För att kunna hjälpa till hos våra kunder behöver vi sätta oss in i mer eller mindre komplexa processer för att kunna förstå det data vi ska arbeta med. Ibland är det till och med frågeställningar kring processer som är själva målet med uppdraget. Ofta ber vi kunder berätta och förklara för oss hur saker och ting fungerar och vad man kan förvänta sig för data. Den första bilden man lite naivt ofta målar upp för sig själv är en strömlinjeformad process som är enkel att följa.
Figur 1. Exempel på en initial, rak processkarta.
När vi antingen börjar gräva i data eller fortsätter med att ställa frågor om processen i exempelvis en workshop ökar förståelsen och en del ”om och men” tydliggörs. Bilden utökas och vi börjar förstå att det finns fler steg än vi initialt uppfattade. Kanske kan vissa aktiviteter bara inträffa för en viss typ av ordrar eller liknande.
Figur 2. Processkartans komplexitet ökar när man bekantar sig mer med data.
I det här skedet har vi ett bra utgångsläge att identifiera vilket data som behövs för att kunna bygga de dynamiska analyser och beslutsunderlag som efterfrågas. Det som ofta inträffar är att ju mer man lär sig om processen desto svårare blir det att modellera den och framför allt att få ut något analytiskt värde för verksamheten. Det är mycket svårt och ofta inte försvarbart rent tidsmässigt att manuellt kartlägga hela komplexiteten i våra processer.
Figur 3. Den verkliga komplexiteten i en process kartläggs enklast och mest effektivt genom ett datadrivet arbetssätt.
Digitala spår
I dagens IT-samhälle lämnar affärsprocesser från sig digitala spår i form av händelser. ”Vad har inträffat” och ”när inträffade det” är information som räcker för att visualisera alla processer. Med Process Mining fångar vi upp händelserna och skapar en i alla bemärkelser fullständig bild av hur våra processer ser ut – på riktigt. Vi får möjligheten att undersöka och analysera våra processer exakt så som de är med hjälp av kraftfulla visualiseringar.
Eftersom vi kombinerar Process Mining med Business Intelligence kan vi dessutom visualisera i vilken kontext processhändelserna ägde rum i och addera värdefull information. Beroende på vilken typ av ”enhet” eller ”case” som flödar genom processen ser denna information olika ut. Typisk information för order är: ordertyp, leverantör, kund eller säljare. För ett ärende kan det vara: ärendetyp, allvarlighetsgrad, skapare eller handläggningsenhet. När detta är gjort är det fritt fram att undersöka skillnader i exempelvis antal eller ledtid mellan leverantörer, kunder eller kategorier av olika slag.
Verktyg för datadriven processkartläggning
Ett exempel på verktyg för process mining är tillägget MPM (Mehrwerk process mining) till Qlik Sense. Det är ett kraftfullt komplement och en möjliggörare för djupanalys av processer. MPM använder sig av en händelselogg som med fördel skapas genom att kombinera och transformera data i Qlik Sense. I sin enkelhet består händelseloggen av ett datum eller tidsstämpel för när en aktivitet inträffar eller datum/tidsstämpel för start och slut för aktiviteter, helt beroende på vilken typ av process det är man ska analysera. Det viktiga att definiera innan man börjar skapa sin händelselogg är dels vad det är som flödar genom processen (kan vara produkter, tillverkningsorder, ärenden etc.) samt att tänka till när det kommer till systemgränserna för sin process – vart vill vi börja respektive sluta titta? När dessa saker är klargjorda och händelseloggen har tagit form så läser MPM:s algoritm in händelseloggen och skapar en datamodell i Qlik Sense. I och med att formen på händelseloggen är standardiserad möjliggör det plug-and-play när det gäller dataanalysen. MPM tillhandahåller en omfattande, fullfjädrad analysapp (med över 20 olika flikar) som direkt kan användas med just din händelselogg. Det tillgängliggör en palett av olika analyser och mätningar, inklusive avancerad maskininlärning som används i rotorsaksanalys samt jämförelse av två olika dataset, m.m..
Hör av er till oss på Drake Analytics om ni vill veta mer om process mining eller redan nu är redo att sätta i gång med att analysera era processer på ett fullt ut datadrivet sätt!
