Process Mining چیست؟ کشف مسیر واقعی انجام کار در سازمان

بیشتر سازمان‌ها تصور می‌کنند می‌دانند کارها چطور انجام می‌شوند؛ اما وقتی مسیر واقعی را کنار مسیر رسمی می‌گذارند، فاصله‌ها غافلگیرکننده‌اند: مراحلی که کسی نمی‌دانست وجود دارند، تأییدهایی که همیشه دور زده می‌شوند و زمان‌های انتظاری که هیچ‌کجا ثبت نشده‌اند. Process Mining یا فرآیندکاوی روشی است که به‌جای پرسیدن «کار چطور باید انجام شود؟»، از دادهٔ ثبت‌شده می‌پرسد «کار واقعاً چطور انجام می‌شود؟».

در این مقاله می‌بینید فرآیندکاوی دقیقاً چیست، با ابزارهای تحلیل و نقشه‌کشی فرآیند چه تفاوتی دارد، به چه داده‌ای نیاز دارد، سه کاربرد اصلی‌اش چیست و چطور می‌توان آن را در سطحی ساده‌تر و بدون ابزار سنگین هم شروع کرد.

Process Mining چیست؟ (پاسخ سریع)

Process Mining یا فرآیندکاوی، مجموعه‌ای از تکنیک‌ها برای تحلیل دادهٔ رویداد به‌قصد فهم و بهبود فرآیندهای عملیاتی است. این روش از لاگ‌های ثبت‌شدهٔ سیستم‌ها (مثل سیستم کار، ERP یا سامانهٔ درخواست‌ها) استفاده می‌کند و مسیر واقعی انجام کار را در قالب یک مدل قابل‌مشاهده بازمی‌سازد. فرآیندکاوی معمولاً بر پایهٔ داده‌ای بنا می‌شود که برای هر رکورد، «شناسهٔ مورد»، «فعالیت» و «زمان» را ثبت کرده است.

تفاوت فرآیندکاوی با نقشه‌کشی سنتی فرآیند چیست؟

روش سنتی، فرآیند را از طریق جلسه، مصاحبه و کارگاه طراحی می‌کند و به آنچه افراد به یاد می‌آورند یا مایل به گفتنش هستند تکیه دارد. فرآیندکاوی این کار را از داده انجام می‌دهد.

نکته مهم: فرآیندکاوی جای مصاحبه را نمی‌گیرد؛ با آن ترکیب می‌شود. داده می‌گوید «چه اتفاقی افتاده»، مصاحبه توضیح می‌دهد «چرا».

سه کاربرد اصلی فرآیندکاوی چیست؟

فرآیندکاوی در ادبیات فنی سه دستهٔ اصلی دارد:

1. کشف فرآیند (Process Discovery): بدون داشتن مدل از پیش، مسیر واقعی از داده استخراج می‌شود. خروجی معمولاً نموداری است که نشان می‌دهد کارها در عمل چطور جریان دارند.
2. بررسی انطباق (Conformance Checking): مسیر واقعی با مدل مورد انتظار مقایسه می‌شود تا انحراف‌ها و نقض قواعد (مثل اصل چهارچشم) آشکار شود.
3. بهبود عملکرد (Performance Analysis): مدل با اطلاعات زمان، هزینه و انتظار غنی می‌شود تا گلوگاه‌ها و اتلاف‌ها مشخص شوند.

فرآیندکاوی به چه داده‌ای نیاز دارد؟

فرآیندکاوی بدون دادهٔ مناسب ممکن نیست. حداقل سه جزء لازم است:

• شناسهٔ مورد (Case ID): یک شناسه که رکوردها را به یک نمونهٔ فرآیند وصل می‌کند؛ مثلاً شمارهٔ درخواست.
• فعالیت (Activity): توضیح رویدادی که رخ داده؛ مثلاً «ثبت»، «تأیید»، «ارسال».
• زمان (Timestamp): لحظهٔ وقوع رویداد.

