Process Mining
L'équipe éditoriale IONOS
Le Process Mining est une technique de Data Mining s’appuyant sur l’analyse de fichiers journaux. Il s’agit d’une méthode de gestion des processus qui permet d’examiner les processus d’affaires et d’identifier des potentiels d’optimisation.
Qu’est-ce que le Process Mining ?
Le Process Mining regroupe les techniques du domaine du Business Process Management servant à analyser les processus d’affaires. Il s’agit de méthodes d’analyse de processus basées sur des données qui mettent l’accent sur l’analyse de journaux d’événements, des informations concernant les différentes étapes des processus enregistrées dans des systèmes informatiques. Les applications de Process Mining utilisent des algorithmes de Data Mining spécifiques sur les fichiers des journaux et les données de mouvement afin d’identifier des tendances et des modèles. L’objectif est de mieux comprendre les processus d’affaires concernés afin de les rendre plus efficaces.
Pour afficher cette vidéo, des cookies de tiers sont nécessaires. Vous pouvez consulter et modifier vos paramètres de cookies ici. Types de Process Mining
Dans le domaine de la recherche, le Process Mining est également appelé « Automated Business Process Discovery » (ABPD) et décrit les techniques servant à créer, évaluer et élargir les modèles de processus. Dans ce cadre, le manifeste de la Fouille de Procédé de l’IEEE Task Force on Process Mining distingue trois types de techniques de Process Mining :
- Discovery (identification) : les techniques de Process Mining du type « Discovery » sont utilisées pour identifier les processus et établir des modèles de processus.
- Conformance (contrôle de la conformité) : les techniques de Process Mining du type « Conformance » permettent d’évaluer la conformité des modèles de processus existants par rapport à des données actuelles.
- Enhancement (extension) : les techniques de Process Mining du type « Enhancement » sont utilisées pour élargir les modèles de processus existants.
L’IEEE Task Force on Process Mining est un groupe de recherche de l’Institute of Electrical and Electronics Engineers (IEEE) de l’Université de Technologie d’Eindhoven souhaitant favoriser le développement et la compréhension des technologies de Process Mining par le biais d’offres de recherche et de formation.
Quel est le fonctionnement du Process Mining ?
Le Process Mining associe des techniques issues des domaines du Data Mining et de la Computational Intelligence (CI) à la modélisation et à l’analyse des processus. Un processus est décrit comme une suite d’étapes opérationnelles logiquement reliées entre elles et pouvant être enregistrées en tant qu’événements.
L’ensemble des techniques de Process Mining s’appuient sur des données événementielles enregistrées dans des fichiers journaux qui présentent les événements dans un ordre chronologique et peuvent être attribués aussi bien à une étape qu’à une instance du processus.
Alors que le terme « processus » définit un processus opérationnel de façon générale au niveau de la planification, une « instance de processus » est le déroulement concret d’un processus. Les instances de processus peuvent être déterminées individuellement par des dimensions, telles que le temps, le lieu ou les personnes et les appareils concernés. On peut citer comme exemple de processus le traitement d’une demande d’assurance-vie par une compagnie d’assurance. Le traitement de cette demande d’assurance par Monsieur Martin constitue en revanche une instance du processus standard modélisé au préalable.
L’IEEE a défini un schéma standard pour chaque type de Process Mining.
Les techniques de Process Mining du type « Discovery » offrent des algorithmes d’identification du modèle permettant de déduire le modèle à partir de données de journaux d’événements existantes. Les informations enregistrées sous forme de fichiers journaux (log files) par les systèmes informatiques constituent ici la base de départ.
Le résultat de ce type de Process Mining est généralement un modèle de processus. Dans un processus de fabrication, un tel modèle peut par exemple être obtenu à partir des horodatages indiquant à quel moment un produit est passé par telle phase de fabrication.
Parmi les techniques de présentation usuelle pour les modèles de processus, on trouve :
- le BPMN (Business Process Model and Notation),
- les CPE (Chaînes de Processus Événementiels),
- les diagrammes de flux,
- le modèle HIPO,
- les ASC (Analyses de la Structure de Communication),
- les réseaux de Petri,
- les MOS (modèles d’Objets Sémantiques),
- l’UML (Unified Modeling Language),
- le BPEL (WS-Business Process Execution Language).
Les techniques de Process Mining ne se limitent pas nécessairement à la création, à la validation et à l’extension des modèles de processus. Elles permettent également de représenter des structures sociales, des organigrammes, des règles commerciales ou des directives.
