Wat is Process Mining?
Process Mining is de kapstok voor een verzameling technieken, tools en methoden waarmee je, gebruikmakend van event logs, het werkelijke verloop van bedrijfsprocessen gaat blootleggen, visualiseren, analyseren, monitoren en verbeteren. Zo kun je tot op detailniveau de procesgang screenen op knelpunten, verspillingen, afwijkingen van en tegenstrijdigheden in de voorgeschreven procesgang.
Workflow Mining
Process Mining werkt globaal als volgt: mensen die binnen een organisatie computersystemen gebruiken laten sporen na. Die grote hoeveelheden opgeslagen data kun je vervolgens analyseren om zichtbaar te maken hoe processen verlopen met als doel om ze uiteindelijk natuurlijk efficiënter in te richten.
Figuur 1: Samenhang operationele processen en process mining: een eenvoudig inkoopproces.
Process Mining is een vakgebied dat zich lange tijd onder de radar afspeelde. Voordat Process Mining vaste voet aan de grond kreeg werd bijvoorbeeld nog gesproken van Workflow Mining. We kunnen Workflow Mining dan ook beschouwen als een van de voorlopers van Process Mining. Hoe dienen organisaties nu om te gaan met de grote belofte die Process Mining heet?
Process Mining in 13 logische stappen
Process Mining is een analytisch proces in optima forma dat idealiter verloopt volgens een driefasenplan:
Elke fase kent een aantal stappen die logisch op elkaar aansluiten. In totaal doorloop je 13 stappen.
I: Toepasbaarheidsanalyse
Het hele proces van Process Mining start met een heldere probleemanalyse. Hierbij gelden wel enkele randvoorwaarden. Er is sprake van een probleem, oftewel een ongewenste voor verbetering vatbare situatie. Het probleem heeft ook consequenties voor het functioneren van de organisatie. Daarnaast is er ook een probleemeigenaar die het probleem erkent en ook bereid is om het probleem aan te pakken. Tevens heeft hij of zij ook de bevoegdheid hiertoe. Je doorloopt in deze fase de volgende stappen:
- Opstellen probleemanalyse
- Identificeren procescontext
- Vaststellen procesdata
- Identificeren systeemcontext
- Bepalen toepasbaarheid
II: Data-analyse
De data-analyse is een fase waarbij de data geïnspecteerd, opgeschoond, getransformeerd en gemodelleerd wordt om vervolgens de meest waardevolle informatie uit de data te halen. Je doorloopt in deze fase de volgende stappen:
- Opstellen event log model
- Verzamelen ruwe procesdata
- Opschonen ruwe procesdata
- Vaststellen validiteit procesdata
III: Mining-analyse
In deze laatste fase werk je toe naar het punt waar het allemaal om begonnen is:
Concrete aanbevelingen voor procesverbeteringen. Ook evalueer je de gehele procesgang van Process Mining. Dat is nodig omdat Process Mining hier niet stopt.
Process Mining is namelijk een continu proces. Je doorloopt in deze fase de volgende stappen:
- Toepassen Process Mining
- Interpreteren resultaten mining-analyse
- Aanbevelen procesverbeteringen
- Evalueren Process Mining gang
Process Mining is géén Data Mining
De begrippen Data Mining en Process Mining lijken in eerste instantie sterk op elkaar. Beide technieken hebben een directe relatie met de bedrijfsprocessen. Beide concepten vallen onder de paraplu van Business Intelligence, waarbij gebruikers ernaar streven om op basis van Big Data tot waardevolle inzichten voor de organisatie te komen. Toch zijn er wel degelijk verschillen te onderscheiden.
Praktijkgerichte opleiding Process Mining
De opleiding Process Mining leert je gedurende 3 intensieve dagen de fijne kneepjes van het vak. Je wordt zo voorbereid op een leidende rol in Process Mining-trajecten. Van procesanalyse, ontdekken, verbeteren, conformeren tot processen perfectioneren op basis van data en algoritmes. De docent vertelt je alles wat je moet weten om van Process Mining een succes te maken.
Process mining betekenis: op zoek naar verborgen patronen
Het streven van zowel Data Mining en Process Mining is om belangrijke inzichten in de processen te verschaffen, waardoor gebruikers betere beslissingen kunnen nemen. Voor beide vakgebieden geldt dat de rol van kunstmatige intelligentie en algoritmes steeds prominenter wordt. Het ontdekken van causale verbanden en verborgen patronen staat hierbij centraal. Verborgen patronen zijn patronen die voor het menselijk brein anders niet zichtbaar zouden zijn.
