علاوه بر درک موارد معمول استفاده‌ی فرآیندکاوی، مهم است که بدانید فرآیندکاوی چه چیزی نیست. با تعریف مرزهای مشخص، ابهام مفهوم فرآیندکاوی کمتر خواهد شد و شما قادر خواهید بود که تفاوت‌های فرآیندکاوی با رویکردهای موجود را به همکاران خود توضیح دهید. این کار در عوض به شما کمک خواهد کرد تا انتظارات خود را درمورد قابلیت‌های فرآیندکاوی مدیریت کنید.
1- ابزار هوش تجاری (BI) یا گزارش دهی
فرآیندکاوی یک ابزار تجزیه و تحلیل است، در حالی که داشبوردهای BI برای نظارت و گزارش هستند. این‌ها موارد متفاوتی از استفاده هستند. تجزیه و تحلیل‌های فرآیندکاوی “می‌تواند” یک KPI جدید ایجاد کند که باید تحت نظارت باشد، اما هم‌چنین می‌تواند منجر به یک “تغییر” در فرآیند شود.
در یک داشبورد یا محیط گزارش‌دهی، شما بر روی تعداد محدودی از مشخصه‌هایی تمرکز می‌کنید که می‌خواهید روزانه مشاهده کنید. این همان چیزی است که معنای “کلید” در شاخص عملکرد کلیدی را می‌دهد. ایده این است که چند متریک مهم و متداول جمع‌آوری شده وجود دارد که نشان دهد آیا فرآیندتان به شیوه‌ی مورد انتظار کار میکند یا خیر. در مقابل، با فرآیندکاوی به عنوان یک ابزار تجزیه و تحلیل، شما فرآیند را از جهات مختلف بسیاری رصد می‌کنید. هدف این است که ابتدا فرآیند را از نظر جزئیات درک کنید.
فرآیندکاوی اغلب در جلسات کارگاه تعاملی مورد استفاده قرار می‌گیرد، جایی‌که شما داده را همراه با یک متخصص فرآیند تجزیه و تحلیل می‌کنید. متخصص فرآیند می‌تواند مواردی را که ممکن است یادتان برود، ذکر کند و شما بلافاصله می‌توانید برای هر گونه سوالی که همان زمان و یا بعداً مطرح می‌کنید پاسخ خود را دریافت کنید. با استفاده از یک ابزار داشبورد، نمی‌توانید چنین جلسات تجزیه و تحلیل تعاملی داشته باشید، اما این نیز هدف آن‌ها نیست. هدف آن‌ها در واقع نظارت است، نه تجزیه و تحلیل.
بهتر است که ابزارهای فرآیندکاوی و داشبوردهای BI جداگانه نگهداری شوند، به این دلیل که الگوهای مختلفی را دنبال می‌کنند و اهداف متفاوتی را به اتمام می‌رسانند. این بدان معنی است که به طور معمول بخش BI حتماً نباید مسئولیت نوآوری‌های فرآیندکاوی را در شرکت شما داشته باشد (برخلاف نقش فعال آن‌ها در حمایت از پروژه‌های تجزیه و تحلیل فرآیند در شرکت)، زیرا فرآیندکاوی پروژه IT است و تفاوت بسیاری با تنظیم داشبورد و گزارش مطابق با الزامات واحدهای کسب و کار دارد. این یعنی فرآیندکاوی جایگزین ابزارهای داشبورد موجود در اغلب شرکت‌ها نخواهد بود.
ابزارهای فرآیندکاوی و داشبوردهای BI مکمل یکدیگر هستند و سناریوهای زیادی وجود دارد که می‌توانند با هم استفاده شوند. به عنوان مثال، اگر قصد راه‌اندازی یک محیط نظارتی جدید را دارید، فرآیندکاوی می‌تواند ورودی ارزشمندی را در مورد این‌که کدام KPI ها باید در آینده بررسی شوند و نقاط اندازه‌گیری باید در کجای داده قرار داده شود، ارائه دهد. یا اگر شما در حال حاضر یک ابزار BI دارید، ممکن است خود را در وضعیتی ببینید که برخی از KPI ها خارج از حد مجاز هستند. برای شناسایی علت اصلی این مشکل، شما اغلب باید به مرحله‌ی فرآیند بروید. یک تجزیه و تحلیل فرآیندکاوی می‌تواند به شما کمک کند تا فرآیند را در جزئیات بیشتر بررسی کرده و بفهمید چه اتفاقی در حال رخ دادن است.
