“Data is the new oil.” Je hoort het vaker dan je lief is. Nochtans klopt het eigenlijk niet helemaal. Zolang data niet gelinkt zijn aan een proces, ben je er niet veel mee – net zoals je niets bent met een vat ruwe olie voor het geraffineerd is. De gigantische hoeveelheden data die in organisaties te vinden zijn, worden pas waardevol wanneer ze inzichtelijk zijn op procesniveau. Data vormen als het ware de bouwstenen van processen die zorgen voor waardecreatie. Bovendien is automatiseren te vaak een doel op zich, terwijl het de laatste stap is in het traject om bedrijfsprocessen te optimaliseren.
De tijd van talrijke workshops waarin bedrijven gevraagd worden hoe hun processen lopen, is voorbij. Technologie is vandaag dermate geëvolueerd dat we aan de hand van data kunnen ontdekken hoe processen écht lopen, zowel op taak- als procesniveau. Data zijn objectief en dus veel betrouwbaarder dan de beschrijving door mensen zelf.
Vraag bijvoorbeeld aan drie mensen om hetzelfde proces uit te tekenen waarmee ze dagelijks aan de slag gaan en de kans is groot dat ze elk met een andere benadering voor de dag komen. Op die manier is het natuurlijk verre van eenvoudig om ‘dat’ proces te optimaliseren of automatiseren.
Process mining vs data mining
Bovendien is automatiseren de laatste stap in procesoptimalisatie. Maar wat is dan de eerste? Het proces in kaart brengen op een objectieve manier door middel van data-inzichten, die te verkrijgen zijn via process mining. Dat houdt in: kijken naar de data, meer bepaald naar de events in bijvoorbeeld een ERP- of CRM-systeem om zo processen te ontdekken en te definiëren, vaak in een administratieve context zoals finance, HR of de supply chain.
Automatiseren de laatste stap in procesoptimalisatie, maar wat is dan de eerste?
Process mining ligt bijgevolg heel dicht in de buurt van data mining, waarbij gericht wordt gezocht naar verbanden tussen verschillende en vaak grote hoeveelheden gegevensverzamelingen. Data mining wordt meer toegepast op data komende vanuit allerlei industriële processen; denk aan sensoriële IoT-data, chemische reactiedata of transactionele processen zoals bancaire transacties en logistieke stromen. Het doel van beide is uiteindelijk hetzelfde: data omzetten in processen, inzichten en acties.
Van fraudedetectie tot AI-aanbevelingen
Door alle logs en data met elkaar te connecteren kan je het proces in kwestie visualiseren om te weten te komen waarom het fout of vastloopt, waarna gerichte actie mogelijk wordt. Neem nu het voorbeeld van fraude: zonder gelinkte data is fraudedetectie onbegonnen werk. Met gelinkte data is het daarentegen eenvoudig om de vraag ‘wie factureert door aan wie?’ te beantwoorden en anomalieën en dus fraude op te sporen.
Daarnaast zien we meer en meer oplossingen en aanbevelingen op basis van data, doorgaans onder de noemer van artificiële intelligentie (AI). Het grote probleem hierbij is dat deze AI-aanbevelingen niet altijd even toepasbaar zijn of gevolgd worden omdat mensen geen inzicht hebben in de redenering die erachter schuilt, wat we ook een blackbox-aanbeveling noemen.
Door echter te focussen op de relatie tussen de data en niet op de data zelf komen andere en betere AI-resultaten en -inzichten naar boven. Daarbij beslist de operator of gebruiker zelf of hij het voorstel volgt, niet alleen op basis van louter de aanbeveling maar ook het waarom achter die aanbeveling. De relatiepatronen in data zijn namelijk vaak niet meteen zichtbaar voor de gewone mens, maar AI kan deze wel onderscheiden en voorstellen vanuit een hoop onduidelijke logdata.
Denken in processen
Data inzichtelijk maken door te kijken naar de connectie tussen de data is met andere woorden belangrijker dan de data zelf. We moeten evolueren naar die mate van procesdenken: maak het proces helder, in plaats van de data an sich op te hemelen. Zo bouwden veel bedrijven de laatste jaren een heus data lake of data warehouse op, maar weten ze momenteel niet wat ze ermee moeten aanvangen.
Kort door de bocht genomen hebben ze eigenlijk heel wat data samengebracht in een databaseplatform waar ze niets mee zijn. De vragen die ze hebben over hun organisatie en hun processen blijven dikwijls onbeantwoord omdat de data niet aan elkaar gelinkt noch bevraagbaar zijn.
In het procesdenken mag de mens zeker niet vergeten worden.
Daarom is doelgericht procesdenken zo belangrijk. Welk proces wil je aanpakken? Welk probleem wil je opgelost zien? Wat is de vraag waarvoor je een antwoord zoekt? Vertrek met een duidelijke richting of visie voor ogen. Voor preventief onderhoud van machines zijn bijvoorbeeld niet alle data die de machines produceren relevant.
Eigenlijk is het enkel noodzakelijk om te weten hoeveel uren de machine heeft gedraaid om in te schatten wanneer onderhoud nodig is. De kern van de zaak is dus om de beschikbare data doelgericht te bevragen in functie van een specifiek doel.
Vergeet de mens niet
In het procesdenken mag ten slotte de mens zeker niet vergeten worden. Bedrijfsprocessen staan niet op zichzelf, de mens neemt er een belangrijke positie in. Door niet te vertrekken vanuit een bepaalde technologie, maar vanuit een specifieke uitdaging in het proces waar de mens mee kampt, kom je veel verder, zeker in combinatie met relevante data-inzichten. Afhankelijk van het type en de hoeveelheid data kan wel de juiste technologie gekozen worden om de nodige inzichten te leveren.
Ga dus niet zomaar ‘iets doen met data’ zonder doel, want dat is even efficiënt als het zoeken van een speld in een hooiberg. Maak daarentegen van die hooiberg een strohalm door gericht in processen te denken en hierbij de relevante data doorheen het proces te identificeren. Zo vind je de naald – of de oplossing voor je probleem – veel vlotter. Als technologiehuis hebben we in onze RoboRana Group alle tools, kennis en kunde voorhanden om jou daarbij te helpen en end-to-end te ontzorgen op procesniveau, wat begint bij de juiste data.
Dit is een ingezonden bijdrage van Mathias Fransen, managing partner RoboRana en Miel Kurris, managing partner Dotdash (deel van RoboRana Group). Klik hier voor meer informatie over de oplossingen van het bedrijf.