Prädiktive Analytik: Tiefer graben, um Dinge zu erledigen
Ein Intellyx BrainBlog für iGrafx
In unserem vorherigen Kapitel über automatisiertes Entscheidungshandeln haben wir die Bedeutung betont, alle Echtzeit- und historischen Daten zusammenzuführen, die ein menschlicher Experte benötigt, um bessere Entscheidungen im Moment zu treffen.
Wenn wir unseren Blick von der Gegenwart auf die Zukunft richten, entdecken wir einen weiteren entscheidenden Faktor für die kontinuierliche Prozessoptimierung: prädiktive Analytik.
Zur Zeit jedes strategischen oder taktischen Entscheidungspunktes, was wäre, wenn wir bereits den wahrscheinlich besten Weg nach vorne vorhersagen könnten?
Mit so vielen Variablen im Spiel können Teams möglicherweise nicht genau den Erfolg oder das potenzielle Scheitern eines laufenden Prozesses beobachten – und in der realen Welt wird es oft unterschiedliche Grade an Erfolg oder Misserfolg geben, anstatt eines klaren binären Ergebnisses.
Ein Ansatz der prädiktiven Analytik betrachtet, wie nahe wir dem beabsichtigten Ergebnis kommen können, um unsere Handlungen zu leiten.
Wie werden wir wissen, wann wir fertig sind?
Ich hatte in meinen frühen Supply Chain-Tagen bei i2 nicht genug Zeit mit dem legendären Optimierungsguru Ken Sharma verbracht, konnte mich aber an seine Signaturzeile zu Beginn jedes Meetings erinnern: “Wie werden wir wissen, wann wir fertig sind?”
Tatsächlich wird ohne klare Absicht, etwas am Anfang eines Meetings zu erreichen, selbst mit all dem Reden und der Strategiebildung auf der Welt, höchstwahrscheinlich nichts passieren.
Mit der Verwendung von Vorhersageanalysen können wir mit einem Timing-Ziel für ein gewünschtes Ergebnis beginnen und von dort aus rückwärts arbeiten.
Nehmen wir zum Beispiel einen Hypotheken-Genehmigungsprozess, einen komplexen Ablauf, der viele Aufgaben wie Marktbewertung, Bewertungen, Risikobewertung, Versicherungen und mehr enthält – mit manuellen Formularen, Prüfungen und Genehmigungen, die von Agenten im Namen des Kreditgebers, Käufern und Verkäufern durchgeführt werden.
Es gibt ein best case oder ideales Timing-Ziel, das wir zu erreichen versuchen, um den Käufern und Verkäufern ein großartiges Kundenerlebnis zu bieten, das eine Woche oder sogar einen Tag betragen könnte, wenn alles reibungslos verläuft.
Es gibt auch ein worst-case oder Minimum Drop-Dead-Datum für den Abschluss des Prozesses, bei dem eine SLA-Verletzung oder Compliance-Probleme ausgelöst werden oder im Falle unserer Haus-Hypothek die Vertragsfrist abläuft und der gesamte Deal hinfällig wird.
Die Fähigkeit, genau vorherzusagen, wann ein Prozess abgeschlossen sein wird, ist für jedes Unternehmen und seine Kunden absolut grundlegend und der Hauptgrund, warum Führungskräfte eingreifen können, um diesen Prozess zu korrigieren oder zu beschleunigen.
Tiefgründiger als Prozesswissen graben
Die Kunst der Kombination von Prozess-Mining mit Analytics hat in den letzten zehn Jahren große Fortschritte gemacht. Hochkompetitive Unternehmen betrachten dies als streng gehütetes Geschäftsgeheimnis. Obwohl sich die genaue Mischung der Tools unterscheiden kann, beinhaltet diese Praxis das Extrahieren und Meta-Tagging von Ereignisdaten aus Prozess- und Aufzeichnungssystemen und das Korrelieren dieser Daten innerhalb von Datenlagern, um bessere Entscheidungen mit fortgeschrittenen Analysen zu treffen.
Data Mining könnte viel nützlicher sein als eine post-mortem archäologische Dokumentation von Ereignissen und Leistungen, die zu den Trendlinien innerhalb eines Analytics-Dashboards beitragen.
Was würde es für das Unternehmen bedeuten, wenn wir unseren Blick nach vorne richten und diesen gesammelten Wissensschatz und den aktuellen Zustand von Ereignissen nutzen könnten, um vorherzusagen, wann laufende Prozesse abgeschlossen sein werden, und Maßnahmen ergreifen könnten, um sie zu einem wahrscheinlicher positiven Ergebnis zu führen?
