Технологии анализа процессов: от бизнес-аналитики к процессной аналитике

Критерии готовности процесса к Process Mining

В лекции разбираются ключевые критерии выбора процесса для процессного майнинга: автоматизация (более 80% операций), частотность (желательно ежедневное выполнение), наличие цифровых следов, масштабность и готовность команды к анализу. Также важно учитывать сложность процесса (минимум 10 операций), чтобы применение методологии было оправданным и эффективным.

Основные мысли

  1. Автоматизация – процесс должен быть автоматизирован минимум на 80%, иначе не будет достаточного количества цифровых следов для анализа.

  2. Частотность – процесс должен выполняться регулярно (в идеале не реже раза в день), чтобы анализ был репрезентативным.

  3. Наличие цифровых следов – даже в автоматизированных процессах важно, чтобы ИТ-системы фиксировали логи, иначе майнинг невозможен.

  4. Масштаб и сложность – процесс должен быть достаточно крупным (много исполнителей) и содержать не менее 10 операций, чтобы его оптимизация имела смысл.

  5. Готовность команды – владельцы и аналитики процесса должны понимать технологию процессного майнинга и быть открытыми к изменениям.

Показывать лекцию целиком
Краткое изложение

Хотелось бы в этом видео обсудить критерии выбора процесса для процессного майнинга.

Задумайтесь, какой процесс будет эффективно анализировать с помощью процессного майнинга.

Первый критерий, мне кажется, — процесс должен быть автоматизирован. То есть это автоматизированный процесс, где более 80% операций выполняется автоматически. Почему это важно? Потому что если автоматизация слабая, мы не соберём достаточное количество цифровых следов.

Что ещё важно? Наверное, частотность процесса. Если он выполняется раз в год, анализировать его не очень интересно — у нас будет всего один экземпляр за год. Поэтому желательно, чтобы процесс выполнялся не реже, чем раз в день. Конечно, эти показатели могут меняться — я просто привожу пример, чтобы вы понимали логику выбора.

Следующий критерий — наличие цифровых следов. Даже если процесс автоматизирован, бывает, что ИТ-специалисты не записывают логи событий, и тогда цифровых следов нет. Такие процессы встречаются, и это нужно проверять на старте.

С моей точки зрения, важно смотреть не только на возможность анализа процесса, но и на возможность его последующей оптимизации. То есть процесс должен быть масштабным. Под масштабностью я понимаю количество исполнителей в процессе: чем их больше, тем больше нюансов может возникнуть, поэтому масштабность тоже может быть критерием.

Ещё один критерий — готовность команды. Это относится не столько к самому процессу, сколько к людям, которые с ним работают. Владелец процесса и процессный аналитик должны быть готовы к анализу, понимать технологию и то, как она работает.

Также стоит учитывать количество операций в процессе. Если процесс состоит всего из двух шагов, применять к нему процессный майнинг нецелесообразно. Поэтому, например, можно установить минимальный порог — хотя бы 10 операций, чтобы процесс был достаточно сложным для анализа.

(Здесь можно поставить стрелочку и многоточие — возможно, вы дополните этот список критериев.)

Но по этим критериям уже можно принимать решение: подходит ли процесс для процессного майнинга или нет.

В лекции обсуждались критерии выбора процессов для процессного майнинга:

  1. Автоматизация (более 80% операций должны быть автоматизированы, иначе не будет цифровых следов).

  2. Частотность (процесс должен выполняться достаточно часто, например, не реже раза в день).

  3. Наличие цифровых следов (логи и данные должны записываться).

  4. Масштабность (чем больше исполнителей, тем выше сложность и ценность анализа).

  5. Готовность команды (владельцы и аналитики должны понимать технологию).

  6. Количество операций (желательно не менее 10 шагов, иначе анализ нецелесообразен).

Эти критерии помогают решить, подходит ли процесс для процессного майнинга.



Вопросы для самопроверки

  1. Почему автоматизация процесса важна для процессного майнинга?

  2. Как частотность процесса влияет на его анализ?

  3. Какие проблемы могут возникнуть, если в процессе нет цифровых следов?

  4. Почему масштабность процесса имеет значение?

  5. Как готовность команды влияет на успех процессного майнинга?

  6. Почему слишком простые процессы (с малым числом операций) не всегда подходят для анализа?

Вернуться к учебному плану