‘Process mining is geen tovermiddel’
Process mining kan organisaties efficiënter maken, maar de implementatie wordt vaak onderschat, waardoor het uiteindelijke effect kan tegenvallen. Dat concludeert Vinicius Stein Dani op basis van zijn promotieonderzoek aan de Universiteit Utrecht.
Process mining is een datagestuurde aanpak waarbij bedrijfsprocessen worden geanalyseerd om inzichten te ontdekken die kunnen worden gebruikt voor procesverbetering, staat op Wikipedia. Het is een trend, meldt Universiteit Utrecht. “Veel bedrijven investeren in de inhuur van experts en dure tools om hun werkprocessen te analyseren en optimaliseren.”
Vinicius Stein Dani, onderzoeker bij de Universiteit Utrecht, heeft ontdekt dat process mining organisaties inderdaad efficiënter maakt, maar dat dit zeker niet altijd het geval is. In zijn onderzoek identificeert hij de belangrijkste oorzaken en geeft hij adviezen om process mining wél tot een succes te maken. Stein Dani promoveerde op 21 november.
Stein Dani startte zijn onderzoek vanwege de coronacrisis noodgedwongen met een literatuurstudie. Hij merkte dat de ervaringen met process mining bijna altijd positief waren. Dat vond hij verdacht. “Het was te mooi om waar te zijn,” zegt hij. Hij besloot experts van over de hele wereld te interviewen. Zijn gevoel werd bevestigd. “Ik leerde de duistere kant van process mining kennen”, zegt hij.
Geen tovermiddel
“Er komt veel meer kijken bij process mining dan je in eerste instantie zou denken”, zo vat Stein Dani zijn onderzoek samen. “Bedrijven verkopen process mining-tools alsof het een tovermiddel is, maar er gaat veel handwerk aan vooraf en ook achteraf moet er van alles gedaan worden. Dit wordt vaak onderschat.”
Volgens Stein Dani zijn er vijf belangrijke factoren die process mining belemmeren: moeizame voorbereiding van data, interesseverlies, gebrek aan expertise, gebrek aan motivatie en ontkenning van de uitkomsten van de analyses. Over dit laatste: “Bedrijven zijn hiertoe soms geneigd, vooral als ze niet bereid zijn te accepteren dat ze iets verkeerd hebben gedaan. In sommige gevallen worden de resultaten zelfs achtergehouden”, aldus Stein Dani.
Aanbevelingen
Stein Dani doet diverse aanbevelingen voor process mining, zoals het creëren van organisatorische betrokkenheid en meer expertise op het gebied van process mining. Bedrijven moeten ook realistisch zijn over de uitkomst van proces mining-projecten, vindt de onderzoeker. Inzichten kunnen werkprocessen verbeteren, maar dit hangt af van de implementatie.
Volgens de onderzoeker is het mogelijk om large language models (LLM’s) te gebruiken om de voorbereiding van data te stroomlijnen. Deze AI-techniek zou deze fase veel minder tijdrovend kunnen maken, meldt Stein Dani op LinkedIn.
Proefschrift
Het proefschrift van Vinicius Stein Dani is getiteld ‘The Alpha and Omega of Process Mining’.
Bron: “Er komt veel meer kijken bij process mining dan je zou denken” – Nieuws – Universiteit Utrecht