WE ARE HIRING! | JOBS @LANA LABS

Mit Daten den Prozessabweichungen auf den Grund gehen

Mit Daten den Prozessabweichungen auf den Grund gehen | Ursachenanalyse mit LANA Process Mining
October 8, 2018 Shirin

Einstieg in die Ursachenanalyse: Interpretation der Analyseergebnisse

Je größer ein Unternehmen, desto komplexer sind die Prozesse. Intransparenz ist scheinbar vorprogrammiert und die Kluft zwischen Vorstellung und Realität der Prozessumsetzung vergrößert sich. Unternehmen schöpfen das Prozesspotential nicht aus, da viele Schwachstellen unentdeckt bleiben.

Was hilft an dieser Stelle? Six Sigma? Lean-Management? Kontinuierliche Prozessverbesserung? Bekannte Methoden im Prozessmanagement – welche allerdings nicht in der Lage sind, das Kernproblem zu lösen: Intransparenz und unentdeckte Prozessschwachstellen. Process Mining ist die Lösung. Automatisierte datengetriebene Prozessanalyse, Transparenz und sofortige Identifizierung von Schwachstellen.

LANA Process Mining deckt Optimierungspotential auf, von Performance-Schwachstellen bis hin zu problematischen Prozessabweichungen. Das sind wichtige Erkenntnisse, die aber oftmals für das Ableiten konkreter Verbesserungsmaßnahmen nicht ausreichend sind. Für diesen Zweck haben wir die automatisierte Ursachenanalyse entwickelt.

Ursachenanalyse Einstieg | LANA Process Mining

Sie zeigt den Usern direkt die Problemursachen an, mit denen sie konkrete Ansatzpunkte zur Prozessoptimierung ableiten können. Die Ursachenanalyse identifiziert nicht nur Einflussfaktoren, die für eine bestimmte Abweichung verantwortlich sind. Sie stellt auch präzise Regeln dar, die explizit beschreiben, wann und warum das Problem aufgetreten ist.

Aber lasst uns von vorne beginnen. Ein User wählt eine Schwachstelle innerhalb des Prozesses für die Ursachenanalyse aus und definiert somit die Problemstellung. Beispielsweise eine Prozessabweichung, die anhand des automatisierten Soll-Ist-Abgleichs identifiziert wurde.

Ursachenanalyse Target Model | LANA Process Mining

Die Beispieldaten sind ein Extrakt aus dem Ticket-System eines Callcenters, das IT-Support für Kunden anbietet. Die Klassifikation gibt an, für welches System der Kunde Hilfe benötigt. Das Attribut “Country” definiert dabei den zugehörigen Standort des Callcenters.

Ursachenanalyse Daten | LANA Process Mining

Beispiel für eine vom Nutzer definierte Problemstellung. Eine Ursachenanalyse für alle Fälle, bei denen die Aktivität “Resolution and Recovery” übersprungen wurde.

 

Ursachenanalyse Fälle | LANA Process Mining

Wenn wir einen kurzen Blick auf die Resultate der Ursachenanalyse unseres Beispiels werfen, sehen wir neben der User-definierten Problemstellung, wie viele Fälle als “abweichend” kategorisiert sind. Hier sind es 365 von insgesamt 2.000 Fällen.

Der nächste Abschnitt listet die identifizierten Regeln auf. Unter “coverage of affected cases” wird angegeben, für wie viele der betroffenen Fälle diese spezifische Regel gilt. Anders formuliert: wie groß also der Anteil derjenigen Fälle mit der ausgewählten Abweichung ist, bei denen die entsprechende Regel gilt. Je höher der Prozentsatz, desto aussagekräftiger ist die Regel.

