Erfolgreiches Process Mining in vier Schritten

Lesedauer: 4 Minuten

21. Januar 2020

Den Unterschied zwischen dem Idealzustand eines Prozesses und seiner tatsächlichen Ausführung zu erkennen, wird zunehmend wichtiger für die Optimierung eines Unternehmens. Das Mittel der Wahl dafür ist Process Mining. Business-Transformation-Spezialist Signavio zeigt, wie Process Mining in vier Schritten erfolgreich im Unternehmen verankert wird.

Process Mining ermöglicht anhand transaktionaler Daten, einzelne Prozesse unter die Lupe zu nehmen, Flaschenhälse und Compliance-Verstöße zu identifizieren und Optimierungspotenziale zu erkennen. In den letzten Jahren hat sich Process Mining rasant weiterentwickelt und inzwischen sind zahlreiche Software-Lösungen für Process Mining am Markt etabliert.

Für die Umsetzung von Process Mining existiert zwar kein allgemeingültiges Erfolgsrezept, allerdings gibt es einige universelle Kriterien und Best-Practice-Ansätze, die erfolgreiche Process-Mining-Initiativen auszeichnen. Signavio nennt solche Best Practices und empfiehlt für den Weg zum erfolgreichen Process Mining die folgenden vier Schritte: Bestimmung des Projektumfangs, Aufbereitung der Daten, gezielte Auswertung der Prozessdaten und Messung der Ergebnisse.


1. Schritt: Bestimmung des Projektumfangs

Eine erfolgreiche Process-Mining-Initiative steht und fällt mit einer durchdachten Planung. Erst auf dieser Basis kann ein Unternehmen alle weiteren Projektschritte umsetzen. Für diese initiale Phase eignen sich in der Regel Workshops mit den wichtigsten Projektbeteiligten. Im Rahmen dieser Workshops geht es um die inhaltliche Bestimmung des Projektumfangs.

Ausgehend vom Projektziel sind die Prozessdetails festzulegen; dabei geht es um die Definition aller einzelnen Schritte zwischen dem Anfang und dem Ende eines Prozesses, der analysiert werden soll. Zudem sind die Datenanforderungen zu bestimmen, das heißt, im Hinblick auf die definierten Prozessdetails müssen die relevanten Geschäftsdokumente bestimmt werden.


2. Schritt: Aufbereitung der Daten

Sobald ein Unternehmen den Umfang des Projektes definiert hat, kann es mit den technischen Vorbereitungen beginnen. Schritt 2 umfasst im Wesentlichen die Aufgaben Datenextraktion, Datenumwandlung und Datenübertragung zur Process-Mining-Software. Dabei haben sich zwei Verfahren für die Datenintegration bewährt: die Anbindung über einen Software-Konnektor oder die Nutzung von ETL-Tools, um die Daten zu extrahieren, umzuwandeln und in die Process-Mining-Applikation zu laden. 

Bevor die Daten extrahiert werden, müssen die relevanten Daten zunächst identifiziert werden. Die erforderlichen Daten werden aus den Prozessen in Schritt 1 gewonnen. Allerdings basieren die wenigsten IT-Systeme auf Prozessen, sondern eher auf Geschäftsdokumenten: Einige Datenquellen enthalten zum Beispiel Verkaufsbestellungen und andere Rechnungen. Diese Datenquellen müssen näher identifiziert werden; dabei handelt es sich typischerweise um datenbasierte Tabellen transaktionaler Systeme wie ERP oder CRM, analytische Daten wie Reports, Log-Dateien und CSV-Dateien. 

Nach der Extraktion werden die Daten in eine Kette unterschiedlicher Ereignisse übersetzt und in sogenannte Cases umgewandelt, also in eine Abfolge verschiedener Schritte bei der Prozessausführung. Die Informationen zu diesen Cases werden in den Event-Logs gespeichert, auf die die Process-Mining-Software zugreift. Dabei werden sämtliche Schritte von der Extraktion bis zur Datenumwandlung über die Konnektoren oder ETL gesteuert. Dieser Prozess wird regelmäßig ausgelöst, sodass ein Unternehmen auf hochaktuelle Prozessinformationen bei Bedarf jederzeit zugreifen kann. 


3. Schritt: Gezielte Auswertung der Prozessdaten

Die nicht-technischen und technischen Vorbereitungen sind danach abgeschlossen und die Daten können durch Process Mining analysiert werden. Dabei sollte vergleichsweise weit oben im Prozessfluss begonnen werden, um dann nach und nach die verschiedenen Bestandteile des Prozesses zu analysieren. Wenn Prozessexperten die verschiedenen Prozessinformationen miteinander vergleichen, können sie erkennen, wie sie sich auf das Unternehmen auswirken. Es kann dabei durchaus erforderlich sein, dass ein Prozessexperte Verantwortliche verschiedener Abteilungen befragen muss, um bestimmte Informationen zu deuten. Dieser Schritt erleichtert es, den Fluss, die Metriken, die Flaschenhälse und das Optimierungspotenzial eines Prozesses besser zu verstehen.


4. Schritt: Messung der Ergebnisse 

Im vierten Schritt werden mögliche Prozessverbesserungen evaluiert, getestet und dokumentiert. Die geplanten Änderungen werden im Team diskutiert und anschließend umgesetzt. Gleichzeitig werden kontinuierlich die Leistungskennzahlen der Prozesse gemessen und überwacht. Auf diese Weise werden Flaschenhälse und unerwünschte Prozessverhalten erkannt. Prinzipiell ist es auch sinnvoll, einige Wochen oder Monate nach den initialen Prozessverbesserungen neue Daten zu extrahieren: Auf dieser Basis erkennen Unternehmen, was sich verändert hat und welche Maßnahmen zu mehr Effizienz geführt haben. Ab jetzt gilt es, weitere Optimierungspotenziale zu identifizieren und spätere Verbesserungen im Prozesslebenszyklus zu initiieren.

Ein wesentlicher Punkt darf dabei nie vergessen werden: Eine Initiative zur Prozessverbesserung ist niemals wirklich abgeschlossen. Process Mining muss als iterative Methode verstanden werden, die Unternehmen Schritt für Schritt auf dem Weg zum Erfolg voranbringt.

Signavio GmbH

 







Das könnte Sie auch interessieren

Anbieterportal


alle Anbieter
Sharer Icon: facebookSharer Icon: TwitterSharer Icon: LindekInSharer Icon: XingSharer Icon: EnvelopeSharer Icon: Print

Wir verwenden Cookies, um die Nutzererfahrung stetig zu verbessern. Mehr Erfahren.

We use cookies to constantly improve our users’ experience. Learn more.

Essentielle Cookies

Essential Cookies

Cookie Settings
Speichert Einstellungen, die hier getroffen werden. (1 Jahr)

Cookie Settings
Saves selected settings. (1 Year)

Statistik

Statistics

Google Analytics | Google LLC | Datenschutz
Cookie von Google für Website-Analysen. Erzeugt statistische Daten darüber, wie der Besucher die Website nutzt. Alle Informationen werden anonymisiert gespeichert. (2 Jahre)

Google Analytics | Google LLC | Privacy Notice
Cookie used by Google for web site analysis. Collects statistical data on how visitors use the website. This data does not contain personal information. (2 years)