2- ابزار مدل‌سازی فرآیند
با فرآیندکاوی، نقشه‌های فرآیند به صورت خودکار از اطلاعات تراکنش‌ها در سیستم‌های اطلاعات ایجاد می‌شوند. در مقابل، در یک ابزار مدل‌سازی فرآیند، نقشه فرآیند به صورت دستی کشیده می‌شود.
متخصصان مدیریت فرآیند کسب و کار (BPM) اغلب به نقشه‌برداری فرآیند کتابچه راهنمای کاربر مراجعه می‌کنند که از طریق کارگاه‌های کلاسیک و مصاحبه‌ها به عنوان کشف فرآیند ایجاد می‌شود. این کار در جایی که ساختار خودکار فرآیند براساس داده‌ی IT به عنوان کشف نامیده می‌شود، ممکن است برای افراد یادگیرنده‌ی فرآیندکاوی گیج‌کننده باشد. برای مدتی بعضی از مردم سعی داشتند از واژه “کشف خودکار فرآیند” استفاده کنند تا فرآیندکاوی را از روش سنتی نقشه‌برداری دستی فرآیند تمایز بخشند، اما این اصطلاح متداول نشد و در حال حاضر در اغلب موقعیت‌ها از فرآیندکاوی استفاده می‌شود.
فرآیندکاوی و مدل‌سازی فرآیند برای اهداف مختلف مورد استفاده قرار می‌گیرند. با یک ابزار مدل‌سازی فرآیند، وضع موجود فرآیند مشاهده شده، توضیح داده می‌شود و فرآیند مستند می‌شود. در این اسناد، اغلب ابعاد مختلفی در نظر گرفته می‌شوند. به عنوان مثال، مسئولیت‌ها و مرزهای واحدهای سازمانی از طریق “swim lanes” نشان داده می‌شوند. منطق تصمیم‌گیری در نقاط انتخاب این فرآیند می‌تواند از طریق قوانین تصمیم‌گیری و غیره اتخاذ گردد. اغلب فرآیندهای مستند شده پس از انتشار پورتال به بقیه شرکت‌ها منتشر می‌شوند. هدف این است درک مشترکی از فرآیندهای سازمان ایجاد کنید.
در حالی که فرآیندهای دستی مدل‌سازی یک نقطه مرجع برای فرآیند معمولی را ایجاد می‌کنند، برای مثال، برای کمک به توضیح به کارکنان جدید در مورد نحوه انجام این فرآیند، فرآیندکاوی بر اساس گزارش‌های تاریخی از سیستم‌های IT متوجه می‌شود که واقعاً چه اتفاقی می‌افتد. این وضع موجود فرآیند است که توسط فرآیندکاوی کشف شده است، و معمولاً بسیار پیچیده‌تر از آن است که در یک مدل‌سازی سنتی ثبت شود. با فرآیندکاوی، جزئیات بسیار بیشتر و تمام استثناهای کوچکی که در این فرآیند اتفاق افتاده است را مشاهده خواهید کرد. متوجه خواهید شد که به بسیاری از فرآیندها بیشتر از آنچه که فکر کنید اجازه‌ی آزادی و انعطاف‌پذیری داده شده است.
این امر لزوماً چیز بدی نیست. به عنوان مثال، بسیاری از فرآیندهای خدمات، فرآیندهای به شدت تخصصی هستند و به افراد این امکان را می‌دهد که کارشان را بهتر انجام دهند، به جای آن که آن‌ها را مجبور به یک مسیر واحد کند که نیمی از اوقات با مورد کارشان مطابقت نداشته باشد (یا منجر به کار در خارج از سیستم شود). هدف از فرآیندکاوی این است که به شما کمک کند به جای این که واقعیت پیچیده را مستند کنید، فقط روی فهمیدن آن تمرکز داشته باشید. شما قادر به حرکت می‌شوید و به تدریج آن پیچیدگی را شکست خواهید داد. با نگاهی به واقعیت فرآیند واقعی، فرآیندکاوی به شما کمک میکند بدانید که چه اتفاقی می‌افتد و برای پیشرفت بالقوه و حل مشکلات به مطابقت و تجزیه و تحلیل فرآیند بهبود بپردازید.
