Il process mining è una disciplina recente ancora poco matura, come mostra il fatto stesso di non avere una terminologia comunemente accettata dagli analisti, dai ricercatori e dai vendor. Alcuni vendor, ad esempio, adottano il termine "Process Intelligence", che ha una portata ben più ampia rispetto a quello di "Automated Business Process Discovery" (ABPD) utilizzato da Gartner.
Il process mining nasce ufficialmente verso la metà degli anni novanta, quando alcuni illuminati intuirono i limiti della modellazione dei processi e compresero a pieno le barriere, tuttora presenti e valide, nell’adozione di sistemi di modellazione (Business Process Analysis Tool).
In particolare, questi ricercatori ponevano l’attenzione sui costi, sulle difficoltà di modellazione e mantenimento dei processi e sulla loro aderenza alla realtà operativa. Per superare questi limiti, svilupparono delle tecniche in grado di modellare automaticamente i processi (usarono il termine di process discovery) mediante la lettura degli eventi generati dai sistemi. L’industria del software, a breve distanza, realizzò dei prodotti da offrire al mercato e nei primi anni di questo millennio anche in Italia era già possibile vedere le prime applicazioni pratiche.
L’entusiasmo in quelle nuovissime tecnologie era smorzato dalla consapevolezza della loro difficile applicabilità, per via dei seguenti motivi.
L’organizzazione era prevalentemente funzionale. Il management, al di là dei proclami, aveva poco interesse nella gestione per processi e difficilmente avrebbe utilizzato sistemi sofisticati in grado di analizzarli in tutte le sue dimensioni.
[Se preferisci scarica tutto l'articolo in pdf] o prosegui nella lettura...
L’ondata della dematerializzazione prima e della digital trasformation dopo, stanno incrementando notevolmente la copertura IT dei processi, rendendo disponibili molti dati, sotto forma di log dei sistemi, di alta qualità e affidabilità.
Oggi la situazione è sicuramente ben diversa da quella pioneristica intrisa di entusiasmi e delusioni. L’ondata della dematerializzazione prima e della digital trasformation dopo, stanno incrementando notevolmente la copertura IT dei processi, rendendo disponibili molti dati, sotto forma di log dei sistemi, di alta qualità e affidabilità.
Il process mining si sta imponendo come uno strumento essenziale nell’ambito del Business Process Management, grazie alla capacità di creare un collegamento diretto tra i processi disegnati e quelli realmente eseguiti, fornendo un supporto sia durante la progettazione dei processi sia durante il loro monitoraggio e miglioramento. Le funzionalità messe a disposizione dai prodotti più avanzati di process mining sono le seguenti:
La documentazione di un processo reale avviene mediante la lettura degli eventi registrati dai diversi sistemi a supporto. La presenza di una chiave univoca che leghi gli eventi di una singola istanza di processo, il tempo in cui questi eventi si sono verificati e gli utenti (e il loro ruolo) che li hanno generati sono informazioni indispensabili per ottenere un grafo. Il processo complessivo viene successivamente elaborato come l’insieme delle istanze eseguite in un determinato periodo di tempo.
Un problema noto riguarda la complessità dei grafi così ottenuti, che possono risultare poco leggibili. Una tecnica utilizzata che consente un notevole miglioramento è quella del raggruppamento. Gli eventi sono selezionati e raggruppati secondo delle regole che permettono di ottenere dei modelli con una granularità inferiore. Anche i grafi a loro volta sono raggruppati per similitudine in varianti di processo (Fig.1).
Tecniche più recenti consentono un ulteriore miglioramento mediante la suddivisione del processo in sottoprocessi. Tali tecniche non determinano perdite di informazioni utili, ma semplicemente riducono il “rumore”.
Un approccio meramente tecnico, non coadiuvato dalle metodologie di modellazione, è comunque poco efficace. Alcuni prodotti di process mining per ovviare al problema utilizzano dei template di processo, limitando di fatto i benefici ottenibili con altri metodi. Più interessante invece sono le elaborazioni ottenute dai log dei Business Process Management System che, se implementati correttamente in linea con le metodologie di modellazione, permettono di generare nativamente processi con un appropriato livello di dettaglio.
Un capitolo a parte è invece rappresentato dall’utilizzo di strumenti di Dynamic Case Management. Questi strumenti, infatti, sono in grado di tracciare la maggior parte delle attività non prevedibili a priori, abilitandone la modellazione durante la loro esecuzione. In questo caso la potenzialità del process mining diventa massima, poiché riesce a scoprire proprio quelle attività meno intercettabili sia dai log dei sistemi sia dalle più tradizionali interviste.
La qualità dei dati resi disponibili dai sistemi ha quindi un grande effetto sulla qualità e l'affidabilità dei modelli ottenuti mediante il process mining.
