Von Thomas Grisold, Han van der Aa, Sandro Franzoi, Sophie Hartl, Jan Mendling und Jan vom Brocke
Gerade erst fertiggestellt und zur Präsentation auf der International Conference for Process Mining (ICPM) von unserem eigenen Jan Mendling und einem Team spezialisierten Forscher angenommen, bietet diese Studie eine frische Perspektive auf die Interpretation von Process-Mining-Ergebnissen. Hier ist ein exklusiver Vorgeschmack auf das innovative Framework, das vom Forschungsteam entwickelt wurde.
In der heutigen schnelllebigen Geschäftswelt ist es entscheidend, die inneren Abläufe von Geschäftsprozessen zu verstehen, um Effizienz und Wettbewerbsfähigkeit zu erhalten. Process Mining hat sich als mächtiges Werkzeug etabliert, das tiefe Einblicke in die Leistung dieser Prozesse bietet. Dennoch bleibt eine bedeutende Lücke: Während Process Mining uns sagen kann, was innerhalb eines Prozesses passiert, fällt es oft schwer zu erklären, warum diese Ereignisse eintreten. Hier setzt die neueste Forschung in diesem Papier an. Ihr neu entwickeltes Framework, das auf der International Conference for Process Mining (ICPM) vorgestellt wird, zielt darauf ab, diese Lücke zu schließen, indem es kontextuelle Faktoren in die Analyse einbezieht.
Process Mining hat die Art und Weise revolutioniert, wie Unternehmen ihre Abläufe analysieren und optimieren. Durch die Umwandlung von Event-Logs in visuelle Prozesskarten können Organisationen Engpässe, Ineffizienzen und Verbesserungsmöglichkeiten identifizieren. Trotz dieser Fortschritte wurde ein wesentlicher Aspekt übersehen: der Kontext, in dem diese Prozesse ablaufen.
Kontextuelle Faktoren sind die verschiedenen internen und externen Bedingungen, die beeinflussen, wie ein Prozess funktioniert. Ohne Berücksichtigung dieser Faktoren können Process-Mining-Ergebnisse irreführend oder unvollständig sein. Ein plötzlicher Anstieg von Prozessvariationen könnte zum Beispiel als Ineffizienz interpretiert werden, obwohl es in Wirklichkeit eine adaptive Reaktion auf eine sich ändernde Marktsituation sein könnte.
Das neu entwickelte Framework von Grisold und seinen Kollegen adressiert genau dieses Problem. Es kategorisiert kontextuelle Faktoren in drei Ebenen: prozess-immediater Kontext, organisationsinterner Kontext und organisationsexterner Kontext. Jede Ebene umfasst spezifische Dimensionen, die die Prozessdynamik beeinflussen können.
Um die praktische Anwendung dieses Frameworks zu veranschaulichen, analysierte das Forschungsteam den Kunden-Onboarding-Prozess eines europäischen Finanzinstituts. Über einen Zeitraum von zwei Jahren sammelten und untersuchten sie Daten aus 901 Fällen und identifizierten signifikante Variationen in der Prozesskomplexität.
Ein Beispiel: Ein starker Anstieg der Prozesskomplexität Mitte 2020 war zunächst rätselhaft. Durch Anwendung ihres Kontext-Frameworks entdeckten die Forscher, dass dieser Anstieg auf eine IT-Systemänderung zurückzuführen war, die einen neuen Kundenfragebogen einführte. Aufgrund unzureichender Tests führte diese Änderung zu Fehlern und anschließenden Workarounds durch die Prozessbeteiligten, was letztendlich die Komplexität erhöhte. Sobald die Systemprobleme behoben waren, nahm die Prozesskomplexität wieder ab.
Die Implikationen dieses Frameworks sind tiefgreifend für Geschäftsleiter und Prozessanalysten. Durch die systematische Einbeziehung kontextueller Faktoren in die Process-Mining-Analyse können Organisationen ein nuancierteres Verständnis ihrer Prozesse erreichen. Dies ermöglicht genauere Diagnosen von Problemen und fundiertere Entscheidungen.
Ein unerwarteter Anstieg von Prozessvariationen könnte beispielsweise zu einem genaueren Blick auf jüngste organisatorische Änderungen oder externe Faktoren führen, anstatt zu einer reflexartigen Reaktion mit strengeren Kontrollen. Dieser kontextbewusste Ansatz kann Organisationen helfen, flexibler und effektiver auf die dynamischen Bedingungen zu reagieren, in denen sie operieren.
Das Framework des Forschungsteams eröffnet zahlreiche zukünftige Forschungsmöglichkeiten. Eine interessante Möglichkeit ist die Entwicklung von Rechentechniken zur automatischen Erkennung kontextueller Faktoren, um den Nutzen von Process-Mining-Tools weiter zu steigern. Zudem kann das Studium der praktischen Anwendung dieses Frameworks durch Analysten Einblicke in die Verfeinerung und Erweiterung seiner Anwendungen bieten.
Während du über dieses neue Framework nachdenkst, solltest du folgende Fragen berücksichtigen, um zu erkunden, wie du diese Erkenntnisse auf die Prozesse deiner eigenen Organisation anwenden kannst:
Während Unternehmen weiterhin eine zunehmend komplexe und dynamische Umgebung navigieren, wird das Bedürfnis nach einem tieferen Verständnis der Prozessdynamik immer kritischer. Das von Grisold und seinen Kollegen entwickelte Kontext-Framework stellt einen bedeutenden Schritt in diesem Bestreben dar. Durch die Einbeziehung von Kontext in das Process Mining können Organisationen vom bloßen Beobachten dessen, was passiert, zum Verstehen, warum es passiert, übergehen und so den Weg für effektivere und reaktionsschnellere Geschäftsstrategien ebnen.
Hier bei Noreja haben wir unsere Lösung darauf ausgerichtet, dir beim Process Mining so viel Kontextinformation wie möglich bereitzustellen. Dies ist Teil unseres Bestrebens, unser Feld in eine neue Richtung zu lenken, hin zum Causal Process Mining. Wenn du mehr darüber wissen möchtest, schau dir entweder unser technisches Whitepaper hier oder unser auf Entscheidungsfindung fokussiertes Whitepaper hier an. Ansonsten kannst du uns gerne für eine Demo kontaktieren, um zu sehen, wie unsere Lösung die kontext-sensitive Sinngebung für deine Prozessanalysen unterstützt.
Wusstest du, dass man unseren LinkedIn-Newsletter hier abonnieren kann, um die neuesten Updates direkt per E-Mail zu erhalten?