به‌علاوه، داده‌هایی مثل منبع (چه کسی انجام داد)، هزینه و ویژگی‌های دیگر، تحلیل را غنی‌تر می‌کنند. استانداردی مثل XES برای تبادل این داده‌ها وجود دارد.

چرا کیفیت داده، بزرگ‌ترین محدودیت فرآیندکاوی است؟

اگر دادهٔ ورودی ناقص یا ناهمگون باشد، خروجی فرآیندکاوی گمراه‌کننده می‌شود. مشکلات رایج:

• نبود زمان دقیق: بدون مهر زمانی، محاسبهٔ انتظار و زمان چرخه ممکن نیست.
• شناسهٔ ناهمگون: اگر یک درخواست چند شناسه داشته باشد، مسیرها تکه‌تکه می‌شوند.
• فعالیت‌های ثبت‌نشده: کارهایی که خارج از سیستم انجام می‌شوند، در داده دیده نمی‌شوند.
• دادهٔ تکراری یا دستی: ورود دستی، خطا و ناهماهنگی ایجاد می‌کند.

پاسخ کوتاه: قبل از هر تحلیل، داده را پاک‌سازی، یکسان‌سازی و از نظر کامل‌بودن بررسی کنید؛ این گام معمولاً بیشترین زمان پروژه را می‌گیرد.

فرآیندکاوی را چطور شروع کنیم؟

شروع لازم نیست با ابزار سنگین باشد. یک مسیر سبک:

1. یک فرآیند پرتکرار و پر دردسر انتخاب کنید. مثلاً رسیدگی به درخواست یا تأیید قرارداد.
2. داده‌اش را جمع کنید. از سیستم موجود، رویدادها را با شناسه، فعالیت و زمان استخراج کنید.
3. مسیر واقعی را ترسیم کنید. حتی با یک جدول ساده می‌توان مسیرهای پرتکرار را شمرد.
4. مسیرهای انحرافی را بشمارید. ببینید چه درصدی از موارد از مسیر اصلی خارج شده‌اند.
5. گلوگاه را پیدا کنید. کدام گام بیشترین انتظار یا بازگشت را ایجاد می‌کند؟
6. یک تغییر کوچک اعمال کنید و دوباره بسنجید. اثر را با همان دادهٔ اولیه مقایسه کنید.

مثال‌های واقعی و قابل‌اندازه‌گیری

• فرآیند تأیید درخواست خرید: تحلیل داده نشان داد ۳۸٪ درخواست‌ها یک بار به‌خاطر ناقص‌بودن اطلاعات برمی‌گردند و میانگین زمان تأیید ۴.۵ روز است. با اصلاح قالب ورودی، موارد برگشتی به ۱۵٪ و زمان تأیید به ۲.۸ روز رسید.
• رسیدگی به تیکت پشتیبانی: فرآیندکاوی نشان داد بیشترین اتلاف در «انتظار تخصیص» است، نه در حل. با تغییر قاعدهٔ تخصیص، زمان انتظار به‌طور محسوسی کم شد و زمان کل پاسخ بهتر شد.
• فرآیند تسویهٔ فاکتور: معلوم شد ۲۲٪ فاکتورها از مسیر استاندارد خارج می‌شوند و یک تأیید اضافه می‌گیرند که هیچ قانونی آن را الزام نکرده است؛ حذف این تأیید، زمان چرخه را کوتاه کرد.
• ورود سفارش در شرکت خدماتی: تحلیل نشان داد ۵ مسیر متفاوت برای یک نوع سفارش وجود دارد. با یکسان‌سازی دو مسیر اصلی، نرخ خطای ورود داده کاهش یافت.

