy corto, la comparación directa entre el antes y el después: los tiempos se reducen, los errores disminuyen, y las actividades rentables aumentan. Existen casos documentados en los que, por ejemplo, los tiempos para la formulación de presupuestos (y, por lo tanto, para el inicio de servicios de pago) se han reducido casi a cero después de aislar las causas de los retrasos (tiempos de respuesta a correos electrónicos, secuencias de aprobación, etc.) y reemplazar las actividades manuales (cálculo de tarifas, verificaciones normativas, respuesta a correos electrónicos, etc.) con bots RPA. El resultado ha sido una mejor experiencia del cliente y un aumento de los ingresos a corto plazo.

Process Mining: de dónde empezar

El Process Mining tiene una importancia estratégica para las empresas, tanto para la mejora del rendimiento como para el cambio de mentalidad que conlleva: por un lado, elimina las bolsas de ineficiencia, y por otro, alimenta la cultura basada en datos. El Process Mining se basa en datos registrados y no en percepciones del personal involucrado en las actividades; los procesos se modifican según lo que emerge de la información recopilada en los registros de los sistemas y no según opiniones. Las decisiones de inversión, por lo tanto, están basadas en datos, y la evidencia de los resultados (por ejemplo, la comparación medida entre el proceso manual y el proceso automático) permite justificar el compromiso económico sobre bases objetivas. Es importante señalar que el enfoque basado en datos, en el que se basa el Process Mining, requiere una actividad estructurada y rigurosa de recopilación y análisis de datos. Las tres fases en las que se compone el Process Mining (Discovery de los procesos o Digital Twin, Conformance Check y Enhancement) requieren un análisis reiterado de los procesos a lo largo del tiempo, y la mejora incremental, en la que se basa este enfoque, solo es posible si se almacenan los datos históricamente. Además, en los procesos de negocio participan diversas plataformas (ERP, Supply Chain, aplicaciones web, etc.), y es necesario garantizar la calidad de los datos recopilados a lo largo del tiempo para cada una de ellas.

El Process Mining, por lo tanto, aparece como un valioso aliado para el negocio de las empresas, tanto en términos de eficiencia productiva (reducción de los tiempos de ciclo, mayor adherencia a las normativas, eliminación de sobrecargas o subutilización de recursos, planificación de la producción, etc.), como en términos de experiencia del cliente (calidad del sitio web, procesos de compra, servicio al cliente, etc.). Según un estudio reciente, de hecho, la mayoría de las empresas (86%) considera que el Process Mining aporta valor añadido a la organización, y el primer beneficio en la lista es la creación de valor de negocio: los procesos son transparentes, de extremo a extremo, y su análisis detallado permite definir de qué manera y en qué medida la automatización de procesos puede ser beneficiosa, tanto a corto como a medio plazo.