Daten machen Prozesse effizienter

Process Mining stellt die klassische BI-Welt auf den Kopf

26.07.2017
Tobias Rother ist Gründer der Process Analytics Factory und einer der Pioniere im Process Mining Markt. Als Vorstand der holländischen Software-Firma Pallas Athena (heute Perceptive Software) verantwortete er 2008 die Markteinführung des ersten kommerziell verfügbaren Process Mining Tools. Sein Erfahrungsschatz beruht auf mehr als 200 Process Mining basierten Analysen, Audits und BPM-Projekten.
Process Mining als Big Data Technologie, bietet Unternehmen einen Mehrwert auf Basis ihrer Daten. Gerade in Kombination mit klassischen BI-Techniken lassen sich Prozesse tiefer durchleuchten und damit effizienter machen - neue Perspektiven mit Process Intelligence.

Process Mining ist eine toolbasierte Methode zur Analyse von Geschäftsprozessen. Auf Basis der von Systemen und Anwendern in Datenbanken hinterlassenen Spuren sammeln sich tagtäglich tausende von Daten, mit deren Hilfe man die abgelaufenen Geschäftsprozesse wieder sichtbar machen kann.

Mit Daten lassen sich Prozesse sichtbar machen - und die darin verborgenen Ineffizienzen.
Mit Daten lassen sich Prozesse sichtbar machen - und die darin verborgenen Ineffizienzen.
Foto: Elnur / shutterstock.com

Die in den Unternehmen tatsächlich abgelaufenen Prozesse unterscheiden sich in der Regel deutlich von den modellierten oder erwarteten Soll-Prozessen. Viele Firmen erwarten in ihren Daten etwa zehn verschiedene Prozessvarianten, in der Realität werden oft hunderte aufgedeckt. Kennen Unternehmen die Wahrheit über Ihre Prozesse, lassen sich Ineffizienzen und Prozessrisiken erkennen und optimieren. Die Visualisierung der IST-Prozesse erfolgt in jedem Process Mining Service als Prozessgraph der durch verschiedene Filtereinstellungen einen tiefen Einblick in die Prozesse ermöglicht.

Mit Visualisierungen zu besseren Einblicken

Neben dem Process Mining Graphen und ergänzenden Filtermöglichkeiten, reichern immer mehr Process-Mining-Anbieter ihre Tools mit Prozesskennzahlen und zusätzlichen Visualisierungen an. Unternehmen erhalten so noch mehr Informationen über ihre Geschäftsprozesse und können diese damit schneller optimieren. Damit ein Unternehmen beispielsweise nachvollziehen kann, wie gut die Rechnungsabwicklung mit Lieferanten abläuft, lassen sich neben dem Prozessbild auch Kennzahlen über zu früh oder zu spät gezahlte Rechnungen anzeigen, um beispielsweise eine Cash-Flow-Optimierung vorzunehmen.

Um Daten besser verstehen zu können, bietet sich eine Visualisierung durch Business-Intelligence-Methoden an. Eine Technologie, die bereits seit den 90ern von Unternehmen eingesetzt wird und in verschiedenen Abteilungen Anwendung findet. Analog zu Process Mining ist das primäre Ziel von BI-Methoden, Erkenntnisse für bessere strategische und operative Entscheidungen im Unternehmen zu liefern.

Wo endet BI - wo beginnt Process Mining?

Daher ergibt sich die Frage, ob Unternehmen überhaupt Process Mining Technologien benötigen, wenn in den Firmen bereits Business Intelligence Software, wie Power BI von Microsoft, Tableau, Qlik oder BI-Anwendungen von SAP im Einsatz sind. Wo endet Business Intelligence? Wo beginnt Process Mining?