Les techniques de Process Mining du type « Conformance » servent à la validation des modèles de processus. S’il existe déjà un modèle de processus, il est recommandé de le comparer régulièrement aux nouvelles données des journaux d’événements afin de s’assurer que le modèle corresponde à la documentation de processus réels. Dans ce cadre, on utilise des techniques de Process Mining permettant de comparer le modèle de processus existant avec des données événementielles actuelles afin de déterminer des différences entre le modèle et la réalité. Le résultat d’un tel contrôle de la conformité est un diagnostic permettant d’émettre des affirmations sur la qualité du modèle de processus. Un contrôle de la conformité peut aussi bien être utilisé sur des modèles de processus descriptifs que normatifs.
Les modèles descriptifs décrivent le déroulement réel des processus. Les modèles normatifs fournissent quant à eux des informations sur la façon dont un processus pourrait se dérouler dans l’idéal. On parle également de modèle réel et cible.
Les techniques de Process Mining du type « Enhancement » ou « Extension » ont pour objectif d’élargir et d’améliorer des modèles de processus déjà existants sur la base de nouvelles informations. Le résultat est un nouveau modèle de processus élargi.
Perspectives d’analyse
Le Process Mining couvre de nombreux aspects différents :
- perspective du flux de contrôle : un Process Mining portant sur le flux de contrôle vise à présenter la chronologie des activités au sein d’un processus sous forme de modèle de processus (par exemple sous la forme d’un réseau de Petri, d’un diagramme d’activité UML, ou d’un modèle CPE ou BPMN).
- perspective organisationnelle : un Process Mining avec une perspective organisationnelle met en évidence comment les personnes et les systèmes informatiques sont reliés les uns aux autres du fait de leur participation à un processus d’affaires. Il définit et compare des profils d’activité et des rôles. Le résultat d’une telle analyse est un réseau social permettant de visualiser le réseau de relations.
- perspective situationnelle : un Process Mining avec une perspective situationnelle sert à l’analyse d’instances de processus individuelles. Ces instances sont décrites et catégorisées en fonction de leurs propriétés. La classification est effectuée selon les valeurs de données enregistrées pour l’instance de processus concernée, par exemple en fonction des acteurs impliqués.
- perspective temporelle : un Process Mining avec une perspective temporelle passe en revue les moments absolu et relatif ainsi que la fréquence des événements. Pour ce type de Process Mining, il est indispensable que tous les journaux d’événements soient dotés d’un horodatage. Grâce à des analyses de ce type, il est possible de réaliser des simulations permettant de tirer des conclusions sur les modèles, les tendances et les obstacles dans le déroulement du processus. Il est ainsi possible d’identifier des engorgements dans la chaîne de processus.
Dans la pratique, le Process Mining est aujourd’hui avant tout utilisé pour identifier le flux de contrôle. L’accent est mis sur des techniques de Process Mining du type « Discovery » avec une perspective axée sur le flux de contrôle, qui permettent d’identifier la chronologie logique des différentes étapes du processus et de les comparer avec l’état cible souhaité.
Phases du Process Mining
L’IEEE a développé le modèle de cycle de vie L* pour servir de modèle de référence dans l’application des techniques de Process Mining. Ce modèle divise le déroulement des projets de Process Mining en cinq phases :
| Phase | Procédure | |
| 0 | Planification et classification | Dans le modèle de cycle de vie L*, les projets de Process Mining commencent par une phase de planification. Cette planification impose de répondre aux questions suivantes : - Quel processus est examiné ? - Quels événements sont importants ? - Quels indicateurs sont pertinents ? - Quels acteurs et systèmes informatiques y prennent part ? - Comment les données nécessaires sont-elles obtenues ? - Quels objectifs poursuit le projet de Process Mining ? |
| 1 | Extraction des données pertinentes | La phase de planification est suivie par l’extraction des données pertinentes à partir des systèmes informatiques mis à disposition : - fichiers journaux, - modèles, - etc. |
| 2 | Création du modèle de flux de contrôle | Lors de la 2e phase, un modèle de flux de contrôle est dérivé des données collectées et comparé avec les fichiers journaux. |
| 3 | Création d’un modèle intégré | Dans la mesure où la base des données est suffisante, le modèle créé lors de la 2e phase est étendu à d’autres perspectives lors de la 3e phase. |
| 4 | Assistance opérationnelle | La 4e phase comprend l’utilisation du modèle pour assister les processus opérationnels. |
Dans quelles situations le Process Mining est-il utilisé ?
