Business Process Mining w przedsiębiorstwie: Jak automatyczna analiza procesów odkrywa ukryte nieefektywności i wspiera transformację cyfrową

W wielu firmach produkcyjnych i MŚP procesy „są znane" – przynajmniej w teorii. W praktyce, gdy próbujemy odpowiedzieć na proste pytania, zaczynają się schody: ile kroków naprawdę zajmuje obsługa zamówienia od momentu przyjęcia do wysyłki? Ile razy dokument wraca do poprawki i kto go zatrzymuje? Gdzie powstają wąskie gardła, jeśli na papierze wszystko wygląda logicznie? Jesienią 2020 roku, w czasie gdy pandemia COVID-19 wymusiła pracę zdalną, ograniczenia w kontaktach i szybsze podejmowanie decyzji, wiele organizacji zaczęło intensywniej przyglądać się temu, jak faktycznie działa ich operacyjna „maszyna" – i dlaczego nie zawsze działa tak, jak zakładamy.

Process Mining (czasem tłumaczone jako eksploracja procesów) to podejście analityczne, które pozwala automatycznie odtworzyć rzeczywisty przebieg procesu na podstawie danych z systemów informatycznych. Zamiast opierać się na deklaracjach i pamięci uczestników procesu, bazuje na tym, co jest zapisane w logach zdarzeń (event logs) w systemach typu ERP, CRM, WMS, systemach obiegu dokumentów czy narzędziach helpdesk.

W tradycyjnym mapowaniu procesu spotykamy się na warsztatach, rozmawiamy z działami, rysujemy schematy i próbujemy ustalić, jak proces „powinien" wyglądać. Problem polega na tym, że ludzie często opisują wersję idealną – zgodną z procedurą, instrukcją lub tym, jak chcieliby pracować. Tymczasem codzienność przynosi wyjątki, skróty, poprawki, ręczne obejścia i lokalne „patenty", które pomagają dowieźć wynik, ale jednocześnie wprowadzają chaos, opóźnienia i ryzyka.

Process Mining korzysta z „cyfrowego śladu", który zostawiają operacje w systemach IT. Każde kliknięcie „zatwierdź", każda zmiana statusu, każde wygenerowanie dokumentu czy przyjęcie na magazyn nie jest tylko zdarzeniem biznesowym – to również zapis w danych. Jeśli proces choć częściowo przebiega w systemach, jego faktyczny przebieg da się zrekonstruować.

Mechanizm jest prosty w założeniach i nie wymaga wchodzenia w głęboką technikę. Każda sprawa w procesie – na przykład konkretne zamówienie sprzedaży, reklamacja, zlecenie produkcyjne czy faktura – ma swój identyfikator (numer dokumentu, numer sprawy). Gdy sprawa przechodzi przez kolejne kroki, system zapisuje zdarzenia: utworzenie zamówienia, weryfikacja, rezerwacja materiału, zatwierdzenie, kompletacja, wysyłka, wystawienie faktury. Do każdego zdarzenia dochodzi znacznik czasu (timestamp), często także użytkownik lub rola oraz dodatkowe atrybuty (np. typ klienta, kanał sprzedaży, magazyn, wartość zamówienia).

Algorytmy Process Mining analizują tysiące lub setki tysięcy takich wpisów i budują wizualną mapę procesu. Co ważne, mapa nie pokazuje tylko „głównej trasy", ale wszystkie rzeczywiste ścieżki, którymi proces chodził w danych. Dzięki temu widzimy zarówno tzw. happy path – najbardziej typowy, oczekiwany przebieg – jak i warianty: cofnięcia, poprawki, dodatkowe zatwierdzenia, ścieżki skrócone, ścieżki nietypowe lub wręcz sprzeczne z procedurą.

W firmach produkcyjnych i MŚP to bywa moment przełomowy, bo nagle okazuje się, że proces, który „ma pięć kroków", w danych ma ich piętnaście, a znacząca część spraw krąży w pętlach. I nie wynika to ze złej woli ludzi – raczej z braku przejrzystości, niespójnych danych wejściowych, ograniczeń systemu albo historycznych przyzwyczajeń.

