Procesanalyse
Process mining vs task mining: wat ze beide missen
Robbert Schuurmans
Process mining, task mining en een schermopname waarin iemand het werk uitlegt zijn drie manieren om te zien hoe een proces echt loopt. Process mining leest de eventlogs van systemen, task mining zet software op de computers van medewerkers die hun klikken vastlegt en een opname met uitleg laat één persoon het werk doen en vertellen waarom. Ze beantwoorden verschillende vragen, tegen heel verschillende kosten.
Consultants krijgen die vraag steeds vaker. Een klant heeft over process mining gelezen en vraagt of dat zou helpen. Vaak is het eerlijke antwoord: niet voor dit project. Waarom, zie je het best door één gewoon proces door alle drie de methodes te halen.
Eén factuur, vijf stappen en één regel
Sanne werkt op de crediteurenadministratie van een groothandel. Er komt een factuur binnen die niet klopt met de inkooporder. Ze handelt hem zo af:
De factuur komt binnen in het ERP.
Ze vergelijkt hem met de inkooporder en de goederenontvangst.
Ze checkt de afgesproken prijs in een Excel-prijslijst.
Ze mailt de inkoper over het verschil.
Ze keurt de factuur goed en boekt hem.
En er is een regel die ze nooit heeft opgeschreven: een verschil onder 50 euro accepteert ze zonder te vragen. Pas daarboven mailt ze de inkoper.
Elke stap gebeurt op het scherm. De regel die ertussen beslist niet.
Process mining: voor volume, na een dataproject
Process mining reconstrueert processen uit de eventlogs die systemen bijhouden. Elke keer dat een factuur wordt geregistreerd, goedgekeurd of betaald, legt het ERP dat vast met een tijdstip. Geef process mining honderdduizenden van die regels en het laat het proces zien zoals het werkelijk loopt: elke variant, elk rondje, elke wachttijd. Het vakgebied is groot geworden met tools als Celonis en met onderzoek van de IEEE Task Force on Process Mining.
Daar hoort het ook thuis: grote volumes, veel cases en een proces dat grotendeels door systemen loopt. In de factuur van Sanne ziet het twee gebeurtenissen, ontvangen en geboekt. Over honderdduizend facturen is dat precies wat je wilt weten: welke leveranciers de meeste verschillen veroorzaken en waar de goedkeuring blijft hangen.
Het addertje zit in het werk vóór de eerste grafiek. Een ERP houdt geen kant-en-klare eventlog bij. Elke gebeurtenis heeft minstens een case-ID, een activiteitnaam en een tijdstip nodig (Microsoft noemt hetzelfde minimum) en die gegevens staan verspreid over tientallen tabellen, soms in meerdere systemen. Iemand moet ze eruit halen, koppelen en opschonen. Onderzoekers schatten dat die voorbereiding tot 80 procent van de tijd in een process mining-project kost.
Voor een proces dat een handvol mensen een paar honderd keer per maand doorloopt, of voor een adviesopdracht van een paar weken, gaat die rekensom zelden op: het dataproject kost meer tijd dan de analyse oplevert. En ook als het af is, staat de Excel-check of de regel van 50 euro niet in de log. Je ziet dat sommige facturen drie dagen langer duren, niet waarom.
Task mining: een agent op elke werkplek
Task mining komt uit de automatiseringshoek. Tools van UiPath, Celonis en Microsoft installeren een recorder op de computers van medewerkers. Die legt klikken, toetsaanslagen en wisselingen tussen applicaties vast, vaak met screenshots, meestal bij een kleine groep gedurende een vaste periode. Een beheerder bepaalt welke applicaties worden opgenomen. Machine learning groepeert de handelingen daarna tot taken en laat zien welke zich herhalen en hoe lang ze duren. Het doel is werk vinden dat een bot kan overnemen.
In de factuur ziet task mining alle vijf de stappen, ook het opzoeken in Excel en de mail. Het merkt op dat Sanne de prijslijst veertig keer per dag opent. Wat het niet ziet, is de regel. Het ziet dat sommige facturen tot een mail leiden en andere niet, maar niet waarom.
De opzet heeft een prijs. Er moet software worden geïnstalleerd die meekijkt terwijl mensen werken en in Nederland vraagt dat al snel om instemming van de ondernemingsraad. Wat eruit komt, zijn klikken en taken, geen procesmodel dat je met de business bespreekt.
