Process Mining: Cara Menemukan Bagaimana Proses Anda Benar-Benar Berjalan

Process mining adalah teknik yang menggunakan data event-log dari sistem IT Anda untuk secara otomatis merekonstruksi, memvisualisasikan, dan menganalisis bagaimana sebuah proses bisnis benar-benar berjalan, bukan bagaimana Anda mengira proses itu berjalan. Jika Anda pernah mendokumentasikan sebuah proses dalam sebuah workshop lalu menemukan bahwa alur kerja sebenarnya sama sekali tidak seperti diagram tersebut, process mining adalah alat yang menutup celah itu.

Apa itu process mining?

Process mining adalah disiplin berbasis data yang mengekstraksi bukti tentang perilaku proses nyata dari jejak digital yang tertinggal dalam sistem IT seperti ERP, CRM, helpdesk, atau platform manajemen pesanan. Setiap kali seorang karyawan membuat purchase order, menyelesaikan tiket, atau menggerakkan sebuah deal melalui pipeline, sistem mencatat rekaman dengan timestamp. Process mining mengumpulkan rekaman-rekaman tersebut, menghubungkannya menjadi urutan berdasarkan kasus, dan menghasilkan model visual dari setiap jalur yang benar-benar dilalui proses tersebut.

Hasilnya bukan diagram yang digambar seseorang dalam workshop. Ini adalah peta yang dihitung dari jutaan transaksi nyata, menunjukkan setiap loop, jalan pintas, dan penyimpangan yang terjadi dalam praktik. Varian adalah jalur-jalur berbeda yang dilalui kasus-kasus melalui proses tersebut. Konformansi mengukur seberapa dekat varian-varian tersebut cocok dengan desain yang Anda maksudkan. Hambatan muncul sebagai node atau transisi tempat kasus-kasus menumpuk menunggu.

Tiga istilah yang terus-menerus muncul dalam process mining:

• Event log: kumpulan data terstruktur yang diekstraksi dari sebuah sistem, berisi satu baris per aktivitas per kasus.
• Case (kasus): satu instansi tunggal dari sebuah proses, seperti satu faktur, satu tiket layanan, atau satu pesanan pelanggan.
• Trace: urutan aktivitas yang berurutan untuk satu kasus dari awal hingga akhir.

Fakta utama

• Gartner menyebut process mining sebagai salah satu tren teknologi strategis teratasnya dan memperkirakan pasarnya akan mencapai 5,3 miliar dolar AS pada 2027, tumbuh lebih dari 40% per tahun.
• Menurut riset Celonis, lebih dari 80% transaksi bisnis berjalan melalui SAP atau sistem ERP serupa, yang berarti sebagian besar organisasi besar sudah memiliki data event mentah yang mereka butuhkan untuk memulai.
• Survei Forrester tahun 2023 menemukan bahwa organisasi yang menggunakan process mining melaporkan rata-rata pengurangan 15% dalam waktu siklus proses pada tahun pertama.

Process mining vs pemetaan proses manual

Sebagian besar inisiatif perbaikan proses dimulai dengan cara yang sama: kumpulkan sekelompok subject matter expert, jalankan workshop, dan gambar diagram tentang bagaimana proses seharusnya berjalan. Pemetaan proses bisnis dan BPMN adalah dua pendekatan paling umum untuk pekerjaan manual tersebut. Keduanya berharga untuk mengomunikasikan desain yang dimaksudkan dan untuk melatih staf baru. Tetapi keduanya memiliki keterbatasan struktural: mereka menangkap apa yang diyakini peserta terjadi, tersaring melalui ingatan dan politik organisasi.

Process mining mengambil pendekatan sebaliknya. Alih-alih bertanya kepada orang, ia membaca sistemnya.

Kedua pendekatan ini bekerja dengan baik bersama-sama. Gunakan pemetaan manual untuk mendefinisikan desain proses yang dimaksudkan, lalu gunakan process mining untuk mengukur seberapa jauh kenyataan telah bergeser dari desain tersebut. Jika Anda belum mendokumentasikan desain yang dimaksudkan, baca terlebih dahulu panduan pemetaan proses bisnis.

3 jenis process mining

Discovery sering menjadi titik awal organisasi, karena mereka tidak memiliki model referensi yang andal untuk dibandingkan. Conformance checking menjadi krusial untuk industri yang diatur ketat di mana auditor memerlukan bukti bahwa kontrol telah dipatuhi. Enhancement adalah tempat sebagian besar pekerjaan perbaikan berkelanjutan terjadi setelah peta proses stabil.

Cara kerja process mining

Langkah 1: Identifikasi proses dan sistem sumbernya

Pilih satu proses end-to-end dengan peristiwa awal dan akhir yang jelas, seperti "permintaan pembelian hingga pembayaran" atau "tiket dibuka hingga tiket ditutup". Identifikasi sistem mana yang menyimpan rekaman untuk proses tersebut. Di sebagian besar organisasi, ini adalah ERP seperti SAP atau Oracle, CRM seperti Salesforce, atau alat ITSM seperti ServiceNow.

