作業プロセスの分析と最適化を目的とした最初の科学理論は、科学的管理法です。 19世紀と20世紀の変わり目に、アメリカの研究者フレデリックテイラーと彼の仲間の努力によって、古典的な管理の理論が作成されました。それは、与えられた仕事をするための「最良の方法」があるという前提に基づいており、生産性の低さの問題は「科学的タイミング」と呼ばれる方法を使用することで解決できます。この方法の本質は、作業を一連の基本操作に分割することにあります。これらの操作は、作業者の参加によって時間と記録が行われます。その結果、これにより、特定のジョブを完了するために必要な時間に関する正確な情報を取得できます。
したがって、120年以上前、このような単純なステップは、プロセスの研究への科学的アプローチを生み出しました。社会と技術の発展に伴い、プロセスの分析と最適化へのアプローチが進化し、改善されています。組み立て、コンピューター化、統計分析の最適化の可能性を備えた専門化に基づく「大量生産」への移行があります。
現代のプロセスマイニングは、ビッグデータを念頭に置いたこのアプローチの進化形です。
進化
1980年代後半、有名な大野耐一は、トヨタで「リーン生産方式」と呼ばれるアプローチを開発して実装することにより、画期的な進歩を遂げました。このアプローチは、プロセスで発生するすべてのタイプの損失を伴う絶え間ない作業に基づいています。損失を事前に排除すると、効率が向上します。
プロセス最適化の分野における次の定性的ステップは、「DMAICサイクル」ツールの開発と実装、およびシックスシグマ統計的プロセス制御手法の使用です。これも導入の必要はありません。ステージの主な特徴は、KPIの入力と逸脱への対処、顧客への集中、プロセスの継続的な改善の確保です。
これらのアプローチは5〜10年前にうまく機能し、ゲンバ、タイミング、顧客と専門家の調査、設計セッションなどの手動ツールに依存していましたが、今日では、プロセスの複雑さと加速がますます高まっている時代では、全体像。
今日、デジタルテクノロジー、ロボット化と自動化、モノのインターネット、グローバルネットワーク、大量デジタル化のユビキタス開発は、プロセスの研究と最適化、MLおよびAI機能の実装における質的に新しい段階の基盤を提供します。
プロセスマイニングは、そのようなAI変換ツールです。
このアプローチは正確に何のために必要ですか？
過去10年の初めにWielvan der Aalst教授によって発明されたプロセスマイニング技術は、科学環境と企業環境の両方で急速に人気を博しています。今日、情報量の増加とビジネスの変化のスピードに伴い、プロセスを記述して手動でモデル化する従来の方法に取って代わりつつあります。
プロセスマイニングでは、実際に発生するビジネスプロセスの図を復元することで、洞察を得ることができます。これは、ボトルネックを排除し、欠陥を最適化し、組織の効率を向上させるために必要な客観的な知識です。したがって、プロセスマイニングツールキットを使用して、会社はコンプライアンスの問題とプロセスのパフォーマンスの問題の両方を解決します。
プロセスグラフでの洞察（ボトルネック、リターン、ループ、大きな変動性）の視覚化：
デジタルトランスフォーメーションは、現代のビジネスの主な推進力の1つです。その前提条件、または必須条件は、伝統的に透明性と開放性と見なされており、プロセスマイニングが直接達成するのに役立ちます。実際、彼は会社で発生しているプロセスの「X線」を作成し、個々のステップではなく、イベントのチェーン全体の包括的で最も重要な信頼性の高い画像を提供し、それによってさまざまな部門や部門間の障壁を取り除きます。結果として得られる会社の現在の運用効率の評価は客観的であるため、最適化の機会を特定し、変更を追跡し、迅速に対応するために使用できます。プロセスマイニングは、組織の境界を消去することにより、あらゆるレベルの詳細についての洞察を提供します。これらの洞察の価値はにありますすべての部門のプロセスを改善およびデジタル化するためのさらなるアクションの基盤と方向性を会社に提供すること。
