Przyjrzyjmy się trzem terminom, które łatwo ze sobą pomylić.
Czym więc są te technologie same w sobie, co je łączy i czym się różnią?
Kiedy firmy angażują się w inicjatywy cyfrowej transformacji, napotykają na problem zbyt dużego wyboru. Zbyt wiele "różnych" technologii, zbyt wielu dostawców, zbyt wiele firm konsultingowych mówiących o różnych rzeczach. Nie tylko to, terminologia w branży również staje się myląca.
Dziś wyjaśnimy różnice między trzema popularnymi terminami, które łatwo pomylić. Mamy nadzieję, że ułatwimy ci życie, wyjaśniając je i przedstawiając jak najprostsze porównanie.
Process mining, process discovery, i task mining są najmodniejszymi terminami, jeśli chodzi o odkrywanie procesów biznesowych. Można powiedzieć, że wszystkie te trzy technologie są obecnie wykorzystywane jako pierwszy krok w większości inicjatyw automatyzacji. Ponieważ pomagają one w mapowaniu procesów, uzyskane wyniki znacznie pomagają w podejmowaniu decyzji. W oparciu o uzyskaną wiedzę, firmy mogą podejmować kolejne działania, czego przykładem jest RPA. Czym więc są te technologie same w sobie, co je łączy i czym się różnią?
Process mining to potężne narzędzie process mapping służące do kompleksowej optymalizacji procesów. Wykorzystuje ono dane z dzienników zdarzeń dostępnych w systemach IT. Na podstawie tych danych buduje istniejący proces, a następnie porównuje go z procesem "pożądanym". Przeprowadzając kontrolę zgodności, firmy mogą znaleźć odchylenia w procesie, a tym samym możliwości poprawy.
Process discovery to połączenie różnych technik, w tym uczenia maszynowego i wizji komputerowej, w celu mapowania procesów. Wyniki te są następnie wykorzystywane jako warunek wstępny dla inicjatyw automatyzacji. Zasadniczo monitoruje i rejestruje interakcje użytkowników z różnymi systemami informacyjnymi i aplikacjami, rejestrując cyfrowe ślady pracowników. Process discovery wykorzystuje różne metody obliczeniowe i statystyczne, aby uzyskać cenne, przydatne informacje z zebranych danych.
Task mining to kolejne narzędzie process mapping skupiające się na optymalizacji zadań na komputerach stacjonarnych. Podobnie jak process discovery, monitoruje ono cyfrowe ślady użytkowników. Korzystając z rozpoznawania znaków, przetwarzania języka naturalnego i innych narzędzi, analizuje zebrane dane i znajduje wzorce, które można zinterpretować jako możliwości poprawy.
Na początku może się to wydawać mylące, ale porównanie ich krok po kroku zdecydowanie ułatwi zrozumienie. Przyjrzyjmy się poniższym 5 kryteriom.
Łatwo jest poczuć się przytłoczonym obecnością setek definicji tej samej rzeczy. W rzeczywistości różne firmy mogą używać własnych definicji dla niektórych terminów, co czyni je jeszcze bardziej złożonymi i zaciera granice między nimi.
Zacznijmy od process discovery i task mining , ponieważ są one często używane zamiennie. Narzędzia te są bardzo podobne pod względem wykorzystywanych technologii i sposobu, w jaki osiągają pożądany cel. Niemniej jednak, task mining i process discovery są wykorzystywane do różnych celów końcowych. Przyjrzyjmy się bardziej znanym dostawcom usług. Istnieje wyraźny wzorzec, że firmy process mining używają task mining jako usługi uzupełniającej, podczas gdy process discovery jest używany przez dostawców RPA .
Obie technologie monitorują pulpity użytkowników w celu rejestrowania ich interakcji z różnymi aplikacjami i systemami IT. Podczas gdy task mining robi to w celu zidentyfikowania nieefektywności procesów, process discovery potrzebuje danych, aby skuteczniej znajdować możliwości automatyzacji. W rezultacie, choć są do siebie bardzo zbliżone, mogą się nieznacznie różnić pod względem wyników, jakie przynoszą.
