Produkt
Ressourcen
Einblicke
Schauen wir uns 3 Begriffe an, die leicht zu verwechseln sind.
Was sind diese Technologien also für sich genommen, was haben sie gemeinsam und worin unterscheiden sie sich?
Wenn Unternehmen Initiativen zur digitalen Transformation einleiten, stoßen sie auf das Problem, dass sie zu viel Auswahl haben. Zu viele "verschiedene" Technologien, zu viele Anbieter, zu viele Beratungsunternehmen, die alle über unterschiedliche Dinge sprechen. Und nicht nur das, auch die Terminologie innerhalb der Branche wird verwirrend.
Heute werden wir die Unterschiede zwischen drei populären Begriffen entmystifizieren, die leicht zu verwechseln sind. Wir hoffen, dass wir Ihnen das Leben leichter machen, indem wir sie erklären und einen möglichst einfachen Vergleich anstellen.
Process Mining, process discoveryund task mining sind die trendigsten Begriffe, wenn es um die Entdeckung von Geschäftsprozessen geht. Man könnte sagen, dass diese drei Technologien heutzutage in den meisten Automatisierungsinitiativen als erster Schritt eingesetzt werden. Da sie helfen, die Prozesse abzubilden, sind die Ergebnisse, die man erhält, eine große Hilfe bei der Entscheidungsfindung. Auf der Grundlage der gewonnenen Erkenntnisse können Unternehmen die nachfolgenden Maßnahmen ergreifen, ein Beispiel dafür ist RPA. Was sind nun diese Technologien für sich genommen, was haben sie gemeinsam, und worin unterscheiden sie sich?
Process Mining ist ein leistungsfähiges process mapping Werkzeug, das für die Optimierung von End-to-End-Prozessen eingesetzt wird. Es verwendet Daten aus Ereignisprotokollen, die in IT-Systemen verfügbar sind. Auf der Grundlage dieser Daten erstellt es den Ist-Prozess und vergleicht ihn dann mit dem "gewünschten" Prozess. Durch diese Konformitätsprüfung können Unternehmen Prozessabweichungen und damit Verbesserungsmöglichkeiten aufdecken.
Process discovery ist eine Kombination aus verschiedenen Techniken, einschließlich maschinellem Lernen und Computer Vision, um die Prozesse abzubilden. Diese Ergebnisse werden dann als Voraussetzung für Automatisierungsinitiativen verwendet. Es überwacht und erfasst im Wesentlichen die Benutzerinteraktionen mit verschiedenen Informationssystemen und Anwendungen und zeichnet die digitalen Spuren der Mitarbeiter auf. Process discovery verwendet verschiedene Berechnungs- und Statistikmethoden, um aus den gesammelten Daten wertvolle, anwendbare Informationen zu gewinnen.
Task mining ist ein weiteres Tool von process mapping , das sich auf die Optimierung von Aufgaben auf Desktops konzentriert. Ähnlich wie process discovery überwacht es die digitalen Spuren der Benutzer. Mithilfe von Zeichenerkennung, natürlicher Sprachverarbeitung und anderen Tools analysiert es die gesammelten Daten und findet Muster, die als Verbesserungsmöglichkeiten interpretiert werden können.
Das mag zunächst verwirrend klingen, aber ein schrittweiser Vergleich macht es auf jeden Fall leichter zu verstehen. Werfen wir einen Blick auf die folgenden 5 Kriterien.
Es ist leicht, sich von Hunderten von Definitionen für ein und dieselbe Sache überwältigt zu fühlen. Es kann sogar sein, dass verschiedene Unternehmen ihre eigenen Definitionen für einige der Begriffe verwenden, was die Sache noch komplexer macht und die Grenzen zwischen ihnen verwischt.
Beginnen wir mit process discovery und task mining , da diese Begriffe häufig synonym verwendet werden. Diese Tools sind sich in Bezug auf die verwendeten Technologien und die Art und Weise, wie sie das gewünschte Ziel erreichen, sehr ähnlich. Nichtsdestotrotz werden task mining und process discovery für unterschiedliche Endziele verwendet. Werfen wir einen Blick auf die bekannteren Anbieter von Dienstleistungen. Es gibt ein deutliches Muster, dass Process Mining Unternehmen task mining als ihren ergänzenden Dienst verwenden, während process discovery von RPA Anbietern genutzt wird.