Tijdstempels maken het verschil
Data Mining is een computertechniek om complexe verbanden en niet voor de hand liggende patronen in (big) data te detecteren. Met Data Mining analyseer je data om patronen te ontdekken of te voorspellen. Bijvoorbeeld: welke advertentiecampagne leidt tot de hoogste conversie of welke productgroep loopt het beste in de supermarkt? Er is nog een belangrijk verschil. De input van Data Mining bestaat uit tabellen met data. De input van Process Mining bestaat uit zogenoemde event logs, audit trails, data en events uit het IT-systeem die bovendien voorzien zijn van een tijdstempel.
De drie basisvormen van Process Mining
Het doel van Process Mining is om de procesefficiency te optimaliseren, de proceskosten te verlagen en de procescomplexiteit te reduceren. Bij Process Mining is de event log altijd het centrale vertrekpunt. Deze logfiles worden in de meeste informatiesystemen al standaard ergens bijgehouden en opgeslagen, maar zijn doorgaans slecht toegankelijk. Met behulp van Process Mining kun je de efficiëntie van processen verbeteren en processen beter leren begrijpen.
Process Mining kent drie basisvormen waarbij telkens de event logs een sleutelpositie vervullen:
Figuur 2: Basisvormen van Process Mining (bron: Process Mining Manifesto, Van der Aalst, W. e.a.).
- Ontdekken (‘discovery’): deze basistechniek neemt een event log als aanleiding om vervolgens een model te bouwen. Hierbij wordt geen a priori informatie gebruikt. Deze vorm van Process Mining wordt in de praktijk het meest gebruikt. De uitkomst kan een model zijn dat je bij basisvorm 2 gaat gebruiken.
- Conformiteitscheck (‘conformance checking’): hierbij wordt een event log gebruikt om na te gaan of de realiteit zoals vastgelegd in de log nog wel strookt met het model en vice versa. Toepassingen vinden met name plaats op het terrein van procedurele en organisatiemodellen, declaratieprocessen, bedrijfsregels en bedrijfspolicy, en wet- en regelgeving.
- Verbetering (‘enhancement’): het achterliggende idee bij deze vorm van Process Mining is om een bestaand procesmodel uit te breiden of te verbeteren door informatie over het werkelijke proces te gebruiken die is vastgelegd in event logs. Tijdstempels uit de event logs leggen bijvoorbeeld knelpunten bloot en geven inzicht in serviceniveaus, doorlooptijden en frequenties.
Voorbeeldvragen inzake Ontdekken
Process Mining is geen abstracte, theoretische exercitie, maar geeft, mits in de juiste context toegepast, juist antwoord op hele praktische vragen binnen verschillende domeinen.
Mogelijke analysevragen in de Customer Journey:
- Wat zijn de meest voorkomende betaalmethoden?
- Welke factoren beïnvloeden de klantreis positief of negatief?
- Wat is het meest voorkomende eerste contactpunt tussen klant en bedrijf?
Mogelijke analysevragen in Klantenondersteuning:
- Hoelang duurt het om ondersteuningsverzoeken te verwerken?
- Hoelang staat de klant in de wacht?
- Welke mogelijke varianten heeft het ondersteuningsproces voor klanten?
Mogelijke analysevragen in claimafhandeling:
- Hoelang duurt het om defecte goederen te vervangen?
- Welke veel voorkomende productproblemen leiden tot meer dan gemiddelde klachten?
- Welke productversies leiden tot de meeste bedragen aan restitutieclaims?
Process mining, data mining, en tekstmining zijn slechts enkele van de toepassingen en instrumenten die aan bod komen in het AI-boek 'De intelligente, datagedreven organisatie'. Leer hoe je met behulp van onder andere Process Mining een AI-first organisatie kan worden, hoe je de business case maakt, en hoe je de concurrentie mede dankzij Process Mining voor blijft. Met dit boek krijg je een compleet recept voor datagedreven werken in 10 stappen.
Vijf voorbeelden van procesafwijkingen
In het kader van Process Mining is conformiteits checking een belangrijk hulpmiddel om te komen tot een heldere procesdiagnose. Het instrument helpt om te onderzoeken waarom bepaalde processen haperen of een alternatief pad hebben afgelegd en/of anders zijn verlopen. Concreet kun je in dit verband vijf aangrijpingspunten onderscheiden waarmee je verbeterslagen kunt maken:
- Sommige activiteiten hadden überhaupt niet mogen plaatsvinden.