فرآیندکاوی و مدل‌سازی فرآیند، مکمل هم هستند. در حالی که نقشه‌های مستندشده‌ی فرآیند معمولاً به دنبال پوشش هر استثنائی نیستند، می‌توانند به شما اطلاعاتی ارزشمند در مورد چگونگی اجرای فرآیند ارائه دهند. در عوض، اگر سازمان شما هنوز فرآیندهای خود را ثبت نکرده است و شما قصد انجام این کار را دارید، می‌توانید فرآیندکاوی را در یک نقطه تجزیه و تحلیل و ساده کنید، جایی که بتوانید آن را به یک محیط مدل‌سازی فرآیند برای اسناد بیشتر export کنید.
3- متدولوژی جدید بهبود
یک متدولوژی در مورد چگونگی اجرای پروژه فرآیندکاوی وجود دارد، این کتاب راهنما به شما مفاهیم اساسی لازم جهت به کارگیری موفق فرآیندکاوی را آموزش خواهد داد. به عنوان مثال، شما باید بدانید که مشکلات کیفیت داده را چگونه می‌توانید بیابید، چگونه باید نتایج خود را از تجزیه و تحلیل فرآیندکاوی خود تفسیر کنید و از ابتدا چه سوالاتی می‌توانید بپرسید. اما فرآیندکاوی جایگزین هیچ یک از متدولوژی‌های بهبود فرآیند که ممکن است قبلاً استفاده کرده باشید نیست.
فرآیندکاوی می‌تواند برای بسیاری از موارد استفاده مختلف مورد استفاده قرار گیرد (به موارد استفاده فرآیندکاوی نگاه کنید). هر کدام از موارد استفاده، متد و رویه خاص خود را دارند. برای مثال، مسئول اجرای شش سیگما ناب ممکن است از چارچوب DMAIC برای اجرای پروژه‌های خود استفاده کند. و یک ممیز پروتکل‌ها و روش‌هایی که در تعلیمات ممیزی به او آموزش داده شده را دنبال کند. فرآیندکاوی جایگزین هیچ کدام از این روش‌ها نخواهد بود.
در عوض، فرآیندکاوی متناسب با این رویکردها مانند یک قطعه پازل عمل میکند. در حقیقت، همان‌طور که در تعلیمات شش سیگما ناب آموزش داده شده، شما اغلب به یک رویکرد جامع پروژه احتیاج دارید، تا تصمیم بگیرید که چگونه ایده‌های ممکن جهت بهبود را اولویت‌بندی کنید، با مقاومت در برابر تغییرات سروکار داشته باشید و چگونه بهبود فرآیند را به کار ببرید تا مزایای تجزیه و تحلیل‌های فرآیندکاوی خود را بفهمید. بنابراین، داشتن یک تحلیل‌گر سنتی کسب و کار در کنار کارشناس فرآیندکاوی در تیم‌تان می‌تواند مزیتی بزرگ به حساب آید.
فرآیندکاوی مکمل خوبی برای روش‌های موجود بهبود فرآیند است. این کار باعث می‌شود که اجرای یک تجزیه تحلیل بر روی وضع موجود، واقعی‌تر و دقیق‌تر از متدهای سنتی تجزیه و تحلیل پیاده‌سازی شود. اما جایگزین روش‌های کلی بهبود نخواهد شد. به عنوان بخشی از این سفر فرآیندکاوی‌تان، باید درباره مورد استفاده خود، چارچوبی که در حال حاضر از آن استفاده می‌کنید و نحوه‌ی گنجانده شدن فرآیندکاوی در رویکرد فعلی سازمان‌تان فکر کنید.
