La première théorie scientifique, dont le but était d'analyser et d'optimiser les processus de travail, est la gestion scientifique. Au tournant des XIXe et XXe siècles, grâce aux efforts du chercheur américain Frederick Taylor et de ses associés, la théorie de la gestion classique a été créée. Il part du principe qu'il existe une «meilleure façon» de faire un travail donné, et le problème de la faible productivité peut être résolu en utilisant une méthode appelée «timing scientifique». L'essence de la méthode consiste à diviser le travail en une séquence d'opérations élémentaires, qui sont chronométrées et enregistrées avec la participation des travailleurs. En conséquence, cela vous permet d'obtenir des informations précises sur le temps nécessaire pour terminer un travail particulier.
Ainsi, il y a plus de 120 ans, une étape aussi simple a donné lieu à une approche scientifique de l'étude des processus. Avec le développement de la société et de la technologie, les approches d'analyse et d'optimisation des processus évoluent et s'améliorent: il y a une transition vers la «production de masse», qui repose sur la spécialisation avec les possibilités d'optimisation de l'assemblage, de l'informatisation et de l'analyse des statistiques.
Modern Process Mining est une évolution de cette approche avec le Big Data à l'esprit.
Évolution
À la fin des années 1980, le célèbre Taichi Ono a fait une percée en développant et en mettant en œuvre une approche appelée «Lean Manufacturing» chez Toyota. L'approche est basée sur un travail constant avec tous les types de pertes qui surviennent dans le processus. L'élimination des pertes augmente a priori l'efficacité.
La prochaine étape qualitative dans le domaine de l'optimisation des processus est le développement et la mise en œuvre de l'outil «cycle DMAIC», et l'utilisation des méthodes de contrôle statistique des processus Six sigma, qui ne nécessitent pas non plus d'introduction. Les principales caractéristiques de l'étape sont - la saisie des KPI et la gestion des écarts, la concentration sur le client et l'amélioration continue des processus.
Ces approches, qui fonctionnaient bien il y a 5 à 10 ans et reposaient sur des outils manuels tels que le gemba, le timing, les enquêtes clients et experts, et les sessions de conception, de nos jours, à une époque de complexité et d'accélération toujours croissantes des processus, ne permettent pas image complète.
Aujourd'hui, le développement omniprésent des technologies numériques, la robotisation et l'automatisation, l'Internet des objets, les réseaux mondiaux et la numérisation de masse fournissent la base d'une étape qualitativement nouvelle dans la recherche et l'optimisation des processus, la mise en œuvre des capacités de ML et d'IA.
Le Process Mining est un tel outil de transformation de l'IA.
À quoi exactement cette approche est-elle nécessaire?
Inventée par le professeur Wiel van der Aalst au début de la dernière décennie, la technologie Process Mining a rapidement gagné en popularité dans les environnements scientifiques et d'entreprise. Aujourd'hui, avec la croissance du volume d'informations et la rapidité des changements dans l'entreprise, il remplace les méthodes classiques de description et de modélisation manuelle des processus.
En restaurant les diagrammes des processus métier tels qu'ils se produisent réellement, Process Mining vous permet d'obtenir des informations - des connaissances objectives nécessaires pour éliminer les goulots d'étranglement, optimiser les imperfections et améliorer l'efficacité d'une organisation. Ainsi, en utilisant la boîte à outils Process Mining, l'entreprise résout à la fois les problèmes de conformité et les problèmes de performance des processus.
Visualisation des insights (goulots d'étranglement, retours, boucles, grande variabilité) sur le graphe de processus:
La transformation numérique est l'un des principaux moteurs des entreprises modernes. Ses prérequis, ou conditions obligatoires, sont traditionnellement considérés comme la transparence et l'ouverture, ce que Process Mining contribue directement à atteindre. En fait, il fait une «radiographie» des processus en cours dans l'entreprise, fournissant une image complète et surtout fiable de toute la chaîne d'événements, et non des étapes individuelles, éliminant ainsi les barrières entre les différents départements et divisions. L'évaluation qui en résulte de l'efficacité opérationnelle actuelle de l'entreprise est objective et peut donc être utilisée pour identifier les opportunités d'optimisation, suivre les changements et réagir rapidement. L'exploration de processus, en effaçant les frontières organisationnelles, fournit des informations pour tous les niveaux de détail. La valeur de ces informations réside dansqu'ils donnent à l'entreprise une base et une direction pour d'autres actions visant à améliorer et à numériser les processus dans toutes les divisions.