- Andere activiteiten zijn door de verkeerde persoon uitgevoerd.
- Weer andere activiteiten zijn te laat uitgevoerd.
- Een of meerdere geplande activiteiten zijn helemaal niet uitgevoerd.
- Twee activiteiten zijn bewust of per abuis met elkaar verwisseld.
Process Mining software: hoe onderscheid je het kaf van het koren?
Process Mining wint steeds meer aan populariteit. Inmiddels zijn er wereldwijd enkele tientallen leveranciers actief die pretenderen Process Mining software en platforms te hebben ontwikkeld die volgens hen perfect inspelen op de klantbehoeften. Deze leveranciers benadrukken vooral de kracht van het algoritme dat ten grondslag ligt aan de process discovery tools. Voor klanten is het echter lastig om dergelijke claims op de merites te beoordelen. De al dan niet waargenomen kwaliteitsverschillen van Process Mining tools kunnen in de praktijk groot zijn. Functionaliteit is een belangrijk selectiecriterium als je op zoek bent naar de juiste softwareleverancier. Maar ook aspecten als datavisualisatie en bruikbaarheid verdienen in het algemeen meer aandacht.
Toolselectie: maak een longlist op basis van 7 wegingsfactoren
Let bij het beoordelen van de functionaliteit van Process Mining software op zaken als:
- Gebruiksvriendelijkheid van de software: is er sprake van een heldere, intuïtieve navigatie?
- Het aantal relevante features: zien gebruikers nog wel de bomen door het bos, of ontbreken juist belangrijke features?
- De visualisatiemogelijkheden: stroomdiagrammen, besluit- en connectorsymbolen in alle kleuren van de regenboog leiden al snel tot keuzestress.
- De integratie met andere analyse tools: interoperabiliteit en comptabiliteit zijn hierbij de sleutelbegrippen.
- Een heldere data-representatie: kun je de data presenteren in de juiste vorm die voor iedereen begrijpelijk is.
- De prijs: de licentieprijs per gebruiker is nog altijd een factor van belang bij de keuze voor een bepaalde leverancier.
- Samenwerkingsmogelijkheden / informatiedeling: Process Mining is geen soloproject, maar een project dat in het teken staat van ketensamenwerking.
Houd bovendien rekening met de specifieke infrastructuur waarbinnen je de Process Mining tool gaat inzetten. Is toegang mogelijk via elke willekeurige computer? Bestaat er een mobiele applicatie? Wordt er data opgeslagen in de cloud? Wat is de verwerkingstijd van gegevens? Hoe zit het met bescherming van persoonlijke gegevens en veiligheid? Hoe snel (of hoe langzaam) is het Process Mining algoritme bij grote hoeveelheden data? Enzovoorts.
5 evidente voordelen van Process Mining
Hoewel Process Mining een relatief nieuw vakgebied is met een beperkt aantal referentiecases, tekenen zich inmiddels al een aantal evidente voordelen af die we als volgt kunnen samenvatten:
- Process Mining vervult een belangrijke brugfunctie. En wel tussen de traditionele Business Process Management (BPM) en Workflowmanagement (WfM) systemen, die weinig rekening hielden met zogenoemde event data (gegevens over gebeurtenissen) en de meer moderne Data Mining (DM), Business Intelligence (BI) en Machine Learning (ML) systemen, die data juist als hun primaire vertrekpunt nemen en zich minder zorgen maken om de end-to-end procesmodellen.
- Process Mining maakt het voorspellen van processen mogelijk. Met Process Mining software kun je onder meer processen “naspelen” (simuleren) en problemen in het bedrijfsproces opsporen, al dan niet met behulp van Gaming-technieken. Ook kun je met ditzelfde doel voor ogen met Process Mining softwareprocessen opnieuw afspelen (“Replay”). Veelbelovend is de mogelijkheid om met Process Mining processen te simuleren en met behulp van Artificiële Intelligentie (AI) het toekomstige verloop van processen zo nauwkeurig mogelijk te voorspellen. Tijdstempels (“time stamps”) spelen een cruciale rol bij dit soort analyses, omdat deze de chronologische volgorde van gebeurtenissen (“events”) exact kunnen dateren.
- Process Mining maakt intelligent gebruik van Big Data. Process Mining richt zich met haar oplossingen zowel op het verbeteren van de performance van de organisatie als op de compliance waaraan je medewerkers geacht worden te voldoen. Process Mining is tegelijkertijd ook het scharnier tussen de analyse van procesmodellen (simulatie, verificatie, optimalisatie, gaming enzovoorts) en de data-georiënteerde analyse (Data Mining, Machine Learning en Business Intelligence).
