Process mining tot waarde brengen in alle bedrijfsfuncties van een onderneming is niet eenvoudig. Juist daarom deden we onderzoek naar de factoren die het verschil maken. Als vertrekpunt onderzochten we de parallellen met methoden als Lean, Agile, Six Sigma en RPA. Process mining zou net zo eenvoudig en breed moeten kunnen worden geïntroduceerd als Lean en Agile; de methode vraagt echter meer data, analysevaardigheden en beschikbaarheid van een dataplatform.
- Topmanagement zorgt voor focus door scherpe hypotheses
Het topmanagement schept de randvoorwaarden voor iedere nieuwe methode, maar voor process mining moet het (top)management richting geven op welke gebieden er analyses en verbeteringen gerealiseerd kunnen worden. Na analyse moeten de inzichten tot verbetering gebracht worden door adequate verbeteracties en met innovaties. Het (top)management kan de adoptie ondersteunen door het versnellen van draagvlak en het integreren van process mining in de dagelijkse bedrijfsvoering. - Kennis van mogelijkheden
Welke analyse- en verbetermogelijkheden process mining biedt, moet breed in de organisatie bekend raken. Voor de verschillende toepassingen zijn voorbeelden beschikbaar, maar de waarde moet gedeeld worden binnen de organisatie. Process mining biedt proceseigenaren KPI’s en handvatten om de performance te vergroten en een sluitende goederenstroom om het proces te beheersen. Door adequaat te reageren op signalen kunnen operationele processen tijdig bijgestuurd worden. Internal control- en auditafdelingen kunnen voor een groot gedeelte steunen op deze beheersing. - Geïntegreerde kennis van processen en data
Process mining houdt in dat data door een procesbril wordt bekeken. Voor zowel proces- als dataspecialismen vraagt process mining een andere benadering. Klassieke Lean- en Six Sigma-methoden kunnen ingezet worden, maar nu met veel data. Evenals bij Six Sigma is het noodzakelijk om naar waarde te zoeken door de verbinding tussen proces en data te leggen. Sommige organisaties kiezen ervoor om nieuwe functieprofielen op te stellen om het vakgebied te ontwikkelen. Er is technische expertise nodig om data te ontsluiten en software uit te rollen, data-expertise om juiste data beschikbaar te stellen en operationele procesanalyse-expertise om analyses om te zetten naar acties. - Geschikte data is beschikbaar
Data is de achilleshiel van iedere process mining-analyse. Je kunt niet zonder. Als blijkt dat de data toch niet voldoet of te weinig informatie oplevert, is alle energie voor niets geweest. Verschillende IT-systemen in de cloud of on-prem orkestreren of ondersteunen allerlei activiteiten. Vaak is veel data voorhanden, maar lang niet altijd wordt de juiste data opgeslagen en bewaard. De zogenaamde event logs om te minen komen uit operationele data, stamtabellen en/of registers. Steeds meer organisaties stellen de vereisten voor rijke event logging als eisen voor IT. - Cultuur van continu verbeteren
Het innovatieve karakter van process mining maakt dat voor een succesvolle adoptie een cultuur van continu verbeteren nodig is. Een dergelijke cultuur kenmerkt zich door betrokkenheid van medewerkers die zich niet conformeren aan de status quo en het ontstaan van nieuwe ideeën en samenwerkingen toejuichen. Binnen een dergelijke cultuur kan process mining namelijk fungeren als continue verbeteringstool waarbij innovatie kan plaatsvinden middels inzicht en monitoring. Om verandering te realiseren moeten analyses vertaald worden naar acties en daarom is veranderbereidheid nodig. Het daadwerkelijk vinden van waarde vraagt scherpte en doortastendheid, een combinatie van een top-down- met een bottom-upbenadering en een integraal beeld van de performance van het gehele systeem. - Concrete aanpak en duidelijke verantwoordelijkheden
Een heldere opdracht met een mandaat brengt altijd succes, maar voor process mining zijn proceseigenaren aan zet om de analyses tot waarde te brengen. Veelal zijn Six Sigma Belts betrokken om de verbeterprojecten te trekken. De kennis en ervaring worden vaak vanuit een centraal team ontwikkeld en uitgedragen. Door het delen van goede voorbeelden en successen worden deze verbreed naar andere bedrijfsfuncties en toepassingen.
Deze zes factoren bleken bepalend in allerlei bedrijfstakken en typen organisaties. Vanzelfsprekend heeft iedere organisatie specifieke aandachtspunten en moet de nieuwe methode ingebed worden in de huidige prioriteiten. Het type tool en het organisatiespecifieke IT-, data- en proceslandschap stellen eisen aan de manier van introduceren en implementeren.
Een introductie van nieuwe methoden en systemen kan versneld worden door het inbrengen van kennis en ervaring via technische hulp, training, templates en actieplannen. Een introductie duurt gemiddeld vijf jaar en daarom is focus op het resultaat erg belangrijk. KPMG heeft ervaring met data science, engineering, procesanalyse, verandermanagement en verschillende process mining tools. Onze experts worden ingezet voor verschillende klantbehoeften, zoals een proof of value en het invullen van bovengenoemde randvoorwaarden. Daarnaast beschikt KPMG over uitgebreide domeinexpertise en kunnen wij leunen op de ervaring die wereldwijd met dergelijke projecten is opgedaan.
Ontdek meer
Contactpersonen
Gijsbert Sigmond
Manager, Digital Process Excellence
KPMG Nederland
Schrijf je in voor onze nieuwsbrief
Wij houden je op de hoogte per e-mail. Geef hier je voorkeuren door.