Le Process Mining peut être utilisé dans tous les domaines où des informations détaillées sur les différentes étapes des processus d’affaires concernés sont collectées à l’aide de systèmes informatiques et enregistrées de façon durable. Il est par exemple adapté lorsque des entreprises :
- traitent des flux de travail à l’aide de systèmes de gestion de flux de travail,
- opèrent des transactions à l’aide de systèmes ERP,
- gèrent des demandes d’assistance via un système de tickets,
- garantissent la qualité de traitements médicaux via des parcours de traitement cliniques.
Le Process Mining convient ainsi à une utilisation dans le commerce de détail et l’OEM, dans le secteur bancaire, le développement, la distribution ou les assurances pour améliorer des processus d’affaires comme les processus de commande, les processus de fabrication ou les flux financiers.
Les principaux domaines d’application des techniques de Process Mining sont la gestion des flux de travail et la gestion des connaissances. Par ailleurs, les connaissances acquises via les projets de Process Mining peuvent être utilisées lors du développement de systèmes d’assistance.
De nombreuses entreprises ont recours à des technologies, comme des bases de données, des systèmes ERP ou des systèmes de gestion des connaissances pour sauvegarder leurs connaissances factuelles. En général, la connaissance des processus n’est pas traitée. Pour ce faire, le Process Mining s’appuie sur des méthodes permettant de rendre explicite une connaissance des processus implicite.
Les systèmes de gestion des flux de travail décrivent les processus d’affaires au niveau formel et automatisent la coordination et le contrôle des différentes étapes du processus. Le système fournit aux utilisateurs des interfaces utilisateur pour la communication ainsi que l’accès aux données et aux programmes. La gestion des flux de travail est basée sur des flux de travail modélisés permettant au système d’identifier les événements (par exemple la réception d’un document par email) et d’y réagir automatiquement. Cette automatisation est basée sur des modèles de processus pouvant être créés, contrôlés et étendus à l’aide de méthodes de Process Mining.
Avantages de la technologie de Process Mining
Les techniques de Process Mining peuvent être utilisées dans tous les domaines où les étapes individuelles des processus d’affaires sont enregistrées sous forme de journaux. Les algorithmes issus des domaines du Data Mining et de la Computational Intelligence permettent aujourd’hui d’analyser les données événementielles complexes et d’en déduire des connaissances sur la façon de concevoir les processus d’affaires de manière plus efficace et sûre.
Le haut degré d’automatisation du Process Mining le distingue des techniques classiques d’élaboration de modèles d’affaires. L’extraction d’informations portant sur des événements réels issus de l’activité opérationnelle permet aux méthodes de Process Mining de retranscrire une image fidèle des flux de processus. Comparé à des techniques manuelles, le Process Mining se démarque avant tout par sa rapidité et sa précision. De plus, avec le volume de données croissant que l’on connaît aujourd’hui, un traitement manuel n’est plus envisageable.
Les vastes fonctionnalités de visualisation constituent un autre avantage des applications de Process Mining professionnelles. Les modèles de processus sont présentés aux employés qualifiés et aux cadres de direction en fonction de leurs besoins sur des tableaux de bord interactifs permettant une visualisation dynamique des flux des processus et mettant parfois à disposition des outils d’analyse supplémentaires.
Exigences lors de l’implémentation
Les entreprises peuvent être confrontées à des difficultés en matière d’implémentation des techniques de Process Mining lorsque la base de données à analyser est disparate en raison d’une infrastructure informatique hétérogène. En l’absence d’une description homogène des événements, les fichiers journaux correspondants doivent tout d’abord être préparés. Cela entraîne un effort supplémentaire et dans certaines circonstances une altération des données, qui ne sont alors plus des données réelles à proprement parler.
Par ailleurs, les entreprises sont confrontées à des obstacles techniques lors de l’implémentation. Le recours au Data Mining s’avère uniquement efficace lorsque les applications concernées ont accès à tous les systèmes informatiques pertinents. Cela implique des interfaces adaptées et une configuration laborieuse des systèmes connectés, qui nécessitent généralement une collaboration étroite avec le fournisseur de l’application de Process Mining.
L’effort d’implémentation croît également lorsque les entreprises combinent des applications standard pour la gestion des processus opérationnels avec des outils développés en interne afin d’adapter les premières à leurs besoins individuels.
