Diciamolo: l’espressione Process Mining fa ancora alzare qualche sopracciglio, persino quando viene citata all’interno di organizzazioni che da tempo hanno intrapreso la strada dei Data Analytics. Eppure le due metodologie sono correlate. Anzi, si può dire che il Process Mining – l’insieme degli strumenti e delle tecniche utili a estrarre informazioni di valore dallo studio dei processi aziendali – costituisca a tutti gli effetti una focalizzazione e una specializzazione di quelle che sono genericamente definite funzioni di Business Intelligence sviluppate a partire dal Data Mining.

Le piattaforme di Process Mining rappresentano infatti lo stadio più perfezionato delle soluzioni di Process Analytics, l’ambito analitico specializzato nell’elaborazione dei dati prodotti dalle interazioni che avvengono tra l’impresa e i suoi interlocutori interni. Il sostrato comune ai due approcci, naturalmente, è quello dei Big Data. È attraverso la loro analisi che i sistemi riescono a scattare una istantanea ad altissima risoluzione che coglie tutti gli aspetti dell’azienda impossibili da scorgere a occhio nudo, descrivendo nei minimi dettagli punto d’origine, flusso e destinazione di ogni pacchetto di informazione. In questo modo è possibile scoprire quali sono le rotte che percorrono gli input per essere gradualmente trasformati in output.

Perché il Process Mining è l’evoluzione della tradizionale Business Intelligence

Il Process Mining supera questa logica. Va ben oltre la facoltà di mappare il funzionamento dei fenomeni aziendali con un approccio descrittivo: studiando i dati estratti dal log degli eventi (accessi, autorizzazioni, transazioni, comunicazioni), questa categoria di algoritmi è infatti in grado di ricongiungere cause e conseguenze, collegando ciascuna azione avvenuta lungo la filiera alle ripercussioni che ha sull’efficienza di ogni singolo processo. E quindi, in ultima analisi, evidenziando i possibili effetti che può generare rispetto alle performance dell’organizzazione. È dunque un metodo che se ben sviluppato può portare alla creazione di strumenti prescrittivi, ovvero in grado di segnalare agli utenti pratiche che danneggiano il business, disfunzioni organizzative o anche solo l’insorgere di fenomeni che potenzialmente potrebbero rallentare il lavoro delle risorse umane o inficiarne la qualità. Naturalmente il sistema funziona tanto più efficacemente quanti più dati strutturati gli vengono fatti ingerire. Se Big Data, quindi, è sinonimo di organizzazione complessa e longeva, con un log degli eventi ricco e aggiornato accuratamente, le analisi saranno conseguentemente altrettanto ricche e accurate. Non è però necessario essere una corporation da migliaia di dipendenti per trarre significativi benefici dall’adozione di piattaforme di Process Mining. Virtualmente, qualsiasi tipo di organizzazione può progredire conoscendo meglio i meccanismi che la governano. E sono anzi le aziende più piccole in procinto di affrontare grandi trasformazioni (come merger, acquisizioni, ristrutturazioni) quelle che possono sfruttare col massimo profitto questo tipo di soluzioni.

Occorre passare prima dai Big Data Analytics per attivare strumenti di Process mining?

Essendo, come detto, il Process Mining circoscritto ai dati strutturati contenuti nel log degli eventi aziendali, la sua adozione non è necessariamente vincolata a un utilizzo pregresso di strumenti di Big Data Analytics o di piattaforme di Business Intelligence. Ovviamente, maggiore è il numero di tecniche analitiche al servizio dell’organizzazione, maggiori sono le chance di maturare un vero approccio data-driven alla formulazione delle strategie e delle tattiche aziendali. Ma per quanto riguarda lo studio dei processi, la loro ottimizzazione, l’eliminazione di colli di bottiglia e il raggiungimento dell’efficienza ottimale sulla scorta di modelli migliorativi, il Process Mining può giocare in autonomia una partita vincente.