Het gat dat ModelMatic vult: de stappen en het waarom
Process mining en task mining laten hetzelfde gat open. Geen van beide vertelt je waarom het werk loopt zoals het loopt en beide hebben een project nodig voordat je iets ziet. Voor dat gat is ModelMatic gemaakt.
Sanne neemt haar scherm op terwijl ze een paar facturen afhandelt en vertelt erbij wat ze doet: "Hier check ik de prijslijst, want op orders staat vaak de prijs van vorig jaar. Onder de vijftig euro laat ik het gaan, daarboven vraag ik het de inkoper." Er hoeft niets op haar computer te worden geïnstalleerd en er kijkt niets mee: zij bepaalt wat ze opneemt.
ModelMatic maakt van die opname een procesmodel. De AI gebruikt wat er op het scherm gebeurt en wat Sanne zegt samen. Het resultaat is geen lijst klikken maar een BPMN 2.0-model op procesniveau, met de beslissing die ze uitlegde erin.
De gemarkeerde beslissing komt uit wat Sanne zei. Geen klik en geen log laat hem zien.
Naast de andere twee methodes betekent dat:
Geen dataproject. Je hoeft geen eventlogs uit systemen te halen, te koppelen of op te schonen. Een opname van een paar uitvoeringen is genoeg om te beginnen.
Geen agent op iemands computer. Er wordt niets geïnstalleerd en er draait niets op de achtergrond, dus het roept niet de vragen over monitoring op die task mining wel oproept.
Het waarom komt in het model. Regels die alleen in iemands hoofd zitten, zoals de grens van 50 euro, worden beslissingen die je team kan zien, bespreken en valideren.
Een model dat de business kan lezen. Een BPMN 2.0-model op procesniveau in plaats van duizenden klikken, met een BPMN 2.0 XML-export die je kunt importeren in tools als SAP Signavio, Camunda en Bizzdesign.
De beperking is dat je ziet hoe Sanne het doet, in een paar uitvoeringen. Of haar collega's dezelfde regel hanteren, ontdek je met meer opnames, een paar interviews of bij genoeg volume met mining.
Welke methode past bij welke vraag?
Waar loopt ons proces vast, over tienduizenden cases? Process mining, als het volume het datawerk waard is.
Welk repeterend werk kan een bot overnemen? Task mining. Het meet klikken en tijd op veel werkplekken en dat is precies wat een businesscase voor automatisering nodig heeft.
Hoe gaat dit werk eigenlijk en waarom? Een schermopname met uitleg of een goed procesinterview. Snel, zonder IT-project en zonder agent op iemands computer.
Combineren werkt vaak het best
De methodes sluiten elkaar niet uit. Een verstandige volgorde: eerst vastleggen hoe het werk gaat en waarom, met opnames en interviews. Maak daar een model van en valideer het met het team. Daarna, als het volume en de vraag erom vragen, meten met process mining of task mining.
Weet wat de stappen betekenen voordat je ze meet.
Wie met mining begint zonder het werk te kennen, krijgt een diagram met honderden varianten en weet niet welke ertoe doen. In de factuur laat mining zien dat sommige facturen op een mail wachten. De opname vertelt je dat het de regel van 50 euro is en dat verouderde prijzen op orders de oorzaak zijn.
Voor consultancies is de eerste stap het werk waar de uren in zitten: vastleggen, uitwerken, laten valideren. Daar levert een opname die direct een model wordt het meeste op. Florinet, leverancier van ERP-software, neemt zijn klantgesprekken op en bespaart zo vier à vijf uur per proces bij elke nieuwe klant (lees de case).
Probeer het op een eigen proces
Schermopnames zijn in ModelMatic in beta. We zetten de functie nog niet voor elk account aan, maar je kunt hem uitproberen op een eigen proces:
Plan een demo en vertel ons op welk proces je het wilt proberen.
We laten zien hoe het werkt en zetten de beta voor je account aan.
Neem dat proces één keer op je scherm op terwijl je uitlegt wat je doet en waarom, upload de opname en valideer het model met je team.
Kies een proces dat grotendeels op het scherm loopt en een paar regels heeft die niemand heeft opgeschreven. Daar zie je het verschil het snelst.
Achtergrond over process mining als vakgebied vind je op processmining.org.
