Process mining: analisi dati per automazione di successo

Le tecnologie di automazione e la digitalizzazione sono il fulcro di quella che Klaus Schwab, fondatore e CEO del World Economic Forum, ha definito “Quarta Rivoluzione Industriale”: la digitalizzazione consente alle imprese di intervenire direttamente sui processi, ottimizzandoli e rendendoli più funzionali al business.. Per tale motivo, il Process Mining suscita l’interesse delle imprese, che vedono in questa tecnologia la possibilità di incrementare il business. Uno studio di Deloitte mostra, infatti, come l’86% delle aziende intervistate ritiene che il Process Mining abbia portato valore aggiunto all’organizzazione. Ma non solo: lo studio rileva, tra gli altri, due dati fondamentali per comprendere il contributo che l’analisi dei processi può fornire alle aziende:

• Nel 69% dei casi il Process Mining è implementato in combinazione a iniziative di Robotic Process Automation;
• Il 50% delle aziende effettua un refresh giornaliero dei dati relativi ai processi esaminati.

La combinazione di tali informazioni segnala come l’analisi dei processi sia funzionale all’introduzione di meccanismi automatici (che garantiscono velocità, efficienza ed eliminazione degli errori), e come tali meccanismi presuppongano la disponibilità di dati sempre aggiornati, fondamentali per aziende che adottano l’approccio data-driven.

Process Mining: i 3 step fondamentali

Il Process Mining si focalizza sull'esame, il controllo e l'ottimizzazione dei flussi operativi aziendali, avvalendosi dei dati generati dalle applicazioni informatiche (log). Questi dati comprendono dettagli molto approfonditi sulle azioni compiute da ogni singolo passo dei processi e, pertanto, consentono agli analisti di osservare con precisione il reale svolgersi delle attività. A partire dai dati, dunque, il Process Mining segue un percorso in 3 step:

1. Discovery e Digital Twin. Nei processi di business, ad ogni step corrispondono una o più operazioni digitali. Si pensi, ad esempio, al consumatore che acquista un prodotto online, o al cliente di una banca che esegue una transazione. Tali attività daranno luogo, a livello informatico, a una sequenza di singole operazioni elementari eseguite da applicazioni, server e dispositivi coinvolti nel processo. L’insieme dei task, ovvero il Digital Twin, restituisce la mappa end-to-end del processo e permette di scoprire (Discovery) ciò che avviene realmente. Occorre considerare, inoltre, che più i processi sono articolati, più cresce la complessità dei dati da gestire. Si pensi, ad esempio, allo shopping online, che può comportare un mix di diverse operazioni: navigazione del sito, interazione con l’assistenza clienti, transazione di pagamento, gestione dell’ordine, spedizione, ecc. È necessario garantire che i dati delle varie piattaforme rispettino gli standard di completezza, integrità, consistenza, disponibilità e tracciabilità.
2. Conformance Check. Il Digital Twin è la chiave di volta del Process Mining, in quanto restituisce agli analisti il processo in totale trasparenza, in formato “radiografico”. Osservando i tracciati del gemello digitale, gli esperti di business hanno, infatti, la possibilità di verificare se e quanto il Digital Twin corrisponda al processo così come è stato progettato, e dove stiano gli eventuali intoppi, o, infine, se esistano aree di miglioramento.
3. Enhancement. Una volta individuate le difformità o deviazioni durante il Conformance Check, prende avvio la fase di miglioramento del processo. In questo momento vengono progettate e sviluppate azioni correttive o migliorative, per dare efficienza al processo e rendere maggiormente conforme il Digital Twin al modello teorico o ideale. Va sottolineato che nella fase di Enhancement si può intervenire, ad esempio, sulle cause che determinano le deviazioni o sulla riduzione dei tempi del ciclo di business, attraverso simulazioni effettuate sul Digital Twin. Nella maggior parte dei casi, tuttavia, la fase di Enhancement consiste nell’introduzione di bot RPA che automatizzano operazioni ripetitive, spesso svolte manualmente (smistamento mail, controllo documentale, estrazione dati, ecc.). Grazie alla relativa facilità di implementazione della tecnologia (sia in termini tecnici che economici), i bot assicurano un ritorno degli investimenti già a breve termine, consentendo alle aziende di misurare con facilità il beneficio ottenuto.

L’utilizzo del Process Mining come abilitatore di iniziative di Robotic Process Automation è un dato in gran parte acquisito. Tuttavia, questo è solo il primo passo del percorso di miglioramento dei processi di business. L’introduzione dell’Artificial Intelligence, porta, infatti, ad una nuova dimensione di analisi e ottimizzazione dei flussi aziendali, che supera le possibilità offerte dalla Robotic Process Automation. Mentre l’RPA è vincolata a regole fisse stabilite a priori, l’AI offre la dimensione predittiva, che rappresenta la priorità delle aziende per lo sviluppo futuro. Fattori critici per il business quali, ad esempio, la previsione della domanda, l’analisi del sentiment, il riconoscimento dei comportamenti dell’utente, o, in ambito manifatturiero, la manutenzione dei macchinari, trovano nei modelli predittivi la possibilità di anticipare i fenomeni e affrontare le criticità (allocazione di risorse elaborative, modifica dei piani produttivi, ecc.). Per tale motivo, un ulteriore miglioramento delle performance operative si potrà ottenere integrando le analisi del Process Mining con l’Artificial Intelligence, per poter dare efficienza ai processi in modo dinamico, in funzione di analisi fatte in tempo reale, secondo le condizioni dettate dal contesto