- Process Mining elimineert bottlenecks. De uitdaging van Process Mining is om de enorme hoeveelheden aan Big Data om te zetten in waardevolle inzichten die iets zeggen over de prestaties van de processen en de naleving van regels: de compliance. Met Process Mining krijg je een beter begrip van de flessenhalzen, inefficiënties, afwijkingen en afbreukrisico’s binnen je cruciale processen.
- Proces Mining verbetert de operationele processen. Het verkrijgen van niet-triviale, procesgerelateerde inzichten door middel van de analyse van event data is een relatief nieuwe ontwikkeling waarmee promovendi aan universiteiten (onder andere R.P. Jagadeesh Chandra Bose), consultants en commerciële softwareleveranciers steeds vaker aan de weg timmeren. Met behulp van de verkregen inzichten, bijvoorbeeld in de vorm van procesmodellen, kun je operationele processen bewaken en verbeteren. De toepassing van Process Mining op event data van informatiesystemen heeft volgens wetenschappers in de praktijk al geleid tot verbluffende inzichten en successen. Ook de toepassing van Process Mining op event data die niet direct afkomstig is van informatiesystemen, maar van allerlei apparaten, zoals röntgenapparaten en CT scanners, kopieermachines, printers et cetera neemt inmiddels een hoge vlucht.
Waar kan ik Process Mining inzetten?
Process Mining bewijst zijn nut in tal van sectoren. Process Mining is een relatief nieuwe toepassing die je heel goed kunt inzetten bij de analyse van Big Data in uiteenlopen sectoren: van creditcardmaatschappijen, industriële bedrijven en het vastgoed, tot en met overheidsinstellingen en ziekenhuizen. Denk bijvoorbeeld aan de analyse van alle processtappen die noodzakelijk zijn voor de behandeling van een ziekenhuispatiënt. Of aan de gemeentelijke afhandeling van WOZ-bezwaarschriften. Of aan alle handelingen die een woningbouwcorporatie moet uitvoeren voordat een woning volgens de voorschriften en procedures wordt opgeleverd aan een nieuwe huurder. Maar ook bij het testen van zogenoemde wafersteppers in de halfgeleidersindustrie bewijst Process Mining inmiddels zijn nut.
5 valkuilen bij toepassing van Process Mining
Zodra je een nieuwe techniek gaat toepassen, doemen er plotseling allerlei valkuilen op of ontstaan ongewenste neveneffecten. Dat is bij Process Mining niet anders. De valkuilen bij Process Mining houden enerzijds verband met de mensen en anderzijds met de data. We zetten de 5 grootste valkuilen op een rij.
- Valkuil 1: Consultants, auditors, kwaliteitsmanagers en proceseigenaren zijn nog relatief onbekend met het fenomeen en hebben weinig benul van de mogelijkheden die de huidige Process Mining tools bieden. Je kunt je Six Sigma Black Belt halen of ingeschreven worden als gecertificeerd interne auditor zonder je ooit verdiept te hebben in Process Mining. Dat zegt iets over de status van het vakgebied.
- Valkuil 2: Als gevolg van de huidige nadruk op machine learning en kunstmatige intelligentie (AI) hebben mensen niet door dat Process Mining iets compleet anders is.
- Valkuil 3: Met name de middelmanagers zijn bevreesd voor de resultaten en inzichten die ontstaan door toepassing van Process Mining. De toegenomen transparantie in het verloop van de processen kunnen mismanagement, inefficiënties en complianceproblemen aan het licht brengen. Dat komt bedreigend over.
- Valkuil 4: De gebrekkige kwaliteit van de data en de toegang tot de data kunnen ook een belemmering vormen. Realiseer je dat de 80-20-regel opgaat: het voortraject (het lokaliseren, selecteren, extraheren en transformeren van de data) slokt 80% van de tijd op. Voor Process Mining zelf resteert meestal niet meer dan 20%.
- Valkuil 5: Bij Process Mining stuit je meestal op datakwaliteit issues waarmee je direct aan de slag moet. Dat leidt af.
Hoe past Process Mining binnen datagedreven werken?
