analytics

Process Mining - Schritt für Schritt

6. Dezember 2022

Die Methodik des Process Mining umfasst bestimmte Schritte von der Datenerfassung bis zur Prozessoptimierung. Sie umfasst sowohl die Berechnung deterministischer Algorithmen als auch die Anwendung des maschinellen Lernens, um Erkenntnisse zu gewinnen.

Process Mining ist eine intelligente Analyse regelmäßiger Geschäftsprozesse auf der Grundlage von Ereignisprotokollen (Informationssystemprotokollen). Process Mining wird hauptsächlich zur Analyse nicht-trivialer Prozesse mit komplexer Hierarchie eingesetzt, kann aber auch zur Optimierung von Prozessen, die nur aus wenigen Schritten bestehen, verwendet werden. Die Methodik des Process Mining umfasst bestimmte Schritte und Vorgänge.

Im Allgemeinen besteht ein Process-Mining-Analysealgorithmus aus den folgenden Schritten:

1. Discovery (Erkennung)
2. Conformance checking (Überprüfung der Konformität)
3. Enhancement (Verbesserung)
4. Monitoring (Überwachung)

Discovery

Der Zweck des ersten Process Mining-Schrittes besteht darin, alle Daten, die den tatsächlichen Prozessablauf erfassen, zusammenzutragen, ihre Vollständigkeit und Qualität zu bewerten und grundlegende Metriken und Indikatoren zu berechnen, die den aktuellen Prozess charakterisieren.

Im ersten Schritt wird eine automatische Prozesserkennung und explorative Analyse durchgeführt, Geschäftsvorgänge werden in den Ereignisprotokollen der Informationssysteme aufgezeichnet. Die Mindestzusammensetzung der festzulegenden Felder ist:

• Prozess-Instanz-Kennung ( Process ID);
• Name des Vorgangs - Ereignisname (Event);
• Zeitstempel (Time stamp).

Die Daten werden anschließend gesammelt und konsolidiert, und es werden Zielkennzahlen berechnet. Betrachten wir diese Vorgänge im Detail.

Datenerhebung und -konsolidierung:

• Datenaufbereitung (ETL);
• Zusammenführung aus verschiedenen Quellen, Verbindung von Verzeichnissen, etc;
• Konsolidierung der Daten über alle Protokolle hinweg;
• Eingabeprüfung;
• Datenvalidierung.

Berechnung von Merkmalen und Metriken:

• Zeitmetriken - Ermittlung der Nettoarbeitszeit oder des Arbeitsaufwands - tatsächliche Dauer von Ereignissen, Ausfallzeiten, Nacharbeit, Überstunden usw.;
• Grafikwerte - Identifizierung von Schleifen (Nacharbeit), "Ping-Pongs" zwischen Schritten, redundante Prozessverbindungen;
• Produktivitätskennzahlen - Berechnung der Arbeitsbelastung pro Mitarbeiter, durchschnittlicher Produktivitätswert, durchschnittliche Wartezeit;
• Kostenmetriken - Berechnung der Kosten für jeden Prozessschritt;
• Verlustberechnung - Berechnung des Zeitverlusts für jeden Vorgang;
• Wettbewerbskennzahlen - Benchmarking - Vergleich der Leistung von Mitarbeitern, Filialen usw;
• Leistungsmetriken - Ermittlung des geschäftlichen Nutzens der Prozessoptimierung.

Conformance checking

In dieser Phase geht es darum, festzustellen, inwieweit der tatsächliche Prozess mit dem Benchmark-Prozess übereinstimmt, kritische Abweichungen zu identifizieren, die den geplanten Ablauf behindern, und eine Art Soll-Ist-Vergleich vorzunehmen.

Der reale Prozess entspricht dem Benchmark-Prozess, der im Unternehmen geregelt ist. Zunächst wird der reale Prozess nach dem folgenden Algorithmus nachgebildet:

• Ermittlung des tatsächlichen und nicht des "idealen" Ablaufs der Tätigkeiten;
• Erstellung eines Prozesswortes (Process word);
• Erkennung der sich wiederholenden und Standardvorgängen;
• Ermittlung des Prozentsatzes der Prozesse, die dem Referenzpfad (Reference path) entsprechen;
• Erkennung von "glücklichen Pfaden" (Happy path) - Abfolgen von Ereignissen, die am häufigsten zum gewünschten Ergebnis führen;
• Suche nach Verhaltensmustern: Zyklen, "Ping Pong", usw.

Enhancement

Dieser Schritt dient dazu, die Ergebnisse der Conformance Checking Phase zu berücksichtigen und zu optimieren. Auf der Grundlage der Ergebnisse der Analyse werden die Prozesse umgestaltet und die vorgenommenen Verbesserungen vorab getestet.

Schlussfolgerungen ziehen:

• Visualisierung der Ergebnisse, Erstellung von Dashboards;
• Erstellung von Expertenempfehlungen;
• Vorhersage der Auswirkungen von Verbesserungen;
• Optimierung von Geschäftsprozessen.

Neugestaltung und Modellierung:

• Vorschläge für Verbesserungen;
• Prüfung von Verbesserungen anhand mathematischer Modelle.

Monitoring

Das Ziel der letzten Phase ist es, den korrekten Ablauf des aktualisierten Prozesses zu überwachen und zu kontrollieren, ob das, was beabsichtigt war, auch erhalten wurde.

In dem letzten Schritt wird eine regelmäßige Überwachung der Prozesse eingerichtet, bei der den interessierten Nutzern ein Feedback über die korrekte Umsetzung der Verfahren gegeben wird:

• Überwachung der KPIs für den Prozess mit einer bestimmten Häufigkeit;
• Überprüfung der Übereinstimmung des Prozesses mit den internen Vorschriften;
• Überwachung und Alarmierung bei fehlerhaften Übergängen: Fehler, Prozessmängel, Betrug;
• Identifizierung von ressourcenintensiven Vorgängen;
• Benachrichtigung der Prozessverantwortlichen über Abweichungen über verschiedene Kommunikationskanäle.

Process Mining & Machine Learning

Machine Learning wird häufig zum Prozessmining eingesetzt. Der Einsatz von Machine Learning ermöglicht es, nicht nur die Fakten zu sehen und das "Prozesswort" zu identifizieren, sondern das Problem auf einer tieferen Ebene zu verstehen. Die folgenden Techniken des Machine Learning werden am häufigsten für Process Mining verwendet:

• Associative Rule Retrieval - automatische Identifizierung grundlegender und spezifischer Prozessabläufe.
• Robuste Methoden - automatische Erkennung von Abweichungen bei Zeit, Kosten und Häufigkeit. Ermöglicht die Erkennung von abrupten Veränderungen, die bei der Aggregation von Daten über einen langen Zeitraum ausgeglichen werden.
• Zeitreihenanalyse - Vorhersage von Prozessdurchlaufzeiten und zulässigen Abweichungen. Ermöglicht es Ihnen, die Grenzen der Prozessvariabilität und die Notwendigkeit einer Reaktion zu beurteilen.