Task mining что это

Process Mining: знакомство

В этой статье я постараюсь приоткрыть завесу над интересной технологией из области управления бизнес-процессами ( BPM). Интеллектуальный анализ процессов ( Process Mining) фокусируется на обнаружении, анализе и оптимизации бизнес-процессов на основе данных из журналов событий (англ. event logs), представляя недостающее звено между классическим анализом бизнес-процессов с использованием их моделей и интеллектуальным анализом данных ( Data Mining).

Рисунок 1. Позиционирование Process Mining.

Далее мы разовьем тему позиционирования, коснемся вариантов использования, поговорим об исходных данных и рассмотрим различные типы интеллектуального анализа процессов.

Позиционирование

Интеллектуальный анализ процессов использует данные для анализа бизнес-процессов, пренебрегая анализом самих данных. Другими словами, Process Mining, в отличие от Data Mining, не интересуется низкоуровневыми закономерностями в исходных данных и не пытается принимать решения на их основе, но ставит задачей оптимизацию бизнес-процессов (в особенности сквозных), вытекающих из исходных данных.

Варианты использования

В таблице ниже указаны некоторые варианты использования интеллектуального анализа процессов, а также связанные с ними вопросы, разбитые по вышеуказанным группам.

Исходные данные

Часто отправной точкой для интеллектуального анализа процессов являются данные из журналов событий. Рассмотрим подходящий нам журнал. Каждая строка в таком журнале соответствует отдельному событию. В свою очередь, каждое событие несет в себе информацию о породившем его случае, выполненной в его рамках деятельности и времени его регистрации. Подобные журналы событий можно рассматривать как совокупности случаев, а отдельные случаи — как последовательности ссылающихся на них событий.

Конечно, выбор указанных выше атрибутов зависит от целей анализа. Например (смотрим на рисунок 2), если нас интересует процесс, описывающий порядок получения пациентами надлежащего лечения, то в качестве идентификаторов случаев используем пациентов (столбец patient), деятельностями называем получаемые пациентами процедуры (столбец activity), а ресурсами обозначаем выполняющих данные процедуры врачей (столбец doctor). Если же нам интересен другой процесс, описывающий порядок выполнения врачами процедур, то идентификаторами событий будут сами врачи (столбец doctor), деятельностями — выполняемые данными врачами процедуры (столбец activity), а ресурсами — внимание, также станут врачи (столбец doctor).

Типы Process Mining

Интеллектуальный анализ процессов фокусируется на отношениях между моделями бизнес-процессов и данными о событиях. Выделяют три типа подобных отношений, которые и определяют типы анализа.

Play-Out

Начинаем с готовой модели процесса. Далее симулируем различные сценарии выполнения процесса (согласно модели) для наполнения журнала событий данными о регистрируемых при симуляции событиях.

Рисунок 3. Пример Play-Out.

На рисунке 3 показан пример симуляции по готовой модели рабочего процесса (англ. workflow). Модель процесса выполнена с использованием упрощенной нотации BPMN. Красным показаны шаги на одном из возможных путей выполнения процесса, а журнал внизу наполнен данными о событиях в порядке их регистрации при прохождении данного пути.

Play-Out применяется для проверки разработанных моделей процессов на соответствие ожидаемым данным (последовательностям событий) от их выполнения.

Play-In

Начинаем с готовых данных в журнале событий. Далее получаем модель процесса, обеспечивающего выполнение представленных в журнале последовательностей событий (обучаем модель процесса на основе данных).

Рисунок 4. Пример Play-In.

На рисунке 4 показан пример получения модели процесса по готовым последовательностям событий (указаны красным). Если приглядеться, то можно заметить, что все последовательности событий на рисунке начинаются с шага a и заканчиваются шагом g или h. Результирующая модель процесса в точности соответствует подмеченным особенностям, что иллюстрирует основной принцип ее вывода из данных.

Play-In полезен при необходимости формального описания процессов, генерирующих известные данные.

Replay

Одновременно используем модель процесса (возможно, полученную при помощи Play-In) и данные в журнале событий (возможно, полученные при помощи Play-Out) для воспроизведения реальных последовательностей событий согласно модели.

Рисунок 5. Пример Replay.

На рисунке 5 представлен пример попытки воспроизведения имеющейся последовательности событий согласно готовой модели процесса. Попытка закончилась неудачей по причине того, что модель требует прохождения шага d прежде, чем будет открыт переход к шагу e (подробнее разобраться с причинами неудачи поможет изучение шлюзов (англ. gateways) нотации BPMN).