したがって、プロセスマイニングは、客観的なデータに基づいてプロセスを改善するための管理上の意思決定を行うために、プロセス所有者に完全な分析を提供します。
実装はどのように進んでいますか
プロセスマイニングの適用の基礎は、イベントログによって形成されます。情報システムは、1つのプロセス中に実行されたすべてのアクティビティを自動的に記録します。アクティビティに加えて、イベントログには、開始タイムスタンプと終了タイムスタンプ、一意のケースID、およびイベントの他の属性（実行者、通信のテキスト、取引決定、地域属性など）が含まれます。
ログファイルは、ビジネスプロセスの実行過程に関する信頼できる詳細情報を提供し、より透明性を高めます。この情報を使用して、意図したプロセスではなく、実際のモデルを視覚化して分析できます。大企業にとってプロセスマイニングを非常に効率的にするのはこのギャップであるため、これは重要です。ただし、ログファイルからビジネスプロセスモデルを復元することに限定されません。プロセスマイニングでは、ログデータとプロセス図を比較することで、プロセスの逸脱とボトルネックを特定し、各段階の期間を調査し、不要な段階またはスキップされた段階を検出し、潜在的な最適化を特定して、効率を向上させることができます。
重要なタスクの1つは、企業のITシステムで利用可能なデータから洞察を抽出することです。プロセスマイニングテクノロジを使用して、プロセス内で実行されたすべてのアクションに関するデジタル情報を取得することで、会社は実際に実行可能なビジネスプロセスを再現できます。また、その視覚的スキームの構築により、一連のイベントの全体像を把握できるだけでなく、プロセスの現在の状態を詳細なレベルで調査することもできます。再構築されたプロセスのモデルを、その実行の期間と特性に関するデータとともに分析することで、個々のアクションの実装の遅延、ユーザー間の関係、プロセスのループ、効果のない実行者、および隠れた欠点を特定できます。プロセスの問題。これにより、組織全体の生産性が大幅に低下する可能性があります。さらに、プロセスマイニングを使用すると、プロセスをダイナミクスで確認できます。つまり、特定の改善策の導入の結果として発生した変更を追跡することができます。したがって、プロセスマイニングは、ビジネスプロセスを最適化するソリューションの効率を向上させるために必要な、価値のある客観的な情報を提供する上で重要な役割を果たします。プロセス指向分析の主な利点は次のとおりです。プロセス指向分析の主な利点は次のとおりです。プロセス指向分析の主な利点は次のとおりです。
- 生産性の向上;
- より速く、より効率的なコラボレーション。
- 管理作業の時間の短縮。
- 透明性;
- コストの削減。
一緒に、これは会社の安定した成長を保証します。
もちろん、プロセスマイニングは、プロセス内の不要な変更や逸脱、ボトルネック、その他のリスクを特定し、システムのどこに問題や脆弱性が存在し、それらが全体的なパフォーマンスにどのように影響するかを正確に示すため、ビジネスプロセスの所有者にとって非常に価値があります。ただし、「なぜ？」という質問の方がはるかに興味深いものです。-これらの問題と逸脱の原因は何ですか？機械学習は、この質問に答えるのに役立ちます。
ズベルバンクは何をしましたか？
プロセスの知的分析を実装するために、SberbankのR＆Dプロセスマイニングチームは特別なライブラリを開発しました。
Pythonライブラリには、必要なすべての分析メソッドが含まれており、実験のために簡単にアクセスできるようになりました。オープンソースソリューションの最初のバージョンには、次のことができる機能が含まれています。
- さまざまなアルゴリズムを使用してプロセスグラフを再構築します。
- プロセスグラフをbpmn表記に変換します。
- さまざまなプロセスメトリックを計算します。
- クラスタリングを行い、プロセスのメインパスを見つけます。
- , k-means, , . , .