Moglibyśmy zatrzymać się tutaj i skończyć z process discovery, ale świat terminologii jest zbyt złożony, abyśmy mogli to zrobić, więc jest on używany w innym przypadku. Process discovery jest również używany do opisania pierwszego kroku w ramach process mining (process discovery, sprawdzanie zgodności, ulepszanie).
W skrócie, process discovery może być używany jako
Zadania i process mining często idą w parze i są używane razem do odkrywania pracy opartej na wiedzy. Chociaż oba są dość potężne, przynoszą lepsze wyniki i większy zasięg pracy, gdy są używane jednocześnie. Aby w pełni zrozumieć, co każdy z nich robi, omówmy różnicę między procesami i zadaniami.
Jak już wspomniano, process mining zapewnia widoczność kompleksowych procesów. Proces jest logicznym łańcuchem poszczególnych zdarzeń z wyraźnym punktem początkowym i końcowym. Procesy można podzielić na podzadania, które tworzą kompletny zestaw powiązanych prac. Na przykład Purchase-to-Pay to duży proces, który przebiega przez wiele zespołów.
Z drugiej strony, zadania to mniejsze elementy pracy, które występują pomiędzy różnymi procesami i podprocesami. Kopiowanie i wklejanie danych, przesyłanie i pobieranie plików to typowe przykłady zadań manualnych.
Process mining może być używany w wielu różnych dziedzinach do różnych celów, ale oto niektóre z bardziej popularnych przypadków użycia.
Omówmy pokrótce, czym różnią się process mining, discovery i task mining . Ponieważ te dwa ostatnie są ze sobą bardzo powiązane technologicznie, w tej sekcji będziemy używać ich zamiennie.
Process mining wykorzystuje dane dziennika zdarzeń znalezione w różnych systemach informatycznych, takich jak Salesforce, Oracle lub HubSpot. Te dzienniki zdarzeń zawierają informacje o wykonanej aktywności, identyfikator aktywności i jej znacznik czasu.
Process discovery i task mining, w przeciwieństwie do nich, zbierają dane poprzez monitorowanie i rejestrowanie interakcji użytkowników z komputerem, przechwytując wszystkie procesy za pomocą agentów oprogramowania.
Dane mają różne pochodzenie, więc są również gromadzone w różny sposób.
W przypadku process mining wymagane jest wsparcie IT i rozwój back-endu w celu integracji z monitorowanymi systemami informatycznymi.
W przypadku witryn process discovery i task mining na komputerach użytkowników muszą być zainstalowani agenci oprogramowania. Agenci to elementy oprogramowania, które działają na urządzeniach użytkowników w sposób ciągły w tle. Agenci "rejestrują" wszystko, co zostało zrobione w oprogramowaniu i aplikacjach biznesowych.
Warto wspomnieć, że niektóre programy i aplikacje nie generują dzienników zdarzeń, co znacznie ogranicza możliwości process mining. Załóżmy na przykład, że celem jest zmapowanie bieżącego procesu e-fakturowania i znalezienie możliwości poprawy. W takim przypadku process mining analizuje poszczególne kroki w ramach dowolnej używanej platformy e-fakturowania. Jeśli ekspert ds. fakturowania musi korzystać z tej platformy i innych aplikacji, powiedzmy Excel, aby wykonać ten proces, wówczas kroki w Excelu są pomijane, pozostawiając więcej miejsca na złe wyniki. Może więc przechwytywać tylko dyskretne dane na poszczególnych etapach procesu i pozostawia białe plamy między dziennikami, które są poza zakresem jego wykrywania.
Process discovery i task mining mogą gromadzić dane z systemów informatycznych generujących dzienniki oraz innych aplikacji i oprogramowania zwiększającego produktywność, z których korzystają pracownicy, takich jak poczta e-mail, pakiet Microsoft itp. To sprawia, że są one doskonałym narzędziem uzupełniającym dla Process Mining i RPA , ponieważ mogą dostarczyć nieco więcej informacji na temat działań w cieniu, które w przeciwnym razie zostałyby pominięte.