فرآیندکاوی را در ۳۰ روز چطور شروع کنیم؟

پاسخ کوتاه: با انتخاب یک فرآیند پرتکرار با دادهٔ نسبتاً خوب، آماده‌سازی داده، ترسیم مسیرهای واقعی، شناسایی گلوگاه و اعمال یک بهبود قابل‌سنجش؛ بدون نیاز به ابزار سنگین در گام نخست.

یک برنامهٔ چهارهفته‌ای برای شروع سبک:

هفتهٔ اول، بیشترین زمان صرف آماده‌سازی داده می‌شود؛ این طبیعی است. مطمئن شوید هر رکورد یک شناسهٔ مورد، یک فعالیت و یک زمان دارد. اگر فعالیت‌های مهم خارج از سیستم ثبت می‌شوند، از قبل بپذیرید که در تصویر دیده نمی‌شوند.

هفتهٔ دوم، بدون ابزار تخصصی هم می‌توانید مسیرها را بشمارید. با یک جدول ساده، توالی فعالیت‌ها را برای هر مورد بسازید و مسیرهای تکرارشونده را دسته‌بندی کنید. خروجی شما یک فهرست است: چه درصدی از موارد مسیر اصلی را می‌روند و چه درصدی منحرف می‌شوند.

هفتهٔ سوم، به جای غرق‌شدن در همهٔ جزئیات، روی سه چیز تمرکز کنید: پرتکرارترین مسیر منحرف، گامی با بیشترین زمان انتظار و بیشترین بازگشت. این سه، معمولاً بیشترین بهبود را می‌سازند.

هفتهٔ چهارم، یک تغییر کوچک اعمال کنید و دوباره بسنجید. حتی اگر ابزار پیشرفته‌ای ندارید، همان جدول اولیه برای مقایسه کافی است.

مثال عددی: فرض کنید فرآیندی ماهانه ۵۰۰ مورد دارد و ۳۰٪ آن‌ها مسیر منحرفِ طولانی‌تری طی می‌کنند. اگر هر انحراف ۲۰ دقیقه اضافه ایجاد کند، ماهانه حدود ۵۰ ساعت هدر می‌شود. اگر با یک اصلاح ساده نرخ انحراف به ۱۸٪ برسد، حدود ۲۰ ساعت در ماه آزاد می‌شود. همین دو عدد، ارزش پروژه را بدون هیچ ادعای بزرگ نشان می‌دهد.

اشتباه رایج: شروع از پیچیده‌ترین فرآیند، انتظار تصویر کامل و تحلیل بدون اقدام. برای پروژهٔ اول، سادگی و قابلیت تکرار مهم‌تر از جامعیت است.

فرآیندکاوی را چطور به عادت سازمانی تبدیل کنیم؟ یک تحلیل یک‌باره کافی نیست. برای اثر پایدار، مسیرهای واقعی را دوره‌به‌دوره دوباره بسنجید، تغییرات را با همان دادهٔ اولیه مقایسه کنید و گلوگاه‌های جدید را در جریان برنامه‌ریزی لحاظ کنید. اگر شناسه، فعالیت و زمان به‌صورت منظم ثبت شوند، هر بازبینی فقط چند ساعت زمان می‌برد و بهبود به یک چرخهٔ مستمر تبدیل می‌شود؛ در غیر این صورت، تحلیل اولیه به‌سرعت به یک گزارش تاریخی تبدیل خواهد شد.

مزایا، معایب و Trade-off

Trade-off اصلی: هرچه داده دقیق‌تر و کامل‌تر باشد، تحلیل قابل‌اتکاتر است؛ اما جمع‌آوری و پاک‌سازی آن هزینه دارد. برای شروع، یک فرآیند با دادهٔ نسبتاً خوب انتخاب کنید تا نسبت ارزش به هزینه بالا بماند.