4- پروژه‌ی فناوری اطلاعات
برخلاف یک سیستم اطلاعات جدید یا ابزار BI، فرآیندکاوی نیازی به پیاده‌سازی پروژه ندارد. شما تنها با export داده می‌توانید کار خود را آغاز کنید.
به عنوان مثال، داشبوردهای BI، پروژه‌هایی برای IT هستند که در آن‌ها یک تنظیم‌کننده در بخش مربوطه، دیدگاه‌هایی را ایجاد میکند، که مصرف‌کنندگان هر روز می‌خواهند ببینند. یک فرآیند خاص به شیوه‌‌ای ثابت متصل شده است. در تنظیم این دیدگاه‌ها، تصمیمات زیادی گرفته شده که نیاز به درک دقیق داده و فرآیندهای اساسی دارند.
با یک ابزار فرآیندکاوی مانند دیسکو، چنین تمایزی بین تنظیم‌کننده و مصرفکننده وجود ندارد. تحلیل‌گر فرآیندکاوی مستقل و درکنترل کامل است. بخش IT، داده را برای شما استخراج میکند (به “الزامات داده” نگاه کنید). به محض این که داده را دریافت کردید، بلافاصله می‌توانید تجزیه و تحلیل فرآیند خود را بدون هیچ‌گونه مهارت برنامه‌نویسی یا فناوری اطلاعات شروع کنید. و هم‌چنین می‌توانید به “فرآیندکاوی از بسیاری دیدگاه‌های مختلف” نگاه کنید.
فرآیندکاوی یک پروژه IT نیست. فرآیندکاوی در حوزه خرید یک ابزار نیست و هنگام اجرا به صورت خودکار اجرا شده و گزارش‌هایی را تولید میکند. در عوض، یک دیسیپلین است که نیاز به زمان دارد تا به عنوان یک حوزه تخصص در سازمان ایجاد شود. شما نیاز به یک تحلیل‌گر انسانی برای تفسیر نتایج تجزیه و تحلیل فرآیندکاوی دارید، تا گزینه‌های بهبود در زمینه‌ی دانش دامنه را پیشنهاد دهید، و در واقع با این بینش‌هایی که منجر به مزایایی برای پروژه‌ی فرآیندکاوی‌تان می‌شود کاری انجام دهید.
ممکن است پروژه هایی در IT وجود داشته باشد که از نوآوری‌های فرآیندکاوی‌تان تولید شده باشند. به عنوان مثال، شما می‌توانید روش های ETL را به‌کار گیرید که داده‌‌تان را برای تجزیه و تحلیل‌های مکرر آماده و پیش-پردازش کند. هم‌چنین ممکن است به دلیل مشکلات کیفیتی داده‌ای که شناسایی کردید، تصمیم به بهبود زیرساخت‌های انبار داده‌ی تاریخی بگیرید. یا ممکن است درخواست کنید KPI جدیدی به محیط نظارت‌تان اضافه شود. اما خود فرآیندکاوی موضوع IT نیست، بلکه روشی برای مشاهده اطلاعات‌تان از دیدگاه فرآیند و به کمک ابزار فرآیندکاوی است.
5- ابزار داده‌کاوی، هوش مصنوعی یا یادگیری ماشین
به علت نام “فرآیندکاوی” افراد اغلب فکر می‌کنند که فرآیندکاوی یک منطقه فرعی از حیطه‌ی داده‌کاوی است. می‌توانید این‌گونه به فرآیندکاوی نگاه کنید، اما از لحاظ تاریخی، بخشی از زمینه تحقیقاتی داده‌کاوی نیست. در عوض، این موضوع از حیطه‌ی تحقیقاتی مدیریت فرآیند کسب و کار ظاهر شد.
این بدان معنا است که تکنیک‌های فرآیندکاوی در داده‌کاوی کلاسیک و ابزارهای آماری قابل مشاهده نیست. فرآیندکاوی تحلیل‌های بیشتری را ارائه می‌دهد و بر دیدگاه فرآیندی متمرکز می‌شود. اگر چه بعضی از رویکردهای داده‌کاوی و یادگیری ماشین الگوهای فرآیند را تجزیه و تحلیل می‌کنند، اما کشفی کامل و e2e برای فرآیند پیشنهاد نمی‌دهند. در عین حال، ابزارهای فرآیندکاوی جایگزین ابزارهایی برای داده‌کاوی نمی‌شوند.
