Hype du Process Mining


L'approche analytique du Process Mining relève également ce défi. L'idée de base est séduisante. La collecte automatique de données d'événements consignées permet de tirer des conclusions pour une analyse automatisée des processus commerciaux. Libres de toute transfiguration conceptuelle et subjective - tels qu'ils se sont réellement déroulés. Une image réaliste des processus du système informatique en appuyant sur un bouton.
Cette méthode semble simple et efficace et laisse espérer qu'elle sera plus rapide et plus efficace que n'importe quel inventaire manuel ou basé sur des entretiens des processus de travail de l'entreprise (analyse de la situation actuelle). C'est notamment grâce à cette idée que le Process Mining a trouvé sa place dans l'analyse des systèmes d'application de gestion d'entreprise. En effet, le Process Mining permet de découvrir, de reconstruire et de contrôler des processus réels au plus près de la réalité.
D'un point de vue historique, cette méthode n'est pas une approche nouvelle, mais s'appuie sur une longue évolution. Les avis divergent quant à la date exacte de l'apparition de l'idée de Process Mining, qu'elle remonte aux années 90 ou qu'elle soit née dans les années 2000 de projets de recherche visant à développer de nouveaux méta-modèles et ontologies pour les flux de processus à partir d'analyses basées sur les workflows.
Les raisons de réaliser une telle étude sont nombreuses : Les processus existants sont de plus en plus inefficaces et coûteux en raison de l'évolution insidieuse des exigences au fil du temps ; le déroulement des processus et les responsabilités ne sont pas clairs, notamment en raison de la dispersion des unités organisationnelles ; l'hétérogénéité règne au sein du groupe d'entreprises, peut-être en raison de la croissance ; les meilleures pratiques spécifiques à l'entreprise ou au fabricant ne sont pas mises en œuvre ; il existe un faible degré de standardisation, éventuellement en raison d'exigences commerciales non structurées et non conformes à la stratégie ; le degré d'automatisation pour réduire les coûts des processus est trop faible ; ou les coûts des processus ne sont pas répartis en fonction de leur utilité. La motivation est donc plus que suffisante pour s'efforcer d'obtenir une transparence totale des processus de l'entreprise.
Journal des événements et visualisation
Mais le Process Mining est-il vraiment à la hauteur de ces tâches et de l'engouement actuel ? Quelle est la pertinence et la fiabilité des résultats du Process Mining ? Et le Process Mining est-il égal au Process Mining ?
Pour répondre à ces questions, il est nécessaire d'avoir une compréhension de base de son fonctionnement. Les journaux d'événements, qui consignent l'utilisation du processus par les collaborateurs, constituent la base d'informations. Il est ainsi possible de générer des visualisations qui fournissent un aperçu correct et actuel. C'est précisément là que réside la grande force du Process Mining, car l'utilisation de données réelles d'événements commerciaux permet de créer une image objective de ce qui se passe dans le processus. L'extraction de ces informations se fait généralement soit par une extraction complète, soit par une connexion directe au système analysé. Dans tous les cas, il est nécessaire d'avoir un accès complet à toutes les données des documents individuels afin de garantir l'exhaustivité des chaînes de processus et de pouvoir traiter la première préparation des données de manière pertinente sur le plan analytique. L'accent est mis sur les données de mouvement, pour lesquelles un contexte est établi (filtré) ultérieurement, par exemple au moyen de données de base telles que les clients, les articles ou les unités organisationnelles.
Une structuration et une classification automatiques et génériques des données sous forme d'activités et de chemins semblent plutôt compliquées et on peut se demander si l'examen des journaux d'événements ne laisse pas de côté des aspects significatifs, en particulier d'un système SAP, comme par exemple les paramètres de la configuration du système. C'est précisément là que le Process Mining classique atteint ses limites, un malentendu qui, avec quelques autres, est examiné ci-après.
Six malentendus
Malentendu 1 : Le Process Mining fournit des diagnostics rapides des problèmes et des identifications de goulots d'étranglement. L'hypothèse de base selon laquelle les points faibles dans les activités quotidiennes sont inconnus et doivent d'abord être identifiés a été réfutée dans de nombreux projets. Un système SAP fournit à chaque collaborateur une vue d'ensemble solide des dysfonctionnements dans son domaine d'activité, même si les causes structurelles et l'étendue complète de leurs effets d'intégration ne sont pas connues. Par conséquent, les déclarations initiales relèvent souvent du domaine des constatations banales ou donnent lieu à de fausses alertes (faux positifs). Il en résulte des itérations d'enquête coûteuses. Un modèle d'analyse complet, reposant sur une large base de chiffres clés et disponible dès le début, peut y remédier. Mais ce modèle doit être compatible avec les spécificités de l'entreprise et les concepts théoriques définis dans le Customizing du logiciel. Dans le cas contraire, les experts techniques risquent d'être confrontés à des coûts élevés et les paramètres analytiques cibles devront être ajustés.
