Process mining is een analysetechniek die met gegevens uit IT-systemen laat zien hoe een proces werkelijk verloopt, in plaats van hoe het volgens de procedure zou moeten. Software reconstrueert het proces uit de sporen die elke handeling in systemen achterlaat, inclusief alle omwegen, herhalingen en wachttijden.
Hoe werkt process mining?
Bijna elk systeem, zoals een ERP-, CRM- of zaaksysteem, legt vast wat er wanneer gebeurt. Zo’n overzicht heet een event log. Voor process mining heb je per gebeurtenis minimaal drie gegevens nodig: een zaaknummer (bijvoorbeeld een factuur- of klantnummer), de activiteit en het tijdstip.
Uit duizenden van zulke regels tekent de software automatisch het proces, met hoe vaak elke route voorkomt en hoe lang elke stap duurt. In de afbeelding bovenaan dit artikel zie je een voorbeeld: in het proces voor inkoopfacturen blijkt 31% van de facturen terug te gaan voor het aanpassen van gegevens. Dat herstelwerk stond in geen enkele procesbeschrijving.
De methode is grotendeels in Nederland ontwikkeld, door Wil van der Aalst en zijn onderzoeksgroep aan de TU Eindhoven, vanaf eind jaren negentig.
Drie toepassingen
Dit is een van de tools die je in de Green Belt training leert toepassen op een eigen verbeterproject.
- Ontdekken (discovery): uit de event log automatisch het werkelijke proces tekenen, met alle varianten.
- Toetsen (conformance): het werkelijke proces vergelijken met het voorgeschreven proces. Waar wordt een stap overgeslagen, of een controle omzeild?
- Verrijken (enhancement): het procesmodel aanvullen met doorlooptijden, wachttijden en aantallen, zodat je ziet waar de knelpunten zitten.
Voorbeelden
- Klantenservice: een telecombedrijf kan zien hoe vaak klanten opnieuw contact opnemen voor dezelfde vraag, en via welke kanalen, en zo gericht de oorzaken van herhaalcontact aanpakken.
- Inkoop en financiën: een organisatie ziet hoeveel facturen worden aangepast, hoe lang goedkeuring duurt en welke leveranciers te laat worden betaald.
- Zorg: een ziekenhuis kan het pad van patiënten langs afdelingen in kaart brengen en zien waar ze wachten op onderzoek of uitslagen.
Software
- Celonis: een veelgebruikt commercieel platform voor grote organisaties.
- Disco van Fluxicon: een gebruiksvriendelijke tool, ontstaan uit het onderzoek in Eindhoven.
- ProM: een open-source raamwerk van de TU Eindhoven, veel gebruikt in onderzoek.
Daarnaast bieden veel ERP-leveranciers en analysepakketten inmiddels eigen process-mining-functies.
Voordelen
- Zicht op het echte proces: objectief, gebaseerd op alle gevallen in plaats van een paar interviews.
- Verbeterkansen vinden: verspilling, herhalingen en knelpunten worden zichtbaar, en daarmee kansen voor procesoptimalisatie.
- Naleving controleren: afwijkingen van regels en procedures komen boven water.
- Continu volgen: na een verbetering kun je blijven meten of het effect aanhoudt.
Nadelen en valkuilen
- Datakwaliteit: onvolledige of inconsistente gegevens uit verschillende systemen geven een vertekend beeld. Gegevens voorbereiden kost vaak meer tijd dan de analyse zelf.
- Complexe modellen: bij grote processen ontstaat al snel een onoverzichtelijk “spaghettimodel”. Begin daarom met een afgebakende vraag.
- Kosten en tijd: licenties, koppelingen en opleiding vragen een investering.
- Privacy: event logs bevatten vaak persoonsgegevens. Zorg dat ze volgens de AVG worden verwerkt, bijvoorbeeld door te pseudonimiseren.
- Weerstand: medewerkers kunnen zich gecontroleerd voelen. Wees open over het doel: het proces verbeteren, niet mensen beoordelen.
- Geen context: de data laat zien wat er gebeurt, niet waarom. Daarvoor moet je nog steeds met de mensen praten, op de gemba.
Process mining en Lean Six Sigma
Process mining en Lean Six Sigma vullen elkaar goed aan. Process mining levert snel een feitelijk beeld van het proces, wat vooral helpt in de Measure- en Analyse-fase van DMAIC. Lean Six Sigma levert de aanpak om de oorzaken te begrijpen, verbeteringen in te voeren en het resultaat te borgen. In de Control-fase kun je met process mining blijven volgen of de verbetering standhoudt.
Conclusie
Process mining geeft een objectief beeld van hoe processen echt verlopen, en maakt verbeterkansen zichtbaar die anders verborgen blijven. Zorg wel voor goede data, een duidelijke vraag en aandacht voor de mensen in het proces. Dan haal je er het meeste uit.