Processen verbeteren begint met processen begrijpen. Daarom begint ieder automatiseringstraject met een gedegen procesanalyse. Maar ook de meest gedetailleerde analyse van een bedrijfsproces vertelt maar een deel van het verhaal. Met task mining, het analyseren van het werk dat lokaal op de computer van de medewerker gebeurt, vinden we de missing link tussen bedrijfsproces en dagelijks werk.
Als je binnen je organisatie aan het werk gaat om processen te verbeteren en te automatiseren, denk je waarschijnlijk aan bedrijfsprocessen. De workflows die zorgen dat de business binnenkomt, de klanten bediend worden en de facturen verstuurd. En door die te stroomlijnen en met RPA te automatiseren kun je heel veel winst boeken.
Maar er zijn nog meer processen binnen je bedrijf, op een heel ander niveau, die je veel minder goed kunt zien.
Denk eens aan een juridisch medewerker die ieder nieuw document altijd begint met het copy-pasten van de inhoudsopgave uit een modeldocument. Na al die jaren heeft ze zelf niet eens meer door dat ze dat drie keer per dag doet. En al haar collega’s blijken het ook te doen. En soms nemen ze de verkeerde versie, of gaan er dingen fout met knippen en plakken. Zaken die later weer gecorrigeerd moeten worden.
Dagelijks formulieren downloaden, om ze vervolgens aan te passen en in een andere app te uploaden. Je dag beginnen met het opzoeken van de planning in je inbox en het openen van de vijf applicaties die je de rest van de dag zult gebruiken. Het handmatig classificeren en aan teams toewijzen van binnengekomen berichten. Er zijn talloze verborgen taken, die mensen iedere dag doen zonder er nog bij na te denken.
Dit zijn de dingen die niet boven water komen in workshops, interviews of observatiesessies. Of die wel boven water komen, maar geen prioriteit krijgen omdat je nou eenmaal niet een heel iT-project gaat starten omdat onduidelijk blijft hoeveel tijd ze nou eigenlijk kosten.
Bij task mining kijkt een observatietool mee op de computer van een medewerker. Het programma bevat slimme technologie, zoals machine learning en tekst- en taalherkenning. Door te registreren welke apps gebruikt worden en welke weg data aflegt door die apps, kan het programma terugkerende patronen vinden die impact hebben op je bedrijfsprocessen. Je krijgt een duidelijk beeld van welke taken het meeste tijd kosten en welke taken het vaakst terugkomen. Deze ‘missende puzzelstukjes’ van je procesdata gebruik je dan om kandidaten te vinden voor verdere automatisering.
Process mining, de techniek waarbij we datastromen en systemen analyseren om niet-gedocumenteerd bedrijfsprocessen te ontdekken lijkt op task mining, maar richt zich op de data die zichtbaar is in je back-office. Om die bedrijfsprocessen te laten werken, en om de data in je systemen te krijgen, doen mensen lokaal op hun computer de hele dag allerlei dingen die je bij process mining niet ziet. E-mails openen, spreadsheets gebruiken, documenten aanpassen in Word... Allemaal dingen die voor process mining-algoritmes verborgen blijven. Maar vaak zijn het wel essentiële, steeds terugkerende onderdelen van een bedrijfsproces. Door data uit task mining en process mining te combineren, krijg je een zeer gedetailleerd beeld van je bedrijfsprocessen en zie je voor het eerst echt waar de tijd en energie van je mensen besteed worden, waar fouten gemaakt worden en waar je het meeste kunt bereiken met automatisering.
Zodra jij als werkgever software op de computers van je mensen gaat zetten die de hele dag bijhoudt wat ze precies doen, welke applicaties ze openen en waar ze op klikken krijg je veel weerstand. Task mining kan ervaren worden als ‘spy software’ die mensen in de gaten houdt en kijkt of ze wel hard of snel genoeg werken. Zo is task mining niet bedoeld. Het is belangrijk om daar open over te zijn en de medewerker niet alleen als databron, maar als partner in het proces te beschouwen. Uiteindelijk heb je ook de menselijke intelligentie van de medewerker nodig om uit te vinden waarom bepaalde dingen gedaan worden.
Uiteindelijk is het natuurlijk ook de medewerker die het meeste profijt heeft van de automatisering van terugkerende taken. Met de huidige ontwikkelingen in RPA en no-code development is de tijd ook niet meer ver weg dat de medewerker zelf met de data aan de gang gaat en een eigen ‘digitale collega’ maakt. In een nog iets verdere, hyperautomated toekomst analyseren we task mining-data niet meer handmatig, maar doet de software dat voor ons. Met de tools van UIPath is het nu al mogelijk om op basis van task mining data een lijst van automatiseringskandidaten, inclusief stroomschema’s, of zelfs een prototype te genereren. Deze functionaliteit zal de komende tijd alleen maar volwassener worden.
Zo komen we iedere dag een stapje dichter bij het definitieve afscheid van saai, herhalend en foutgevoelig werk en kunnen we ons, dankzij onze digitale collega’s, richten op de taken waar mensen voor bedoeld zijn.
Ik begrijp het
