Ottimizzare i processi di business è il pilastro del successo delle imprese, nonché un elemento di differenziazione competitiva. Il Process Mining, i cui investimenti sono letteralmente moltiplicati negli ultimi anni, serve esattamente a questo: ottenere visibilità e trasparenza sull’esecuzione dei processi, così da identificare eventuali elementi di inefficienza e risolverli riprogettando il processo e/o adottando tecnologie di automazione (come RPA).
Per molte imprese, affidarsi al process mining è quasi una necessità. Nonostante la pervasiva digitalizzazione, l’efficienza di alcuni processi è fortemente migliorabile e ciò si abbatte sulla competitività e i costi dell’impresa. Il confronto delle performance dei processi con benchmark di riferimento può rivelare la necessità di ottimizzarli, ma capire dove si annidino le inefficienze è tutt’altra cosa. Spesso, infatti, le aziende progettano i processi sulla base di best practice di mercato, ma poi la complessità dell’organizzazione e le svariate eccezioni fanno sì che questi vengono eseguiti in maniera difforme, generando costi e inefficienze evitabili.
Cos’è e come funziona il Process Mining
Strettamente connesso all’ecosistema della data science, Process Mining è una tecnica finalizzata ad analizzare e ottimizzare i processi di business sulla base dei log degli eventi.
Essendo i processi ormai digitalizzati, è possibile ottenere visibilità e trasparenza sulle dinamiche di esecuzione degli stessi, facendo perno sui dati presenti nei sistemi IT. Process Mining, che a livello tecnico si basa su un percorso fatto di data ingestion, process discovery, process analytics e process benchmarking, si basa sull’analisi degli eventi che, concatenati in forma progressiva, compongono un processo end to end: la rilevazione dei tempi e, soprattutto, del reale percorso degli eventi può mettere in luce le cosiddette varianti e deviazioni dalle best practice, che di fatto si abbattono sulla competitività dell’impresa. A seconda della soluzione adottata dall’impresa, il tutto viene poi presentato in forma grafica attraverso dashboard facilmente interpretabili. In questo modo, il management può verificare l’impatto delle deviazioni sulla produttività e l’efficienza dell’impresa, decidendo per una riprogettazione o per l’automazione totale o parziale. Sintetizzando, Process Mining serve a:
- Comprendere la reale esecuzione dei processi aziendali sulla base di dati oggettivi e trasparenti.
- Effettuare simulazioni su varianti di processo. Creando di fatto un Digital Twin dell’organizzazione, gli strumenti di process mining permettono non solo di rilevare inefficienze, ma di comprendere i benefici reali della riprogettazione. È infatti possibile rimodellare o rivedere parti del workflow e simulare l’incremento di performance, così da capire se sia economicamente vantaggioso o meno intraprendere un percorso di automazione.
- Capire dove adottare l’automazione all’interno dei processi e i potenziali benefici.
Lo strettissimo legame tra Process Mining e RPA
Si è già detto che il Process Mining ha come fine il perfezionamento dei processi, che oggi – soprattutto nelle enterprise - fa rima con automazione e Robotic Process Automation.
Qualsiasi progetto di RPA si basa su una fase iniziale di assessment, durante la quale viene analizzato il processo e, soprattutto, la sua esecuzione concreta. In questa fase, molte imprese partono dalle best practice per poi passare alle interviste agli operatori. Process Mining interviene in questa fase sostituendo la soggettività dell’operatore con dati oggettivi e incontestabili, rispetto ai quali è più semplice identificare aree ideali per l’automazione robotica.
Grazie al software di Process Mining, infatti, emergono le aree di processo che seguono schemi consolidati e fortemente rule based, la cui automazione ha un impatto sui tempi, sui costi del processo e anche sull’engagement dei dipendenti, che grazie a RPA verrebbero sollevati da operazioni ripetitive e noiose.