Ainsi, Process Mining fournit aux propriétaires de processus des analyses complètes afin de prendre des décisions de gestion pour améliorer le processus sur la base de données objectives.
Comment se déroule la mise en œuvre
La base de l'application de Process Mining est constituée par les journaux d'événements. Les systèmes d'information enregistrent automatiquement toutes les activités effectuées au cours d'un processus. En plus des activités, les journaux d'événements contiennent des horodatages de début et de fin, un ID de cas unique et d'autres attributs de l'événement: intervenants, texte de correspondance, décision de transaction, attributs territoriaux, etc.
Les fichiers journaux, fournissant des informations fiables et détaillées sur le déroulement de l'exécution d'un processus métier, le rendent plus transparent. Avec ces informations, vous pouvez visualiser et analyser un modèle d'un processus réel et non prévu. Ceci est important car c'est cette lacune qui rend le Process Mining très efficace pour les grandes entreprises. Cependant, il ne se limite pas à la restauration de modèles de processus métier à partir de fichiers journaux. En comparant les données de journal et les diagrammes de processus, Process Mining vous permet d'identifier les écarts et les goulots d'étranglement dans le processus, d'étudier la durée de chaque étape, de détecter les étapes inutiles ou ignorées et d'identifier l'optimisation potentielle et, par conséquent, les gains d'efficacité.
L'une des tâches clés consiste à extraire des informations à partir des données disponibles dans les systèmes informatiques de l'entreprise. Ayant des informations numériques sur toutes les actions effectuées dans le processus, en utilisant la technologie Process Mining, l'entreprise est en mesure de reproduire le processus commercial réellement exécutable. Et la construction de son schéma visuel permet non seulement d'obtenir une image complète de la chaîne d'événements, mais aussi d'étudier l'état actuel du processus à n'importe quel niveau de détail. En analysant le modèle du processus reconstruit avec des données sur la durée et les caractéristiques de son exécution, il est possible d'identifier les retards dans la mise en œuvre des actions individuelles, la relation entre les utilisateurs, la boucle dans le processus, les exécutants inefficaces, ainsi que les lacunes cachées. et des problèmes dans les processus, en raison desquels cela peut réduire considérablement la productivité de toute une organisation.De plus, Process Mining vous permet de voir le processus en dynamique, ce qui signifie la possibilité de suivre les changements qui se produisent à la suite de l'introduction de certaines mesures d'amélioration. Ainsi, Process Mining joue un rôle clé en fournissant des informations précieuses et objectives nécessaires pour améliorer l'efficacité des solutions afin d'optimiser les processus métier. Les principaux avantages d'une analyse orientée processus sont les suivants:Les principaux avantages d'une analyse orientée processus sont les suivants:Les principaux avantages d'une analyse orientée processus sont les suivants:
- Augmentation de la productivité;
- Collaboration plus rapide et plus efficace;
- Réduction du temps pour le travail administratif;
- Transparence;
- Réduire les coûts.
Ensemble, cela garantit la croissance stable de l'entreprise.
Bien sûr, le Process Mining est d'une grande valeur pour les propriétaires de processus métier, car il identifie les changements et écarts indésirables, les goulots d'étranglement et autres risques dans le processus, montrant ainsi exactement où les problèmes et les vulnérabilités existent dans le système et comment ils affectent les performances globales. Cependant, la question «Pourquoi?» Est bien plus intéressante. - quelle est la cause de ces problèmes et écarts? L'apprentissage automatique peut aider à répondre à cette question.
Qu'a fait la Sberbank?
Pour mettre en œuvre l'analyse intellectuelle des processus, l'équipe R&D Process Mining de Sberbank a développé une bibliothèque spéciale.
La bibliothèque Python comprend toutes les méthodes d'analyse dont vous avez besoin et est désormais facilement accessible pour l'expérimentation. La première version de la solution Open Source comprend des fonctionnalités qui vous permettent de:
- reconstruire des graphiques de processus avec divers algorithmes;
- convertir les graphiques de processus en notation bpmn;
- calculer diverses métriques de processus;
- faire du clustering et trouver les principaux chemins des processus
- , k-means, , . , .
