Du Process Mining à la Process Intelligence

Comment optimiser les processus et maîtriser les risques ?

Connaître ses processus pour mieux les optimiser et maîtriser les risques.

Qu'est-ce que le Process Mining ?

Alors qu’on estime que le volume de données disponibles augmente de 40% par an, ces dernières sont une source d’informations stratégiques pour votre entreprise. Désormais, il n’est plus question de chercher où trouver des informations, mais bien de parvenir à identifier celles qui seront pertinentes et utiles dans cet océan de données disponibles. Chaque application (CRM, ERP, applications métier…) dispose d’un journal d’enregistrement d’événements ou actions réalisées. Le Process Mining est l’analyse des données du déroulement réel des processus d’une entreprise, afin d’en optimiser leur performance. En collectant ou extrayant les données (data mining) provenant de ces enregistrements, le Process Mining crée un modèle qui reflète avec précision l'exécution d'un processus. L’analyse des modèles ainsi créés permet de comprendre les processus en œuvre et de découvrir d’éventuelles déviations par rapport au parcours optimal et enfin d’en rechercher les causes.

 

À partir du moment où un processus est outillé, la démarche de Process Mining prend tout son sens pour l’analyser et l’optimiser."

Jean-Pierre HOTTIN, Associé Gestion des risques, PwC France et Maghreb

 

Les domaines d’application sont multiples : dans l’industrie bancaire, le Process Mining permet par exemple l’analyse du processus d’octroi de crédit. Le domaine des achats, notamment dans le cadre de la réglementation des délais de paiement, se prête tout particulièrement à une analyse de Process Mining pour comprendre les transactions, analyser les commandes, piloter les fournisseurs et in fine réduire les délais de paiement. De manière générale, le Process Mining peut être mis en place dans toutes les industries et est particulièrement demandé dans le cadre des initiatives de transformation et de standardisation.

 

Qu'apporte le Process Mining ?

Alors que les processus étaient auparavant modélisés via des entretiens avec les différents acteurs et s’appuyaient sur la lecture de manuels, ces analyses étaient chronophages et source d’erreurs. Par ailleurs, en se basant sur les seules déclarations des acteurs concernés, et non sur une analyse exhaustive du réel, les processus étaient analysés de manière subjective et n’étaient donc pas optimisés dans leur entièreté. Grâce au Process Mining, la démarche est automatisée et généralisée, et donne une vision plus précise des optimisations possibles. Aussi, cette démarche qui place la donnée au cœur de l’analyse permet de prendre des décisions plus précises et plus rapides. Par ailleurs, vous visualisez en un coup d'œil les écarts entre le modèle et le fonctionnement réel de vos processus. Vos gains de performances sont alors plus facilement identifiables et mesurables. Enfin, vous augmentez l’automatisation des processus, gagnant ainsi en productivité.

Le Process Mining représente une avancée très importante en matière d’analyse et d’optimisation des processus par rapport à une approche manuelle.

En résumé, vous accélérez la transformation numérique de votre fonction et vous gagnez en productivité tout en réduisant les risques de conformité. Vous réalisez ainsi de réelles économies.

Toutefois, pour transformer la démarche de Process Mining en Process Intelligence, il convient d’aller encore plus loin.

 

Comment transformer la démarche de Process Mining en Process Intelligence ?

 

1- Identifier les causes profondes des déviations de processus

Alors que les processus traditionnels de Process Mining identifient des problèmes relativement simples liés aux processus, la Process Intelligence va plus loin en soulignant des causes plus profondes (root causes). En définissant un parcours idéal dans un environnement d’excellence opérationnelle, et en comparant les parcours les plus utilisés avec les parcours attendus, la Process Intelligence met en lumière les frictions dans le processus (activités manuelles, aller-retours, goulots d’étranglement, déviation au processus nominal), et permet une résolution plus rapide.

 

2- Analyser des processus plus complexes

Alors que l’analyse traditionnelle de Process Mining est efficace lorsqu’il s’agit d’évaluer des processus relativement simples, elle trouve ses limites quand les processus se complexifient, et présentent un nombre important de variations. Aussi, des processus d’approbation trop complexes engendrent des risques additionnels qu’ils soient opérationnels (délais de traitement générant des pertes d’opportunités) ou réglementaires (non-respect des délais de règlements ou contournement de contrôles critiques). Dans ce cas, l’approche de Process Intelligence va aider à les analyser et les optimiser.

 

3- Produire une analyse en temps réel

Grâce à l’analyse en temps réel des processus et des déviations, la Process Intelligence va plus loin que le Process Mining traditionnel qui se limite à l’analyse des données passées. Si l’approche traditionnelle permet une bonne compréhension de ce qui a fonctionné et des lacunes passées, elle présente des limites quand il s’agit de proposer des solutions d’optimisation pour le futur. L’analyse en temps réel permet d’entrer dans une démarche d’amélioration continue, prédictive et viser l’excellence opérationnelle.

Avec l’adoption d’un outil de Process Intelligence, vous équipez votre organisation d’un formidable atout pour atteindre l’excellence opérationnelle, vous gagnez en efficacité et en conformité. Vous ouvrez alors un champ de possibles et identifiez de nouvelles opportunités d’optimisation : par exemple, la RPA (Robotic Process Automation) pour automatiser les processus identifiés et corrigés grâce à la Process Intelligence ou la conversion à des systèmes type SAP S4/Hana.