Chez neosight, nous sommes persuadés que le Process Mining va permettre de mettre sous contrôle, d’accélérer et de sécuriser considérablement la transformation des entreprises qui nous font confiance en tant que client. Et nous sommes soucieux de leur proposer la meilleure approche possible, mue par les meilleures technologies du marché.
Dans un précédent billet (Le Process Mining, chaînon manquant entre Data Science et Process Science) nous évoquions certains sujets clés du moment (Big Data, Data Science, Process Science) afin de mieux positionner une approche innovante et encore toute jeune : le Process Mining.
Les fondements du Process Mining
On peut les situer en 1999, lorsque des chercheurs hollandais de l’Université de Technologie d’Eindhoven (TU/e) lancent un projet de recherche intitulé “Process Design by Discovery: Harvesting Workflow Knowledge from Ad-hoc Executions” Parmi eux, Will van der Aalst, devenu depuis l’un des universitaires les plus reconnu et cité dans le domaine des sciences de l’information et de la donnée, et qu’on peut considérer comme l’inventeur du Process Mining.
Si vous voulez en savoir plus, vous trouverez très facilement sur le Net des références à ses nombreuses publications. Voir : http://www.padsweb.rwth-aachen.de/wvdaalst/index.html ou http://wwwis.win.tue.nl/~wvdaalst/old/
Le Process Mining est une approche innovante et extrêmement puissante car elle fait le lien entre la Data Science et la Process Science :
- En effet, la Data Science est centrée sur les données, leur classification et leur visualisation afin d’en tirer de la valeur mais sans s’occuper du ou des processus qui les génère.
- Quant à la Process Science, elle est complètement centrée sur les processus, leur compréhension et leur amélioration, mais ignore en général les données liées à leur exécution.
L’originalité et la force du Process Mining, c’est d’utiliser spécifiquement les données reflétant l’exécution des processus, dans le but de modéliser, analyser et améliorer ces mêmes processus. Nous pouvons ainsi comparer le Process Mining à deux autres approches représentatives de la Process Science et de la Data Science : le Business Process Management et la Business Intelligence.
Le Process Mining : plus puissant que le Business Process Management
Le Process Mining emprunte aux techniques de Business Process Management (BPM), c’est-à-dire à la modélisation des processus métiers.
Le BPM est une approche Top-Down et plutôt « théorique » :
- On modélise de manière plus ou moins fine des processus (la chaine de valeur ajoutée que créé l’entreprise)
- On configure le système d’information (ERP et autres applications) afin qu’il encadre et supporte cet enchainement d’activités qui constituent un/des processus
- Enfin, les employés de l’entreprise utilisent le système d’information pour l’exécution de ces processus
Le BPM a connu ses heures de gloire, mais sa mise en pratique se heurte à plusieurs obstacles :
- La démarche est assez lourde et consommatrice en temps
- Il y a nécessairement des écarts entre le modèle théorique et la réalité de son exécution dans l’entreprise, sujette à des aléas (erreurs humaines, problèmes survenant dans l’environnement de l’entreprise etc.)
- Rapidement, le modèle devient obsolète et ne correspond plus à la réalité de la vie de l’entreprise sauf si on investit pour les faire évoluer en permanence
En conséquence, cette approche intéressante mais peu agile et coûteuse, peine le plus souvent à s’imposer dans la durée.
Le Process Mining : plus puissant que la Business Intelligence
Le Process Mining emprunte également aux techniques d’exploitation des données (data science, data mining), que nous désignerons sous un terme qui a plus de résonnance dans le monde SAP : la Business Intelligence (BI).
La BI est à l’inverse du BPM une approche Bottom-Up fondée sur des « faits » que sont les données du système d’information :
- On extrait ces fameuses données de plusieurs sources (ERP, autres applications et bases de données). Le plus souvent, on les transforme pour pouvoir les consolider et les agréger
- Toute cette donnée est stockée et conservée dans des applications dédiées (datawarehouse et datamarts) qui en garantissent normalement la qualité et le bon format, afin qu’elle puisse être utilisée par les personnes de l’entreprise qui en ont besoin
- Finalement donc, la donnée est exposée/restituée sous forme de graphiques, de tableaux de bords, d’indicateurs de performance (…) qui livrent aux utilisateurs les informations nécessaires pour gérer l’entreprise
La BI est aujourd’hui quasi-omniprésente et adresse des volumes de données toujours plus importants (big data) ou bien des données non structurées récupérées en dehors de l’entreprise (ex : commentaires sur les réseaux sociaux = text mining ; photos etc.).
Mais la BI a aussi certaines limites :
- Les indicateurs, tableaux de bords et autres sont fondés sur une vision prédéfinie du processus, mais en réalité les processus ne suivent pas toujours ce chemin
- Par conséquent, les indicateurs sont parfois décorrélés du/des processus qu’ils mesurent, rendant le pilotage et les pistes d’améliorations plus hasardeuses
- Enfin, les données sur lesquelles on travaille étant agrégées, il est malaisé d’identifier certains cas ou anomalies très particulières
Sur tous ces points, le Process Mining se démarque.
Le Process Mining : la combinaison gagnante !
Le Process Mining est en quelque sorte la quintessence du BPM et de la BI.
En utilisant les données transactionnelles et événementielles (journaux applicatifs, logs…) du système d’information, le Process Mining permet d’effectuer une « découverte » (généralement automatisée) des processus de l’entreprise. Les modélisations de processus ainsi obtenues reflètent la réalité de ces processus, pas la vision théorique du BPM.
De plus, il est possible de faire du data mining pour obtenir une compréhension fine des causes de performance ou non-performance des processus de l’entreprise. En l’espace de quelques semaines, la transparence sur les processus ciblés est totale, contre plusieurs mois dans les meilleurs cas pour une solution de BI.
Le Process Mining ouvre ainsi en grand le champ des possibilités : amélioration des processus, mise en conformité etc.
Nous reviendrons plus en détails sur les cas d’emploi dans un prochain billet. Non sans nous être penchés au préalable sur le fonctionnement des outils de Process Mining.
Sébastien DUPREZ, Directeur Process Mining
