Wiele organizacji posiada ukryte złoża niewykorzystanej wartości. Są nimi dane o funkcjonowaniu firmy, zapisywane w systemach informatycznych używanych przez zespoły do codziennej pracy. Dzięki data mining, process mining i RPA, te pokłady danych mogą zostać wydobyte i przekute w realny zysk.
Według definicji Investopedii, data mining to proces wykorzystywany w biznesie do przekształcania “surowych” danych w korzyść. Znany jest także jako odkrywanie wiedzy w bazach danych (knowledge discovery in databases, KDD). Wymaga oprogramowania, które przeszukuje duże partie danych i wykrywa w nich pewne prawidłowości. Wyniki takiej analizy mogą być pomocne na wielu poziomach funkcjonowania organizacji, w tym w ramach:
Wydobyte z danych informacje powinny mieć charakter opisowy lub, w przypadku danych zebranych na danym odcinku w czasie, być podstawą do prognozowania. Mogą służyć do lepszego zrozumienia zachowań klientów, zidentyfikowania wąskich gardeł, optymalizacji procesów czy wykrywania oszustw. Przydają się na przykład w badaniu zaangażowania na danym etapie sprzedaży.
Pierwszym krokiem powinno być określenie jasnego, mierzalnego celu biznesowego. Łatwo wpaść w pułapkę badania danych dla samego ich badania, albo polegać zbyt mocno na tzw. vanity metrics (metryki, które może i ładnie wyglądają, ale tak naprawdę niczego nie tłumaczą). Cel biznesowy będzie także podstawą do wybrania odpowiednich rozwiązań technologicznych, w tym algorytmów i modeli uczenia maszynowego.
Następnie należy odpowiednio przygotować dane, czyli określić, z jakiego ich zbioru warto korzystać. Przeważnie potrzebne będzie także oczyszczenie danych, aby duplikaty, niestandardowe elementy czy luki nie zaburzyły późniejszych wyników. Dopiero po tym etapie przychodzi czas na właściwą pracę z danymi, czyli przygotowanie modelu i rozpoczęcie analizy.
Chociaż cyfrowe roboty same w sobie nie wykonają całej pracy w zakresie data mining, mogą być doskonałym wsparciem na etapie pozyskiwania danych. W pierwszej kolejności warto zauważyć, że całość działalności robotów jest skrupulatnie zapisywana w formie logów. W kontekście data mining jest to pewna przewaga nad pracownikami, którzy nie notują każdego swojego ruchu. Można więc powiedzieć, że im wyższy stopień cyfryzacji i automatyzacji procesu, tym więcej danych można na jego temat uzyskać. Dane wykorzystywane w Robotic Process Automation są też jednolite oraz pozbawione wyjątków i błędów.
Kolejnym ciekawym aspektem jest pozyskiwanie dodatkowych danych z zewnątrz. Przede wszystkim informacje rządowe są udostępniane publicznie i mogą być regularnie zbierane przez narzędzia RPA. Użyteczność takich danych będzie zależna od profilu działalności firmy, jednak np. dane demograficzne o użytkownikach powinny okazać się przydatne w wielu sytuacjach.
Podobnie jak w przypadku data mining, process mining (dosłownie wydobywanie procesów) pozwala na osiąganie dodatkowych korzyści dzięki istniejącym lub dopiero tworzonym procesom. Polega na odkrywaniu, analizie i monitorowaniu procesów przy pomocy zautomatyzowanych narzędzi. W wyniku tego działania tworzone są dynamiczne wizualizacje trwających procesów, pozwalające między innymi na ocenę ich efektywności oraz zgodności z regulacjami czy SLA.
Process mining wykorzystuje dane, które organizacja już posiada, przeważnie przechowywane w systemach takich jak SAP. Aby były przydatne, dane te muszą zawierać trzy elementy:
Przeważnie wykorzystywane do process mining oprogramowanie automatycznie pobiera odpowiednie dane z systemów, funkcjonujących w organizacji. Na ich podstawie przygotowuje schematy blokowe, wizualizujące procesy, a także odkrywa okazje do wdrożenia automatyzacji.
