Вил ван дер Аалст, «крестный отец process mining», поделился своим экспертным мнением о передовых методах разработки и автоматизации процессов.

Специалист поговорил с PEX Network об истории и текущем состоянии PM, а также  об особенностях внедрения технологии в 2021 году.

Ван дер Аалст рассказал, как он начал свой путь к process mining, и дал советы на тему автоматизации, искусственного интеллекта и машинного обучения.

Что вдохновило начать работу в этой области?

Я много лет работал над моделированием процессов, симуляцией дискретных событий и управлением рабочими процессами. Мне нравилось работать с моделями процессов, но я был разочарован итогами применения этих подходов.

Имитационные модели редко описывали реальность, не помогали раскрыть настоящие проблемы в бизнес-процессах. Зачастую сам процесс создания имитационной модели выходил на первый план, становился важнее результатов. Поэтому во многих компаниях проекты по улучшению бизнес-процессов так и не заработали. По этой причине хотелось проанализировать реальные процессы на основе данных.

Я начал трудиться над этим в конце 1990-х и разработал несколько базовых алгоритмов для обнаружения сетей Петри из журналов событий. Исследования моей команды в Технологическом университете Эйндховена привели к созданию платформы process mining с открытым исходным кодом. Долгое время мы были единственными, кто систематически работал над интеллектуальным анализом процессов. Несмотря на небольшой интерес со стороны промышленности, рынок постепенно вырос до 35 разработчиков систем класса process mining, которые существуют и сегодня. К такому результату привело наше исследование, именно это и объясняет, почему люди называют меня «основателем» или «крестным отцом» process mining.

Масштабное внедрение в промышленность произошло только в последние пять лет, поэтому мы все еще находимся только в начале разработки PM.

Что такое «современный» Process Mining?

Современные инструменты для интеллектуального анализа данных работают хорошо и доказали свою ценность. Они по-прежнему нуждаются в создании графиков прямого следования (DFG) на основе данных событий, однако вместо использования сложных нотаций, стало возможным применять параллельную обработку данных. Более того, чтобы справиться со сложностью, DFG легко упрощаются за счет удаления узлов на основе значений частоты. И практика применения process mining склоняется к использованию таких упрощенных графиков.

Несмотря на свою простоту, эти DFG могут вводить в заблуждение. Поэтому, прежде чем приступать к интерпретации, пользователям необходимо знать, как создаются подобные модели процессов.

Информация о производительности, отображаемая на DFG, может быть обманчивой, и недопустимо использовать ее только в долгосрочной перспективе. Например, среднее время, указанное между двумя действиями, является условным, и рассматриваются только ситуации, когда они непосредственно следуют друг за другом. Однако существует множество методов анализа процессов, в которых используются модели более высокого уровня, такие как управление бизнес-процессами и нотация (BPMN) или сети Петри. Кроме того, существуют более надежные способы фильтрации, но они обычно не используются из соображений производительности.

Какие ограничения есть у инструментов Process Mining?

Существует разрыв между инструментами моделирования процессов с использованием BPMN и инструментами PM.

Компании могут запутаться, увидев реальные процессы со всеми отклонениями и деталями, имея при этом чрезмерно упрощенные модели, существующие только на бумаге. Здесь проверка соответствия играет ключевую роль, поскольку она может устранить разрыв между высокоуровневыми нормативными моделями процессов и полученными данными о событиях. Следовательно, организациям необходимо сделать так, чтобы инструменты интеллектуального анализа процессов охватывали основы, а именно: обнаружение процессов и проверку соответствия. После этого они могут сосредоточиться на других элементах, включая прогнозную аналитику и сравнительный анализ процессов.

Кому в бизнесе следует внедрять и использовать Process Mining?

Преимущество анализа процессов заключается в том, что он не только объединяет процессы и данные, но и связывает бизнес и IT. Однако непростой характер process mining усложняет ситуацию. 

В первую очередь технология должна поддерживаться руководством компании. 80% усилий и времени тратятся на поиск, выбор, извлечение и преобразование данных, и только 20% тратится на фактический анализ. 

Кроме того, большие группы консультантов, аудиторов, менеджеров по качеству и владельцев процессов не знают о возможностях современных инструментов анализа данных.    

ЛПР часто не видят, что process mining отличается от машинного обучения и искусственного интеллекта. А руководители компаний могут опасаться результатов внедрения PM из-за повышенной прозрачности процессов, которые выявят неэффективное управление и проблемы, касающиеся соблюдения требований.

Поскольку интеллектуальный анализ процессов является общим, имеет смысл создавать центры компетенции по процессной аналитике на корпоративном уровне. Таким образом, опыт можно повторно использовать, а интеллектуальный анализ процессов внедрить во многие операционные процессы в организации.

Однако центры компетенции в области process mining не должны создаваться рядом с центрами BPM и Six Sigma. Важно иметь возможность извлекать данные из существующих систем и интегрировать результаты интеллектуального анализа процессов в существующие панели управления.

Как понять, что большинство компаний принимают неправильные решения, когда дело доходит до автоматизации процессов?

Роботизированная автоматизация процессов (RPA) – интересная промежуточная технология, использующая «ботов» для замены людей, взаимодействующих с информационными системами. 

Наличие RPA помогает определить, что автоматизировать и каким образом. В более широком смысле интеллектуальный анализ процессов помогает распределять работу и отслеживать взаимодействие между автоматизированными частями процесса – ботами и людьми. После внедрения роботов их по-прежнему необходимо подвергать мониторингу с помощью процессной аналитики. Проверка соответствия поможет выявить отклонения, прогнозировать проблемы и другое. 

Почему компании должны инвестировать в Process Mining в 2021 году?

Технология хороша в долгосрочной перспективе. Организации, у которых есть серьезные проблемы с качеством данных и неконтролируемые процессы, в любом случае должны будут это исправлять. Конечно, ситуация с Covid-19 заставила сокращать бюджеты на инновации и внедрение новых технологий, но в то же время показала важность процессов, надежных данных и способности быстро реагировать на совершенно новые условия. Процессы кардинально меняются, а process mining по-прежнему работает, давая руководителям компаний возможность использовать полученную информацию для принятия обоснованных решений.

Пандемия стала катализатором для новых инициатив в цифровизации, потому что заставила людей понять – надежные данные и процессы имеют решающее значение для выживания бизнеса. 

Что для вас Process Mining?

Я надеюсь и ожидаю, что PM станет «новой нормой». Первый шаг – устранение разрыва между моделированием процессов и их интеллектуальным анализом.

Следующим шагом будет учет более сложных данных. Традиционные методы process mining предполагают, что каждое событие из журнала относится к одному случаю, а каждый случай – к одному процессу. На самом деле, все намного сложнее. Существуют разные, взаимосвязанные процессы, и одно событие может быть связано с разными случаями. А для данного случая может быть несколько экземпляров одного и того же действия.

Объектно-ориентированный подход к анализу данных ставит под сомнение традиционное предположение о том, что каждое событие относится к одному случаю. Событие может относиться к любому количеству бизнес-объектов.

Кроме того, процессы меняются со временем: один и тот же может выполняться в разных точках. Поэтому полезно применять сравнительный анализ для  соответствующих вариантов БП.

Выполнение этих шагов приведет к более развитым формам интеллектуального анализа данных.