Visual Process Mining

Process Mining ist der Schlüssel zu mehr Effizienz in Geschäftsmodellen.

Wir visualisieren und analysieren für unsere Kunden Prozesse im Bereich Beschaffung, Verkauf, IoT, Supply Chain und Logistik. Dabei spielen die jeweiligen kunden- und fachspezifische Anforderungen eine wichtige Rolle.

Process Mining Log Files

Eine Analyse von Prozessen in tabellarischen Auswertungen ist kaum effizient möglich. Selbst für Prozessexperten ist eine solche Analyse sehr zeitaufwändig und fehleranfällig. 

Mit der visuellen Analyse von Prozessen und figurativen Darstellungen lässt sich dagegen schnell ein Überblick über Verbesserungspotenziale bei Prozessen gewinnen.

Dies gilt auch für Mitarbeiter und Entscheider ohne umfangreiche Datenkenntnisse. Mit entsprechender Anleitung gelingt es diesen schnell, wichtige Zusammenhänge und Einflussfaktoren zu erkennen und sogenannte Actionable Insights zu erzielen.

Mögliche Einsatzfelder für Process Mining

Typische Fragestellungen beim Process Mining sind zum Beispiel Engpass-Analysen, Prozessvarianzen, Durchlaufzeit-Analysen, Rekursionen, Wartezeiten, Ineffizienzen.

Ob Process Trees, Flow Diagramms oder figurative Analyse: Wir sind spezialisiert auf die Visualisierung von Daten und Prozessen in sehr unterschiedlichsten Bereichen und finden die richtige Lösung für die jeweilige Aufgabe. 

Use Case Marketing: Der User Journey Explorer

Customer Journey Explorer

Ein Unternehmen hat verschiedene Online-Kanäle für die Akquisition der Besucher auf der Webseite. Die User Journeys mit ihren Teilschritten werden farbig dargestellt.

Während klassische Analytics-Anwendungen auf oberer Ebene einen Überblick verschaffen, kann mit Process Mining Transparenz über das gesamte Nutzerverhalten auf Detail-Ebene geschaffen werden.

Es ist wirklich außergewöhnlich, eine Benutzer- oder Kundenreise über alle Kanäle hinweg in einer einzigen Ansicht zu sehen. Jede Kette mit den diversen farbigen Feldern entspricht genau einer User Journey. Die Farbe zeigt den Kanal wie Affiliate, E-Mail oder SEA an. Durch die Filterung nach Kanal und Zeit ist es möglich, auf Teilmengen herunterzubrechen.

Es gibt ganz unterschiedliche User Journeys und die Betrachter entdeckten Muster, die niemand zuvor wahrgenommen hat. Das führte zu ganz neuen Fragen bei der Werbemittelplanung und zu weiteren analytischen Untersuchungen.

Ein mögliches Ergebnis eines umfassenden Process-Mining-Projekts ist die Prozessverbesserung durch Automatisierung.

Use Case Robotic Process Automation

Customer Journey Explorer

Software-Robots sind regelbasierte Softwaresysteme, die semi-strukturierte Daten mit KI-Methoden wie Natural Language Processing, Machine Learning und Predictive Analytics analysieren und in betrieblichen Prozessen zur Unterstützung von Entscheidungen eingesetzt werden. Sie sind wertvoll in wiederkehrenden Prozessen, Dispositionen, Produktplanung, Logistik, Rechnungsprüfung, Buchhaltung, oder Kundenservice.

Unser Vorgehen bei Process Mining

l

1. Anforderung festhalten

Je nach Aufgabe stehen unterschiedliche Anforderungen an die Analyse im Fokus. Diese werden gemeinsam mit Kunden erarbeitet.

2. Daten selektieren und aufbereiten

Die Systeme und Bestandsdaten werden gesichtet und aufbereitet.

3. Visualisierung entwickeln

In Abstimmung mit der Aufgabe werden die Daten mit Hilfe von eigenen Ansätzen und Tools visualisiert.

U

4. Schwachstellen analysieren

Die Prozessabläufe werden analysiert und auf mögliche Schwachstellen hin untersucht.

5. potenziale ermitteln

Die Verbesserungspotenziale werden ermittelt, bewertet und Vorschläge zur Wertsteigerung erarbeitet.

N

Maßnahmen umsetzen

Maßnahmen werden umgesetzt und der Erfolg kontrolliert. Der Abgleich zur ursprünglichen Aufgabenstellung erfolgt.

Tipps zum Vorgehen

  • Starten Sie mit einem kleinen Projekt (Pilotprojekt) in einem überschaubaren und gut bekanntem Bereich.
  • Setzen Sie erste, realistische Ziele und konkreten Fragestellungen.
  • Starten Sie mit OpenSource statt direkt mit Invest in teure Tools. Wir bringen gerne unsere Datenprodukt-Kompetenz mit ein.
  • Nehmen Sie die Erwartungen der Stakeholder aus anderen Fachbereichen (Einkauf, Logistik, Qualität, Finance) mit auf.
  • Neben dem Datenmodell brauchen Sie Kausalität für Abweichungen. Stellen Sie hierfür Hypothesen auf und überprüfen sie diese anhand von Recherchen
  • Prozessdaten lassen häufig auf Personen rückschließen. Nehmen Sie Datenschutz-Aspekte in Ihr Vorgehen mit auf.
  • Nehmen Sie sich Zeit. Lernen Sie aus den Erfahrungen.

Sie interessieren sich für Process Mining und wollen mehr zu unseren Ansätzen beim Process Mining erfahren?

Rufen Sie uns an: 089 60 66 64 60 oder schreiben Sie uns: office@designation.eu

Christoph Nieberding