در حالی که استفاده از داده‌کاوی نیاز به یک متخصص دارد که بتواند الگوریتم‌های مناسب را انتخاب کند، پارامترها را تنظیم کند و مدل‌هایی را برای مسئله‌ای خاص ایجاد کند، فرآیندکاوی یک ابزار کلی است که می‌تواند آموخته شود و با موفقیت توسط یک کارشناس فرآیند بدون مدرک دکترای علمی داده مورد استفاده قرار گیرد.
فرآیندکاوی و داده‌کاوی مکمل هم هستند و می‌توانند با هم مورد استفاده قرار گیرند. به عنوان مثال، اگر مجموعه داده‌‌تان فقط شامل یک فیلد متنی بدون ساختار است که توسط کارمندان با یادداشت ها و نظرات دلخواه پر شده، این فیلد به عنوان نام فعالیت برای تجزیه و تحلیل فرآیندکاوی مناسب نیست. شما می‌توانید از ابزارهای کاوش متن برای استخراج نام فعالیت‌های مشترک در یک گام قبل از پردازش استفاده کنید و پس از آن فرآیندکاوی را اعمال کنید. علاوه بر این، پس از این‌که از فرآیندکاوی برای کشف و تجسم مشکلات فرآیند استفاده کردید، می‌توانید از الگوریتم‌های داده‌کاوی مانند درخت‌های تصمیم‌گیری، برای شناسایی همبستگی‌های فیلدهای بنیادی داده یا برای ارائه‌ی پیش‌بینی استفاده کنید.
6- ابزار شبیه‌سازی
افرادی که انیمیشن فرآیند را می‌بینند گاهی فرآیندکاوی را با شبیه‌سازی اشتباه می‌گیرند. دلیل این است که بسیاری از ابزارهای مدل‌سازی و شبیه‌سازی فرآیند دارای قابلیت ایجاد خروجی نمایش هستند که جریان فرآیند را به صورت پویا تجسم کند، بنابراین به نظر می‌رسد مشابه باشند. اما انیمیشن در فرآیندکاوی متفاوت است، زیرا فرآیند واقعی که رخ داده است را مجدداً نمایش می‌دهد.
ابزارهای شبیه‌سازی معمولاً بر اساس مدل‌های دستی ساخته شده و برای نمایش سناریوهای مختلف “what-if” هستند. ایده این است که می‌خواهید گزینه‌های جایگزین بهبود فرآیند را قبل از آن‌که پول زیادی برای پیاده‌سازی آن در دنیای واقعی سرمایه‌گذاری کنید، در محیط شبیه‌سازی آزمایش کنید. با این حال، برای استفاده موفق از شبیه‌سازی، باید یک مدل خوب داشته باشید که جهان واقعی را به عنوان یک نقطه شروع بازتاب دهد. در غیر این صورت، تمام تحلیل‌هایی که در شبیه‌سازی انجام می‌دهید بی‌‌ارزش هستند. دشواری ارائه‌ی مدلی خوب برای شروع ممکن است یکی از دلایلی باشد که شبیه‌سازی (اگر چه ابزار شبیه‌سازی تجاری برای چندین دهه در دسترس بوده است) امروزه زیاد به کار گرفته نمی‌شود.
این واقعیت که شبیه‌سازی با یک مدل آغاز می‌شود، در حالیکه فرآیندکاوی با داده آغاز می‌شود، منجر به ایجاد دو مزیت فرآیندکاوی نسبت به شبیه‌سازی می‌شود:
1) سودمندی شبیه‌سازی به اعتبار مدل وابستگی شدیدی دارد. این بدان معنا است که تمام تأثیرات مربوط به رفتار فرآیند باید شناخته و در نظر گرفته شوند. برای فرآیندهای ساده و پایدار این کار ممکن است مفید باشد، اما برای بسیاری از فرآیندهای پیچیده، نزدیک به “مدل‌سازی کل جهان” می‌شود.