Replay позволяет находить отклонения моделей от реальных процессов, но также может использоваться и для анализа производительности процессов — стоит при воспроизведении начать отмечать время регистрации событий, как станут видны места задержек и скоростные участки на путях выполнения процессов.

Дополнительно

Для тех, кто желает самостоятельно попробовать применить полученные знания на практике, спешу сообщить об инструменте, который позволит воплотить ваши смелые начинания в жизнь. ProM — это свободный фреймворк, включающий все необходимое для выполнения интеллектуального анализа процессов. Стабильная версия ProM доступна для скачивания под Windows и под другие ОС. Общая информация (включая примеры исходных данных, руководства и упражнения) расположена на сайте ProM Tools.

Заключение

Существующий разрыв между анализом моделей бизнес-процессов и данных затрудняет поиск решений множества интересных и сложных задач современного мира, где значение данных давно сравнивается со значением нефти (см. Data is the new oil). Process Mining призван ликвидировать данный разрыв, поднимая анализ бизнес-процессов на новый уровень.

Благодарю за внимание и категорически рекомендую продолжить изучение темы самостоятельно! Отличным началом станет вышеупомянутый онлайн курс Process Mining: Data Science in Action.

Источник

Все о Process Mining от ProcessMi

Все о технологии Process Mining — кейсы, термины, решения и аналитика. Российский и зарубежный опыт от группы экспертов ProcessMi

Task Mining

Task Mining – это технология, которая занимается отслеживанием, фиксацией и анализом всех действий, производимых пользователем на его рабочей машине. Если логи собирают действия, которые были произведены в информационной системе (закрытие/открытие/нажатие), то Task Mining делает акцент на операциях, выполняемых персоналом. Как правило, эта технология используется в связке с process mining (процессной аналитикой, получением новых данных из логов) и показывает действия пользователя, которые выходят за рамки выполняемого им бизнес-процесса. В совокупности это позволяет увидеть:

Таким образом, можно сказать, что Task Mining собирает и исследует данные, чтобы составить полную картину работы организации не только с точки зрения процессов, но и с точки зрения персонала.

Принцип работы Task Mining

На самом базовом уровне технология Task Mining собирает активность сотрудников, которые работают над бизнес-процессом, автоматически определяя системы, с которыми они взаимодействуют. Алгоритм работы программного обеспечения такого класса следующий:

Клики, прокрутки, используемые в разные моменты сервисы и программы – именно это фиксирует инструмент Task Mining. Как правило, для этого используется так называемый «агент». Он собирает перечисленные выше активности, делает скриншоты через заданное количество времени.

Порой важно не только знать, что работник печатал какой-то документ в течение часа, но и знать, чем именно он был занят: составлением технической документации, проверял сочинение своему ребенку или делал заказы «налево». Распознать контекст записей помогает технология OCR (Optical Character Recognition, дословно переводится как оптическое распознавание символов). Ее смысл в переводе изображений с рукописным или печатным текстом в распознаваемые цепочки символов (например, в привычный всем текст стандартного редактора).

При помощи обработки естественного языка (NLP) и искусственного интеллекта происходят сортировка и кластеризация каждого действия по теме и направлению. Например, «Исследование путей продаж в социальной сети LinkedIn», «Разработка стратегии Social Selling в Facebook» или «Согласование заказа на покупку».

Благодаря идентификаторам пользователей и идентификаторам активностей, Task Mining сопоставляет работу сотрудника с данными, полученными из информационных систем. Тем самым достигается понимание влияния каждого произведенного действия на результат бизнеса в целом.

Преимущества технологии

Благодаря использованию Task Mining можно:

Речь идет не столько об автоматизации выполняемых операций или внедрении RPA, сколько о доскональном знании собственных процессов, протекающих внутри организации. Программное обеспечение класса Task Mining добавит данные о работе сотрудников с используемыми в работе сервисами и инструментами.

Источник

Все о Process Mining от ProcessMi

Все о технологии Process Mining — кейсы, термины, решения и аналитика. Российский и зарубежный опыт от группы экспертов ProcessMi

Process Mining и Task Mining: есть ли разница

В связи с активным развитием технологий и методов анализа бизнес-процессов все чаще в кейсах и СМИ стал фигурировать термин «task mining». Появились путаница и вопросы: «Связаны ли как-то task mining и process mining?», «Это ответвление процессной аналитики или нет?», «Каким образом происходит взаимодействие, если оно есть?», «Логи задействованы и тут, и там?».