- — . , LOF, Isolation Forest , Process Mining , , , . , . , .
Révéler les principaux chemins du processus:
Carte thermique du débit du processus: Graphique des
variables:
Recherche automatique d'informations:
des algorithmes d'apprentissage automatique sont utilisés dans la bibliothèque pour implémenter une analyse automatique des causes profondes (Analyse des causes profondes), à la suite de laquelle des faiblesses critiques du processus sont identifiés et les points de départ de son optimisation sont déterminés ... En outre, l'analyse des causes profondes vous permet d'établir les facteurs d'influence les plus probables et les causes des problèmes, c'est-à-dire qu'elle aide à répondre aux questions de quand et pourquoi des écarts se sont produits dans le processus.
Ainsi, le Process Mining est avant tout la visualisation et l'analyse des processus métier. Sur la base des logs stockés dans les systèmes d'information, il est possible de restaurer le schéma (visuel) réel de l'exécution du processus sous la forme telle qu'elle se déroule réellement. L'apprentissage automatique, à son tour, vous permet de déterminer les causes profondes et de comprendre ainsi pourquoi le processus se déroule de cette manière.
Comment nous appliquons nous-mêmes le Process Mining
Nous avons plus de 12 mille bureaux en Russie, des filiales et des banques en dehors de la Fédération de Russie, des entreprises de l'écosystème. Process Mining vous permet d '«atteindre» les processus dans les banques régionales, à des collègues de Sberbank International: nous avons déjà de l'expérience, nous avons vu les processus du Kazakhstan, de la Biélorussie; à nos filiales: SberLeasing, SberFactoring, etc.
Nous avons commencé à utiliser la technologie en 2019. La première et très réussie étude de bout en bout a été l'analyse du processus de prêt. Le prêt est un énorme processus interfonctionnel, qui impliquait à l'époque plusieurs milliers d'employés et plusieurs systèmes automatisés.
Nous avons collecté et collé des journaux d'événements à partir de plusieurs systèmes, grâce auxquels nous avons reçu des informations détaillées sur la durée du processus à chaque étape, reconstruit des versions réelles des chemins de processus et les avons comparées à des versions normatives. Le processus s'est avéré surchargé avec une variété de chemins et de variations du passage des étapes individuelles, des boucles, des retours d'étape en étape, et tout cela est une perte de temps et, en fin de compte, d'argent. On a trouvé des inefficacités, des boucles, du ping-pong entre les interprètes et des rebonds. Nous avons construit une heatmap de performance par territoire, qui a montré les différences dans l'organisation du processus et la rapidité de prise de décision sur l'application.
Les commentaires des artistes interprètes sont devenus une source d'information précieuse. Le module ML pour l'analyse de textes a permis de regrouper automatiquement, sans échantillon de formation, les textes de correspondance et d'obtenir les TOP raisons pour lesquelles l'application revient aux étapes précédentes, pourquoi le processus est lent.
Tout cela nous a donné les réponses là où nous devons «traiter» le processus.
Le Process Mining est efficace sur tous les processus qui laissent une empreinte numérique: qu'il s'agisse d'un processus métier «émettant un prêt» ou d'un processus interne qui assure «l'approbation d'un accord commercial».
La technologie s'est généralisée à la Sberbank dans le domaine de l'audit numérique. Pour l'audit interne, l'analyse des processus est un domaine. Le Process Mining vous permet d'obtenir un type complètement différent de résultats de haute qualité, car:
- Les données numériques sont utilisées pour 100% des instances de processus. En conséquence, le résultat est une image objective à 100%, avec laquelle il est difficile d'argumenter: les propriétaires de processus peuvent toujours vérifier les données. Du point de vue de l'audit, cette approche est très bonne.
- Les algorithmes fournissent des informations qui ne peuvent pas être obtenues par les méthodes d'audit standard.
- Un gros plus de la technologie numérique est le sans contact; en cas de pandémie, il n'y a pas d'autres options d'audit. Il permet de remplir le plan d'inspection et de travailler lorsque tout le monde est dans des conditions de travail à distance.
La bibliothèque SberPM Python est disponible sur GitHub au lien . Chaque Data Scientist peut installer la solution de Sberbank et commencer à analyser les processus avec la technologie Process Mining.