Dat data cruciaal zijn, horen we tegenwoordig van iedereen. De analogie met olie wordt dan ook regelmatig gemaakt. Data zijn net zo onmisbaar geworden voor de dagelijkse gang van zaken als olie. De processen die door bedrijven worden gebruikt, genereren dermate veel data dat het inmiddels onmogelijk is geworden om hier het overzicht in te behouden. Het gevolg hiervan is onder andere dat processen niet meer optimaal verlopen en soms helemaal in de soep lopen. Process mining – een relatief nieuwe discipline binnen de data-analyse – moet uitkomst bieden bij het inzichtelijk maken van deze processen. Wij spraken recent met Bastian Nominacher, CEO van Celonis, een Duits bedrijf dat zich hiermee bezighoudt. Ook aanwezig bij het gesprek was een van de grondleggers van de discipline, de Nederlandse hoogleraar (TU Eindhoven) Wil van der Aalst.
Met de aanwezigheid van Van der Aalst bij het gesprek komt ook meteen een interessant aspect van process mining aan bod. De discipline is namelijk ontstaan in de academische wereld en wordt in samenwerking met een commercieel bedrijf in de markt gezet. Dat zie je niet zo heel vaak bij nieuwe technologieën. Een andere bijzondere karakteristiek van process mining is dat het een Europese technologie is. Dat is niet toevallig, zo stelt Van der Aalst. In Europa wordt traditioneel vanuit processen gedacht, veel meer dan het geval is in bijvoorbeeld de VS.
Niet nieuw
Process mining is niet iets van de laatste jaren, ook al zou je dat wellicht wel denken. Celonis is immers nog maar zes jaar geleden opgericht en een van de toonaangevende spelers wereldwijd. Van der Aalst is echter al sinds eind jaren ’90 bezig met deze discipline. Dat ging toen op een andere schaal en manier ten opzichte van vandaag de dag. Er waren nog niet zoveel data om mee te werken toen en event data moesten nog met pen en papier gegenereerd worden. Inmiddels is dat wel anders. Van der Aalst is naast distinguished hoogleraar aan de TU Eindhoven ook directeur van het onderzoekscentrum aldaar. Dat is een groep van 400 mensen die zich uitsluitend bezighoudt met data science.
Je kunt je afvragen waarom het tot 2011 heeft geduurd vooraleer men bij Celonis het idee kreeg om het bedrijf te starten. In de academische wereld was men er toen immers al ruim 10 jaar mee bezig. Volgens Van der Aalst is dit vrij eenvoudig te verklaren. Pas rond 2011 is de data-explosie goed gestart, waarmee process mining steeds relevanter wordt.
Voorbeeldanalyse
Tijdens ons gesprek met Nominacher en Van der Aalst krijgen we een demonstratie te zien van een Purchase-to-Pay-proces dat is geanalyseerd met behulp van software van Celonis. Dat wordt in gang gezet als je iets aanschaft en loopt tot het moment dat je hebt betaald. Dat lijkt in eerste instantie een transparant en eenvoudig proces. Hieronder zie je er een schematische weergave van:
Rechts onderin het screenshot zie je echter dat dit niet het hele verhaal is. Er zijn namelijk nog veel meer manieren waarop het proces kan worden voltooid. In dit geval zijn er 655 varianten mogelijk. Deze ene ‘standaard’ variant dekt slechts 38% van de gevallen af. Hieronder zie je hoe hetzelfde proces er uitziet na slechts zeven van de mogelijk varianten:
De ‘winst’ die je kunt behalen neemt overigens af naarmate je het aantal varianten opvoert. Dat wil zeggen, na zeven van de 655 varianten is 81% van de mogelijkheden al afgedekt. Je moet er dus nog 648 aan toevoegen om de overige 19% inzichtelijk te krijgen. Doe je dat, dan krijg je onderstaande weergave:
Een op het eerste gezicht rechttoe-rechtaan proces is nu verworden tot een nagenoeg niet te interpreteren brij aan lijntjes en verbindingen. Dat is ook deels de bedoeling van analyses zoals deze, die ook dagelijks bij bedrijven worden gedaan op basis van echte data.
