Process Mining: Como Descobrir Como Seus Processos Realmente Funcionam

Process mining é uma técnica que usa dados de log de eventos dos seus sistemas de TI para reconstruir, visualizar e analisar automaticamente como um processo de negócio realmente funciona, não como você acha que ele funciona. Se você já documentou um processo em um workshop e depois descobriu que o fluxo de trabalho real não se parece nada com o diagrama, o process mining é a ferramenta que fecha essa lacuna.

O que é process mining?

Process mining é uma disciplina orientada por dados que extrai evidências sobre o comportamento real do processo a partir dos rastros digitais deixados em sistemas de TI como ERP, CRM, helpdesk ou plataformas de gestão de pedidos. Toda vez que um funcionário cria um pedido de compra, resolve um ticket ou move um negócio pelo pipeline, o sistema registra um evento com data e hora. O process mining coleta esses registros, os conecta em sequências por caso e produz um modelo visual de cada caminho que o processo de fato percorreu.

O resultado não é um diagrama que alguém desenhou em um workshop. É um mapa calculado a partir de milhões de transações reais, mostrando cada laço, atalho e desvio que ocorre na prática. Variantes são os caminhos distintos que os casos percorrem pelo processo. Conformidade mede o quão próximas essas variantes estão do design pretendido. Gargalos aparecem como nós ou transições onde os casos se acumulam esperando.

Três termos aparecem constantemente no process mining:

• Log de eventos: o conjunto de dados estruturado extraído de um sistema, contendo uma linha por atividade por caso.
• Caso: uma única instância de um processo, como uma fatura, um ticket de atendimento ou um pedido de cliente.
• Trace: a sequência ordenada de atividades de um único caso, do início ao fim.

Principais fatos

• O Gartner nomeou o process mining como uma de suas principais tendências tecnológicas estratégicas e espera que o mercado atinja US$ 5,3 bilhões até 2027, crescendo mais de 40% ao ano.
• Segundo pesquisa da Celonis, mais de 80% das transações de negócio passam pelo SAP ou sistemas ERP semelhantes, o que significa que a maioria das grandes organizações já tem os dados brutos de eventos que precisa para começar.
• Uma pesquisa da Forrester de 2023 constatou que organizações que usam process mining relataram uma redução média de 15% no tempo de ciclo do processo já no primeiro ano.

Process mining vs mapeamento manual de processos

A maioria das iniciativas de melhoria de processo começa da mesma forma: reunir um grupo de especialistas no assunto, conduzir um workshop e desenhar um diagrama de como o processo deveria funcionar. O mapeamento de processos de negócio e o BPMN são as duas abordagens mais comuns para esse trabalho manual. Ambas são valiosas para comunicar um design pretendido e para treinar novos funcionários. Mas têm uma limitação estrutural: capturam o que os participantes acreditam que acontece, filtrado pela memória e pela política organizacional.

O process mining adota a abordagem oposta. Em vez de perguntar às pessoas, ele lê o sistema.

As duas abordagens funcionam bem juntas. Use o mapeamento manual para definir o design de processo pretendido, depois use o process mining para medir o quanto a realidade se afastou desse design. Se você ainda não documentou um design pretendido, leia primeiro o guia de mapeamento de processos de negócio.

Os 3 tipos de process mining

A descoberta é geralmente por onde as organizações começam, porque não têm um modelo de referência confiável para comparar. A verificação de conformidade se torna crítica para setores regulados, onde os auditores precisam de prova de que os controles foram seguidos. O aprimoramento é onde acontece a maior parte do trabalho de melhoria contínua, uma vez que o mapa do processo está estável.

Como o process mining funciona

Passo 1: Identifique o processo e o sistema de origem

Escolha um único processo de ponta a ponta com um evento claro de início e fim, como "requisição de compra até pagamento" ou "ticket aberto até ticket fechado". Identifique qual sistema guarda os registros desse processo. Na maioria das organizações, isso é um ERP como SAP ou Oracle, um CRM como Salesforce, ou uma ferramenta de ITSM como ServiceNow.