Współczesny process mining to doskonały przykład na to, jak pomocne mogą być zautomatyzowane narzędzia. Przed ich wprowadzeniem mapowanie procesów wymagało kilkudniowych warsztatów i dużego zaangażowania zespołu. Dzisiejsze narzędzia są szybkie, potrafią reagować na zmiany i mogą służyć jako punkt wyjścia do wdrożenia automatyzacji procesów. Bardzo przydają się też podczas skalowania wdrożenia RPA (Robotic Process Automation) w firmie i mogą stanowić ważne źródło informacji dla hiperautomatyzacji.
W kontekście automatyzacji process mining można wykorzystać m.in. w następujących obszarach:
Aby zautomatyzować proces, konieczne jest zrozumienie jego przebiegu oraz systemu zależności, w którym funkcjonuje. Z doświadczeń ekspertów AnyRobot wynika, że często sprawdza się podejście warsztatowe: przejście z klientem przez dany proces tak, aby wspólnie zdobyć komplet informacji na jego temat. Konsultant może zadawać odpowiednie pytania, proponować rozwiązania i idealnie dopasować wdrożenie do konkretnego procesu. Nie jest to jednak skalowalne podejście, więc może nie spełnić oczekiwań organizacji, które chcą szybko wdrożyć RPA w kilkudziesięciu lub kilkuset procesach.
Warto także rozważyć jakość informacji, które będą dostępne podczas planowania wdrożenia. Szczególnie w sytuacji, kiedy za proces odpowiedzialne są pojedyncze osoby, które nie musiały jeszcze przekazywać go nikomu innemu, stworzenie przejrzystego obrazu całego procesu może być utrudnione. Zdarzają się także przypadki, kiedy każda z osób odpowiedzialnych za dany proces widzi go inaczej. Dodatkowo ocena, czy dany proces zostanie znacznie usprawniony dzięki automatyzacji, jest w dużej mierze subiektywna. Rzetelne, obiektywne źródło informacji, jakim jest process mining, może pokazać obraz bliższy prawdzie.
Zdarza się, że automatyzowane procesy zawierają ukryte niezgodności czy wyjątki. W takiej sytuacji pierwsze wdrożenie RPA w procesie nie będzie mogło działać poprawnie, a szukanie źródła problemu przedłuży implementację, zwiększając jej koszt. Process mining pozwala na wykrycie różnych wariantów procesu, wyjątków, czy wpisanych weń błędów zanim firma taka jak AnyRobot rozpocznie wdrożenie. Jest to więc sposób na obniżenie ryzyka.
Dzięki zbudowaniu przejrzystego obrazu każdego procesu z jasnym podziałem na kolejne kroki, process mining pozwala na dokładne przyjrzenie się wszystkim ważnym punktom. Można w ten sposób dowiedzieć się, ile trwa dany krok (zautomatyzowany lub manualny), jak często jest powtarzamy, czy na którym etapie procesu pojawiają się przestoje. Takie informacje mogą być niezwykle przydatne na etapie planowania wdrożenia RPA, ale także podczas skalowania automatyzacji na kolejne kroki procesu oraz w ramach analizy wydajności cyfrowych robotów. Będą też doskonałą podstawą do prognozowania ROI wdrożenia czy obliczania rocznych oszczędności osiągniętych dzięki automatyzacji.
Aby móc w pełni wykorzystać możliwości technologii process mining i data mining, niezbędna jest wysoka dostępność wartościowych danych o funkcjonowaniu organizacji. Oznacza to, że jeśli większość procesów w firmie wykonywana jest ręcznie, pierwszym krokiem powinna być inwestycja w cyfryzację i automatyzację. RPA to doskonałe narzędzie na początek, pozwalające szybko zwiększyć efektywność zespołu i usystematyzować procesy.
AnyRobot wspiera przedsiębiorstwa w analizie i przygotowaniu procesów do automatyzacji, stworzeniu planu wdrożenia, oraz wdraża własne narzędzie RPA. Zapraszamy do kontaktu z naszymi konsultantami.