A tecnologia de Mineração de Processos (ou Process Mining em inglês) tem o potencial de aumentar a eficácia e a eficiência na análise de processos digitais transacionais, permitindo que os analistas e especialistas extraiam conhecimento dos logs de eventos registrados por um sistema de informações do negócio.
A Mineração de Processos é frequentemente mal interpretada como um campo relacionado à ciência de dados. A Mineração de Processos deve ser vista como uma ponte entre a ciência de dados e o gerenciamento de processos de negócios. A mineração de processos se concentra em transformar o registro digital de eventos em uma representação significativa do processo para fins de análise, visualização, modelamento, controle e simulação.
Segundo a Gartner[1], a ciência de dados é fundamental para organizações que buscam extrair conhecimento a partir de informações e requer uma ampla combinação de habilidades tipicamente realizadas em equipe. Por exemplo, a ciência de dados se concentra em análise e modelagem de decisão para descobrir relacionamentos dentro de dados e detectar padrões. Já o gerenciamento de processos de negócios, também segundo a Gartner[2], é uma disciplina que usa vários métodos para descobrir, modelar, analisar, medir, melhorar e otimizar processos de negócios.
A mineração de processos é uma a tecnologia que também integra diferentes áreas das organizações como negócios, processos, melhoria contínua e tecnologia, permitindo que os usuários entendam completamente como seus principais processos de negócios são executados e encontrem as ineficiências que atrapalham o se desempenho, antes de tomarem ações inteligentes e automatizadas para remover lacunas no processo.
Volumetria, tempos, esperas, desvios e retrabalhos são algumas análises tipicamente realizadas através de Process Mining para fins de entendimento do estado atual e proposição de melhorias. Process Mining possui valor intrínseco por criar valor em termos de gestão, mas principalmente extrínseco por direcionar as iniciativas de melhoria de processos e automatização com Automação Robótica de Processos (Robotic Process Automation), por exemplo.
Processos candidatos à Mineração de Processos são aqueles que tipicamente são realizados sobre plataformas tecnológicas transacionais como ERP ou CRM e que ocorrem ao longo de diversos departamentos, com alta volumetria, e possuem diversos caminhos críticos.
Os processos de negócios tipicamente candidatos são Compras até Pagamento, Pedido até Pagamento (Purchase-to-Pay e Order-to-Cash) ou processos de Atendimento ao Cliente, por exemplo. E embora quase todas as empresas tenham alguma versão desses processos como a espinha dorsal de seus negócios, há muitos outros processos que são candidatos a análise, uma vez que prioritariamente ocorrem em plataformas digitais.que oferecem suporte às operações diárias de uma empresa, incluindo:
1. Processos de contas a pagar;
2. Processos de contas a receber;
3. Processos de cadastro de clientes e fornecedores;
4. Processos de gerenciamento de pedidos;
5. Processos de gerenciamento de estoque;
6. Pontos de contato da jornada do cliente.
Esses são apenas alguns exemplos, é claro. Além disso, empresas diferentes definem determinados processos de maneira diferente, dependendo de suas necessidades de negócios, dos sistemas que usam e de outras variáveis. As surpresas quando vemos os processos através de Mineração de Processos são inevitáveis.
Complementar à disciplina de Inteligência de Negócios (Business Intelligence) que refere-se ao processo de coleta, organização, análise, compartilhamento e monitoramento de informações em forma de métricas e indicadores, aqui estamos falando de criação de um Gêmeo Digital[3], ou seja, uma representação virtual do processo real, como um algoritmo, que possibilita acompanhamento das transações e construção de cenários, com simulações.
Por sua natureza, os processos não são estáticos (e nem deveriam), ainda mais em ambientes digitais voláteis. Para acompanharmos a velocidade dos processos é importante o uso de tecnologia para transformarmos os dados em valor, ou seja, acompanharmos cada passo das transações em tempo real. Assim, monitorar os processos de forma digital e online é fator crítico de sucesso para qualquer organização que busca monitorar as atividades críticas das suas cadeias de valor e maximizar experiência do cliente a partir de uma jornada otimizada.
Mercados dinâmicos forçam mudanças: as expectativas dos clientes, novas linhas de produtos, aquisições, mudanças geográficas e qualquer outra coisa podem impactar a capacidade de um processo funcionar em seu ótimo de operação.
O termo Mineração de Processos foi cunhado pela primeira vez em uma proposta de pesquisa escrita pelo cientista da computação holandês Wil van der Aalst. Assim, começou um novo campo de pesquisa que surgiu sob o guarda-chuva de técnicas relacionadas à ciência de dados e ciência de processos na Universidade de Eindhoven, em 1999. No início, as técnicas de mineração de processos eram frequentemente complicadas e limitadas. No ano de 2000, foi desenvolvido o primeiro algoritmo de aplicação prática para descoberta de processos, o Alpha Miner.
