Process Mining
Inhaltsverzeichnis
- Was ist Process Mining?
- Process-Mining-Typen
- Warum ist Process Mining für Unternehmen wichtig?
- Verwendungsmöglichkeiten
- Herausforderungen des Process Mining
- Voraussetzungen des Process Mining
- Schritte des Process Mining
- Vorteile
- Data Mining und Process Mining im Vergleich
- Was ist der Unterschied zu Business Intelligence?
- Fazit
- FAQ
- Weiterführende Informationen
Was ist Process Mining?
Process Mining ist eine Technik des Prozessmanagements und fördert die Transparenz von Unternehmen. Dafür werden in Echtzeit Informationen beziehungsweise digitale Spuren der durchgeführten Transaktionen in IT-Systemen analysiert, rekonstruiert und visualisiert. Durch die Visualisierung und Überwachung realer Geschäftsprozesse können Ineffizienzen aufgedeckt und mithilfe gezielter Maßnahmen optimiert werden.
Process-Mining-Typen
Die Task Force in Process Mining des Institute of Electrical and Electronic Engineers (IEEE) unterscheidet zwischen drei Process-Mining-Typen:
- Discovery: Erkennung von Prozessen und Erstellung von Prozessmodellen, ohne vorher über diese zu verfügen
- Conformance: Beurteilung der Konformität bestehender Prozessmodelle zu aktuellen Daten
- Enhancement: Anpassung und Erweiterung von Prozessmodellen, um im Idealfall ein neueres und besseres Modell für den gewünschten Prozess zu schaffen
Warum ist Process Mining für Unternehmen wichtig?
Process Mining steigert die Transparenz in Unternehmen indem mithilfe von Algorithmen aktuelle Geschäftsprozesse rationalisiert und verbessert werden. Dies erhöht die Produktivität und deckt Chancen in Kerngeschäftsprozessen auf, die Auswirkungen auf das Unternehmen haben. Mithilfe der Technik können drei Haupttypen von Key Performance Indicators (KPIs) untersucht werden:
- Zeit-KPIs: Dauer, um einen bestimmten Prozess abzuschließen
- Kosten KPIs: Kosten, um einen bestimmten Prozess abzuschließen
- Qualitäts-KPIs: Erfüllt das Ergebnis eines Prozesses etablierte Kriterien?
Verwendungsmöglichkeiten
Process Mining ermöglicht einen Überblick über den komplexen Ablauf von Prozessen und identifiziert die Ursachen von Ineffizienzen, welche die unternehmerischen KPIs behindern. In Branchen mit umfangreichen Datenmengen wird die Technik vermehrt eingesetzt. Im Folgenden sind ein paar Beispiele aufgelistet:
Finanzdienstleistungen
Vor dem Hintergrund der zunehmenden Digitalisierung von Unternehmen und der Steigung des Transaktionsvolumens, ist es bei manuellen Prozessen nicht möglich, alle ineffizienten Vorgänge zu ermitteln. Mithilfe von Process Mining können Unternehmen des Finanzdienstleistungssektors Probleme in schwer überschaubaren Prozessen kontinuierlich und umfassend erkennen.
Telekommunikation
Die steigende Zahl an Kunden erhöht das Risiko fehlgeschlagener Aktivierungen. Process Mining eignet sich hierbei für die Ermittlung kostenintensiver Probleme und Kundenausfälle in Order-to-Activation-Prozessen.
Gesundheitswesen
Die Suche nach Prozessoptimierungspotentialen hilft im Rahmen einer rasanten Zunahme an Patienten-Daten (z.B. individuelle Erfahrungsberichte oder gesundheitliche Maßnahmen), effiziente und qualitativ hochwertige End-to-End-Patientenwege zu erzielen.
Einzelhandel
Der Einzelhandel ist durch hohe Transaktionswerte gekennzeichnet. Demnach entstehen auf der Grundlage von komplexen E-Commerce-Flows Prozessprobleme, die zu Kundenausfälle und folglich hohen Kosten führen. Mit Process Mining soll sichergestellt werden, dass Kundenaufträge schnell und effizient abgeschlossen werden können.
Herausforderungen des Process Mining
Um richtige Entscheidungen zu treffen, ist es äußerst wichtig, dass bei der Datenerstellung und -auswahl alle relevanten Daten betrachtet werden, um keine falschen Rückschlüsse zu ziehen. Das Process Mining ermöglicht eine genaue Analyse der Mitarbeiter und ihrer Prozessschritte, was jedoch mit einer gewissen Verantwortung einhergeht. Die Ergebnisse müssen durch weitere Faktoren bewertet werden, um eine korrekte Einschätzung zu gewährleisten. Der Prozess wird niemals perfekt sein, daher sollten bestimmte Rahmenbedingungen erfüllt sein, um einen reibungslosen Ablauf für die meisten Kunden sicherzustellen. Es ist unwirtschaftlich, sich auf die Perfektionierung von wenigen Ausnahmen zu konzentrieren.
Voraussetzungen des Process Mining
Process Mining erfordert, dass die Unternehmensprozesse bekannt, gut strukturiert und digitalisiert sind. Jeder Schritt muss vom IT-System erfasst werden, damit manuelle Vorgänge ausgeschlossen werden können. Eine schlechte Digitalisierung kann zu falschen Schlüssen führen, daher ist eine sorgfältige Programmierung wichtig. Die Datenmenge sollte groß und vielfältig sein, um alle Prozessbeteiligten zu analysieren.
