Dal Process Mining alla Process Intelligence: quando i dati diventano uno strumento per migliorare i processi

 

Un processo aziendale raramente funziona esattamente come è stato disegnato.

Nel tempo entrano eccezioni, attività manuali, passaggi aggiuntivi, workaround e modalità operative che possono modificare significativamente il flusso originario.

È uno dei motivi per cui analizzare un processo soltanto attraverso procedure, interviste e diagrammi può non essere sufficiente.

Il process mining ha introdotto un approccio diverso: partire dai dati generati dai sistemi per ricostruire come il processo viene realmente eseguito.

Ma vedere cosa accade è soltanto il primo passaggio.

La sfida successiva è utilizzare quelle informazioni per comprendere dove intervenire, con quale priorità e con quale risultato atteso.

È qui che si passa dal process mining alla process intelligence.

 

Dal processo disegnato al processo reale.

ERP, CRM e altre applicazioni aziendali registrano continuamente eventi.

Un ordine viene creato, modificato e approvato. Una merce viene ricevuta. Una fattura viene contabilizzata. Un pagamento viene eseguito.

Mettendo in relazione queste tracce è possibile ricostruire il percorso seguito dalle singole transazioni e confrontarlo con quello previsto.

Il process mining permette quindi di rispondere a domande molto concrete:

• quante varianti dello stesso processo esistono?
• dove si concentrano i tempi di attesa?
• quali attività vengono ripetute?
• dove il processo torna indietro?
• quali casi si discostano dal flusso previsto?

Il valore sta nel passare da una percezione del processo a una rappresentazione fondata sui dati.

Anche le attuali piattaforme enterprise di process intelligence utilizzano questa logica, combinando dati provenienti da sistemi come ERP e CRM per ricostruire e analizzare i processi end-to-end. La documentazione di SAP Signavio, ad esempio, descrive la possibilità di utilizzare dati provenienti da più sistemi per individuare cause, inefficienze e opportunità di miglioramento.

 

Sapere dove si trova il problema non significa averlo risolto.

Il process mining può evidenziare che una determinata fase impiega troppo tempo.

Ma non necessariamente spiega perché.

Un ritardo nella gestione delle fatture, ad esempio, potrebbe dipendere da ordini incompleti, dati mancanti, troppe approvazioni, errori nella registrazione oppure da informazioni che devono essere recuperate manualmente.

Sono cause diverse e richiedono interventi diversi.

Allo stesso modo, scoprire che un processo presenta molte varianti non significa che tutte debbano essere eliminate. Alcune potrebbero essere giustificate dal business, altre essere invece il risultato di inefficienze consolidate nel tempo.

È qui che la sola visibilità non basta.

Occorre collegare ciò che accade nel processo alle cause, agli impatti e alle decisioni da prendere.

 

Cosa aggiunge la process intelligence.

La process intelligence amplia quindi la prospettiva del process mining.

Non si limita a ricostruire il processo reale, ma mette in relazione dati, KPI, comportamento operativo e conoscenza del business per supportare il miglioramento continuo.

La differenza può essere sintetizzata così:

Il passaggio importante è proprio questo.

Dall’osservazione all’azione.

Una logica di process intelligence dovrebbe permettere di seguire un ciclo continuo:

osservare → comprendere → individuare le priorità → intervenire → misurare nuovamente

Il processo non viene quindi analizzato soltanto quando nasce un problema o durante un progetto di trasformazione. Diventa qualcosa che può essere monitorato e migliorato nel tempo.

 

Un esempio concreto: dal ritardo all’impatto.

Pensiamo a un processo Order-to-Cash.

L’analisi potrebbe mostrare che alcune categorie di ordini impiegano molto più tempo delle altre prima di arrivare alla fatturazione.

Il dato, da solo, è utile ma incompleto.

La process intelligence porta l’analisi un passo oltre:

• qual è la causa del ritardo?
• succede sempre con determinati clienti?
• dipende da approvazioni?
• mancano informazioni?
• esistono attività manuali fuori dal sistema?

Quanto incide questo ritardo sul time-to-invoice e, di conseguenza, sul cash flow?

A questo punto il processo non viene più osservato soltanto come sequenza di attività. Viene collegato al risultato che produce per l’azienda.