No ano seguinte, em 2001, um algoritmo muito semelhante baseado em heurísticas chamado Minerador Heurístico foi introduzido nos trabalhos de pesquisa. A partir desses algoritmos iniciais, a tecnologias tem evoluído cada vez mais em termos de visualização, funcionalidades e aplicabilidade no contexto empresarial.
Jans et al. (2010) [4]argumentaram que a mineração de processos tem o potencial de aumentar a eficácia e o escopo de análise de processos, permitindo que analistas extraiam mais conhecimento dos registros (logs) de eventos registrados pelo sistema de informações de uma empresa. Os autores exploram o valor agregado que as técnicas de mineração de processos podem fornecer analistas de negócios, realizando um estudo de caso do processo de aquisição em um grande fornecedor europeu de serviços financeiros.
Idealmente, para extrairmos esses dados, é necessário realizar um processo chamado ETL, do inglês Extract Transform Load (Extrair Transformar Carregar), que são ferramentas de software cuja função é a extração de dados de diversos sistemas, transformação desses dados conforme regras de negócios e por fim o carregamento dos dados geralmente para um Data Warehouse.
A primeira parte do processo de ETL é a extração de dados dos sistemas de origem. A maioria dos projetos que envolvem dados consolidam informações extraídas de diferentes sistemas de origem. Cada sistema pode também utilizar um formato ou organização de dados diferente. Formatos de dados comuns são bases de dados relacionais e flat files (também conhecidos como arquivos planos), mas podem incluir estruturas de bases de dados não relacionais. A extração converte para um determinado formato para a entrada no processamento da transformação.
O estágio de transformação aplica uma série de regras ou funções aos dados extraídos para derivar os dados a serem carregados. Por último, a fase de carregamento consiste na colocação dos dados no local de armazenamento. A temporização e o alcance de reposição ou acréscimo constituem opções de projeto estratégicas que dependem do tempo disponível e das necessidades de negócios. Sistemas mais complexos podem manter um histórico e uma pista de auditoria de todas as mudanças sofridas pelos dados.
A extração e carregamento são obrigatórios para o Process Mining, sendo a transformação e a limpeza opcionais, apesar de altamente recomendados. Criar um log de eventos é um processo que pode ser automatizado, opção descartada para este estudo de caso, uma vez que representa um compromisso significativo em termos de tempo de desenvolvimento e deve ser uma opção caso a análise dos dados seja contínua, diferentemente da avaliação pontual e estática escolhida.
Para análise de Process Mining tipicamente são necessários cinco atributos mínimos para cada conjunto de transação, conforme abaixo:
1. Código identificador do registro transação;
2. Nome da transação;
3. Data início da transação;
4. Data fim da transação;
5. Usuário responsável por executar a transação.
Uma vez que o log de eventos é criado considerando o mínimo desses atributos, o processo é analisado aplicando diferentes tipos de observações: volumetria, tempos e desvios. Em geral, o objetivo é analisar a ordem das atividades para descobrir como o processo é realizado na prática, analisar como as atividades estão ligadas aos usuários, avaliar os tempos dos processos e eventuais atrasos e uma fase de verificação que consiste em avaliarmos as etapas com maior índice de retrabalho.
Podemos assim comparar diferentes caminhos críticos, determinar os eventos anômalos e endereçar ações de melhoria efetivas com base na análise censitária dos dados.
[1] GARTNER INC (ed.). Definition of Data Scientist: information technology glossary. Information Technology Glossary. Disponível em: https://www.gartner.com/en/information-technology/glossary/data-scientist. Acesso em: 09 abr. 2022.
[2] GARTNER INC (ed.). Definition of Business Process Management: information technology glossary. Information Technology Glossary. Disponível em: https://www.gartner.com/en/information-technology/glossary/business-process-management-bpm. Acesso em: 09 abr. 2022.
[3] GARTNER INC (ed.). Definition of Digital Twin: information technology glossary. Information Technology Glossary. Disponível em: https://www.gartner.com/en/information-technology/glossary/digital-twin. Acesso em: 09 abr. 2022.
[4] Jans, Mieke & Alles, Michael & Vasarhelyi, Miklos. (2012). Process mining of event logs in internal auditing: a case study.
Gilberto Strafacci Neto
Country Manager da Practia no Brasil (www.practiaglobal.com.br) e Senior Partner do Setec Consulting Group (www.setecnet.com.br). Master Business Essentials CORe Program pela Harvard Business School, MBA em Liderança e Inovação, Engenheiro Mecânico pela Escola Politécnica da Universidade de São Paulo, Master Black Belt, Agile Coach, Design Thinker, Manager 3.0, Certified Six Sigma Master Black Belt pela American Society for Quality (ASQ) e Certified Scrum Master pela Scrum Alliance e Facilitador Certificado LEGO® SERIOUS PLAY® (Ver PERFIL).