Langkah 2: Ekstraksi event log

Ekspor atau query sistem untuk menghasilkan tabel terstruktur dengan minimal tiga kolom: case ID (pengenal unik untuk setiap instansi proses), nama aktivitas (apa yang terjadi), dan timestamp (kapan itu terjadi). Sebagian besar analisis juga menyertakan kolom resource (siapa atau apa yang melakukan aktivitas tersebut). Semakin kaya log tersebut, semakin banyak yang dapat dijelaskan oleh analisisnya.

Langkah 3: Muat log ke dalam alat process mining

Impor event log ke dalam alat seperti Celonis, ProM, Minit, atau UiPath Process Mining. Alat tersebut mengelompokkan baris berdasarkan case ID, mengurutkan aktivitas berdasarkan timestamp dalam setiap kasus, dan menyusun trace untuk setiap kasus. Alat itu kemudian menerapkan algoritma discovery untuk menghitung urutan aktivitas mana yang paling sering terjadi, menghasilkan sebuah grafik proses.

Langkah 4: Analisis varian, konformansi, dan hambatan

Telusuri model yang dihasilkan. "Jalur ideal" adalah trace yang paling sering muncul. Lihat berapa persentase kasus yang mengikutinya. Kemudian periksa varian yang menyimpang: kasus yang melewatkan sebuah aktivitas, kasus yang berputar kembali, kasus yang mengikuti jalur yang bahkan tidak Anda ketahui keberadaannya. Periksa di mana waktu tunggu menumpuk. Jalankan conformance checking jika Anda memiliki model referensi.

Langkah 5: Tindak lanjuti temuannya

Gunakan analisis tersebut untuk menetapkan prioritas. Analisis hambatan sering menjadi masukan untuk inisiatif optimisasi proses. Pelanggaran konformansi bisa menunjukkan celah pelatihan atau kesalahan konfigurasi sistem. Aktivitas berulang dengan frekuensi tinggi adalah kandidat kuat untuk robotic process automation atau otomasi alur kerja.

Seperti apa bentuk sebuah event log

Berikut contoh sederhana dari alur kerja pemrosesan faktur:

INV-1001 mengikuti jalur yang dimaksudkan dan diproses dalam waktu sekitar lima jam. INV-1002 terkena pemeriksaan duplikat, yang menambahkan hampir tiga hari sebelum mencapai persetujuan. Process mining memunculkan persis pola ini di ribuan kasus, menunjukkan seberapa sering hal itu terjadi, resource mana yang terlibat, dan berapa biaya waktu siklusnya.

Kasus penggunaan dan contoh

Procurement dan accounts payable. Proses purchase-to-pay adalah salah satu target paling umum. Process mining mengungkap seberapa sering faktur dicocokkan tanpa purchase order (maverick buying), seberapa sering pencocokan tiga arah gagal dan memicu pengerjaan ulang, dan di mana hambatan persetujuan berada. Salah satu produsen Eropa menemukan bahwa 23% fakturnya memicu setidaknya satu loop pengerjaan ulang sebelum pembayaran, dengan biaya rata-rata empat hari tambahan per kasus.

Order-to-cash. Untuk tim operasi penjualan, process mining memetakan setiap jalur yang dilalui pesanan dari entri hingga pengakuan pendapatan. Ini mengidentifikasi jenis pesanan mana yang paling mungkin disesuaikan secara manual, pelanggan mana yang secara konsisten memerlukan credit hold, dan di mana serah terima antara penjualan dan operasi tersendat.

IT service management. Dalam konteks helpdesk, setiap tiket adalah sebuah kasus. Process mining menunjukkan kategori tiket mana yang paling sering dibuka kembali (indikator buruknya resolusi kontak pertama), tim mana yang saling melempar pekerjaan bolak-balik, dan bagaimana pelanggaran SLA berkelompok di sekitar agen atau jendela waktu tertentu. Ini terhubung langsung dengan praktik manajemen SLA.

Onboarding pelanggan. Untuk perusahaan B2B SaaS, onboarding adalah proses bisnis dengan langkah-langkah yang tercatat sistem: kontrak ditandatangani, akun diprovisikan, pelatihan dijadwalkan, login pertama tercatat. Process mining mengungkap pelanggan mana yang churn sebelum menyelesaikan onboarding dan apa kesamaan trace mereka dibandingkan dengan pelanggan yang berhasil aktif.

