“Er komt veel meer kijken bij process mining dan je zou denken”

Process mining is een trend. 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.

Process mining is een methode voor het analyseren en verbeteren van bedrijfsprocessen. Het maakt gebruik van event-logs – een specifiek data-format - en overbrugt zo de kloof tussen traditioneel procesmanagement en geavanceerde data-analyse. In de afgelopen jaren heeft de methode een enorme vlucht genomen. Dat komt met name vanwege de groeiende vraag naar kostenbesparing en procesoptimalisatie; organisaties willen continu hun efficiëntie verbeteren en concurrerend blijven.

Duistere kant

Toen Stein Dani met zijn promotieonderzoek begon, richtte hij zich op de datavoorbereidingsfase. Vanwege de coronapandemie werden de bedrijfsbezoeken die nodig waren voor zijn project onmogelijk. Stein Dani moest zijn plannen heroverwegen en startte met een literatuurstudie. Tijdens dit onderzoek merkte hij op dat de ervaringen met process mining bijna altijd positief waren. Dat vond hij verdacht. “Het was gewoon te mooi om waar te zijn”, zegt hij. Hij besloot process mining-experts van over de hele wereld te interviewen en zijn gevoel werd bevestigd. “Ik leerde de duistere kant van process mining kennen”, zegt hij.

Geen tovermiddel

Veel experts deelden verhalen over hoe de populaire methode soms helemaal niet leidde tot meer efficiëntie. Stein Dani verzamelde de verhalen en identificeerde de belangrijkste uitdagingen en oorzaken, die hij 'terminators' noemt. 

“De belangrijkste boodschap van het onderzoek is dat er veel meer komt kijken bij process mining dan je in eerste instantie zou denken”, vat Stein Dani samen. “Bedrijven verkopen process mining-tools alsof het een tovermiddel is”, zegt hij, ”maar er gaat veel handwerk aan vooraf en ook achteraf moet er van alles gedaan worden. Dit wordt vaak onderschat.”

Bedrijven zijn soms geneigd om inzichten te ontkennen, vooral als ze niet bereid zijn te accepteren dat ze iets verkeerd hebben gedaan

Terminators

Er zijn vijf belangrijke factoren die process mining belemmeren, procesverbetering in de weg staan en zelfs kunnen leiden tot de beëindiging van het project: moeizame voorbereiding van data, interesseverlies, gebrek aan expertise, gebrek aan motivatie en ontkenning. Dat laatste heeft alles te maken met het ontkennen van de uitkomsten van de analyses. “Bedrijven zijn hier soms toe 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. “Inzichten die uit de analyses naar voren komen, kunnen inderdaad confronterend zijn.”

Tekst gaat verder onder de afbeelding

Verwachtingsmanagent

De uitdagingen en terminators die Stein Dani identificeerde, zette hij om in een reeks aanbevelingen voor organisaties en de process mining-industrie: bijvoorbeeld het creëren van organisatorische betrokkenheid en het vergroten van de beschikbaarheid van expertise op het gebied van process mining en verandermanagement. Verder speelt het managen van verwachtingen een grote rol in de uitkomst van process mining-projecten. “Bedrijven geloven dat process mining de knelpunten vindt en oplost”, zegt Stein Dani. “Inzichten kunnen inderdaad leiden tot de verbetering van werkprocessen, maar het bedrijf moet ze zelf implementeren.” 

Er is vervolgonderzoek nodig om verdere strategieën te ontwikkelen om met deze uitdagingen en terminators om te gaan, zegt Stein Dani. Eén mogelijkheid is bijvoorbeeld het gebruik van large language models om de voorbereiding van de data te stroomlijnen. Deze AI-techniek zou deze fase veel minder tijdrovend kunnen maken.