BPM, Process Mining en Data Mining

monkeymining_bar

Wat hebben Business Process Management en Process Mining met elkaar te maken? En Data Mining dan?

Je hoort de termen ‘Business Process Management’, ‘Process Mining’ en ‘Data Mining’ regelmatig langs komen, maar wat is het precies? Wat is de overlap en wat zijn de verschillen? Ik ga er in dit blog dieper op in.

Process Mining

Dit is een set aan technieken die de analyse van bedrijfsprocessen ondersteunt op basis van event logs. Tijdens Process Mining worden gespecialiseerde Data Mining-algoritmen toegepast op gegevens die te vinden zijn in event logs uit applicaties. We gebruiken deze algoritmen en data om trends, patronen en details te identificeren. Een informatiesysteem legt de event logs vast. Het doel van Process Mining is om de procesefficiëntie en het begrip van processen te verbeteren. Het staat ook bekend als Automated Business Process Discovery (ABPD).

 

De term Process Mining wordt in een bredere setting gebruikt om niet alleen te verwijzen naar technieken voor het ontdekken van procesmodellen, maar ook naar technieken voor conformiteit van bedrijfsprocessen en prestatieanalyse op basis van event logs. Met Process Mining kun je bedrijfsprocessen automatisch analyseren op basis van de event logs van bedrijfssystemen (ERP, CRM, Service Management, etc.). Hiermee kun je specifieke verbeterpunten op operationeel niveau identificeren. Het is een innovatieve analytische benadering om objectieve inzichten te verkrijgen en verborgen problemen te ontdekken.

data-mining

Data Mining

Het doel van Data Mining is patronen ontdekken in enorme hoeveelheden ruwe data. Je gaat met grote datasets aan de slag om resultaten te voorspellen en onbekende relaties te ontdekken.

 

Data Mining maakt zowel gebruik van statistiek, wiskunde als informatica. Data Scientists gebruiken algoritmen om enorme hoeveelheden onbewerkte gegevens te doorzoeken en te sorteren. Hiermee verkrijgen zij nieuwe inzichten op basis van deze gegevens. Vervolgens zetten ze de data om in bruikbare informatie voor marketing- en verkoopteams, softwareontwerpers en andere afdeling van het bedrijf.

Een voorbeeld van Data Mining is wat bedrijven zoals Facebook en Google doen met gegevens die betrekking hebben op het surfgedrag van internetgebruikers. De Data Mining teams van deze bedrijven verzamelen gegevens en vertalen ze naar bruikbare informatie voor het advertentieteam. Deze maken vervolgens advertenties zichtbaar voor mensen die hier interesse in zouden hebben op basis van hun surfgedrag. Zo laten ze reclames voor haarverzorgingsproducten alleen maar zien aan internetgebruikers die interesse hebben voor deze producten.

Wat is de overeenkomst tussen Process Mining en Data Mining?

Kortom, Process Mining is het gebruik van Data Mining technieken en wiskundige algoritmen om bedrijfsprocessen te stroomlijnen en te vereenvoudigen.

 

Het essentiële element waarmee Process Mining en Data Mining werken, zijn de data en de algoritmen. Daarnaast zijn beiden in te zetten zonder het werk in de organisatie te verstoren. De benodigde data kun je op ieder gewenst en gepast moment uit de systemen halen. Beiden bieden informatie voor gegevensgesteunde beslissingen.

Aan de slag met Process Mining?

Schrijf je in voor de gratis Masterclass!

Wat is het verschil tussen Process Mining en Data Mining?

Er zijn een tweetal uitdagingen waar het Data Mining betreft die Process Mining niet of veel minder kent. De eerste is de kwaliteit van de data. In veel Data Mining trajecten is de grootste uitdaging de kwaliteit van de data. Vaak is dit de belangrijkste belemmering voor waardevolle Data Mining trajecten. Aangezien Process Mining gebruik maakt van event logs, is datakwaliteit een veel minder grote uitdaging. De event logs worden door het systeem zelf bijgehouden en het systeem maakt gelukkig geen typefouten! Daarnaast is er een belangrijke beperking van Data Mining. Je hebt het waarschijnlijk goed geraden: processen.