Passo 2: Extraia o log de eventos

Exporte ou consulte o sistema para produzir uma tabela estruturada com no mínimo três colunas: um ID de caso (o identificador único de cada instância de processo), um nome de atividade (o que aconteceu) e um timestamp (quando aconteceu). A maioria das análises também inclui uma coluna de recurso (quem ou o que realizou a atividade). Quanto mais rico o log, mais a análise consegue explicar.

Passo 3: Carregue o log em uma ferramenta de process mining

Importe o log de eventos em uma ferramenta como Celonis, ProM, Minit ou UiPath Process Mining. A ferramenta agrupa as linhas por ID de caso, ordena as atividades por timestamp dentro de cada caso e constrói um trace para cada caso. Em seguida, aplica um algoritmo de descoberta para calcular quais sequências de atividades ocorrem com mais frequência, produzindo um grafo de processo.

Passo 4: Analise variantes, conformidade e gargalos

Explore o modelo resultante. O "caminho feliz" é o trace mais frequente. Observe qual porcentagem dos casos o segue. Depois examine as variantes que se desviam: casos que pulam uma atividade, casos que voltam em laço, casos que seguem um caminho que você não sabia que existia. Verifique onde o tempo de espera se acumula. Rode a verificação de conformidade se você tiver um modelo de referência.

Passo 5: Aja sobre os achados

Use a análise para definir prioridades. A análise de gargalos costuma alimentar iniciativas de otimização de processo. Violações de conformidade podem apontar para lacunas de treinamento ou configurações incorretas de sistema. Atividades repetitivas de alta frequência são fortes candidatas para automação robótica de processos ou automação de workflow.

Como é um log de eventos

Aqui está um exemplo simplificado de um fluxo de processamento de faturas:

A INV-1001 seguiu o caminho pretendido e foi processada em cerca de cinco horas. A INV-1002 sofreu uma verificação de duplicidade, o que adicionou quase três dias antes de chegar à aprovação. O process mining revela exatamente esse padrão em milhares de casos, mostrando com que frequência ele ocorre, quais recursos estão envolvidos e qual é o custo em tempo de ciclo.

Casos de uso e exemplos

Compras e contas a pagar. O processo de compra até pagamento é um dos alvos mais comuns. O process mining revela com que frequência as faturas são conciliadas sem um pedido de compra (compra selvagem), com que frequência a conciliação de três vias falha e dispara retrabalho, e onde estão os gargalos de aprovação. Uma fabricante europeia descobriu que 23% de suas faturas disparavam pelo menos um laço de retrabalho antes do pagamento, custando em média quatro dias extras por caso.

Pedido até recebimento. Para equipes de operações de vendas, o process mining mapeia cada caminho que um pedido percorre desde a entrada até o reconhecimento de receita. Ele identifica quais tipos de pedido têm maior probabilidade de ajuste manual, quais clientes exigem retenções de crédito com regularidade e onde a transferência entre vendas e operações emperra.

Gestão de serviços de TI. Em um contexto de helpdesk, cada ticket é um caso. O process mining mostra quais categorias de ticket são reabertas com mais frequência (um indicativo de resolução ruim no primeiro contato), quais equipes ficam repassando trabalho entre si e como as violações de SLA se concentram em agentes ou janelas de tempo específicos. Isso se conecta diretamente à prática de gestão de SLA.

Onboarding de clientes. Para empresas B2B SaaS, o onboarding é um processo de negócio com etapas registradas no sistema: contrato assinado, conta provisionada, treinamento agendado, primeiro login registrado. O process mining revela quais clientes abandonam antes de concluir o onboarding e o que seu trace tinha em comum em comparação com clientes que ativaram com sucesso.

