Process Mining per supportare la gestione del Cambiamento Organizzativo e per realizzare sistemi di Performance Management
Stefano Aiello Partner stefano.aiello@p4i.it https://www.linkedin.com/in/stefano-aiello-b70b4b2/
L evoluzione dell analisi di processo: dal BPR al Process Mining Cos è il Process Mining Ambiti di applicazione Focus sulle competenze Process Mining e Performance Management Key Takeaways 2
BPR: iniziative lunghe e costose basate su interviste 3
che non hanno lasciato una vera cultura del lavoro per processo 4
BPM: si iniziano a «gestire» i processi privilegiando velocità e flessibilità 5
ma si è ancora dipendenti dalle «percezioni» degli utenti 6
Process Mining: una vista oggettiva e precisa dei processi aziendali 7
che permette di passare dall utilizzo tradizionale dei dati 8
alla generazione di reale valore grazie a tecniche innovative 9
Cos è il Process Mining 10
Process Mining 11
Differenza tra mondo ideale e realtà 12
Vero anche per i processi aziendali 13
Informazioni errate portano a decisioni sbagliate 14
Process mining in pillole Event Log Data Mining Processmodeling& Machine Learning La pervasivitàdei sistemi informativi in tutti i processi core delle aziende abilita il Process Mining. I sistemi informativi producono grandi volumi di eventlog che possono essere trattati da algoritmi e dai sistemi computazionali odierni. vs. Le tecniche di data mining, processmodeling, machine learningfanno emergere la realtà aziendale per come è realmente e non per come è stata concettualizzata 15
Il Process Mining permette di passare dall analisi di informazioni parziali ed interpretabili 16
all identificazione di actionable insight basati sui dati 17
Come funziona Raccolta Dati Mining Applicazione Live event stream Databases Algoritmi Process Mining Extract «actionable» process knowledge Process models x Compliance Performance If A then B Patterns Event log Raccolta dei dati di log Pulizia dei dati Filteringdei dati Discoveryautomatica dei processi a partire dai log Analisi dettagliata e personalizzata dei processi tramite l applicazione di modelli statistici Creazione di una vista chiara ed oggettiva dei processi Monitoraggio delle performance Reviewe strutturazione nuovi KPI per analisi della performance 18
Raccolta dati Per essere utilizzabile in un attività di Process Mining ogni log deve contenere almeno: un codice identificativo univoco (Case ID) che associa l eventocon l istanza di processo un riferimento alla specifica attività di processo un timestampche indica il preciso istante di esecuzione I dati di log spesso non sono disponibili nella forma richiestadagli algoritmi di Process Mining e questo richiede una fase preparatoria di data mining e pulizia 19
Alcuni esempi di output Le analisi aiutano ad individuare i key pattern che causano un peggioramento delle performance di processo 2610 A 3022 2079 161 Analisi della ripetizione B 13980 8674 C 2760 1301 1680 Analisi di devianza 638 E 2713 533 D 3865 462 858 Analisi colli di bottiglia 20
Analisi dei risultati Le animazioni e l analisi delle varianti forniscono: Viste intuitive ed efficaci sull andamento dei processi Viste animate sull esecuzione dei processi Facilità nell identificazione dei colli di bottiglia Identificazione dei problemi di performance Visione end-to-end del processo e delle performance Le viste di processo basate sulla performance e le dashboarddi ProcessAnalytics Intelligence invece: Sono basate sull identificazione automatica dei KPI Monitorano l evoluzione nel tempo di colli di bottiglia e problemi di performance Permettono di valutarela bontà delle azioni intraprese Aiutano ad analizzare i KPIdi performance segmentandolisecondodiverse dimensioni 21
Ambiti di applicazione 22
Principali ambiti di applicazione PREDICTIVE MONITORING RIORGANIZZAZIONE ACCORPAMENTI E ACQUISIZIONI VERIFICA DI COMPLIANCE E AUDITING DIGITAL TRANSFORMATION INEFFICIENZE E PERFORMANCE MANAGEMENT ALLENAMENTO CHATBOT PROCESS AUTOMATION / ROBOTIZATION 23