In passato l’adozione del process mining si attuava mediante complessi progetti di normalizzazione dei dati e implementazione di connettori specifici con i sistemi interessati. Il trend attuale dei vendor è quello di avere out of the box dei connettori predefiniti con i principali prodotti software (ERP, CRM, ecc…).
Nonostante questi miglioramenti dei prodotti, bisogna prendere atto che ottenere automaticamente il modello di un processo completo può essere molto oneroso a causa della frammentazione degli applicativi a supporto dei processi e delle attività (ancora) gestite fuori sistema.
La verifica della conformità è utilizzata per scopi di auditing e viene eseguita confrontando il modello di un processo reale, ottenuto dai log dei sistemi, con il suo modello formale (Fig.2). I tool di process mining che includono questa funzionalità mettono in evidenza tutti gli scostamenti. Per permettere il confronto, il processo formale deve essere modellato nel tool con lo stesso livello di dettaglio con cui si ottiene il processo reale.
Alcuni studi sperimentali hanno dimostrato come la verifica automatica della conformità è stata in grado di individuare diverse violazioni non precedentemente identificate da ispezioni interne, ad esempio violazioni della segregation of duties o pagamenti non autorizzati.
Tuttavia il beneficio della verifica automatica è più evidente nei casi di bassa digitalizzazione dei processi. Nel panorama tecnologico attuale, la tendenza è quella di integrare i controlli e le regole di compliance negli applicativi a supporto dei processi, rendendo sempre più difficili queste tipologie di violazioni.
Gli strumenti di process minining raccolgono una buona mole di dati, spesso trasversali a più applicativi, per tale ragione si sono evoluti per fornire un supporto anche durante l’esecuzione del processo, predicendo possibili anomalie e inviando raccomandazioni. Il sistema può governare automaticamente le code di lavoro anche quando le attività correlate sono eseguite su sistemi diversi. Ad esempio, nel processo del ciclo passivo, è possibile calibrare le attività di validazione delle fatture lette da un OCR, preferendo una specifica tipologia e rallentandone un’altra, in base all’andamento delle successive attività di verifica e registrazione. Sempre per rimanere nell’ambito delle fatture, il sistema può prevedere eventuali anomalie in base ai dati storici e considerando molteplici parametri, come tipologia, fornitore o prodotti.
Gli strumenti di process minining si sono evoluti per fornire un supporto anche durante l’esecuzione del processo, predicendo possibili anomalie e inviando raccomandazioni.
Dal punto di vista tecnico, diversamente dalle altre funzionalità implementabili anche con una lettura a posteriori dei log, è necessario prevedere dei connettori stabili in grado di leggere in tempo reale gli eventi dei sistemi.
Il miglioramento dei processi avviene tradizionalmente mediante la raccolta dei feedback provenienti dagli attori interessati, sia interni, come impiegati e manager coinvolti, che esterni come clienti o fornitori. Tuttavia, spesso mancano dati oggettivi e/o evidenze delle debolezze o delle opportunità di miglioramento. I tool di process mining attuali permettono di evidenziare i colli di bottiglia e le diversità di comportamento in relazione a molteplici fattori come: aree geografiche, tipologie di acquisto, personale coinvolto, ecc... La profondità dell’analisi è massima, sino a permettere la visualizzazione di quello che è avvenuto nel caso di ogni singola istanza di processo. Le informazioni ottenute forniscono di fatto un quadro completo delle prestazioni del processo oggetto di analisi.
I dati non forniscono di per se delle prescrizioni, ma sicuramente offrono un valido supporto per indagare in maniera approfondita sulle cause dei problemi e facilitano la discussione su basi oggettive con le parti interessate.
Il process mining diventa quindi, un utile strumento di analisi a supporto delle aziende che hanno adottato la disciplina del Business Process Management (BPM), aumentando la capacità di comprensione dei fenomeni organizzativi. Risulta ancora più interessante per quelle aziende che, a causa di vincoli organizzativi e culturali interni, hanno snaturato i principi del BPM, disaccoppiando il momento di progettazione dei processi da quello della loro formalizzazione su tool di Business Process Analysis (BPA). Oggi è possibile sostituire questo deprecabile e costosissimo concetto di manutenzione dei modelli dei processi con una modellazione completamente automatica, superando il problema della dicotomia progettazione – modellazione.
L’integrazione in atto di strumenti di Business Process Analysis, Process Mining, Business Process Management System (BPMS) e Dynamic Case Management (DCM) rivoluziona la gestione dei processi potenziandone la capacità e comprimendo le fasi di analisi, disegno, implementazione e controllo, eliminando buona parte della soggettività dovuta al fattore umano.
La modellazione manuale dei processi non scompare, ma diventa un effettivo strumento di progettazione dei processi, dell’organizzazione e degli applicativi a supporto, per poi permettere di verificare quasi in tempo reale le loro performance in un ciclo senza soluzione di continuità.