Beide Technologien überwachen die Benutzer-Desktops, um die Interaktionen der Benutzer mit verschiedenen Anwendungen und IT-Systemen aufzuzeichnen. Während task mining dies tut, um Prozessineffizienzen zu identifizieren, benötigt process discovery die Daten, um Automatisierungsmöglichkeiten effektiver zu finden. Obwohl sie einander sehr ähnlich sind, unterscheiden sie sich leicht in Bezug auf das Ergebnis, das sie liefern.
Wir könnten hier eine Pause einlegen und mit process discovery fertig sein, aber die Welt der Terminologie ist zu komplex, um dies zu tun, daher wird es in einem anderen Fall verwendet. Process discovery wird auch verwendet, um den ersten Schritt innerhalb von Process Mining zu beschreiben (process discovery, Konformitätsprüfung, Verbesserung).
Kurz gesagt, process discovery kann verwendet werden als
Aufgaben und Process Mining gehen oft Hand in Hand und werden zusammen für die Erkennung von Wissensarbeit verwendet. Obwohl beide sehr leistungsfähig sind, bringen sie bessere Ergebnisse und eine höhere Arbeitsabdeckung, wenn sie gleichzeitig verwendet werden. Um vollständig zu verstehen, was jeder von ihnen tut, lassen Sie uns den Unterschied zwischen Prozessen und Aufgaben diskutieren.
Wie bereits erwähnt, bringt Process Mining Transparenz in die End-to-End-Prozesse. Der Prozess ist eine logische Kette von Einzelereignissen mit einem klaren Anfangs- und Endpunkt. Prozesse können in Teilaufgaben unterteilt werden, die einen vollständigen Satz zusammenhängender Arbeiten bilden. Purchase-to-Pay ist zum Beispiel ein großer Prozess, der mehrere Teams durchläuft.
Auf der anderen Seite sind Aufgaben kleinere Komponenten der Arbeit, die zwischen verschiedenen Prozessen und Teilprozessen stattfinden. Das Kopieren und Einfügen von Daten, das Hochladen und Herunterladen von Dateien sind typische Beispiele für manuelle Aufgaben.
Process Mining kann in vielen verschiedenen Bereichen für unterschiedliche Zwecke eingesetzt werden, aber hier sind einige der beliebtesten Anwendungsfälle.
Lassen Sie uns kurz erörtern, worin sich Process Mining, discovery und task mining unterscheiden. Da die beiden letztgenannten in technischer Hinsicht viel miteinander zu tun haben, werden wir sie in diesem Abschnitt synonym verwenden.
Process Mining verwendet die Ereignisprotokolldaten aus verschiedenen Informationssystemen wie Salesforce, Oracle oder HubSpot. Diese Ereignisprotokolle enthalten Informationen über die durchgeführte Aktivität, die ID der Aktivität und ihren Zeitstempel.
Process discovery und task mining sammeln die Daten dagegen durch Überwachung und Aufzeichnung der Interaktion zwischen Benutzer und Computer, wobei alle Prozesse mit Hilfe von Software-Agenten erfasst werden.
Die Daten haben unterschiedliche Ursprünge und werden daher auch unterschiedlich erhoben.
Im Falle von Process Mining sind IT-Unterstützung und Backend-Entwicklung im Vorfeld erforderlich, um die Integration mit den überwachten Informationssystemen zu ermöglichen.
Für process discovery und task mining müssen Software-Agenten auf den Computern der Nutzer installiert werden. Agenten sind Softwareteile, die auf den Geräten der Nutzer kontinuierlich im Hintergrund arbeiten. Diese Agenten "zeichnen" alles auf, was in der Unternehmenssoftware und den Anwendungen gemacht wird.
Es ist erwähnenswert, dass manche Software und Anwendungen keine Ereignisprotokolle erstellen, was die Möglichkeiten von Process Mining erheblich einschränkt. Angenommen, das Ziel besteht darin, den aktuellen E-Invoicing-Prozess abzubilden und Verbesserungsmöglichkeiten zu finden. In diesem Fall analysiert Process Mining die einzelnen Schritte innerhalb der verwendeten E-Invoicing-Plattform. Wenn der Rechnungsstellungsexperte diese Plattform und einige andere Anwendungen, z. B. Excel, zur Ausführung des Prozesses verwenden muss, werden die Schritte in Excel übersehen, so dass mehr Raum für schlechte Ergebnisse bleibt. Es können also nur die diskreten Daten in den einzelnen Schritten des Prozesses erfasst werden, und die Leerräume zwischen den Protokollen werden nicht erfasst.