И process mining, и task mining – технологии, которые помогают бизнесу становиться более эффективным, но у каждой из них разные задачи, источники данных и результаты. Говоря проще, они помогают бизнес-аналитикам и управленцам понимать, анализировать и оптимизировать процессы на нескольких уровнях.

Process Mining

Чтобы объяснить все «на пальцах», приведем простой пример из издательского дела.

Выпуск книги начинается с первого написанного предложения в черновике, заканчивается в момент покупки последнего экземпляра с полки. Все это можно назвать сквозным процессом (end-to-end processes): от первого пойнта, с момента которого идет фиксация (starting end), до последнего – дистрибуции (finishing end). Между ними можно выделить десятки подпроцессов и, самое главное, задач. Но об этом позже.

End-to-End процессы

Весь акцент технологии process mining сконцентрирован именно на них: обнаружение, анализ, мониторинг сквозных процессов и их подпроцессов. Если вернуться к примеру с книгами, то здесь такой процесс заключается во взаимодействии автора, издателя, редакторов, дизайнеров, корректоров, подрядчика для полиграфии и каналов распространения книгопечатной продукции.

С точки зрения компании, например, конкретный счет-фактура – это экземпляр процесса интеллектуального анализа данных, который проходит через несколько отделов, обрабатывается многочисленными сотрудниками и вводится в различные корпоративные системы.

Карта процессов

Полный путь каждого счета или любого другого экземпляра процесса, если на то пошло, обнаруживается и отображается на карте процесса. Карта процесса отображает реальный поток процесса, как это происходит со всеми его случаями, вариантами и путями. Фокус именно на том, что технология честно фиксирует, как процесс протекает фактически, визуализируя это на карте.

Логи

Именно они лежат в основе process mining. В качестве источника данных интеллектуальная технология использует так называемые журналы событий, которые представляют собой данные, содержащие информацию о выполненных действиях (например, создание заказа на закупку), обращении (заказ на закупку № 24395) и отметке времени. Программные инструменты подобного класса берут данные из ERP, CRM, Supply Chain Management и др.

Task Mining

В отличие от process mining, метод интеллектуального анализа задач фокусируется на более мелких компонентах процесса или подпроцесса, содержащих несколько шагов, которые обычно выполняются вручную сотрудниками на своих компьютерах.

По аналогии с издательским делом весь процесс изготовления книги будет включать в себя такие задачи, как создание макета печати, просмотр макета печати, конфигурация печатной машины, загрузка бумаги в печатную машину и так далее.

Понимание действий пользователя

Task mining записывает и анализирует действия пользователя с целью более детального понимания деятельности, оптимизации, улучшения или даже автоматизации этих задач или их частей.

Примеры типовых задач:

Например, в процессе обработки счетов к оплате счет-фактура должен быть выгружен из электронной почты, информация скопирована в таблицу, а сам счет-фактура в формате PDF загружен в систему бухгалтерского учета. Таким образом, задачи, которые выполняет сотрудник, включают открытие электронной почты, загрузку вложения, ввод информации в форму, загрузку документов, сохранение изменений, формирование действия «Отправка счета-фактуры».

Журналы пользовательского интерфейса

Источники данных для task mining отличаются от журналов событий, используемых в процессной аналитике. Основой инициатив в интеллектуальном анализе задач является журнал пользовательского интерфейса, основанный на фиксированных взаимодействиях пользователя с интерфейсами рабочих станций.

Это означает запись щелчков мыши, нажатий клавиш, копирования и вставки, а также других действий. Используемые технологии включают интеллектуальный анализ данных, распознавание образов, обработку естественного языка (NLP) и оптическое распознавание символов (OCR).

Результат task mining – отображение последовательности шагов и их вариантов, выполняемых пользователем, которые впоследствии могут быть использованы в качестве основы для инициатив по внедрению инструментов RPA.

Task Mining и Process Mining как методы оптимизации процессов в компании

Методы и task mining, и process mining нашли свое место в компаниях, стремящихся оптимизировать и автоматизировать свои процессы. Правильный подход и грамотный симбиоз технологий обеспечат прозрачность операций компании на многих уровнях. Почему? Потому что process mining устраняет разрыв между данными, полученными в результате анализа задач, и достоверными данными за счет понимания, основанного на более широком представлении процессов в отношении стратегии предприятия.