Process Mining e Performance Management 24
I tentativi di riforma della PA sono guidati da obiettivi di efficienza 25
eticità 26
trasparenza 27
qualità 28
Il ciclo della performance nella PA Definizione degli obiettivi di breve, medio e lungo periodo Gli obiettivi fungono da guida rispetto alle attività ed alla loro valutazione Analisi continuativa degli effetti prodotti dalle azioni correttive al fine di valutarne l efficacia Programmazione Monitoraggio efficacia azioni intraprese (feedback) Definizione di azioni volte a migliorare la performance nelle iterazioni successive Definizione azioni correttive Analisi e interpretazione degli scostamenti Definizione obiettivi e risorse Vegono definiti obiettivi puntuali, misurabili e raggiungibili Misura dei risultati Attività di quantificazione del livello di raggiungimento dei risultati e degli impatti da questi prodotti su utenti estakeholder, attraverso il ricorso a indicatori Questa attività tiene conto dei fattori di contesto che possono avere determinato l'allineamento o lo scostamento rispetto ad un valore di riferimento Il feedback gioca un ruolo chiave, perché permette al dipendente di capire come migliorare la performance (propria e del processo) invece di generare ansia perché vissuto solo come un elemento di controllo Il problema è che la pianificazione degli obiettiviviene spesso fatta sugli output del processo, senza tenere conto delle peculiarità del processo stesso che portano ad avere differenzeanche significativenelle performance 29
La digitaltransformation, almeno nelle grandi aziende, ha colmato il gap tecnologico rendendo disponibili i dati 30
ma resta un grosso gap culturale e di competenze che ne limita fortemente l utilizzo in azienda 31
Il ProcessMiningaiuta a colmare il gap perchèpermette di non guardare più ai processi come delle «black-box» 32
ma di comprenderne gli snodi critici, consentendo di creare KPI altamente significativi 33
su cui basare un sistema di Performance Management che misuri la reale performance di processo 34
invece di KPI di alto livello che non aiutano a creare valore in modo continuo 35
Focus sulle competenze 36
Process Mining: l unione di Data e Process Mining Statistics Algorithms Privacy & Security Optimization Stochastics Operations mgmt& research Data mining Behavioural / social science Formal methods Process Science Process Mining Data Science Business models& mktg Process automation BPM Machine learning Visual analytics BPI Predictive analytics Databases Distributed systems 37
Data Scientist: la figura chiave Competenze di processo e comprensione del business Capacità di astrarre processi dai dati a disposizione e di analisi degli stessi per identificare problemi e strutturare soluzioni volte al miglioramento dei processi Competenze tecnologiche Deve saper padroneggiare strumenti diversi ed utilizzare il più adatto in base all attività che deve svolgere sui log Competenze statistico / matematiche Selezione ed applicazione dei modelli statistico / matematici più adatti all elaborazione dei log ed alla predizione degli esiti di processo Gestione del dato Possiede competenze su tutti gli aspetti del ciclo di vita dei dati, dall estrazione alla rappresentazione Mentalità quantitativa Analisi di grandi moli di dati, con capacità di identificare pattern ricorrenti, anomalie e correlazioni tra i dati a disposizione 38
Key Takeaways 39
I dati dei sistemi informativi sono un tesoro da valorizzare 40
ma questo richiede un forte cambiamento culturale nell approccio ai processi 41
che trasforma il nostro modo di guardare i processi stessi 42
che trasforma il nostro modo di guardare i processi stessi 43
che trasforma il nostro modo di guardare i processi stessi 44
che richiede anche competenze eterogenee e specifiche per trasformare i dati in valore 45
creando sistemi di Performance Management realmente basati sui processi e non su misure astratte 46