Aangezien iedereen altijd maar een deel van een proces analyseert of kan analyseren, heeft men het overzicht simpelweg niet. Analyses zoals deze schudden mensen wakker en maken inzichtelijk dat er een stuk efficiënter gewerkt kan worden. Want dat is het uiteindelijke doel als je als bedrijf process mining in gaat zetten: inzichtelijk maken waar de knelpunten in de processen zitten. Je kunt daar dan op gaan sturen.
Als praktijkvoorbeeld van een proces dat veel complexer is dan je op het eerste gezicht zou denken, noemen Nominacher en Van der Aalst tot slot nog de bagage-afhandeling op Schiphol door Vanderlande Industries. Bagage gaat langs veel sensoren, die allemaal data genereren op basis waarvan beslissingen genomen worden. Zeker in een dergelijke omgeving is een zo efficiënt mogelijke afhandeling cruciaal. Een vertraging in de bagage kan immers leiden tot vertragingen bij vliegtuigen.
IT achter process mining
Wil je als bedrijf aan de slag gaan met process mining, dan is dat volgens Nominacher niet enorm ingewikkeld. Wel geeft hij aan dat het wellicht beter is in het begin de scope te beperken tot een paar processen en dit pas later uit te breiden. Als je snel resultaat wilt hebben, is het handiger om in eerste instantie alleen de voor je organisatie belangrijkste processen te selecteren. De data daarvan stuur je op naar Celonis, waarna het wordt geanalyseerd. Het duurt typisch een week om een eerste analyse te doen. De totale uitrol van een process-mining oplossing binnen de organisatie kost typisch minder dan drie maanden.
Wil je het hele proces liever on-premises doen, dan kan dat overigens ook. Dat is met name interessant als je heel veel data hebt die ook nog eens continu in de gaten gehouden moet worden. Je kunt er namelijk voor kiezen om data eenmalig uit je databases te trekken en door Celonis te laten analyseren, of dit iedere dag te laten doen. Overigens heeft Celonis een samenwerking met SAP, dus de software werkt standaard samen met het SAP HANA-platform. Je hoeft geen speciale instance aan te maken om de analyse te kunnen doen. Voor andere platformen is dit wel noodzakelijk. Goed om te weten is verder dat de analyse goed (lineair) mee kan schalen met de grootte van de dataset.
Process mining in de toekomst
Met process mining is het dus mogelijk om inzicht te krijgen in de processen binnen een bedrijf. De groei is er volgens zowel Van der Aalst als Nominacher ook nog lang niet uit. Deze uitspraak is niet geheel verrassend uiteraard, gezien hun belang bij process mining. Het zou echter veel te kort door de bocht zijn om die uitspraak alleen toe te schrijven aan eigenbelang. Het wordt immers steeds ingewikkelder om chocola te maken van alle data die worden gegenereerd. Meer data zorgen in ieder geval voor een potentiële toename van inefficiëntie van de processen. Een technologie zoals process mining kan dit inzichtelijk maken en je helpen om een en ander efficiënter in te richten.
Meer data analyseren betekent ook dat er steeds meer rekenkracht nodig is om dit te doen. Vandaar ook dat Nominacher de toepassing van machine learning en AI als een van de speerpunten ziet voor Celonis. Dat levert uiteindelijk ook een betere klantbeleving op, want alles kan sneller en wellicht ook nog accurater worden geanalyseerd.
Uitdagingen
Van der Aalst heeft ook nog wel enkele zaken waaraan gewerkt moet worden. Hij heeft drie zaken op zijn lijstje met uitdagingen staan. Allereerst moet de technologie uiteraard continu worden geoptimaliseerd, zoals dat voor vrijwel iedere technologie geldt. Ten tweede wil hij langzaam maar zeker van achteraf analyseren naar predictive analytics. Dit zou namelijk betekenen dat processen voordat problemen optreden al geanalyseerd kunnen worden. Dat levert weer een behoorlijke boost in efficiëntie op. Tot slot wil men meer en meer richting wat hij responsible process mining noemt. Hoe kun je minen zonder dat mensen er de dupe van worden? Denk hierbij aan data meteen na analyse weggooien. Of data encrypten zodat deze alleen voor process mining gebruikt kunnen worden.
Er is kortom nog genoeg werk aan de winkel in de wereld van process mining, zowel aan de academische als aan de commerciële kant. Uiteraard gaan we de ontwikkelingen op dit vlak nauwlettend in de gaten houden.