Benefícios e limitações

Benefícios

• Oferece uma visão factual, não anedótica, do desempenho do processo.
• Escala para qualquer volume de dados: uma análise de process mining pode cobrir 10 milhões de casos com a mesma facilidade que 10 mil.
• Identifica oportunidades de melhoria com impacto quantificado, para que você priorize o gargalo que custa mais antes de mexer no que é apenas incômodo.
• Fornece uma trilha de auditoria que reguladores e auditores externos podem verificar de forma independente.
• Alimenta diretamente o escopo de automação, já que mostra quais atividades são de alta frequência e baseadas em regras.

Limitações

• É tão bom quanto os dados. Se o seu sistema não registra uma atividade, o process mining não consegue enxergá-la. Processos muito manuais, baseados em papel ou informais deixam pouco rastro.
• Exige acesso a dados. Extrair logs de eventos de sistemas corporativos costuma envolver a TI e pode esbarrar em políticas de governança de dados ou preocupações de desempenho.
• Produz um diagnóstico, não uma prescrição. O process mining diz onde está o problema; você ainda precisa de otimização de processo, metodologia lean ou outro framework de melhoria para resolvê-lo.
• Pode sobrecarregar equipes não familiarizadas com analytics de processo. Um mapa de processo com 300 variantes é preciso, mas não imediatamente acionável sem alguém para interpretá-lo.

Perguntas frequentes

Qual a diferença entre process mining e mapeamento de processos?

O mapeamento de processos de negócio é uma atividade manual em que especialistas no assunto desenham como um processo deveria funcionar. O process mining é automatizado: ele lê logs de eventos de sistemas de TI e reconstrói como o processo realmente funcionou. O mapeamento captura a intenção; o mining captura a realidade. Os dois se complementam, já que você precisa de um design de referência para medir a conformidade em relação a ele.

Quais dados você precisa para o process mining?

No mínimo, você precisa de um log de eventos estruturado com três campos por linha: um ID de caso (para agrupar eventos em instâncias de processo), um nome de atividade (para descrever o que aconteceu) e um timestamp (para ordenar os eventos no tempo). Uma coluna de recurso (quem realizou a atividade) enriquece significativamente a análise. Esses dados residem na maioria dos sistemas corporativos, ERP, CRM, ITSM e plataformas de workflow, e geralmente podem ser exportados como um arquivo simples ou consultados via SQL.

Pequenas organizações podem usar process mining?

Sim, mas o valor escala com o volume. Se um processo roda milhares de vezes por mês, o mining produz padrões estatisticamente significativos. Se um processo roda 20 vezes por mês, a amostra é pequena demais para uma análise confiável. Pequenas organizações com processos de alto volume de transação (pedidos de e-commerce, tickets de TI, transações financeiras) se beneficiam tanto quanto grandes empresas.

Quanto tempo leva um projeto de process mining?

Uma análise de descoberta focada em um único processo pode ser concluída em duas a quatro semanas: uma semana para extração e limpeza de dados, uma semana para análise e uma semana para interpretação e priorização. O monitoramento contínuo, em que novos dados de eventos alimentam um dashboard ao vivo, demora mais para ser configurado, mas depois roda continuamente sem esforço manual.

Process mining é o mesmo que automação de processo?

Não. O process mining é uma ferramenta de diagnóstico. Ele diz o que está acontecendo e onde está o atrito. Ferramentas de automação como automação robótica de processos e automação de workflow são as ferramentas de execução que você usa depois que o mining identificou o que automatizar. O padrão típico: minerar o processo para encontrar as etapas repetitivas e baseadas em regras que desaceleram os humanos, e então automatizar essas etapas específicas.

Para onde o process mining leva a seguir

O process mining é mais valioso quando é o começo de algo, não o fim. Uma vez que você sabe quais atividades são lentas, quais variantes são custosas e quais etapas seguem consistentemente um padrão baseado em regras, você tem uma lista de alvos priorizada para melhoria. As etapas repetitivas e estruturadas se tornam candidatas para automação robótica de processos. As transferências entre equipes se tornam candidatas para automação de workflow. O design do processo inteiro se torna um insumo para a gestão de processos de negócio em nível organizacional.

Pense no process mining como o exame de diagnóstico antes da cirurgia. Os dados dizem exatamente onde cortar.