در فرآیندکاوی، لازم نیست گلوگاه‌ها و مشکلات از پیش شناخته شده باشند. آن‌ها می‌توانند بر اساس داده‌ی واقعی مشاهده و بررسی شوند. “چرا همیشه قبل از فعالیت X کارها روی هم جمع می‌شوند؟” علت اصلی ممکن است ریشه در ساختار انگیزشی، مشکلات افراد، حجم زیادی کار افراد و یا آب و هوا داشته باشد.
2) در شبیه‌سازی، همه چیز باید در یک مدل واحد مجسم شود. علاوه بر الزام “کامل بودن”، پیچیدگی را هم زیاد میکند، زیرا همیشه آسان‌تر است که جنبه‌های مختلف یک فرآیند را به صورت جداگانه مدل‌سازی کنیم تا این‌که تمام وابستگی‌ها را مدل کنیم.
در فرآیندکاوی، می‌توان چندین مدل برای دستیابی به بینش‌هایی درمورد دیدگاه‌های مختلف فرآیند (مانند جریان فرآیند، جریان سازمانی داده و غیره) ایجاد کرد. این مدل‌ها می‌توانند برای درک بهتر مشکل جداگانه و به مقدار لازم دقیق باشند.
فرآیندکاوی مکمل شبیه‌سازی است و می‌تواند به ایجاد مدل‌های بهتر شبیه‌سازی به عنوان نقطه شروع کمک کند. شما می‌توانید فرآیندکاوی را برای کشف جریان‌های واقعی به کار گیرید و از آن‌ها به عنوان مدل پایه‌ای در ابزار شبیه‌سازی استفاده کنید. فرآیندکاوی می‌تواند به شما در پرکردن پارامترها (زمان اجرا، زمان انتظار، سطح بهره‌برداری، توزیع موارد جدید وارد شده و …) در مدل شبیه‌سازی بر اساس اطلاعات واقعی کمک کند. با این حال، مدل‌سازی و در نتیجه شبیه‌سازی رفتار انسان سخت است. اگر می‌خواهید از شبیه‌سازی استفاده کنید، توصیه می‌کنیم “راهنمای کسب و کار شبیه‌سازی کسب و کار پروفسور ویل ون در آلست” را برای مرور کلی تحقیق در مورد آخرین پیشرفت‌های علمی در داده‌کاوی و شبیه‌سازی مطالعه کنید.
7- گلوله‌ای جادویی
هر زمان که تکنیکی جدید و هایپی مخصوص (هایپ یک استراتژی زیرکانه برای بازاریابی است، که در آن تبلیغ به عنوان چیزی معرفی می‌شود که هر فرد “باید” داشته باشد، تا همه نیاز به آن را حس کنند.) اطراف آن وجود داشته باشد، مردم در مورد کارایی‌های این تکنیک بیش از حد امیدوار می‌شوند.
مطمئناً، اولین باری که فرآیندکاوی را می‌بینید جادویی به نظر می‌رسد. فقط مقداری داده وارد می‌کنید، و این کار به طرز جادویی نقشه فرآیند را برای‌تان ایجاد میکند! این فوق العاده است، اما مهم این است که شما محدودیت‌های پروژه‌های خود را نیز درک کنید (و زمانی که فرآیندکاوی را برای دیگران توضیح می‌دهید انتظاراتتان را مدیریت کنید).
انتظارات غیرواقعی معمولاً در دو طرف فرآیندکاوی وجود دارد:
1- طرف ورودی: فرآیندکاوی به طور خودکار داده را از سیستم IT برای شما شناسایی و جمع‌آوری نمیکند.
گاهی اوقات افراد تصور می‌کنند که فرآیندکاوی از طریق سیستم IT به سمت آن‌ها می‌رود و به طور خودکار تمامی فرآیندهای پشتیبانی شده و داده‌ی مرتبط با این فرآیندها را پیدا میکند.
ولی فرآیندکاوی این نیست. شما نیاز به درک فرآیند و سیستم اطلاعاتی دارید تا اطلاعات را از آن به درستی استخراج کنید. فرآیندکاوی در دو مرحله اتفاق می‌افتد: مرحله اول در مورد استخراج داده و آماده‌سازی آن مرحله دوم در مورد تجزیه و تحلیل داده است. ابزار فرآیندکاوی تنها مرحله دوم یعنی مرحله تجزیه و تحلیل را پوشش می‌دهد.