Malentendu 2 : Le Process Mining donne un aperçu rapide. De nombreux fournisseurs de Process Mining fournissent certes les possibilités techniques pour l'analyse, mais n'incluent que des modèles simples sans tenir compte de la situation spécifique du client ou des possibilités différenciées du logiciel. Cette conception est également souvent transférée dans le domaine des services payants. Il est recommandé de vérifier avec précision l'étendue du contenu analytique disponible et quelles compétences sont mises en œuvre dans les offres de service correspondantes, et à quel coût.
Malentendu 3 : Le Process Mining aide à évaluer la conformité, les risques ou autres. Bien entendu, le Process Mining peut également aider à évaluer les opportunités et les risques des activités de l'entreprise ainsi qu'à examiner la conformité à la réglementation. Enfin, l'analyse accède à l'ensemble des informations sur les processus. Mais pour appliquer la logique de contrôle, il faut une transformation, une analyse, un traitement et une évaluation fondés des données ainsi qu'une prise en compte des caractéristiques individuelles, ce que sont les risques ou les directives spécifiques à l'entreprise. Par conséquent, ces affirmations dépendent également fortement du contenu de référence sous-jacent ou des services complémentaires. Il arrive que les promesses des fabricants de logiciels quittent la réalité de cette approche.
Malentendu 4 : Le Process Mining permet de consolider les données de processus sur plusieurs systèmes. L'idée d'un système ERP central n'est pas toujours une réalité, surtout dans les grandes entreprises ou les groupes. Dans la pratique, les systèmes sont très développés et les processus sont répartis. Le Process Mining classique est plutôt inadapté à leur analyse, car l'harmonisation des chaînes de processus inter-systèmes est liée à des dépenses élevées, surtout dans le cas de logiques de déroulement riches en variantes et de systèmes techniques hétérogènes. Une possibilité de comparaison directe au niveau des systèmes techniques et des unités organisationnelles pourrait y remédier et offrir en outre des approches pour des projets de consolidation et d'harmonisation, mais elle n'existe que dans très peu de cas.
Malentendu 5 : Le Process Mining fournit une vue de bout en bout pour les entreprises. Le souhait d'avoir une vue complète de tous les processus commerciaux et de toutes les étapes de travail impliquées dans un processus d'entreprise est compréhensible, mais il exige plusieurs niveaux pour l'analyse des processus. C'est justement à des fins de documentation, d'efforts de test et de discussions sur les changements qu'une telle évolutivité est utile et souhaitable, surtout dans les domaines intégrés et hétérogènes, comme par exemple les liens entre la logistique et la finance. Mais la mise en place d'une telle représentation est très coûteuse et nécessite quelques connaissances pluridisciplinaires. C'est pourquoi le Process Mining utilise rarement des modèles continus, mais plutôt des processus partiels fragmentés.
Malentendu 6 : Le Process Mining soutient l'automatisation des processus. L'automatisation, au sens de la suppression de fonctions ou d'étapes de processus qui ne sont plus exécutées par les utilisateurs du dialogue, mais par le logiciel lui-même, est tout à fait mesurable grâce aux approches de Process Mining. La mise en œuvre et l'amélioration de ces processus relèvent toutefois en fin de compte du savoir des conseillers, d'autant plus qu'une coordination claire des secteurs de l'entreprise impliqués et de leurs processus de travail internes est nécessaire.
Modèles de référence et modèles théoriques
En résumé, ce sont plutôt des aspects de contenu qui devraient être pris en compte pour évaluer l'adéquation d'approches spécifiques de Process Mining. Tout d'abord, ce sont les modèles de référence analytiques pour la structuration des données de processus et la déduction d'informations économiques qui définissent la norme de qualité. Cela implique notamment la disponibilité de modèles théoriques côté logiciel ainsi que des systèmes d'indicateurs corrects et complets qui permettent de voir en coulisses.
En outre, c'est le type d'extraction, de transformation et de préparation de la base de données technique qui détermine la qualité et l'exactitude des possibilités d'évaluation. Une base de données complète ne répond pas toujours aux exigences en matière de coûts et d'avantages et nécessite un certain travail et des connaissances d'experts pour déployer la force d'expression souhaitée. Enrichir les informations du journal des événements avec des historiques de modifications, des analyses comparatives ou des informations de configuration peut s'avérer utile et accélérer considérablement l'acquisition de connaissances.
Il n'en reste pas moins nécessaire de trouver de bons conseillers et des ressources internes, et d'effectuer des efforts de modélisation coûteux pour l'individualisation. Un conseil pour la première utilisation est de se concentrer sur les projets de Process Mining. Obtenez d'abord une vue d'ensemble de l'utilisation des processus et examinez les contenus existants de manière approfondie là où les processus sont fortement personnalisés.
