VCM_102020_LR

BUSINESS PROCESS MANAGEMENT

vervangen. We denken hier met name aan de traditionele interviews en workshops die wor den gebruikt om processen te reconstrueren en zo een beeld van de realiteit te krijgen. Aan die gekende manier van werken zitten evenwel een paar haken en ogen vast. Zo krijg we via interviews nooit een honderd procent juiste weergave van de realiteit. Process mining is objectiever en bovendien veel minder tijdro vend. Met het oog op process discovery heeft de academische wereld intussen een reeks sterke algoritmes uitgebouwd die we op event logs kunnen loslaten. J. De Weerdt: “Op het eerste gezicht lijkt process mining vrij simpel, maar niets is minder waar. Met process discovery is het probleem dat je meerdere dimensies tegelijk moet meenemen. Als je pakweg 10.000 cases evalueert, dan moet je in staat zijn elke event log opnieuw af te spe len om te kunnen bekijken welke ‘toegelaten’ zijn. We spreken hier over de ‘fitness’ van je model. Er zijn evenwel heel wat ‘fitting’ modellen die toch niet goed genoeg zijn. Immers, je moet de grenzen binnen je model goed bepalen, om zo de juiste precisie te krijgen. Je moet voldoende breed gaan om representatief te zijn, maar je mag ook niet per se alle stromen willen meenemen. Tegelijk moet het model kunnen generaliseren. Zo is het best moge lijk dat je zes maanden aan data capteert en toch niet elke variant van je proces hebt zien passeren. Je model moet dus ook een andere variant kunnen toelaten, als die in lijn ligt met de varianten binnen je startmodel. Die drie dimensies – fitness, precisie en generalisatie – tegelijk optimaliseren is erg complex. Alleen complexe algoritmes kunnen daar echt goed mee overweg.” Toch worden complexe algoritmes in pro cess mining vrijwel alleen in de academische wereld gebruikt. “De commerciële tools die vandaag beschikbaar zijn, zijn meer gericht op de creatie van bevattelijke ‘flow maps”, vertelt Jochen De Weerdt. “Daarbij volstaan

eerder eenvoudige algoritmes. Er lopen welis waar een aantal initiatieven om die algoritmes op een hoger niveau te tillen, maar daar mag je zeker niet van uitgaan als je zo’n tool aan schaft.” Wil dat zeggen dat commerciële tools slecht zijn? Helemaal niet. Het voordeel is dat ze heel overzichtelijk zijn doordat ze abstractie maken van de data. Dat geeft een goed beeld van hoe onze processen in elkaar steken. Het nadeel is dat ze meestal niet erg precies zijn en eerder een ruwe schets van de processen geven. J. De Weerdt: “Het is vooral belangrijk dat je die flow maps met een korreltje zout neemt. Als je bepaalde zaken echt tot in detail wilt gaan uitspitten, verifieer je toch beter de data zelf in het systeem. Zo vermijd je dat je de verkeerde conclusies trekt.” Conformance checking technieken Bij de conformance checking technieken gebeurt een discrepantie-analyse tussen het geobserveerde gedrag en het gedrag in het normatieve model. “Daarbij kun je nagaan welk percentage van alle cases in je model passen, negentig procent bijvoorbeeld. Op basis daar van kun je dan je globale perfomantie (over de tijd heen) bepalen”, licht Jochen De Weerdt toe. “Dat klinkt opnieuw eenvoudig, maar de algoritmes die wij daarvoor gebruiken, zijn vrij complex. Aan de hand daarvan is het mogelijk exact te bepalen of een case al dan niet in het model past.” Vaak is het nog interessanter om de lokale diag nostiek onder de loep te nemen. Zo kunnen we gaan bepalen waar in onze processen het vaak fout loopt. Met behulp van conformance checking technieken kunnen we bijvoorbeeld ontdekken dat er vaak handtekeningen worden gezet op een moment dat dat eigenlijk nog niet mag. Vervolgens kunnen we nagaan waarom het normatieve proces niet wordt gevolgd. Een groot voordeel van conformance checking technieken is dat we zulke dingen voor alle cases tegelijk kunnen nagaan. Dat manueel doen, is onbegonnen werk. Met conformance

checking technieken kunnen we ook verbete ringsmogelijkheden spotten. Misschien wijken medewerkers wel van het normatieve model af omdat hun manier van werken efficiënter is. Dan is het slimmer om het proces aan te pak ken in plaats van de deviaties. Tot voor kort vonden we in de huidige commer ciële pakketten geen of slechts zeer beperkte conformance checking technieken terug. J. De Weerdt: “In de software van Celonis, markt leider op het vlak van process mining, zitten die technieken tegenwoordig wel geïntegreerd. De software laat toe een normatief model in te geven en gaat vervolgens na welke cases con form zijn met dat model. Tot vandaag zijn de pakketten die dat kunnen eerder de uitzonde ring dan de regel, maar we merken wel dat aan bieders toch steeds meer de ambitie hebben om meer dan enkel process discovery technie ken aan te bieden.” Uitdagingen bij process mining Dat process mining in het huidige landschap vol gedigitaliseerde processen toegevoegde waarde kan bieden, staat buiten kijf. Toch moeten we met een aantal aandachtspunten rekening houden om process mining te doen slagen. Om te beginnen moet de kwaliteit van de data voldoende zijn. Halen we data uit meer dere systemen, dan moeten bijvoorbeeld de case ID’s overeenstemmen. Ook moeten we er rekening mee houden dat events in een event log per case worden gegroepeerd. Dat kan voor uitdagingen zorgen, aangezien de events met elkaar gecorreleerd moeten zijn. Verder moet het mogelijk zijn de events via timestaps per case te ordenen. Typische problemen die daarbij kunnen opduiken, is dat enkel de data beschikbaar zijn of dat niet alle klokken gelijk staan. Ook komt het vaak voor dat er vertra ging in de logging zit. Verpleegkundingen in een ziekenhuis, bijvoorbeeld, hebben de nei ging eerst hun taken in de patiëntenkamers af te werken en pas achteraf alle gegevens in te voeren. Dat zorgt uiteraard voor een verte kend beeld.

24

W W W . V A L U E C H A I N . B E