Машинное обучение (machine learning, ML) помогает компаниям эффективнее использовать process mining при оптимизации бизнес-процессов. PM обеспечивает прозрачность существующих БП, выявляет отклонения в процессах, «узкие места» и находит возможности для использования RPA. В дополнение к этим преимуществам алгоритмы машинного обучения предоставляют много новой информации, используя те же данные, что и процессная аналитика.

Далее в материале – о преимуществах и методах process mining для руководителей компаний, аналитиков, аудиторов и специалистов по обработке данных. И о том, как при помощи технологии process mining предотвращать отклонения в процессах.

Преимущества Process Mining

Интеллектуальный анализ процессов использует алгоритмы машинного обучения для внедрения искусственного интеллекта. Возможности PM можно разделить на несколько категорий: 

1. Descriptive Process Mining – что произошло в прошлом?

Это метод описания, позволяющий увидеть модели реальных бизнес-процессов и глубже их изучить. Построение визуальной карты БП основано на анализе данных о прошедших событиях. Схемы (карты) процессов, составленные с использованием process mining, отображают наиболее распространенные процессы. Благодаря этому повышается детализация БП, и таким образом в них проще выявить отклонения.

Следующие методы при помощи machine learning превращают «традиционное» в «интеллектуальное»: 

• кластеризация – использование машинного обучения для группирования и анализа похожих процессов;
• выявление отклонений в БП;
• обнаружение похожих случаев на основе примера.

2. Diagnostic Process Mining – почему что-то произошло в прошлом?

После определения проблемы процесса важно выяснить причину ее возникновения. И в этом помогает Diagnostic Process Mining. Технология позволяет найти причину, проанализировав все существующие данные о процессе.

Главные функциональные возможности: 

• анализ первопричины – поиск основных источников выявленных нарушений процесса;
• использование алгоритмов машинного обучения для классификации проблем;
• анализ тенденции – понимание того, как изменился процесс. 

3. Predictive Process Mining – прогнозирование на примере конкретного случая

Прогнозирование – это способ определения того, что может произойти в дальнейшем в одном из текущих процессов. Такой метод возможен, так как модель process mining уже содержит подробную информацию о всех выполненных процессах и может «предсказать» возникновение новых проблем, основываясь на данных из ERP-систем о существующих БП. 

Взяв за основу эти данные, machine learning может спрогнозировать результат каждого процесса. Чем больше данных, тем выше точность.

В число того, что можно спрогнозировать при помощи ML, входит: 

• значения KPI всех текущих процессов;
• следующее событие БП;
• результаты текущих процессов.

4. Prescriptive Process Mining – как определить действия для предотвращения будущих проблем?

Полученный прогноз помогает избежать возможных трудностей. Prescriptive Process Mining представляет собой интеллектуальный алгоритм (Intelligent Orchestrator, IO), способный обеспечить эффективное выполнение бизнес-процессов. 

В число стандартных функций IO входят:

• отправка уведомлений на почту о нарушениях определенных правил;
• создание ботов RPA;
• запуск новых рабочих процессов;
• обновление данных в ERP-системах.

По материалам QPR