Il Process Mining è definito da Gartner come la tecnica attraverso cui è possibile individuare, monitorare e migliorare i processi reali (non presunti) di un’organizzazione, di conseguenza può avere un ruolo strategico nel miglioramento delle performance aziendali; già nel 2019, infatti, McKinsey evidenziava come il Process Mining fosse lo strumento più efficace per incidere concretamente sul business dell’impresa. Va sottolineato, inoltre, che tali potenzialità si amplificano, oggi, grazie all’Artificial Intelligence Generativa ed Estrattiva, e alla Robotic Process Automation. L’AI è in grado, infatti, di individuare fenomeni ricorrenti (pattern), analizzando grandi quantità di dati, da cui derivano analisi predittive sui processi stessi e su come ottimizzarli; l’RPA, invece, applicata dove, secondo il Process Mining, è più efficace, permette di ridurre l’intervento umano su task ripetitive, rendendo i processi più veloci, sicuri e a prova di errore.
La digitalizzazione dei processi e la disponibilità di grandi quantità di informazioni sugli stessi, permette alle aziende di conoscere e analizzare con precisione le attività e di mettere a confronto la teoria (il processo come è stato progettato) e la pratica (la sua esecuzione), individuando, così, punti deboli, inefficienze e aree di miglioramento. Tali elementi, circoscritti con precisione dal Process Mining, potranno essere soggetti a iniziative di RPA o altra automazione, e il confronto tra i processi (pre e post implementazione), fornirà metriche precise per giustificare l’investimento richiesto. Più il processo sarà frazionato e reso visibile nelle sue componenti elementari (Process Mining), più il beneficio dell’automazione sarà oggettivo, misurato, confrontabile. Prendiamo, a titolo di esempio, il customer journey nel settore Finance. Il processo ideale prevede una serie di passi predefiniti:
Nella realtà, molte variabili, sia note che incognite, possono alterare il processo:
In un caso simile, dove i problemi di Customer Experience sono evidenti, il Process Mining può evidenziare, con dati raccolti sul campo, diverse inefficienze, come, ad esempio: tempi di risposta del sito troppo lunghi; lunghe attese per la lavorazione delle mail o per fornire risposte ai clienti; quali sono le aree del sito in cui i clienti terminano la navigazione; quali sono le informazioni che l’assistenza clienti non è stata in grado di fornire, ecc.
Il Processo Mining, dunque, fornisce un duplice risultato: da un lato contribuisce a rendere il processo reale più conforme a quello ideale; dall’altro, individua le aree in cui i processi automatizzati possono sostituire le sequenze di lavoro manuale, generando un vantaggio pressoché immediato in termini di efficienza e ritorno degli investimenti. Uno dei punti di forza dell’RPA, infatti, è quello di permettere, in un arco di tempo molto breve, il confronto diretto tra il prima e il dopo: i tempi si accorciano, gli errori diminuiscono, le attività a reddito aumentano. Sono documentati casi in cui, ad esempio, i tempi per la formulazione dei preventivi (e, quindi, per l’avvio dei servizi a pagamento), sono stati pressoché azzerati dopo aver isolato le cause di ritardo (tempi di risposta alle mail, sequenze approvative, ecc.) e aver sostituito attività manuali (calcolo delle tariffe, verifiche normative, risposta alle mail, ecc.) con bot RPA. L’esito è stato una migliore customer experience e un aumento dei ricavi nel breve termine.
Il Process Mining ha un’importanza strategica per le aziende, sia per il miglioramento delle performance, sia per il cambiamento di mindset che comporta: se da un lato, infatti, elimina le sacche di inefficienza, dall’altro alimenta la cultura data-driven. Il Process Mining si basa su dati registrati e non sulle percezioni del personale coinvolto nelle attività; i processi sono modificati secondo quanto emerge dalle informazioni raccolte nei log dei sistemi e non secondo opinioni. Le decisioni di investimento sono, perciò, data-driven, e l’evidenza dei risultati (ad esempio, il confronto misurato tra processo manuale e processo automatico), permette di giustificare l’impegno economico su basi oggettive.
Occorre sottolineare che l’approccio data-driven, su cui si basa il Process Mining, richiede un’attività strutturata e rigorosa di raccolta e analisi dei dati. Le tre fasi di cui si compone il Process Mining (Discovery dei processi o Digital Twin, Conformance Check ed Enhancement) necessitano di un’analisi dei processi reiterata nel tempo, e il miglioramento incrementale, su cui si basa questo approccio, è possibile solo storicizzando i dati. Si tenga presente, inoltre, che nei processi di business sono coinvolte diverse piattaforme (ERP, Supply Chain, applicativi web, ecc.), ed è necessario garantire per ognuna la qualità dei dati raccolti nel tempo.
Il Process Mining appare, dunque, come un prezioso alleato del business delle aziende, sia in termini di efficienza produttiva (riduzione dei tempi di ciclo, maggiore aderenza alle normative, eliminazione di sovraccarichi o sottoutilizzi delle risorse, planning della produzione, ecc.), sia in termini di Customer Experience (qualità del sito, processi di acquisto, assistenza clienti, ecc.). Secondo un recente studio, infatti, la maggioranza delle aziende (86%) ritiene che il Process Mining porti valore aggiunto all’organizzazione, e il primo beneficio in elenco è quello della creazione di valore di business: i processi sono trasparenti, end-to-end, e la loro analisi di dettaglio consente di definire in che modo e in quale misura l’automazione di processo può portare beneficio, nel breve come nel medio termine.