Testen Sie Ihr IoT-Grundwissen

Beide Technologien verbindet die Notwendigkeit, Daten intelligent vorzuverarbeiten. ETL (Extract, Transform und Load) Prozesse galten beim Einsatz von BI-Tools lange Zeit als die wichtigsten und teuersten Bestandteile. Bei Process Mining Verfahren ist das ähnlich. Um "auf Knopfdruck" Daten in Prozessbilder zu wandeln, muss zuerst die Inkompatibilität von Daten für das Process Mining durch eine intelligente Datenvorverarbeitung überbrückt werden. Dies gilt insbesondere für Daten aus ERP-Systemen wie beispielsweise SAP.

Anders als BI-Systeme greift Process Mining allerdings nicht auf aggregierte Daten, sondern auf originäre Rohdaten von Datenbanken zurück, um Rückschlüsse auf einzelne Belege in Geschäftsprozessen zu ermöglichen. Kunden von Process Mining Systemen können daher die konkrete Ursache für ein Prozessproblem finden. Wenn eine Schwachstelle im Prozess auffällt, oder eine Kennzahl schlecht erscheint, können Sie sich mit einem einfachen Klick die Ursache für diese Schwachstelle anzeigen lassen. Es wird bei Process Mining also ein anderes Verfahren verwendet, um Informationen aus den Daten zu erhalten. Die Kombination der beiden Verfahren ermöglicht jedoch eine höhere Ergebnisqualität und verschafft Durchblick. Aus Anwendersicht liegt der große Mehrwert der Kombination darin, dass Interaktionen mit Visualisierungen in vordefinierten Berichten, sowie Ursachen-Wirkungs-Analysen möglich sind.

Fazit

Der Gedanke, beide Technologien zu verbinden, um die BI-Erfahrung mit den neuen Möglichkeiten aus dem Process Mining zu verbinden, ist naheliegend. Die Kombination von Process Mining, Business Intelligence und künftig beispielsweise auch Artificial Intelligence, wird häufig unter dem Begriff Process Intelligence zusammengefasst. Process Intelligence liefert Entscheidern nicht nur eine aggregierte Sicht auf Key Performance Indikatoren, sondern erlaubt zugleich einen Drill-Down auf den einzelnen Geschäftsvorfall. Durch den Einsatz verschiedener Filter ist es möglich, den Verlauf von Aufträgen, Stücklisten oder Rechnungen zu verfolgen. Schwachstellen in Geschäftsprozessen können so schneller sichtbar gemacht werden und besser optimiert werden. Process Intelligence erlaubt zudem einen prozessbezogenen Vergleich von Prozessleistungsdaten und Prozessvarianten zum Beispiel auf Werk- oder Länderebene und liefert insbesondere den Analysten im Unternehmen eine neuer Perspektive für die explorative Analyse von prozessbezogenen Daten.

Mit Process Mining Verfahren lassen sich Geschäftsprozesse visualisieren und ihre Ursachen punktgenau nachvollziehen. Mit Business Intelligence Verfahren können Daten und Key Performance Indikatoren visualisiert und bewertet werden. Es ist daher zu empfehlen, beide Verfahren in Kombination einzusetzen.

 

Rudolf Kuhn

Process Mining stellt die klassische BI-Welt nicht auf den Kopf, sondern erweitert diese um eine wertvolle, weil prozessorientierte (ablauforientierte) Sicht!

Klassisches BI hat seine Berechtigung überall dort, wo Daten die Ergebnisse von Prozessen wie z.B. Absatzzahlen im Verkauf repräsentieren. Wenn dieser Prozess nicht möglichst vollständig über IT-Systeme, sondern z.B. über Filialen abgewickelt wird, ist kein Process Mining möglich, weil die digitalen Spuren fehlen. Andererseits liefert Process Mining ohne BI-Funktionalität (Statistik) nur wenig brauchbare Ergebnisse.

Wann immer wir unseren Kunden mit ProcessGold Process Mining zeigen, wie die Prozesse wirklich laufen, kommt als nächstes die Frage nach den zugehörigen KPIs. Ich spreche in diesem Zusammenhang auch lieber von PPIs (Process Performance Indicators), um klar zu stellen, dass es sich um andere Kennzahlen handelt, als man das aus der Vergangenheit kennt.

comments powered by Disqus