Ed è proprio questa capacità a rendere la process intelligence interessante anche per figure che non appartengono all’IT: process owner, responsabili di funzione, CFO, COO e management.

 

I processi non vivono dentro un solo sistema.

C’è poi un altro elemento importante. Molti processi aziendali attraversano applicazioni differenti.

Un processo può iniziare nel CRM, passare nell’ERP, coinvolgere un portale, utilizzare un file Excel per una fase intermedia e concludersi in un altro sistema.

Per questo osservare soltanto una singola applicazione può restituire una rappresentazione parziale.

La process intelligence acquista valore quando riesce a seguire, per quanto possibile, il processo end-to-end, collegando le informazioni distribuite tra più fonti.

È un tema molto vicino a quello dell’integrazione: più l’ecosistema applicativo è frammentato, più diventa importante comprendere non soltanto se i sistemi comunicano, ma come il processo attraversa quei sistemi.

 

Anche l’Intelligenza Artificiale parte da qui.

La process intelligence assume un significato ulteriore con l’ingresso dell’AI nei processi.

Prima di decidere dove utilizzare un agente, automatizzare un’attività o introdurre un nuovo strumento, occorre sapere dove esiste realmente un problema.

Un processo con molti volumi, attività ripetitive e frequenti eccezioni può essere un candidato interessante.

Ma se il problema nasce semplicemente da una regola sbagliata o da due sistemi che non comunicano, l’Intelligenza Artificiale potrebbe non essere la risposta corretta.

La process intelligence può quindi contribuire a rendere più razionale anche l’adozione dell’AI: non partire dalla tecnologia disponibile, ma dai comportamenti reali del processo e dai punti nei quali esiste un beneficio misurabile.

È lo stesso principio che abbiamo approfondito parlando di dove sia utile introdurre l’Intelligenza Artificiale in azienda.

 

Un tema particolarmente rilevante nelle trasformazioni ERP.

Il tema diventa ancora più importante quando un’azienda sta evolvendo il proprio ERP.

Una migrazione a SAP S/4HANA, ad esempio, può essere affrontata come trasferimento tecnologico oppure come opportunità per rivedere il modo in cui i processi funzionano realmente.

Prima di trasferire il processo nel nuovo ambiente diventa utile capire:

• quali varianti sono realmente necessarie
• dove esistono workaround
• quali passaggi generano maggiori inefficienze
• quali attività potrebbero essere standardizzate
• quali complessità sono state accumulate nel tempo senza più una reale giustificazione

L’obiettivo è evitare di trasferire sul nuovo sistema la stessa complessità costruita negli anni sul precedente.

È anche il principio con cui AIM Major affronta i percorsi SAP S/4HANA: partire dalla situazione reale, comprendere processi e priorità e solo successivamente definire come evolvere il sistema.

 

I dati da soli non bastano.

La process intelligence non deve però diventare semplicemente un’altra dashboard.

Sapere che esiste un’inefficienza non significa automaticamente sapere come correggerla. Per trasformare l’analisi in un miglioramento servono almeno tre elementi:

• dati affidabili, per comprendere ciò che accade
• conoscenza del processo, per interpretare correttamente ciò che emerge
• governance, per stabilire priorità, responsabilità e interventi

La tecnologia rende il processo più osservabile.

Sono poi l’esperienza e la conoscenza dell’organizzazione a trasformare ciò che emerge dai dati in una decisione.

 

Dal process mining alla capacità di governare il processo.

Il contributo fondamentale del process mining è stato rendere visibile la distanza tra il processo disegnato e quello realmente eseguito.

La process intelligence porta questo principio oltre.

Non si limita a chiedere “Che cosa sta succedendo?” ma cerca di collegare:

comportamento reale → causa → impatto → intervento → risultato

L’obiettivo non è raccogliere più dati sui processi, ma sviluppare la capacità di utilizzare quei dati per decidere meglio dove e come intervenire.

AIM Major affianca le aziende nell’analisi e nell’evoluzione dei processi, integrando competenze SAP, ERP, system integration e nuove tecnologie per individuare inefficienze e costruire interventi coerenti con le priorità operative.

Contattaci per confrontarci sui processi della tua azienda e individuare possibili inefficienze, colli di bottiglia e opportunità di miglioramento.