Самые частые вопросы

Процессы и подпроцессы – это группы логически связанных задач и решений, имеющих начальную и конечную точки. Задача состоит из шагов, выполняемых машиной или человеком с целью перехода кейса от одной фазы процесса к другой. Разница заключается в детализации данных, источниках данных, способности собирать и анализировать данные, результатах, количестве задействованных ресурсов и вариантах использования.

Нет. Потому что другие технологии, такие как OCR, интеллектуальный анализ текста и определенные алгоритмы machine learning, должны быть оснащены для анализа этой формы данных. Записи неконтролируемого взаимодействия с пользователем включают чрезвычайно высокий уровень «шума» (погрешностей) и очень высокую степень детализации, что делает сквозное обнаружение процессов неэффективным и в большинстве реальных случаев невозможным.

Источник

Что такое Task Mining и как эта технология расширяет возможности платформы ABBYY Timeline

Несмотря на то что мы живем в цифровую эпоху, сотрудники многих компаний до сих пор вручную обрабатывают большие объемы информации: перепечатывают суммы и даты из накладных, имена, фамилии и адреса из паспортов, договоров и т.д. Это занимает много времени, увеличивает риск ошибиться при вводе информации в корпоративные системы и в результате негативно влияет на бизнес и клиентов. Как сделать процесс быстрее и удобнее?

Помогают программные роботы (RPA, Robotic Process Automation). Например, они умеют автоматически, без участия человека сверять данные и заполнять отчеты; в процессе закупок – изучать и анализировать ценовые предложения и формировать начальную максимальную цену договора. По данным исследования ABBYY «Итоги 2020 года: как изменились технологические приоритеты российского бизнеса», 53% компаний в России уже используют программных роботов или начнут их применять в ближайшее время. Как же найти такие процессы в компании, где цифровые помощники смогут принести наибольшую пользу? Сначала надо проанализировать, как устроены бизнес-процессы в организации: на какие этапы делится работа, сколько времени занимает, где чаще всего возникают ошибки, где есть узкие места и ненужные шаги. Изучить процессы в режиме реального времени помогают платформы Process Intelligence.

ABBYY Timeline – интеллектуальная платформа для анализа бизнес-процессов и эффективного управления ими. Она собирает цифровые следы (логи в корпоративных системах, иными словами – записи о каждом этапе процесса, из которых можно извлечь полезную информацию), анализирует их с точки зрения длительности, стоимости и многих других факторов, помогает визуализировать и наблюдать, как развивается процесс, и прогнозировать его исход.

Однако не всегда и не все действия пользователей и сотрудников хранятся в информационных системах компаний. Чтобы анализировать те этапы процессов, которые не оставляют цифровых следов, ABBYY расширила возможности своей Process Intelligence платформы. Сегодня мы расскажем о технологии Task Mining в составе решения ABBYY Timeline, которая помогает автоматически выявлять повторяющиеся действия в любых бизнес-процессах и анализировать, как сотрудники выполняют задачу и стоит ли ее поручать программным роботам.

Что такое Task Mining

Технология Task Mining собирает обезличенные данные о действиях пользователей на корпоративных компьютерах и анализирует их. На основе такого анализа руководитель может делать выводы, какие процессы на предприятии следует автоматизировать в первую очередь. Task Mining помогает расширять возможности Process Intelligence – интеллектуального анализа бизнес-процессов. В Task Mining для анализа используются не логи из журналов событий в корпоративных системах и не бизнес-показатели предприятия, а обезличенные данные о действиях пользователей на рабочем компьютере в реальном времени. Таким образом, технология анализирует и отслеживает последовательность задач, которую выполняет специалист, объединяет эти цепочки в конкретные шаги бизнес-процессов, выявляет закономерности и прогнозирует развитие процессов.

ABBYY Timeline может одновременно использовать и логи в журналах событий в информационных системах, и данные о действиях на рабочем месте пользователя. Это позволяет увидеть, где повторяющиеся и неэффективные задачи замедляют весь бизнес-процесс. Благодаря такой информации компания может правильно распределить ресурсы, чтобы работа всего бизнеса стала продуктивнее.

Почему это важно?