Schritte des Process Mining
Das IEEE hat das L*-Lebenszyklusmodell entwickelt, welches als Referenzmodell für die Anwendung von Process-Mining-Techniken betrachtet wird und das Vorgehen in verschiedene Phasen unterteilt:
1. Planung und Einordnung
In der Planungsphase eines Process-Mining-Projektes wird der zu untersuchende Prozess und die damit verbundenen Ereignisse und Indikatoren bestimmt. Weiterhin werden die beteiligten Akteure und IT-Systeme ermittelt und die Datenbeschaffung thematisiert. Abschließend werden die Ziele des Process-Mining-Projektes festgelegt.
2. Relevante Daten extrahieren
Anschließend werden die entscheidenden Daten aus den IT-Systemen extrahiert. Dies sind beispielsweise Log-Dateien oder Modelle.
3. Kontrollflussmodells erstellen
Auf der Basis der zuvor erhobenen Daten erfolgt eine Ableitung des Kontrollflussmodells, welches mit den Log-Dateien in Verbindung gesetzt wird.
4. Integriertes Modell erstellen
Stehen ausreichende Daten zur Verfügung, so wird das Kontrollflussmodell um weitere Perspektiven ergänzt.
5. Operative Unterstützung
Aus den Schritten ergibt sich ein Modell, das zur Unterstützung operativer Prozesse eingesetzt werden kann.
Vorteile
Senkung der Kosten
Mithilfe von Process Mining können bisher unentdeckte Schwachstellen, Engpässe und Automatisierungspotentiale aufgedeckt werden, um die gesamten Prozesskosten zu senken.
Erstellung eines „Shift Left“
Die Einsetzung eines „Shit Left“ bedeutet, dass Personen zur früheren Bearbeitung von Lösungsprozessen ausgewählt werden. Dies begünstigt die Kunden- und Mitarbeiterzufriedenheit und trägt zur Senkung der Gesamtkosten bei. Diese Shift-Left-Bereiche müssen jedoch zunächst mithilfe von Informationen ermittelt werden.
Erfüllung der SLA-Anforderungen
Durch die Nutzung der schnellsten Prozesswege werden die Service Level Agreements (SLA) durch Process Mining eingehalten. Auf diesem Wege können Unternehmen einem erhöhten Leistungsdruck bei begrenzten Ressourcen und hohen Produktionsanforderungen standhalten.
Reduzierung von Multi-Hops
Multi-Hop bezeichnet eine aneinander gereihte Verbindung über mehr als einen Server bzw. mehr als ein Gerät. Deshalb können durch Multi-Hops Schwachstellen in Prozessen entstehen, die zu einer Senkung der Produktivität führen. Process Mining trägt zur Erkennung und Minimierung von solchen Produktivitätsverzögerungen bei.
Erhöhung der Transparenz
Bei einer Vielzahl an Daten trägt Process Mining dazu bei, die entscheidenden Daten zu ermitteln, diese zu verstehen und mithilfe von umsetzbaren Erkenntnissen die Effizienz im Unternehmen zu steigern.
Data Mining und Process Mining im Vergleich
Data-Mining und Process-Mining unterscheiden sich hinsichtlich der Breite der verwendeten Daten-Sets und den angestrebten Aussagen. Während Data-Mining allgemeine Vorhersagen trifft, konzentriert sich Process-Mining auf die Analyse und Verbesserung eines spezifischen Prozesses.
Was ist der Unterschied zu Business Intelligence?
Der Unterscheid zwischen Process Mining und Business Intelligence (BI) besteht in der Ebene und Tiefe der Analyse. Das Process Mining geht davon aus, dass Prozesse nicht immer effizient ablaufen. Um dies zu erkennen ist jedoch eine tiefere Analyse notwendig. Mithilfe der tieferen Analyse wird die tatsächliche Funktion der Prozesse ermittelt.
Im Gegensatz zum Process Mining basiert das traditionelle BI auf Vorkenntnissen der Prozesse und ist auf eine wiederholte Berechnung aggregierter Metriken für die Berichterstellung ausgelegt. Zwar können mithilfe von BI mögliche Probleme in bekannten Bereichen ermittelt werden, Einblicke in unbekannte Bereiche werden hingegen nur wenig beleuchtet.
Fazit
Process Mining beschreibt eine Methode des Prozessmanagements, die auf Prozessoptimierungen ausgerichtet ist. Das Ziel ist, beständig an Verbesserungen zu arbeiten und alle Vorgänge transparent zu gestalten. Die fünfschrittige Technik führt zu Vorteilen wie etwa die Reduzierung von Kosten und Schwachstellen. Gleichzeitig wird die Prozesstransparenz erhöht und die Effizienz aller betroffenen Vorgänge gesteigert. Zum Einsatz kommt Process Mining dabei in den verschiedensten Bereichen. So profitiert beispielsweise die Telekommunikationsbranche, aber auch der Einzelhandel von dieser Managementtechnik.
FAQ
Was ist Process Mining?
Process Mining ist eine Technik des Prozessmanagements und bietet die Möglichkeit, Unternehmensprozesse laufend zu optimieren und Abläufe transparenter zu gestalten. Durch die Visualisierung und Überwachung realer Geschäftsprozesse können Ineffizienzen aufgedeckt und mithilfe gezielter Maßnahmen optimiert werden.
Wo wird Process Mining eingesetzt?
Process Mining kann dort zum Einsatz kommen, wo Daten zu den Schritten entscheidender Geschäftsprozesse mithilfe von IT-Systemen ermitteln und gespeichert werden. Dies ist insbesondere in Brachen mit umfangreichen Datenmengen der Fall, wie beispielsweise in Brachen der Finanzdienstleistungen, der Telekomunikation oder des Gesundheitssystems.
Welche Vorteile hat Process Mining?
Mithilfe von Process Mining können Unternehmen durch die effizientere Gestaltung der Geschäftsprozesse ihre Kosten senken, die Kunden- und Mitarbeiterzufriedenheit verbessern und die Transparenz aktueller Geschäftsprozesse erhöhen.