Process miningPo zebraniu, wyczyszczeniu i ustrukturyzowaniu danych, rekonstruuje wygląd bieżącego procesu i porównuje go z procesem idealnym - tym, jak proces powinien wyglądać. Nazywa się to sprawdzaniem zgodności; wykorzystywanych jest wiele metod analizy danych, eksploracji i nauki o danych. Znajduje możliwe wąskie gardła i sugeruje ulepszenia w oparciu o te odchylenia.
Process discovery najpierw rejestruje wszystko na pulpitach użytkowników, aby uchwycić procesy takimi, jakie są - ze wszystkimi przypadkowymi odchyleniami i wadami. Przedstawia proces w sposób, w jaki został faktycznie wykonany przez ludzi, tworząc metamodel procesu przy użyciu wizji komputerowej, algorytmów uczenia maszynowego i narzędzi sztucznej inteligencji. W ten sposób można łatwiej zidentyfikować przyczyny źródłowe i różne wąskie gardła.
Process mining ogranicza się do etapów procesu w poszczególnych systemach informatycznych. Ignoruje czynnik ludzki, pomijając cyfrowe ślady użytkowników w innych aplikacjach, takich jak osobiste aplikacje zwiększające produktywność, dokumenty itp.
Chociaż process discovery i task mining wnoszą ludzki charakter, którego może brakować process mining , działają one najlepiej w przypadku krótszych i mniejszych zadań. Ponieważ stosowane metody analizy są ciężkie obliczeniowo, mogą zacząć przynosić fałszywe wyniki podczas analizowania dłuższych procesów i nie identyfikować znaczenia zadania w szerszym kontekście.
Process mining, task mining i process discovery to potężne narzędzia, które są używane przez firmy już od kilku lat, przynosząc dobre wyniki i pomagając nawet największym przedsiębiorstwom znaleźć swój potencjał automatyzacji.
W zależności od firmy, przypadku użycia i innych czynników, jedna lub dowolna ich kombinacja może być bardziej odpowiednia niż druga. Process mining jest generalnie lepszy w harmonizowaniu różnych procesów i dostosowywaniu ich do celu końcowego, zwłaszcza jeśli są one wykonywane w ramach rozległych systemów informatycznych. Process mining jest dobry w postrzeganiu rzeczywistości w ciężkich systemach, takich jak ERP, CRM i zarządzanie łańcuchem dostaw, i optymalizacji procesów w nich. Task mining jest dobrą alternatywą, jeśli proces jest wykonywany w różnych aplikacjach, a te małe działania pomiędzy bardziej znaczącymi krokami mają znaczenie. Całkiem dobrze pokazuje interakcje człowiek-maszyna w ramach zadania. Podobnie, process discovery służy głównie do zastąpienia ręcznych technik process discovery , dzięki czemu znalezienie możliwości automatyzacji jest szybsze niż w przypadku istniejących starych metod.
Jednak, jak już wspomnieliśmy, wszystkie mają pewne wady, które mogą nie sprawdzić się w przypadku niektórych firm. Mogą one działać w tandemie w celu pełniejszej analizy procesów. Wciąż jednak mogą one nie obejmować pełnego spektrum działań związanych z pracą biznesową w sposób anonimowy. Inteligencja pracy może być idealnym rozwiązaniem, które łączy w sobie najlepsze cechy obu światów i nie tylko. Pomaga zobaczyć, co należy zautomatyzować w pierwszej kolejności, zanim wskoczy się do puli wielu narzędzi związanych z automatyzacją.
WorkfellowWork Intelligence to narzędzie typu "wszystko w jednym", czyli wszystko, czego przedsiębiorstwo może potrzebować, aby rozpocząć cyfrową transformację.
Uzyskaj bezpłatne wprowadzenie do Workfellow poprzez demo lub bezpłatny okres próbny. Kliknij przycisk poniżej i zacznijmy!
Rozpocznij