Еще несколько лет назад составить карту процессов и попытаться найти области для оптимизации можно было при помощи бумаги и ручки. С развитием цифровизации  такие методы утратили эффективность.

Сейчас наиболее актуальна процессная аналитика (Process Mining), которая использует искусственный интеллект (Artificial intelligence, AI) и машинное обучение (Machine learning, ML) для автоматического извлечения, визуализации и анализа данных из информационных систем компаний. 

При помощи интеллектуального анализа процессов организация способна сократить затраты и оптимизировать бизнес-процессы. Становится возможным не только найти первопричины проблем, но и спрогнозировать их, чтобы заранее начать активно действовать.

Ниже – кратко о том, как взаимодействует процессная аналитика с алгоритмами искусственного интеллекта и машинного обучения.

Process Mining на основе искусственного интеллекта

PM использует инструменты для извлечения необработанных данных о событиях из ИТ-систем компании, визуализирует их и выбирает нужную информацию. Интеллектуальный анализ процессов указывает то, на чем нужно сосредоточиться, чтобы повысить эффективность, например:

• Process Mining на основе AI показал крупному европейскому банку, что им следует прекратить искать новые возможности для автоматизации. Вместо этого необходимо повысить уровень автоматизации определенных процессов. За два месяца банку удалось сэкономить 2,6 миллиона евро.
• Крупные компании, работающие с внутренним аудитом и управлением рисками, используют Process Mining для повышения эффективности и прозрачности своих сложных, зачастую удаленных операций. Технология позволяет анализировать процессы и проблемы, связанные с ними, в течение 2-3 часов. Раньше на это уходило до 3-х недель. 

Например, менеджер по аналитике рисков в EY UK Стюарт Уоллес заявил, что с внедрением Process Mining в режиме реального времени их компании мгновенно удается выявлять «узкие места» и принимать меры по их устранению намного раньше, чем было до этого.

Process Mining и машинное обучение

PM использует алгоритмы машинного обучения, чтобы добавить искусственный интеллект в традиционный процесс. Возможности Process Mining можно разделить на четыре категории:

1. Описание – что происходило в прошлом.

Process Mining был разработан как метод описания процессов для обнаружения закономерностей и глубокого понимания реальных бизнес-операций. Кроме отслеживания ключевых показателей эффективности, PM создает модель процессов в режиме реального времени. Благодаря этому становятся видны области для оптимизации: «узкие места», нарушения нормативных требований и отклонения от процесса, которые визуализируются на основе фактических операций.

Кейс: Piraeus Bank при помощи Process Mining получили подробные данные системы и уже через 5 минут обнаружили «узкие места» процесса.

Следующее превращает традиционное обнаружение процессов в интеллектуальное:

• сходство – ML находит похожие случаи на основе примера;
• кластеризация – машинное обучение естественным образом группирует похожие случаи;
• обнаружение аномалий – ML выявляет отклонения.

2. Анализ – почему что-то произошло в прошлом.

Process Mining дает ответы не только на вопросы «Что происходит?», «Когда это происходит?»,  но и «Почему это происходит?».

PM выявляет проблемные области в процессах, отмечая их на блок-схемах и ранжируя в зависимости от того, как они влияют на эффективность бизнеса. Это подскажет, что делать в первую очередь для улучшения бизнес-операций компании. 

Следующие функции показывают, почему возникли проблемы: 

• поиск и анализ первопричин любых выявленных проблем процесса;
• использование алгоритмов машинного обучения для классификации проблем;
• анализ тенденций – понимание того, как процесс менялся со временем.

3. Прогноз – что произойдет в будущем.

Система машинного обучения может предсказать исход каждого дела. Чем больше данных, тем выше точность прогноза. Сценарии ML:

• предсказывает результат любого KPI для всех текущих дел;
• прогнозирует следующее событие;
• предсказывает все будущие события и ключевые показатели эффективности для всех текущих дел.

4. Нормы – рекомендуемые действия для предотвращения будущих проблем.

Последний шаг, предписывающий анализ процессов, представляет собой Intelligent Orchestrator (решение по управлению рабочими процессами в центре обработки данных) на основе машинного обучения. В его функции входит: 

• отправка уведомлений по электронной почте. Например, уведомлять людей о ситуациях, когда существующее бизнес-правило может быть нарушено;
• запуск ботов RPA;
• запуск новых бизнес-процессов;
• обновление данных в ERP-системах.