Derrière cela se cache une technologie qui rassemble et analyse les données des entreprises afin de fournir une vue totalement objective et continue des processus opérationnels. Concrètement, les entreprises espèrent obtenir une plus grande transparence des processus, des améliorations des processus ainsi que des réductions de coûts, notamment en exploitant les potentiels d’automatisation. Cet article vise à montrer ce qui se cache précisément derrière cette technologie et ce qui est nécessaire pour son implémentation dans les entreprises.
Que se cache-t-il exactement derrière le Process Mining ?
La technologie de Process Mining développée par Wil van der Aalst vise à identifier, surveiller et bien sûr améliorer les processus RÉELS en extrayant des informations des journaux d’événements – des journaux d’activité générés automatiquement par les systèmes informatiques.
Contrairement à une approche classique descendante comme elle est courante dans la gestion des processus (les systèmes d’application opérationnels sont implémentés ou adaptés à partir d’un processus modélisé), le Process Mining, en conjonction avec le Data Mining, fournit donc une approche ascendante. Plus précisément, des modèles de processus correspondant à la réalité peuvent être générés à partir de données collectées en utilisant des méthodes de Data Mining, afin de les comparer éventuellement à un modèle de processus cible existant. En particulier, les questions suivantes concernant un processus ou un paysage de processus peuvent être répondues :
- Que s’est-il réellement passé dans le passé ?
- Pourquoi cela s’est-il produit ?
- Que pourrait-il se passer à l’avenir ?
- Quand et pourquoi les personnes s’écartent-elles du processus ?
Le schéma suivant illustre en détail la relation entre le Process Mining et les systèmes informatiques d’une entreprise. Le flux d’information montre ici encore une fois l’approche ascendante du Process Mining.
Relation et flux d’information entre le Process Mining et les systèmes informatiques
Les trois fonctions principales du Process Mining sont déjà visibles ici :
- Process-Discovery : Découverte des processus RÉELS à partir de grands volumes de données
- Conformance-Checking : Vérification de la conformité entre le processus cible et le processus RÉEL obtenu à partir des données
- Enhancement : Amélioration des processus
Comme on peut le voir dans le graphique, ces trois fonctions principales s’appuient sur les journaux d’événements déjà mentionnés. Ceux-ci constituent le pivot de toute la technologie et sont générés par des systèmes d’application tels que les systèmes de gestion de flux de travail, ERP, CRM ou d’autres systèmes de gestion des marchandises.
Les systèmes mentionnés enregistrent automatiquement un nombre énorme d’événements, indépendamment du fait que l’activité du processus soit automatisée ou exécutée par la saisie manuelle d’un employé. Les informations enregistrées et consignées dans les journaux d’événements comprennent, entre autres, des informations sur l’instance du processus, un horodatage et une désignation d’activité. L’enregistrement des événements peut se faire sous différentes formes. Ainsi, un stockage est possible dans des tables de base de données, des journaux de messages, des archives de courrier électronique, des journaux de transactions ou d’autres sources de données. Pour maximiser les avantages du Process Mining, la qualité de ces journaux d’événements doit être très élevée. Mais avant d’aborder plus en détail la qualité des données ou des journaux d’événements : Comment ces avantages peuvent-ils se concrétiser ?
Opportunités offertes par le Process Mining pour les entreprises
Il convient de mentionner tout d’abord une transparence accrue des processus. Grâce à une meilleure visibilité sur le monde « réel », divers potentiels peuvent ainsi être découverts et réalisés, par exemple en combinaison avec d’autres technologies d’automatisation telles que la Robotic Process Automation (RPA). Cette transparence améliorée des opérations commerciales permet également de promouvoir la performance des processus et la refonte des processus, ainsi que d’identifier les « déchets de processus métier ». Cela est étroitement lié aux économies de coûts grâce à des temps de traitement plus rapides et à des processus de décision fondés sur des preuves. Cependant, pour que toutes ces possibilités de Process Mining puissent être réalisées dans l’entreprise, certaines conditions préalables doivent être évaluées.
Conditions préalables à une mise en œuvre dans l’entreprise
Tout d’abord, malgré d’éventuels objectifs conflictuels, une collaboration très étroite entre l’IT et le métier doit être assurée afin d’impliquer toutes les parties prenantes nécessaires. Dans le cadre de cette collaboration, les deux groupes sont chacun responsables de domaines de tâches spécifiques qui sont étroitement liés.
Le département IT est responsable de l’extraction et de la modélisation des données des systèmes IT, ainsi que de la fourniture de l’infrastructure de projet nécessaire. À ce stade, il convient également de vérifier si les employés IT ont une compréhension suffisamment bonne des systèmes IT de l’entreprise pour effectuer l’extraction et la modélisation des données. Le métier, en revanche, fait progresser le projet avec une excellence de processus dédiée, permettant ainsi la transformation souhaitée.
L’expérience montre que les projets ont tendance à échouer lorsqu’il n’y a pas d’alignement approprié entre les domaines IT et métier. Une enquête mondiale menée auprès d’experts en Process Mining issus de la pratique et de la recherche en 2021 souligne une fois de plus les domaines de responsabilité clairs du métier et de l’IT, ainsi que l’importance d’une orientation interfonctionnelle dans les projets de Process Mining.