Ursachenanalyse Regel 1 | LANA Process Mining

 

Die erste Regel indiziert, dass bei allen 365 Fällen, bei denen die Aktivität “Resolution and Recovery” ausgelassen wurde, die Kosten über 6.124 Euro liegen. Sobald die Kosten bei einem Fall höher als 6.124 Euro sind, liegt also immer diese Prozessabweichung vor. Umgekehrt wird bei allen Fällen, deren Kosten unter 6.124 Euro liegen, die Aktivität “Resolution and Recoverynicht ausgelassen. Bei diesen Fällen kommt es also niemals zu dieser Prozessabweichung.

Letztere Aussage wird in der Spalte “Affected cases contained in rule” quantifiziert. Diese gibt Auskunft darüber, wie hoch der Anteil an tatsächlich betroffenen Fällen ist, auf welche diese Regel zutrifft. In diesem Fall ist der Anteil 100 Prozent.

 

Schauen wir uns dazu noch die zweite Regel an: Bei 328 von 365 Fällen, bei denen der Schritt “Resolution and Recovery” übersprungen wurde, entspricht die Klassifikation dem Attribut “Mail”. Das können wir anhand der beiden ersten Spalten ablesen.

Ursachenanalyse Regel 2 | LANA Process Mining

Nun zur dritten Spalte. Hier sehen wir alle Fälle mit der Klassifikation “Mail” aus dem gesamten Datensatz. Bei 54 Prozent dieser Fälle kommt diese Abweichung vor, d.h. die Aktivität “Resolution and Recovery” fehlt bei 54 Prozent der als “Mail” klassifizierten Fälle.

Diese Information ist auch für Prognosezwecke nützlich. Je höher dieser Prozentsatz ist, desto höher ist auch die Prognosefähigkeit der Regel. Das heißt, wenn bei einem beliebigen Geschäftsvorfall diese Regel gilt, dann ist die Wahrscheinlichkeit höher, dass die ausgewählte Prozessabweichung auftritt. Würden wir also einen beliebigen als “Mail” klassifizierten Fall auswählen, dann wird bei diesem Fall der Prozessschritt “Resolution and Recovery” mit einer 54-prozentigen Wahrscheinlichkeit übersprungen.

Ursachenanalyse Regeln | LANA Process Mining

 

Aber wie genau helfen diese Regeln dem User, Prozesse zu optimieren?

Wenn wir uns die Regeln praxisorientiert anschauen, dann erkennen wir zwei Muster. Erstens sind die verbundenen Kosten bei dieser Abweichung immer überdurchschnittlich hoch – mindestens über 30 Prozent. Die durchschnittlichen Kosten pro Fall liegen bei 4.268 Euro. Der User weiß somit, dass bei diesen Fällen Potential zur Kosteneinsparung vorliegt und Verbesserungsmaßnahmen sinnvoll sind. Zweitens kommen diese Prozessabweichungen meistens bei als “Mail” klassifizierten Fällen vor. Davon sind knapp zwei Drittel Deutschland und rund ein Drittel der Fälle der Niederlande zuzuordnen.

Somit hat der User insbesondere mit den letzten drei Regeln konkrete Anhaltspunkte. Das Support-Personal in Deutschland und den Niederlanden ist oftmals nicht in der Lage, eine Serviceleistung zu Problemen mit dem Mailsystem anzubieten. Der User kann jetzt in weiteren Analyseschritten prüfen, ob an diesen Standorten beispielsweise das Personal überlastet ist. Liegen keine logistischen Probleme vor, können andere Maßnahmen wie zum Beispiel Mitarbeiterschulungen in Betracht gezogen werden.

Kurzum: Die identifizierten Regeln gelten für eine signifikante Anzahl von Fällen und beschreiben die relevanten Ursachen von Schwachstellen. Jetzt wissen wir also, welche Ergebnisse uns die Ursachenanalyse liefert und wie wir diese interpretieren.

Klingt spannend? Wir haben noch viel mehr auf Lager!

In unserem kostenlosen Online-Kurs zu Process Mining lernst du nicht nur die Funktionsweise der Ursachenanalyse. Wir zeigen dir das gesamte Process-Mining-Paket: von der Datenextraktion bis zur Dashboard-Erstellung.