Van Big Data naar gestructureerd inzicht in bedrijfsprocessen

Dat Big Data als het nieuwe goud gezien wordt, dat weten we inmiddels wel. Maar hoe benut je Big Data in het kader van Business Process Management en welke toolset heb je nodig? Signavio is de nieuwste aanwinst op het gebied van Process Intelligence van softwarebedrijf SAP. In dit blog beschrijft myBrand hoe jouw organisatie via SAP Signavio het benodigde inzicht krijgt om bedrijfsprocessen te optimaliseren.

Big Data is overal

Bij veel organisaties is er sprake van grote hoeveelheden (on)gestructureerde data. Deze data wordt ook wel Big Data genoemd en komt uit verschillende automatiseringssystemen. Helaas is deze data niet vanzelf bruikbaar voor analyse doeleinden. Daardoor blijft de data vaak onbenut. Een van de manieren om data te benutten is het te gebruiken voor Process Mining, een middel om het verloop van bedrijfsprocessen in kaart te brengen.

Big Data als toegevoegde waarde voor Business Process Management

Doordat Process Mining het verloop van bedrijfsprocessen in kaart brengt, zorgt het voor inzicht in de uitvoering van bedrijfsprocessen in de praktijk. Process Mining is dan ook een belangrijk onderdeel van Business Process Management, de discipline die gericht is op het verbeteren en optimaliseren van bedrijfsprocessen. De Process Mining tool van SAP, genaamd Signavio Process Intelligence, helpt hierbij. Lees snel verder om erachter te komen hoe dat werkt.

Om de eerder genoemde Big Data te gebruiken voor Process Mining in Signavio, moet de data omgevormd worden naar een acitivity table. Een activity table voorziet in de benodigde informatie om tot een procesflow te komen. Deze table bevat ten minste de volgende drie onderdelen:

• De case: het onderwerp dat geanalyseerd moet worden, bijvoorbeeld een inkoopdocument
• De proces stap waarin de case gebruikt is
• Het moment waarop de proces stap uitgevoerd is

Van big data naar een activity table

Het omvormen van data naar een activity table door middel van Signavio werkt door het volgen van slechts drie stappen. Deze stappen zijn:

• 1. Connection: het maken van een verbinding naar de bron van de data
• 2. Data Extraction: extractie van de data (welke data en wanneer)
• 3. Modeling: het modelleren van de geëxtraheerde data

Een voorbeeld van deze stappen tref je in onderstaande afbeelding. In dit voorbeeld is ook zichtbaar hoe de verschillende lagen van elkaar afhankelijk zijn en de mogelijkheid bieden om data uit verschillende systemen te combineren.

Stap 1 Connection: het maken van een verbinding naar de bron van de data

Signavio biedt “out of the box” een aantal verbindingsmogelijkheden. Dit zijn standaard connectoren voor de meest bekende systemen. Zoals SAP, AWS en ServiceNow. Mocht het systeem geen directe verbindingsmogelijkheid hebben, dan is het ook mogelijk om de database direct te benaderen of om doormiddel van CSV bestanden data beschikbaar te stellen via bijvoorbeeld een AWS omgeving.  

Stap 2 Data Extraction: extractie van de data (welke data en wanneer)

Er is een integratie nodig om data op te halen van de bron. Per integratie kan worden aangegeven welke tabellen geraadpleegd moeten worden. Dat biedt veel mogelijkheden en vrijheid. Het is bijvoorbeeld mogelijk om filters te definiëren voor de extractie. En om gebruikers te anonimiseren zodat de veiligheid en privacy gewaarborgd blijft. Ook voor het inplannen van een integratie zijn veel opties beschikbaar. Hierdoor is het moment van de extractie flexibel in te richten. Daarnaast zijn er per verbinding meerdere integraties mogelijk. Een van de voordelen hiervan is bijvoorbeeld dat masterdata en proces gerelateerde data van elkaar te scheiden is.  

Stap 3 Modeling: het modelleren van de geëxtraheerde data

Zodra de integratie ingericht is kan de geëxtraheerde data gebruikt worden voor modellering naar de activity table en indien gewenst ook naar attributen.  

Voor het aanmaken van de activities en attributen biedt Signavio de mogelijkheid om dit per Business Object te definiëren. Daarbij komt dat de activities dankzij het gebruik van SQL volledig naar wens  te definiëren zijn. Dit betekent dat je zelf kunt kiezen welke activitites over het proces moeten worden opgeslagen en welke gegevens daarbij als attribuut relevant zijn. Zodat je precies die informatie kunt opslaan die nodig is voor het verkrijgen van het gewenste inzicht en voor het bereiken van de organisatiedoelstellingen. Dit alles wordt op een visueel aantrekkelijke en overzichtelijke manier gepresenteerd in Signavio, zodat je gelijk met de informatie aan de slag kunt.  

In onderstaande afbeelding zie je als voorbeeld een gedeeltelijke modellering van een Purchase to Pay (P2P) Process. In dit voorbeeld bestaat het proces uit één Business Object, namelijk een inkooporder. En uit twee proces stappen, het aanmaken van de inkooporder en het goedkeuren van de inkooporder. Relevante activities om te definiëren zijn bijvoorbeeld de datum waarop de inkooporder gecreëerd is en de datum waarop de inkooporder betaald is. Op basis hiervan kan je in kaart brengen wat de gemiddelde doorlooptijd is van een inkooporder en zien of aanpassingen in het proces leiden tot een grotere of kleinere doorlooptijd. Stel dat je als attribuut definieert bij welke productgroep de inkooporder hoort, dan kan je op basis daarvan in de vergelijking meenemen of de productgroep van invloed is op de gemiddelde doorlooptijd van de inkooporders in jouw organisatie. Dit soort toepassingen van Process Mining geven het inzicht dat van cruciaal belang is om bedrijfsprocessen te optimaliseren, kosten te verlagen en de tevredenheid van klanten en medewerkers te verhogen.

Aan de slag met jouw Big Data?

Benieuwd hoe myBrand je als gecertificeerd SAP Signavio partner kan helpen om de schat in jouw Big Data te ontdekken? En hoe Big Data en Process Mining helpen om jouw organisatiedoelstellingen te bereiken? Neem dan geheel vrijblijvend contact met ons op. Een afspraak is zo gemaakt.