W jednej z firm handlowych, analizując proces obsługi zamówień, zauważono, że aż 23% spraw wraca do działu sprzedaży po etapie weryfikacji kredytowej. Pierwsze skojarzenie było oczywiste: „pewnie klienci mają problemy z płatnościami". Dopiero dane pokazały inny obraz – powodem cofnięć często były błędnie wypełnione formularze i niekompletne informacje wprowadzane na starcie. Process Mining nie tylko uwidocznił skalę problemu, ale też wskazał, w których punktach procesu powstają braki i jak długo zajmuje każda poprawka. W efekcie okazało się, że największa rezerwa czasu nie leży w samej weryfikacji, lecz w jakości danych wejściowych i powtarzalnych korektach.

W przypadku producenta komponentów metalowych na pierwszy plan wyszła inna obserwacja. Czas realizacji podobnych zleceń różnił się dramatycznie w zależności od tego, który planista je obsługuje. Naturalnie pojawiło się podejrzenie różnic kompetencyjnych. Analiza wariantów procesu pokazała jednak, że problem nie dotyczy „szybszego" czy „wolniejszego" pracownika, lecz odmiennych praktyk wprowadzania danych i kolejności czynności w systemie. Jeden planista najpierw kompletował informacje technologiczne i dopiero potem uruchamiał rezerwacje materiałowe, inny robił to odwrotnie, co w określonych sytuacjach generowało dodatkowe cofnięcia, ręczne korekty i oczekiwanie na potwierdzenia. Bez danych z logów taka różnica bywa niewidoczna, bo na spotkaniu każdy opisze proces „zgodnie z instrukcją".

Z kolei u dystrybutora artykułów biurowych Process Mining odsłonił ukryte pętle zatwierdzania faktur. W procedurze zatwierdzała jedna osoba, ale w rzeczywistości część dokumentów trafiała do dwóch lub trzech osób – czasem „dla pewności", czasem dlatego, że ktoś był nieobecny, a czasem w wyniku niejasnych uprawnień i przekierowań w systemie. Co istotne, dla pojedynczej faktury nie wyglądało to na problem. Dopiero na poziomie całego procesu ujawniło się, ile czasu i energii organizacja traci na wyjątkach, które stały się codziennością.

Największą wartością Process Mining jest obiektywny obraz rzeczywistości procesowej. Zamiast dyskutować, kto ma rację i czy „zwykle" wygląda to tak czy inaczej, bazujemy na danych: widzimy częstotliwość wariantów, czasy przejść między krokami i miejsca, w których sprawy się zatrzymują. Taka perspektywa przydaje się szczególnie w firmach, gdzie procesy rosną wraz ze skalą działalności, ale nie rosną wraz z nimi przejrzystość i spójność działania.

Dzięki analizie łatwiej zidentyfikować wąskie gardła oraz kroki zbędne albo duplikowane. Czasem problemem nie jest pojedyncza „wolna" osoba czy dział, lecz fragment procesu, który generuje poprawki, przepisywanie danych lub wielokrotne zatwierdzanie. Process Mining pozwala też podejmować lepsze decyzje o automatyzacji: nie automatyzuje się „na wyczucie", tylko w oparciu o to, co faktycznie powtarzalne, mierzalne i kosztowne czasowo. Jeżeli widzimy, że 40% spraw wykonuje ten sam ręczny krok w podobnym miejscu procesu, mamy mocny argument, by rozważyć automatyzację.

Istotny jest także aspekt compliance, czyli zgodności procesu z procedurami. W listopadzie 2020 roku wiele firm – szczególnie tych pracujących w rozproszonych zespołach – zaczęło dostrzegać, że formalna procedura i realne działanie potrafią się rozjechać, niekoniecznie przez złą intencję, lecz przez presję czasu, absencje, braki kadrowe czy utrudnioną komunikację. Process Mining pozwala mierzyć zgodność i szybko wykrywać odchylenia.

