improve

Inhoud Naast het vermijden van de vijf eerdergenoemde 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.       Bron: passionned.nl  

Inhoud 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 vijf belangrijkste 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.   Bron: passionned.nl

Inhoud 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 voorspellen van processen mogelijk. Met Process Mining software kun je onder meer processen “naspelen” 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 (o.a. 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.       Bron: passionned.nl  

Inhoud   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: 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. Figuur 2: Basisvormen van Process Mining.   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: Hoe lang duurt het om ondersteuningsverzoeken te verwerken? Hoe lang staat de klant in de wacht? Welke mogelijke varianten heeft het ondersteuningsproces voor klanten? Mogelijke analysevragen in claimafhandeling: Hoe lang 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?   Vijf voorbeelden van procesafwijkingen In het kader van Process Mining is conformiteitschecking 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.       Bron: passionned.nl  

Inhoud 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.   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.   Bron: passionned.nl  

Inhoud 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.   Process Mining is een analytisch proces in optima forma dat idealiter verloopt volgens een drie-fasen-plan: Fase I: Toepasbaarheidsanalyse Fase II: Data-analyse Fase III: Mining-analyse Elke fase kent een aantal stappen die logisch op elkaar aansluiten. In totaal doorloop je 13 stappen.   Fase 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   Fase 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   Fase III: Mining-analyse In deze laatste fase werk je toe naar het punt waar het allemaal om begonnen is: concrete aanbevelingen voor procesverbeteringen. Tevens 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     Bron: passionned.nl  

Inhoud Om tot een effectieve verbetercultuur te komen binnen een overheidsorganisatie zijn er een aantal randvoorwaarden noodzakelijk. Naast dat er een heldere strategie en ambitie nodig is om samen te werken aan de kwaliteit, effectiviteit en kostenefficiëntie; vraagt het ook om gestructureerde borging en samenhang van werkafspraken, processen, wet- en regelgeving en technologie. Inzicht en overzicht vormen de basis om sturing te geven aan beleidsdoelstellingen en andere prestatie indicatoren. Veel overheidsorganisaties proberen verkokering te doorbreken en informatie van de diverse afdelingen integraal met elkaar te verbinden. Veel van deze waardevolle informatie is zoals gebruikelijk vastgelegd in Microsoft Office documenten (Word, Excel, Visio en PowerPoint) of andere applicaties. Hoewel dit vaak op afdelingsniveau op een redelijk gestructureerde wijze gebeurt, bemoeilijkt de inconsistente wijze van vastlegging over meerdere afdelingen, het integraal inzichtelijk maken en in samenhang brengen van deze informatie. De vastlegging van deze organisatiedata is relevant om inzichtelijk te maken wat de samenhang van processen, mensen en systemen is, en welke impact veranderingen vanuit strategie, beleid en wet- en regelgeving hierop hebben. In veel gevallen heeft het proces te maken met interne en externe ketenpartners. Op één centrale plek kunnen zien wie wat doet in een proces, wanneer en met welke systemen zij dat uitvoeren en waarom dat op deze manier wordt uitgevoerd is heel waardevol. Dit maakt een overheidsorganisatie wendbaar. Bij verandering van strategie of beleid, incidenten of interne en externe controle is het management in staat een actueel inzicht en overzicht te bieden over hoe de organisatie opereert.   Dit vraagt enerzijds prioriteit vanuit directie en anderzijds draagvlak van het management en de medewerkers om gezamenlijk te werken aan de verbetercultuur. Naast dat het vastleggen van de informatie in een centrale bron het dagelijkse werk inzichtelijker en dus makkelijker maakt, biedt goede kwaliteit, effectiviteit en koste efficiëntie veel nieuwe kansen voor innovatie en andere ontwikkelingen. Waar de structuur van proces- en informatievastlegging in het Mavim Platform vaak onder leiding van een key-userteam gebeurt, is de grootste uitdaging het beheersbaar en actueel houden van alle procesdata en samenhangende informatie. Het leveren van input, het uitzetten van taken en acties naar stakeholders en proceseigenaren, het aanmaken en gebruiken van assessment- en verbeterformulieren middels een workflow structuur was reeds bekend binnen het Mavim Platform. Hiermee ben je in staat om een Plan-Do-Check-Act en/of verbetercyclus in te richten, echter zorgt dit bij veel klanten voor extra werk om alle verbeteringen en wijzigingen te verwerken. Dit zorgt vervolgens voor een bottleneck op het actueel houden van de informatie.   Mavim iMprove Veel overheidsklanten van Mavim hebben gevraagd om een oplossing waarmee breder binnen de organisatie samengewerkt kan worden aan de beheersbaarheid en het actueel houden van de informatie. Het gaat daarbij voornamelijk om de informatie beschreven in het omschrijvingsvenster, de relaties en de meta-data die zijn vastgelegd in de zogeheten veldensets van een onderwerp. Mavim iMprove is een functionaliteit binnen de Mavim Portal waarmee medewerkers zelf in staat zijn informatie in het omschrijvingsvenster, veldensets en relaties te beheren, wijzigen en verbeteren. Met een Mavim iMprove licentie kunnen er binnen iedere afdeling, één of meerdere medewerkers, binnen één centrale plek de informatie niet alleen actueel houden maar ook beschrijven en vastleggen binnen de kaders in de daarvoor ingerichte key-userteams. Als voorbeeld, proceseigenaren die periodiek aanpassingen in veldensets of omschrijvingen doorgeven via de Mavim Portal, kunnen voortaan met een iMprove licentie zelf de wijzigingen en verbeteringen aanbrengen in de publicatie omgeving. Dit zorgt ervoor dat er gezamenlijk gewerkt wordt aan het doel om te kunnen sturen op actuele informatie en inzichten op de organisatie. Nieuwgierig naar de mogelijkheden van Mavim iMprove? Neem dan contact op met jouw contactpersoon of stuur een verzoek naar overheid@mavim.com voor een online video-demo via Microsoft Teams of ander videokanaal.   Of download onze brochure over Mine, Design & Improve