- — . , LOF, Isolation Forest , Process Mining , , , . , . , .
プロセスの主なパスを明らかにする：
プロセススループットのヒートマップ：
変数のプロット：
洞察の自動検索：
機械学習アルゴリズムをライブラリで使用して、自動根本原因分析（根本原因分析）を実装します。その結果、重大な弱点が生じます。プロセスの一部が特定され、その最適化の開始点が決定されます。さらに、根本原因分析を使用すると、最も可能性の高い影響要因と問題の原因を特定できます。つまり、プロセスで逸脱が発生した時期と理由の質問に答えるのに役立ちます。
したがって、プロセスマイニングは、まず第一に、ビジネスプロセスの視覚化と分析です。情報システムに保存されているログに基づいて、プロセス実行の実際の（視覚的な）スキームを実際に行われる形式で復元することができます。次に、機械学習を使用すると、根本原因を特定し、プロセスがこのように進行する理由を理解できます。
プロセスマイニングを自分で適用する方法
ロシアには12,000以上のオフィスがあり、ロシア連邦以外の子会社や銀行、エコシステム企業があります。プロセスマイニングを使用すると、地方銀行のプロセスに、ズベルバンクインターナショナルの同僚に「到達」することができます。私たちはすでに経験があり、ベラルーシのカザフスタンのプロセスを見てきました。子会社へ：SberLeasing、SberFactoringなど
。2019年にこのテクノロジーの使用を開始しました。最初の非常に成功したエンドツーエンドの研究は、貸付プロセスの分析でした。貸付は、当時、数千人の従業員と複数の自動化システムが関与していた、部門を超えた巨大なプロセスです。
いくつかのシステムからイベントログを収集して貼り付けました。そのおかげで、各段階でのプロセスの期間に関する詳細情報を受け取り、プロセスパスの実際のバージョンを再構築し、それらを標準のものと比較しました。プロセスは、個々のステージ、ループ、ステージからステージへの戻りのさまざまなパスとバリエーションで過負荷になっていることが判明しました。これはすべて時間の無駄であり、最終的にはお金の無駄です。非効率性、ループ、パフォーマーとバウンスの間のピンポンが見つかりました。テリトリーごとのパフォーマンスヒートマップを作成しました。これは、プロセスの編成とアプリケーションの意思決定の速度の違いを示しています。
出演者のコメントは貴重な情報源になっています。テキスト分析用のMLモジュールにより、トレーニングサンプルなしで、通信のテキストを自動的にクラスター化し、アプリケーションが前の段階に戻る理由、プロセスが遅い理由の上位を取得することができました。
これらすべてが、プロセスを「処理」する必要がある場合の答えを与えてくれました。
プロセスマイニングは、「ローンを発行する」ビジネスプロセスであろうと、「ビジネス契約の承認」を保証する内部プロセスであろうと、デジタルフットプリントを残すすべてのプロセスで効果的です。
このテクノロジーは、デジタル監査のズベルバンクで広く普及しています。内部監査の場合、プロセス分析は主題分野です。プロセスマイニングを使用すると、次の理由により、まったく異なる種類の高品質の結果を得ることができます。
- デジタルデータは、プロセスインスタンスの100％に使用されます。したがって、出力は100％客観的な画像であり、議論するのは困難です。プロセスの所有者はいつでもデータを検証できます。監査の観点から、このアプローチは非常に優れています。
- アルゴリズムは、標準の監査方法では取得できない洞察を提供します。
- デジタルテクノロジーの大きな利点は非接触性です。パンデミックでは、他の監査オプションはありません。誰もが遠隔作業の状態にあるときに、検査計画を実行して作業することが可能になります。
SberPM Pythonライブラリは、GitHubのリンクから入手できます 。すべてのデータサイエンティストは、Sberbankのソリューションをインストールし、プロセスマイニングテクノロジーを使用してプロセスの分析を開始できます。