Business Intelligence und Process Mining haben ein gemeinsames Ziel: Unternehmen dabei zu unterstützen, bessere, fundiertere datenbasierte Entscheidungen zu treffen. Trotz dieses gemeinsamen Ziels gibt es Unterschiede, insbesondere, wenn es um Ursachenanalysen geht. So kann BI sagen, „was“ schiefgelaufen ist, Process Mining, „warum“ es schiefgelaufen ist.
Was Business Intelligence (nicht) leisten kann
Der Begriff Business Intelligence (BI) wurde erstmals im Jahr 1865 von Richard Millar Devens verwendet, als er einen Banker zitierte, der Informationen schneller als seine Konkurrenten erfasste.1 BI wurde seit den 1990er immer beliebter, nutzt mittlerweile neueste Technologien wie Big-Data und bietet Echtzeitverarbeitung.
Marketingexperten verwenden BI beispielsweise, um einen Website-Traffic in Echtzeit zu überwachen und die Erkenntnisse für eine Verbesserung des ROI (Return on Investment) zu nutzen. Vertriebsteams nutzen BI, um Kunden zu identifizieren, die ein höheres Konversionspotenzial haben und daher besondere Aufmerksamkeit verdienen. Bei der Optimierung z. B. eines Order-to-Cash-Prozesses kann BI hingegen nur begrenzt unterstützen. BI-Tools haben geholfen, die Auswirkungen von Prozessineffizienzen auf die KPIs (Key Performance Indicators) zu erkennen – die entscheidende Fragestellung für den langhaltenden Erfolg ist jedoch, wie man mit diesen Ineffizienzen efektiv umgeht.
„Was“ und „Wann“ sind wichtige Erkenntnisse der Datenberichterstattung, aber es ist das „Warum“, das ein tieferes Verständnis der Ursachen liefert.
Ineffizienzen sind aufgrund von Komplexität und Expansion quasi unvermeidlich. Mit zunehmender Anzahl an Teams, Systemen und prozessbeteiligten Stakeholdern wird es ohne tiefe Fachkenntnis und eine solide Datenbasis praktisch unmöglich zu ermitteln, welches die eigentlichen Ursachen von komplexitätsbedingter Ineffizienzen und daraus resultierender Intransparenz sind.
Um ein Prozessproblem oder eine Ineffizienz zu beheben, muss man wissen
- woher das Problem kommt,
- was seine Ursachen sind,
- welchen Business Impact (finanziell und anderweitig) es verursacht,
- welche Parteien beteiligt sind und
- welche anderen Prozesse es betrifft.
Hier kommt Process Mining ins Spiel: Process Mining visualisiert Geschäftsprozesse so, wie sie tatsächlich ablaufen, und nicht, wie die Prozessbeteiligten glauben, dass sie ablaufen (sollten). Process Mining analysiert die Daten und Ereignisprotokolle von ERP-Plattformen und anderen Betriebssystemen, um Organisationen dabei zu helfen, in Echtzeit einen vollständigen Überblick über die Prozessleistung zu erhalten. So können Unternehmen detaillierte Analysen durchführen, um die Ursachen einer Prozessineffizienz aufzudecken.
Weitere Unterschiede zwischen BI und Process Mining sind:
- BI geht von „bekannten“ Prozessprobleme aus, unter der Annahme, dass Prozesse bekannt sind und wie beabsichtigt ablaufen. Unbekannte Prozessprobleme können nicht identifiziert werden. Process Mining nutzt Algorithmen, um die Ist-Prozesse anhand von Daten zu visualisieren. Das liefert eine Art Röntgenbild der Prozesse, ohne Annahmen und Bewertungen.
- BI eignet sich sehr gut für Überwachung und Berichtserstattung, Process Mining für Aufdeckung und Visualisierung.
Erst eine Bündelung der Stärken von BI und Process Mining ermöglicht es Unternehmen, die passenden Maßnahmen und Verbesserungen an den richtigen Stellen einzusetzen.
BI ist kein Ersatz für Process Mining, Process Mining ist eine sinnvolle Ergänzung für BI.
Abb. 1: Celonis Execution Management System mit 360° Datenintegration, Process Intelligence Engine und Action Flows helfen dabei, die Ineffizienzen in Echtzeit aufzudecken, Verbesserungsvorschläge zu generieren und via Automatisierungen auch umzusetzen.2
Und wie sieht die Zukunft aus?
Durch Process Mining wird ein Unternehmen in die Lage versetzt, Antworten zum „Warum“ zu bekommen. Somit können beispielsweise folgende Fragen beantwortet werden:
- Kann ich künftige Durchlauf- bzw. Wartezeiten vorhersagen, wenn beispielsweise eine Knappheit an bestimmten Rohstoffen vorausgesagt wird, um damit nicht nur meine Kunden frühzeitig zu informieren, sondern auch proaktiv Gegenmaßnahmen einzuleiten?
- Kann ich meinem Betrugspräventionsteam anhand von Machine Learning (ML) Hilfestellung anbieten, indem Anomalien in einem Prozess automatisch erkannt werden?
- Welche direkten Einflüsse hat eine Verzögerung im Produktionsprozess auf meinen Auslieferungsprozess? Kann ich dies mit Process Mining anhand von unterschiedlichen Merkmalen simulieren, ohne den Prozess im laufenden System zu ändern?3
- Wie steure ich mein Order-to-Cash-Prozess am effizientesten (und automatisiert) an, wenn sich die Lieferung des Produktionsmaterial verspätet?
Einige Anbieter arbeiten bereits seit längerem daran, Process Mining, Business Intelligence, Data Sciences, Machine Learning, Low-Code Analytics/Automation und Robotic Process Automation (RPA) sinnvoll zu verbinden und diese Disziplinen integriert in einer Lösung anzubieten. Prof. Will van der Aalst, einer der ersten Vordenker von Process Mining, nennt es die „Six Levels of Autonomous Process Execution Management“, angelehnt an die „SAE-Levels für autonomous driving“.4
Der integrierte Einsatz von Künstlicher Intelligenz (KI), Process Mining und Automatisierung kann einem Unternehmen riesige Vorsprünge verschaffen. Auch Sie können sich mit dem Process Mining-Ansatz Transparenz darüber verschaffen, wie Ihre Geschäftsprozesse wirklich ablaufen, und mit der Expertise von ConMendo die Antworten auf das „Warum“ finden. Wir begleiten Sie dabei, nicht nur die Ineffizienzen aufzudecken, sondern auch gemeinsam die Ursachen zu identifizieren und durch Prozessoptimierung und Automatisierung vorhandene Potenziale zu realisieren. Sprechen Sie uns gerne an und profitieren Sie von unserer langjährigen Erfahrung. Weitere Informationen:
ConMendo GmbH
Büro Berlin
Himanshu Sharma
Fon +49 151 – 276 55 884
E-Mail himanshu.sharma@conmendo.de
1 Quelle: https://www.ibm.com/de-de/topics/business-intelligence
2 Quelle: Celonis EMS
3 Ein fortschrittliches Simulationstool kann Was-wäre-wenn-Szenarien eines Ist-Prozesses ausführen, um automatisch ein Soll-Prozessmodell zu erstellen. Es kann auch ein Ereignisprotokoll mit simulierten Fällen basierend auf den realen historischen Daten generieren.
4 Quelle: 2204.11328.pdf (arxiv.org)