Manfaat dan keterbatasan

Manfaat

• Memberi Anda gambaran faktual, bukan anekdotal, tentang kinerja proses.
• Dapat diskalakan ke volume data berapa pun: sebuah analisis process mining dapat mencakup 10 juta kasus semudah 10.000 kasus.
• Mengidentifikasi peluang perbaikan dengan dampak yang terkuantifikasi, sehingga Anda dapat memprioritaskan hambatan yang paling merugikan sebelum menyentuh yang hanya sekadar mengganggu.
• Menyediakan jejak audit yang dapat diverifikasi secara independen oleh regulator dan auditor eksternal.
• Langsung menjadi masukan untuk penentuan ruang lingkup otomasi, karena menunjukkan aktivitas mana yang berfrekuensi tinggi dan berbasis aturan.

Keterbatasan

• Hanya sebaik datanya. Jika sistem Anda tidak mencatat sebuah aktivitas, process mining tidak dapat melihatnya. Proses yang sangat manual, berbasis kertas, atau informal meninggalkan sedikit jejak.
• Memerlukan akses data. Mengekstraksi event log dari sistem enterprise sering melibatkan tim IT dan bisa terbentur kebijakan tata kelola data atau kekhawatiran performa.
• Menghasilkan diagnosis, bukan resep. Process mining memberi tahu Anda di mana masalahnya berada; Anda tetap memerlukan optimisasi proses, metodologi Lean, atau kerangka perbaikan lainnya untuk memperbaikinya.
• Bisa membuat kewalahan tim yang belum terbiasa dengan analitik proses. Peta proses dengan 300 varian itu akurat tetapi tidak langsung dapat ditindaklanjuti tanpa seseorang yang menginterpretasikannya.

Pertanyaan yang sering diajukan

Apa perbedaan antara process mining dan pemetaan proses?

Pemetaan proses bisnis adalah aktivitas manual di mana subject matter expert menggambar bagaimana sebuah proses seharusnya berjalan. Process mining bersifat otomatis: ia membaca event log dari sistem IT dan merekonstruksi bagaimana proses tersebut benar-benar berjalan. Pemetaan menangkap niat; mining menangkap kenyataan. Keduanya saling melengkapi, karena Anda memerlukan desain referensi untuk mengukur konformansi terhadapnya.

Data apa yang Anda perlukan untuk process mining?

Minimal, Anda memerlukan event log terstruktur dengan tiga kolom per baris: case ID (untuk mengelompokkan event ke dalam instansi proses), nama aktivitas (untuk mendeskripsikan apa yang terjadi), dan timestamp (untuk mengurutkan event dalam waktu). Kolom resource (siapa yang melakukan aktivitas) secara signifikan memperkaya analisis. Data ini terdapat di sebagian besar sistem enterprise, ERP, CRM, ITSM, dan platform workflow, dan biasanya dapat diekspor sebagai flat file atau di-query melalui SQL.

Bisakah organisasi kecil menggunakan process mining?

Ya, tetapi nilainya berskala dengan volume. Jika sebuah proses berjalan ribuan kali sebulan, mining menghasilkan pola yang bermakna secara statistik. Jika sebuah proses berjalan 20 kali sebulan, sampelnya terlalu kecil untuk analisis yang andal. Organisasi kecil dengan proses bervolume transaksi tinggi (pesanan e-commerce, tiket IT, transaksi keuangan) mendapat manfaat sebesar perusahaan besar.

Berapa lama proyek process mining berlangsung?

Analisis discovery yang terfokus untuk satu proses dapat diselesaikan dalam dua hingga empat minggu: satu minggu untuk ekstraksi dan pembersihan data, satu minggu untuk analisis, dan satu minggu untuk interpretasi dan penentuan prioritas. Pemantauan berkelanjutan, di mana data event baru mengalir ke dasbor langsung, memerlukan waktu lebih lama untuk disiapkan tetapi kemudian berjalan terus-menerus tanpa upaya manual.

Apakah process mining sama dengan otomasi proses?

Tidak. Process mining adalah alat diagnostik. Ia memberi tahu Anda apa yang sedang terjadi dan di mana friksi terjadi. Alat otomasi seperti robotic process automation dan otomasi alur kerja adalah alat eksekusi yang Anda gunakan setelah mining mengidentifikasi apa yang harus diotomatisasi. Pola khasnya: lakukan mining pada proses untuk menemukan langkah-langkah berulang dan berbasis aturan yang memperlambat manusia, lalu otomatisasi langkah-langkah spesifik tersebut.

Ke mana process mining membawa Anda selanjutnya

Process mining paling berharga ketika menjadi awal dari sesuatu, bukan akhirnya. Setelah Anda tahu aktivitas mana yang lambat, varian mana yang merugikan, dan langkah mana yang secara konsisten mengikuti pola berbasis aturan, Anda memiliki daftar target yang diprioritaskan untuk perbaikan. Langkah-langkah yang berulang dan terstruktur menjadi kandidat untuk robotic process automation. Serah terima antar tim menjadi kandidat untuk otomasi alur kerja. Seluruh desain proses menjadi masukan untuk business process management di tingkat organisasi.

Anggap process mining sebagai pemindaian diagnostik sebelum operasi. Data tersebut memberi tahu Anda persis di mana harus melakukan tindakan.