Подходы к выполнению рабочих задач становятся более гибкими. Будущее – за сотрудничеством бизнеса, людей и технологий. Текстовая и предиктивная аналитика, распознавание речи, роботы и другие инновации – это инструменты, которые помогают человеку меньше заниматься скучной и однообразной работой. Например, не перепечатывать данные из счетов, а сразу смотреть и анализировать цифры на компьютере.

Производственные процессы становятся быстрее, эффективнее и рентабельнее, когда люди и роботы трудятся вместе. Исследование, проведенное MIT, показало, что у смешанных команд из роботов и людей время простоя при работе сокращалось на 85% по сравнению с командами, где были только люди.

Как бизнесу организовать работу с участием людей и машин? Для этого нужно хорошо понимать, как устроены процессы, и уметь оценить, на каких этапах внутри каждого бизнес-процесса внедрение роботов принесет наилучшие результаты для компании. Сделать это позволяет как раз технология Task Mining.

Как работает Task Mining?

1. Запись данных о действиях пользователя на рабочем месте

На корпоративном компьютере каждого сотрудника устанавливается станция сбора данных. Она позволяет автоматически и в фоновом режиме получать информацию о действиях пользователей во время их повседневной работы. Например, о выборе ячейки в таблице, копировании и вставке данных, редактировании поля, переходе по гиперссылке и т.д. Такая станция делает снимки экрана и собирает информацию через заданные промежутки времени, а затем отправляет ее на сервер сбора данных.

Чтобы обеспечить безопасность личных данных, вся информация поступает для анализа и хранится в обобщенном и обезличенном виде. Это осуществляется с помощью технологий машинного зрения и интеллектуальной обработки информации ABBYY. Они удаляют всю конфиденциальную информацию со снимков экрана пользователя.

2. Анализ задач, действий и реакций пользователя

На основе собранных данных автоматически выявляются этапы процесса и различные закономерности, например, повторяющиеся действия пользователей на корпоративных компьютерах. Это позволяет анализировать как сложность выполнения задачи, так и последовательность, в которой разные сотрудники выполняют одни и те же задачи, количество потраченного на работу времени, однотипных шагов и т.д.

ABBYY Timeline также умеет комбинировать и сопоставлять данные о действиях пользователей на корпоративных компьютерах и логи из журналов событий в информационных системах. Благодаря этому информацию о действиях пользователя можно анализировать на всех уровнях с помощью встроенных инструментов анализа бизнес-процессов ABBYY Timeline.

3. Рекомендации по задачам, которые в дальнейшем можно автоматизировать

На основе данных, полученных во время анализа, технология Task Mining помогает выявлять задачи, которые в первую очередь пригодны для автоматизации и роботизации. Например, копирование и перенос данных из одной учетной системы в другую, сбор информации из еженедельного обзора, допустим, цен на нефть, создание таблиц и диаграмм, формирование аналитических отчетов.

Решение также позволяет лучше понять, как устроен бизнес и как различные проекты по автоматизации процессов могут повлиять на его развитие и рост эффективности.

Чем Task Mining отличается от Process Intelligence

И Task Mining, и Process Intelligence помогают повышать эффективность бизнес-процессов в компании. Отличие заключается в том, что Task Mining являются частью решения Process Intelligence и расширяет возможности интеллектуального анализа процессов.

Зачем нужны решения Process Intelligence? Они позволяют в режиме реального времени изучать все операционные показатели компании и бизнес-процессы, анализировать различные этапы в процессах, например, среднее время согласования документа в бухгалтерии или случайный пропуск конкретного шага при оплате счета. Все это выявляется с помощью анализа цифровых следов или логов из журналов событий в информационных системах. На основе этих данных можно не только получать подробную картину происходящего в бизнесе, но и прогнозировать с помощью методов машинного обучения возможный исход процессов и рассчитывать потенциальную выгоду от автоматизации.

Task Mining помогает компаниям определить, каким образом сотрудники выполняют задачи во время работы с корпоративными приложениями, сколько времени у них уходит на конкретный процесс или его этап. Эти данные помогают еще глубже и пристальнее взглянуть на эффективность каждого этапа в бизнес-процессе и автоматизировать рутинную работу там, где это возможно.

Преимущества Task Mining в составе платформы ABBYY Timeline

Если у вас остались вопросы или вы хотите узнать больше о возможностях платформы ABBYY Timeline и технологии Task Mining, оставьте заявку и мы с вами свяжемся.

Источник