Les données sont un levier essentiel de la transformation numérique des entreprises et de leurs conditions de création de valeur. Si l’exploitation des données fait déjà l’objet de nombreux développements techniques et organisationnels, combiner cette analyse des données et la compréhension des processus internes grâce au Process Mining peut être un facteur différenciant. Comment réussir le déploiement d’un tel projet ? C’est ce que nous explique Tanguy, Analyste Fonctionnel chez Alteca.
Le Process Mining pour maîtriser et améliorer les processus opérationnels dans l’entreprise.
Le Process Mining est une approche qui combine l’analyse des données (Big Data, Machine Learning..) et l’analyse des processus (BPM) afin de découvrir, surveiller et améliorer les processus existants en extrayant les données disponibles dans les systèmes d’information.
Cette méthode analytique éprouvée permet de dresser un état des lieux clair et objectif des processus opérationnels appliqués dans l’entreprise afin de les comprendre, les maîtriser et les améliorer.
4 phases d’exploration des données
Le Process Mining repose sur l’exploitation « d’event logs » ou journaux d’événements afin de reconstruire et schématiser les processus de l’entreprise. Il utilise l’ensemble des données transactionnelles et événementielles (journaux d’applicatifs, event logs.) présentes dans les systèmes d’information afin de les modéliser et obtenir une compréhension fine des causes de performance et non performance des processus.
- La collecte : consiste à collecter les données présentes dans les systèmes d’information afin de les transformer en journaux d’événements.
- L’analyse : une fois les données récupérées elles font l’objet d’une modélisation pour faciliter leur analyse et la compréhension des « causes profondes ».
- L’amélioration : grâce à l’analyse et la compréhension acquise la dernière étape consiste à décider des pistes d’amélioration des processus à mettre en œuvre (automatisation, réorganisation…)
- Le pilotage : il permet de valoriser les données collectées pour qu’elles soient source de valeur
Les bonnes pratiques du Process Mining
La mise en place du Process mining nécessite une bonne préparation en amont. Il faut réunir les pré requis suivants :
– Définir le périmètre et les ambitions du projet :
Cette phase de réflexion stratégique doit conduire à se questionner sur l’objectif du recours au Process Mining à savoir si l’on veut juste avoir une vision transparente de ses processus ou si l’on veut tendre vers l’optimisation de ceux-ci via différents moyens (automatisation, re engineering…). Si l’on opte pour de l’automatisation il faut définir les critères d’éligibilité des processus à automatiser (ROI, ETP, complexité…).
– Disposer d’une architecture de données de qualité :
Elle permet de faciliter la récupération et la transformation des données en « logs ». Cette phase technique requière l’exécution de plusieurs tâches techniques :
- Homogénéisation de l’architecture au niveau des formats fichiers
- Ouverture de l’accès à toutes les données même celles nécessitants des identifications ID
- Sécurisation des données tout au long de la chaîne de traitement
- Centralisation et historisation des données afin de garantir la disponibilité et la récupération de celles-ci en cas de mauvais export. Cette phase est primordiale car une mauvaise préparation des données en amont peut engendrer des coûts de retard considérable sur le projet.
– Engager l’ensemble des parties prenantes :
En plus d’engager les équipes métier, il faut engager un sponsor fort et l’impliquer tout au long du projet afin de garantir une bonne dynamique d’avancement. Il faut communiquer une vision claire et créer un langage commun pour faire converger les équipes et faciliter la prise de décision.
– Accompagner la transformation :
Présenter les bénéfices de la nouvelle organisation du processus et expliquer les impacts métier aux différentes parties prenantes. Il faut également identifier les résistances au changement et y remédier par une communication transparente et de la pédagogie.
Tanguy GOYO-DRIGUESSI – Consultant Analyste Fonctionnel chez Alteca