2- طرف خروجی: فرآیندکاوی به طور خودکار بهبودها و پیشنهادات را برای فرآیند شما شناسایی نمیکند.
به همین خاطر این کار امکان پذیر نیست، زیرا شما برای تفسیر درست نتایج فرآیندکاوی، نیازمند درک دانش فرآیند و دامنه هستید. به عنوان مثال، یک الگوی حلقه در فرآیند، نشان‌دهنده‌ی تکرارهای بیش از حد است، که گاهی نشانه خوبی است و گاهی معنایی ندارد. فرآیندکاوی در واقع یک دیسیپلین است و تنها تحلیل‌گر فرآیند می‌تواند این تمایزها را ایجاد کند و اقدامات درست را از تحلیل انجام دهد.
این تصور که یک الگوریتم هوش مصنوعی بتواند این تصمیمات را برای شما بگیرد، یک توهم است. رهبران تفکری را که خودشان ادعای رهبری کرده‌اند و حالا قصد دارد تصمیم‌گیری را به طور کامل بر عهده‌ی نرم‌افزار بگذارند باور نکنید و درک خود را درمورد این‌که فرآیندکاوی چه می‌تواند انجام دهد و چه نمی‌تواند، توسعه دهید.
فقط برای بعضی از فرآیندها یا سیستم‌های IT
زیبایی فرآیندکاوی در این است که برای هر فرآیندی که بتوانید اطلاعات شناسه case، نام فعالیت و timestamp را در داده‌ی سیستم پشتیبانی IT مربوطه پیدا کنید، قابل به کار بردن است.
گاهی اوقات، افراد تصور می‌کنند که فرآیندکاوی تنها برای تجزیه و تحلیل سیستم‌های BPM یا ERP مورد استفاده قرار می‌گیرد، جاهایی که فرآیندها نسبتاً استاندارد هستند. اما موضوع این نیست. فرآیندکاوی می‌تواند به طور ویژه برای تجزیه و تحلیل سیستم‌هایی که دارای آگاهی‌های فرآیند نیستند، بسیار ارزشمند باشد، مانند جریان کلیک در یک وب‌سایت یا سیستم‌های میراثی.
در حقیقت، داده‌ی مربوط به انواع سیستم‌های زیر (و بسیاری دیگر) در گذشته با فرآیندکاوی تجزیه تحلیل شده‌اند: سیستم‌های گردش کار، سیستم‌های مدیریت خدمت فناوری اطلاعات (ITSM)، سیستم‌های مدیریت ارتباط با مشتری (CRM)، سیستم‌های برنامه‌ریزی منابع سازمانی (ERP)، سیستم‌های اجرایی ساخت (MES)، سیستم‌های مدیریت چرخه عمر محصول (PLM)، سیستم‌های مدیریت فرآیند کسب و کار (BPM)، سیستم‌های مدیریت انبار، سیستم‌های میراثی سفارشی، جریان کلیک وب‌سایت‌ها، نگاره‌های فنی مربوط به تماس‌های API، انبارهای داده، و غیره. حتی داده‌ای که در اکسل مستند شده یا به صورت دستی با اسکن بارکدها از یک قطعه کاغذ جمع‌آوری شده بودند، می‌توانند با فرآیندکاوی تحلیل شوند.
به طور معمول، سیستم IT داده را در یک “فایل نگاره‌ی” آماده شده ارائه نمی‌دهد. در عوض، شما باید داده را از بخش IT خود درخواست کنید. گاهی اوقات، داده در فرمتی که همان موقع ارائه می‌گردد قابل استفاده است؛ ولی گاهی اوقات این کار آسان نیست و نیاز به گام‌های اضافی آماده سازی داده داریم.
با این حال، هنگامی که شروع به جستجوی داده فرآیندکاوی می‌کنید، آن را در بسیاری از نقاط اطرافتان پیدا خواهید کرد!
بدون دیدگاه