De meeste informatiesystemen slaan continu op wat er precies gebeurt in de vorm van zogenoemde event logs. De moeilijkheid is dat die data vaak ergens verstopt zit in het systeem of de computer. Daarnaast groeit het volume van die data, opgeslagen door traditionele workflowsystemen, maar ook door andere systemen, explosief. Een van de grootste uitdagingen voor organisaties om te innoveren, te groeien en hun concurrentiepositie te versterken, is om intelligent gebruik te maken van al die beschikbare data. Process Mining sluit binnen deze context perfect aan op het bestaande concept van de intelligente, datagedreven organisatie en de groeiende belangstelling voor datagedreven werken en informatiegestuurd werken op basis van de data en feitelijke gebeurtenissen.
3 tips voor een maximaal rendement op Process Mining
Naast het vermijden van de vijf bovengenoemde valkuilen die kunnen opdoemen bij Process Mining kun je ook veel baat hebben bij onderstaande praktische tips.
- Olifantenpaadjes zijn effectief, maar ondermijnen het proces. De afwijkende routes die mensen nemen in hun streven naar doelrealisatie worden met de bril van Process Mining op ook wel vergeleken met olifantenpaadjes (Van der Aalst, 2013). Een olifantenpad of olifantenpaadje, soms ook wel afstekertje genoemd, is een niet-officieel fiets- of wandelpad dat bedoeld en onbedoeld door gebruikers van de reguliere fiets- en wandelpaden in de loop van de tijd wordt gecreëerd. Ook in organisaties slaan mensen soms, bewust of onbewust bepaalde processchakels over omdat ze er zelf van overtuigd zijn dat dit sneller tot resultaten leidt. In de praktijk kan het bijvoorbeeld voorkomen dat een Centrale Inkoopafdeling wordt gepasseerd, omdat mensen geen zin hebben in allerlei bureaucratische procedures, zoals aanbestedingen, offertevergelijkingen et cetera.
- Bewandel het Happy Path en blijf in de Happy Flow. Het zal duidelijk zijn dat de bovengenoemde olifantenpaadjes de organisatie een hoop geld kunnen kosten, bijvoorbeeld omdat ze hierdoor inkoopkortingen die de Centrale Inkoopafdeling heeft afgesproken met enkele voorkeursleveranciers, mislopen. Idealiter wijken medewerkers in de organisaties dus niet van de gebaande paden en bewandelen ze de uitgestippelde route. Binnen het vakgebied van Process Mining spreken we dan over een zogenaamd “Happy Path” of “Happy Flow.”
- Realiseer je dat bedrijfsprocessen het fundament zijn onder je ondernemingsstrategie. Een (proces)intelligente organisatie monitort zijn performance op continue basis vanuit een doorvertaling van de strategie naar KPI’s en naar zogenoemde Proces Performance Indicatoren. Process Mining software is een onmisbare schakel in het streven naar een datagedreven, intelligente organisatie.
Process Mining: mooie mix van wetenschap en praktijk
Process Mining is onder andere ontstaan naar aanleiding van wetenschappelijk onderzoek van de TU Eindhoven. De uitvinder en een van de grondleggers en promotors van dit nieuwe vakgebied in Nederland is de Eindhovense hoogleraar Wil van der Aalst die vanuit de universitaire gemeenschap samen met promovendi bouwt aan Process Mining software. Inmiddels zijn er ook enkele tientallen commerciële softwareleveranciers die het concept van Process Mining met hun softwareoplossingen ondersteunen. Met de opkomst van streaming social media, sensordata binnen het Internet of Things en technieken als RFID komt nog veel meer event data beschikbaar die zich bij uitstek leent voor analyses met behulp van Process Mining software.
Video met uitleg over Process Mining
Process Mining is een specialistisch vakgebied
Samenvattend is Process Mining een perfecte manier om de werkelijke uitvoering van bedrijfsprocessen te visualiseren en te analyseren door gebruik te maken van gelogde data over deze processen in operationele/transactionele systemen, zoals bijvoorbeeld een ERP-systeem. Process Mining vraagt enerzijds inzicht in bedrijfsprocessen, procesanalyse technieken en procescompliance. Het vraagt anderzijds ook om specifieke kennis en vaardigheden in het genereren en valideren van betrouwbare procesdata en de toepassing van Process Mining software. Process Mining is dus een specialistisch vakgebied. Onze Process Mining consultants helpen je graag verder.
Over Passionned Group
Passionned Group is dé specialist in Process Mining vraagstukken en oplossingen. Onze doorgewinterde proces-experts helpen grotere en kleinere organisaties bij de kanteling naar een intelligente organisatie. Om het jaar organiseren wij de Dutch BI & Data Science Award™, de verkiezing van de Slimste organisatie van Nederland. 