In tegenstelling tot Data Mining, kijkt Process Mining naar een bepaald proces en de uitvoering ervan binnen een specifieke tijdsperiode en genereerd een as-is proces voor die tijdsperiode. De bedrijfswaarde in Process Mining ligt in het benadrukken van alle knelpunten, onproductieve varianten, afwijkingen en herwerken. Deze inzichten worden later gebruikt voor verdere procesverbetering.

 

Data Mining daarentegen is veel breder van toepassing gebied; het analyseert grote datasets en zoekt naar algemene regels, met voorspellingen en gedragspatronen op basis van de inputgegevens.

De rol van Business Process Management

Business Process Management (BPM) richt zich op het managen van bedrijfsprocessen op operationeel, tactisch en strategisch niveau. BPM bestaat uit een cyclus van (her)ontwerpen, implementeren, monitoren en optimaliseren van processen. Dit is een continu proces dat vaak door een interdisciplinair team wordt uitgevoerd in opdracht van de proceseigenaar. Alle processen van een organisatie kunnen BPM toepassen.

In het kader van BPM worden beschrijvingen van processen handmatig bijgehouden. Voor het monitoren en optimaliseren van processen is veel handwerk nodig.

Process Mining en Business Process Management

In de BPM-cyclus is veel sprake van handmatig werk. Voor procesanalyses worden workshops, interviews en floorwalking ingezet. De processen worden handmatig vastgelegd met behulp van modelleringssoftware.

 

Hier biedt Process Mining veel voordelen. De BPM-cyclus kan veel efficiënter en effectiever worden uitgevoegd omdat het in grote mate geautomatiseerd wordt. Op basis van de eventlogs krijg je continu inzicht in het proces en de belangrijkste proces indicatoren.

Kan Process Mining de complete BPM-cyclus automatiseren?

Helaas niet. Het geeft inzichten voor het monitoren, optimaliseren of herontwerpen, maar de procesexperts moeten de oplossingen bedenken ter verbetering van het proces.

Waar kan Process Mining de meeste voordelen opleveren?

Als onderdeel van het initiële procesontwerp geeft Process Mining je inzicht in de huidige manier van werken. Naast inzicht in de exacte flow kun je ook zien waar best-practices en knelpunten zitten. Op basis daarvan kun je het proces herontwerpen. Je kunt de implementatie van het nieuwe proces monitoren zodat je snel aanpassingen kunt doen in het proces, de ondersteunende systemen of de manier van werken.

Process Mining als controletool bij jouw Business Process Management traject

Af en toe een analyse uitvoeren op uw event logs kan inzicht geven in de knelpunten, inefficiënties en conformance ten opzichte van het ontworpen proces. Je kunt snel bijsturen of ingrijpen voordat problemen nog groter worden.

Process Mining voor monitoring bij jouw Business Process Management traject

Met Process Mining kun je continu grip krijgen op de processen. Naast het inzicht in de flow geeft Process Mining je inzicht in de belangrijkste KPI’s van het proces (bijv. doorlooptijd, kwaliteit en kosten). Daarmee is het een ideaal instrument voor het managen van de processen.

Benieuwd geworden naar MonkeyMiner?

Gratis proberen Demonstratie aanvragen
Roderick Schreuder
Roderick Schreuder

Roderick Schreuder is een technologie entrepreneur en data science expert. Hij heeft + 20 jaar ervaring in verschillende sectoren bij organisaties zoals Philips, ING, Heerema, Achmea, NXP en Belastingdienst. Sinds 2006 is hij betrokken bij BiZZdesign en heeft zich recent gestort op de data science techniek ‘Process Mining’ bij MonkeyMining. Roderick is regelmatig gastspreker op conferenties en congressen en wordt regelmatig gevraagd om technologie inspiratiesessies voor directies en management teams te faciliteren. Daarnaast is hij verbonden aan de Hogeschool Utrecht en Business University Nyenrode.

PROBEER MONKEYMINER NU GRATIS