Représentation propre des responsabilités du métier et de l’IT selon une enquête de Deloitte
Un autre point important, comme dans de nombreux autres projets d’analytique d’entreprise, est la disponibilité des données et leur qualité. Tout d’abord, il faut évaluer si l’entreprise dispose de suffisamment de données. Une fois qu’une quantité appropriée de données a été fournie, il faut ensuite garantir une qualité suffisante des données. En raison de l’importance considérable de la qualité des données, une série de critères d’évaluation se sont établis ici :
- Fiabilité : Les événements enregistrés se sont réellement produits et les valeurs d’attributs des événements sont correctes
- Exhaustivité : Aucun événement ne manque dans l’enregistrement et les entrées de journal contiennent les informations nécessaires (au minimum l’événement, l’horodatage, l’instance de processus)
- Sémantique : Chaque événement enregistré doit être interprétable de manière univoque
- Sécurité : Partout où cela est nécessaire, les données ont été anonymisées
- Validité : Les données reflètent le processus réel de la bonne manière
o Exemple : Un processus de service client dans lequel l’agent de service pose quelques questions au client pour l’aider à résoudre le problème. Le ticket résultant est alors souvent créé seulement après la conversation et immédiatement fermé. Dans ce cas, les horodatages de l’événement ne refléteraient pas la durée réelle de l’événement. Si l’on examine par exemple les temps de traitement dans un modèle de processus RÉEL obtenu par Process Mining, cela peut conduire à des erreurs d’appréciation.
Sur la base de ces critères, on peut à nouveau distinguer cinq niveaux de maturité pour les journaux d’événements, qui sont catégorisés de mauvaise (journaux manuscrits, post-its, etc.) à excellente (journaux de systèmes de gestion de flux de travail) qualité. En résumé, il convient de dire à ce stade que des résultats de haute qualité nécessitent inévitablement des données d’entrée de haute qualité.
Une autre condition préalable, qui influence à son tour tous les autres facteurs de succès, est un engagement approprié du leadership. Un fort soutien des projets de Process Mining par la direction aide à éviter les résistances de personnes ou d’équipes individuelles et peut même gagner des partisans et des défenseurs supplémentaires du projet. Cela facilite donc considérablement les processus de changement. De plus, le soutien de la direction peut promouvoir la communication interdépartementale et accélérer la prise de décision. À ce stade, il devient déjà évident que le Process Mining concerne davantage l’habilitation de l’organisation et une influence positive sur l’entreprise que la technologie elle-même.
En réexaminant les ressources impliquées dans un projet de Process Mining, il convient d’assurer leur disponibilité et leurs compétences méthodologiques en raison de fortes interdépendances. Pour une exécution réussie du projet, la connaissance des processus, les capacités analytiques, l’ingénierie des données, la modélisation des processus et les compétences managériales sont impératives. Pour garantir cela, l’établissement d’un Centre d’Excellence est bénéfique. Cela assure non seulement la disponibilité des ressources, mais favorise également un alignement renforcé entre l’IT et le business. Ceci augmente à son tour la probabilité de soutien de la direction et réduit les risques tels que les retards de projet ou même l’échec du projet.
Les facteurs énumérés ne sont que les prérequis les plus courants et établis dans la pratique. Naturellement, cette collection doit être étendue pour inclure des facteurs spécifiques à l’entreprise. Ceux-ci pourraient par exemple représenter la définition de KPI ou la disponibilité de processus numériques.
Conclusion et perspectives
En résumé, on peut dire que la technologie offre un très grand potentiel pour les entreprises – en particulier la transparence des processus et les économies de coûts associées. Cependant, si l’on souhaite réaliser ces potentiels, il est nécessaire de vérifier certaines conditions préalables. Les points cruciaux ici sont la disponibilité/qualité des données et un soutien managérial suffisant. En pratique, la disponibilité des données n’est généralement donnée qu’à partir d’une certaine taille d’entreprise. Il devrait donc y avoir comme référence une taille d’entreprise pour laquelle l’utilisation de logiciels d’entreprise (systèmes ERP, CRM) est rentable et idéalement déjà mise en œuvre. De plus, la pratique montre que la technologie est actuellement presque exclusivement utilisée dans des processus de support (comptabilité, de la commande à l’encaissement, gestion des services, etc.) et non dans les processus métier principaux. Cela s’explique par le fait que le potentiel d’efficacité est généralement beaucoup plus élevé dans les processus de support mentionnés, ce qui mérite cependant d’être remis en question. L’enquête sur le Process Mining mentionnée ci-dessus confirme également ce fait dans le diagramme suivant sur les domaines d’application actuels du Process Mining.
Domaines d’application actuels du Process Mining
Du côté de la recherche, il reste également plusieurs lacunes à combler à l’avenir pour faire progresser davantage la technologie. Cela inclut, entre autres, la génération automatisée de journaux d’événements (prétraitement des journaux d’événements) ou encore une mesure de la qualité des données pour vérifier l’adéquation du Process Mining dans l’entreprise respective. L’IA peut être un moteur décisif à cet égard.