اشتباهات رایج

1. شروع از دادهٔ بد: تلاش برای تحلیل روی دادهٔ ناقص، نتیجهٔ اشتباه می‌دهد.
2. انتظار تصویر کامل: کارهای خارج از سیستم در داده دیده نمی‌شوند؛ این محدودیت را بپذیرید.
3. تمرکز روی همهٔ مسیرها: به‌جای هدف‌گیری مسیرهای پرتکرار و پراثر، در جزئیات غرق می‌شوید.
4. تحلیل بدون اقدام: گزارش زیبا بدون تغییر واقعی، ارزشی تولید نمی‌کند.
5. نادیده‌گرفتن قضاوت انسانی: داده می‌گوید «چه شد»، نه «چرا»؛ بدون مصاحبه، تفسیر ناقص می‌ماند.
6. ابزارمحوری زودهنگام: قبل از روشن‌بودن سؤال، ابزار سنگین خریدن، اتلاف است.
7. نبود سنجش دوباره: بدون مقایسهٔ پیش و پس، اثر بهبود معلوم نمی‌شود.

نکات کاربردی

• نکته مهم: از یک فرآیند با دادهٔ نسبتاً خوب و دردسر بالا شروع کنید؛ نه از پیچیده‌ترین فرآیند.
• ترفند کاربردی: حتی بدون ابزار تخصصی، با یک جدول «شناسه، فعالیت، زمان» می‌توانید مسیرهای پرتکرار را بشمارید.
• اشتباه رایج: باور به اینکه فرآیندکاوی جای مصاحبه را می‌گیرد؛ این دو مکمل‌اند.
• قبل از شروع این را بدانید: اگر سه جزء شناسه، فعالیت و زمان را ثبت نمی‌کنید، اول ثبت را راه بیندازید، بعد سراغ تحلیل بروید.

دوایتفای و فرآیندکاوی

فرآیندکاوی به داده‌ای نیاز دارد که بگوید هر کار چه‌وقت، توسط چه کسی و در چه مرحله‌ای بوده است. دوایتفای یک پلتفرم جامع مدیریت پروژه، مدیریت تیم و رسیدن به اهداف است که وضعیت، مسئول، ددلاین و تاریخچهٔ تسک‌ها را در یک محیط یکپارچه نگه می‌دارد؛ همین دادهٔ ساختاریافته، مبنای ساده‌ای برای دیدن مسیر واقعی کار فراهم می‌کند. با گزارش‌های کاری، کنترل کیفیت (QC)، وابستگی‌های WBS و اتوماسیون می‌توان انحراف‌ها و گلوگاه‌ها را رصد کرد، و Doitify Copilot و AI Coach می‌توانند در ساخت و مدیریت تسک‌ها و گزارش‌ها کمک کنند. دوایتفای محصول ماست و امکاناتش را از نزدیک می‌شناسیم؛ بااین‌حال برای فرآیندکاوی در مقیاس سازمانی و روی دادهٔ چندسیستمی، ممکن است به ابزارهای تحلیلی تخصصی هم نیاز باشد.

جمع‌بندی

فرآیندکاوی یعنی کنار گذاشتن فرض «می‌دانیم کار چطور انجام می‌شود» و دیدن مسیر واقعی از دل داده. سه کاربرد اصلی آن کشف، بررسی انطباق و بهبود عملکرد است و شرط اصلی‌اش داده‌ای با شناسه، فعالیت و زمان. برای شروع، یک فرآیند پرتکرار با دادهٔ نسبتاً خوب انتخاب کنید، مسیرهای واقعی و انحراف‌ها را بشمارید، گلوگاه را پیدا کنید و یک تغییر کوچک را دوباره بسنجید. فرآیندکاوی جای قضاوت انسانی را نمی‌گیرد؛ آن را با شواهد تقویت می‌کند.

اگر موضوع Process Mining برایتان مفید بود، پیشنهاد می‌کنیم چگونه اولویت‌ بندی مؤثر انجام دهیم؟ و چگونه از Notion برای مدیریت پروژه استفاده کنیم؟ آموزش کامل، قدم‌به‌قدم و کاملاً عملی را هم بخوانید.