Wreszcie, analiza wspiera mierzenie efektów zmian. Jeśli uprościmy ścieżkę, zmienimy formularz, dołożymy walidacje danych lub wprowadzimy automatyzację, możemy po tygodniach czy miesiącach wrócić do danych i sprawdzić, czy cykl realizacji skrócił się, czy spadła liczba poprawek, czy zmniejszyły się kolejki w konkretnych miejscach. W realiach 2020 roku firmy zaczęły zauważać, że transformacja cyfrowa to nie tylko wdrożenie systemu, ale zrozumienie, jak ludzie faktycznie z niego korzystają.

Process Mining jest szczególnie sensowny tam, gdzie istnieje wystarczająco dużo danych w systemach. Jeśli firma korzysta z ERP, CRM, WMS, systemu do obiegu dokumentów lub choćby modułów rejestrujących statusy i zatwierdzenia, prawdopodobnie są dostępne logi zdarzeń. Im więcej operacji odbywa się w narzędziach, tym pełniejszy obraz procesu można uzyskać.

Dobre warunki do wdrożenia pojawiają się również wtedy, gdy proces angażuje wielu uczestników, przechodzi między działami albo „wędruje" przez kilka systemów. W praktyce polskich MŚP to częsty scenariusz: część operacji dzieje się w ERP, część w magazynie, część w mailach, a część w arkuszach. Nawet jeśli nie wszystko jest w jednym miejscu, Process Mining może ułożyć znaczną część układanki i pokazać, gdzie są punkty przekazań oraz ręcznego przepisywania danych.

Warto sięgnąć po to podejście także wtedy, gdy mamy podejrzenie, że rzeczywistość odbiega od procedur, albo gdy planowana jest automatyzacja czy modernizacja systemów. W takich projektach szczególnie kosztowne jest projektowanie zmian na błędnych założeniach. Warto podkreślić, że Process Mining nie wymaga zmiany istniejących systemów – pracuje na danych, które już są zbierane. Zamiast zaczynać od rewolucji w IT, można zacząć od zrozumienia, co tak naprawdę dzieje się w procesach.

Sama mapa procesu nie rozwiązuje problemów – ale znacząco ułatwia przejście od dyskusji do konkretnych decyzji. Jeśli dane pokazują, że większość opóźnień powstaje w jednym punkcie, można uprościć ścieżki procesowe, usuwając zbędne przekazania lub zmieniając kolejność kroków tak, by ograniczyć cofnięcia. Jeśli widoczne są niestandardowe praktyki, które generują koszty lub ryzyko, sensowne stają się szkolenia i doprecyzowanie zasad pracy – nie „ogólnie", tylko dokładnie tam, gdzie w danych widać odchylenia.

Gdy w procesie pojawiają się powtarzalne, ręczne czynności – na przykład przepisywanie danych między systemami, pobieranie załączników, wysyłanie standardowych powiadomień – naturalnym kierunkiem jest automatyzacja, często w formie RPA. Jeśli analiza ujawnia miejsca, w których ludzie kopiują informacje z jednego narzędzia do drugiego, można rozważyć integrację systemów, aby ograniczyć błędy i skrócić czas obsługi. Zdarza się też, że wnioskiem z Process Mining jest modyfikacja procedur – nie po to, by „poluzować" kontrolę, ale by dopasować zasady do realnych potrzeb i zmniejszyć liczbę wyjątków.

W tym miejscu istotna jest rola partnera technologicznego, który potrafi przełożyć wnioski z analizy na rozwiązania: od zmian w konfiguracji systemu, przez integracje, po narzędzia automatyzujące konkretne kroki. Process Mining staje się wtedy elementem szerszego cyklu doskonalenia: mierzymy, diagnozujemy, wdrażamy usprawnienia, a potem weryfikujemy efekty w danych.

Listopad 2020 roku dla wielu firm oznaczał przyspieszenie decyzji o cyfryzacji: praca w reżimie sanitarnym, niepewność łańcuchów dostaw, rotacje i absencje, a także presja na utrzymanie ciągłości operacji wymusiły większą dyscyplinę procesową. Process Mining daje możliwość podejmowania takich decyzji w oparciu o fakty, a nie intuicję. Zamiast pytać pracowników, jak wygląda proces, można to sprawdzić – a potem wspólnie ustalić, jak powinien wyglądać, aby był prostszy, szybszy i odporniejszy na zakłócenia.