Process discovery und task mining können die Daten von Informationssystemen, die Protokolle erstellen, sowie von anderen Produktivitätsanwendungen und Software, die von den Mitarbeitern verwendet werden, wie E-Mail, Microsoft Suite usw., erfassen. Dies macht sie zu einem perfekten ergänzenden Werkzeug für Process Mining und RPA , da sie etwas mehr Informationen über Schattenaktivitäten liefern können, die sonst übersehen würden.
Process MiningSobald die Daten gesammelt, bereinigt und strukturiert sind, wird rekonstruiert, wie der aktuelle Prozess aussieht, und mit dem idealen Prozess verglichen - wie der Prozess sein sollte. Dies wird als Konformitätsprüfung bezeichnet; es werden mehrere Methoden der Datenanalyse, des Mining und der Datenwissenschaft eingesetzt. Sie findet mögliche Engpässe und schlägt auf der Grundlage dieser Abweichungen Verbesserungen vor.
Process discovery zeichnet zunächst alles auf den Desktops der Nutzer auf, um Prozesse so zu erfassen, wie sie sind - mit allen zufälligen Abweichungen und Fehlern. Es stellt den Prozess so dar, wie er tatsächlich von Menschen ausgeführt wurde, indem es mithilfe von Computer Vision, Algorithmen für maschinelles Lernen und KI-Tools ein Metamodell des Prozesses erstellt. Auf diese Weise lassen sich Ursachen und verschiedene Engpässe leichter identifizieren.
Process Mining ist auf die Prozessschritte innerhalb bestimmter IT-Systeme beschränkt. Dabei wird der menschliche Faktor ignoriert und die digitalen Fußabdrücke der Nutzer in anderen Anwendungen wie persönlichen Produktivitätsanwendungen, Dokumenten usw. übersehen.
Obwohl process discovery und task mining die menschliche Note mitbringen, die Process Mining möglicherweise fehlt, funktionieren sie am besten bei kürzeren und kleineren Aufgaben. Da die verwendeten Analysemethoden rechenintensiv sind, könnten sie bei der Analyse längerer Prozesse zu falschen Ergebnissen führen und die Bedeutung einer Aufgabe in einem größeren Kontext nicht erkennen.
Process Mining, task mining und process discovery sind leistungsstarke Tools, die bereits seit einigen Jahren von Unternehmen eingesetzt werden, gute Ergebnisse liefern und selbst den größten Unternehmen helfen, ihr Automatisierungspotenzial auszuschöpfen.
Je nach Unternehmen, Anwendungsfall und anderen Faktoren kann eine oder eine beliebige Kombination davon besser geeignet sein als die andere. Process Mining ist im Allgemeinen besser geeignet, um die einzelnen Prozesse zu harmonisieren und sie an das Endziel anzupassen, insbesondere wenn sie innerhalb umfangreicher IT-Systeme durchgeführt werden. Process Mining ist gut geeignet, um die Realität in schwerfälligen Systemen wie ERP, CRM und Supply Chain Management zu sehen und die Prozesse darin zu optimieren. Task mining ist eine gute Alternative, wenn der Prozess über verschiedene Anwendungen hinweg durchgeführt wird und die kleinen Aktivitäten zwischen den wichtigeren Schritten wichtig sind. Die Interaktionen zwischen Mensch und Maschine innerhalb einer Aufgabe lassen sich damit recht gut darstellen. In ähnlicher Weise wird process discovery hauptsächlich verwendet, um manuelle process discovery Techniken zu ersetzen, so dass Automatisierungsmöglichkeiten schneller gefunden werden können als mit den bestehenden alten Methoden.
Wie wir bereits erörtert haben, weisen jedoch alle bestimmte Schwachstellen auf, die sich für manche Unternehmen nicht eignen. Sie können zusammenarbeiten, um eine vollständigere Analyse der Prozesse zu ermöglichen. Dennoch decken sie möglicherweise nicht das gesamte Spektrum der arbeitsbezogenen Aktivitäten eines Unternehmens auf anonyme Weise ab. Arbeitsintelligenz könnte eine perfekte Lösung sein, die das Beste aus beiden Welten und darüber hinaus kombiniert. Es hilft zu erkennen, was überhaupt automatisiert werden muss, bevor man in den Pool der vielen automatisierungsbezogenen Tools springt.
WorkfellowWork Intelligence ist ein All-in-One-Tool, das alles bietet, was Ihr Unternehmen für die digitale Transformation braucht.
Erhalten Sie eine kostenlose Einführung in Workfellow durch eine Demo oder einen kostenlosen Test. Klicken Sie auf die Schaltfläche unten und lassen Sie uns beginnen!
Los geht's