So etwas wie eine Autovervollständigung für Prozesse … aber es muss viel intelligenter sein als das.
Von Archäologie bis Soziologie
Es gibt eine interessante Verbindung von Prozess-Mining zu prädiktiver Analytik.
Haben Sie schon einmal bemerkt, wie Archäologen Artefakte ausgraben, kategorisieren und studieren, dann an Anthropologen weitergeben, die diese nutzen, um die Motive und Verhaltensweisen vergangener Kulturen zu verstehen und anschließend versuchen Soziologen vorherzusagen, wie dieses gesammelte Wissen das menschliche Gruppenverhalten und die Gesellschaft in der Zukunft beeinflussen wird?
Die Übertragung dieses Metaphers in geschäftliche Begriffe erfordert mehr als nur das Festlegen von Regeln, Heuristiken und statistischen Modellen zur Reaktion auf kombinierte Prozess- und Analyse-Daten. Ein prädiktives Analytik-System muss aus dem gesammelten Wissen lernen, um Auswirkungen in der realen Welt vorherzusehen.
Die Optimierung der Lieferkette bietet eine großartige Gelegenheit, um prädiktive Analytik in Aktion zu sehen. Ein fortschrittlicher Hightech-Hersteller, der auf ein Netzwerk von Lieferanten angewiesen ist, um Rohstoffe zu beschaffen, Teile und Halbleiter zu produzieren, Teile zu subassemblieren, Produkte zusammenzubauen und fertige Inventar zu versenden.
Zusätzlich beobachtet die Hightech-Marke im Zentrum dieses Netzwerks ständig die eingehenden Kundenaufträge, die “Nachfragesignale”, die zu zusätzlichen Bestellungen und einer höheren Belastung des Netzwerks führen.
Aber warum sollten sie überhaupt auf die Bestellungen warten? Prädiktive Analytik kann saisonale Einzelhandels- und Geschäftstrends vorhersagen, aber es kann auch Einblicke in Ausreißer und andere Frühindikatoren liefern. Ein neues Fortune-100-Hauptquartier oder ein Anstieg der Fusionstätigkeit könnten eine erhöhte Arbeitsbelastung signalisieren, was dazu führt, dass die Marke beginnt, zusätzliche Lieferantenkapazitäten vor anstehenden Bestellungen zu finden.
Die präventive Seite der prädiktiven Analytik
Die meisten Prozess-Mining-Lösungen können mögliche Bereiche zur Realisierung von Effizienz- und Leistungsverbesserungen identifizieren, nachdem sie stattgefunden haben, und bestehende Prozessmodelle können aufgrund der Ergebnisse angepasst oder ersetzt werden.
Aber was wäre, wenn wir Kundenbeschwerden und Compliance-Probleme während ihres Auftretens durch die Analyse von Prozessen, die nicht wie geplant ablaufen, lösen könnten?
Ein großer internationaler Flughafen hat starke SLA-Verträge mit vielen großen Unternehmen, die auf ihren Hub angewiesen sind, sehr strenge Anforderungen an den Datenschutz und die Souveränität der Daten von den Regierungen, aus deren Ländern die Passagiere kommen.
Nachdem die Infrastruktur des Rechenzentrums aktualisiert wurde, bemerkte eine Fluggesellschaft, dass einige Passagierdatensätze für Schalteragenten nicht zugänglich wurden. Bevor ein Bericht zur Datenschutz-Compliance veröffentlicht wurde oder Flüge storniert wurden, lösten die prädiktiven Analysen des Flughafens einen Disaster-Recovery-Workflow aus, der die Infrastruktur auf ihren vorherigen guten Zustand wiederherstellte und eine mögliche Datenexfiltration, einen Ransomware-Angriff oder nur einen unbekannten Fehler irgendwo in den Systemen verhinderte.
Die Intellyx-Einschätzung
Es gibt keinen Grund dafür, dass Unternehmen ausschließlich auf Prozessdaten aus vergangenen Ereignissen vertrauen sollten, um zu verstehen, was in der Zukunft passieren könnte.
Prädiktive Analytik ist eine Praxis, kein Produkt – aber sie baut auf Fortschritten im Bereich Prozess-Mining und machine learning-basierter Analytik auf, um die massiven Echtzeitdaten von laufenden Prozessen zur Verbesserung der Leistung und Reduzierung von Risiken proaktiv zu nutzen.
Glücklicherweise ist dies kein unerreichbares Ziel. Führende Anbieter von Prozessoptimierung wie iGrafx integrieren bereits prädiktive Analytik in ihren Ansatz, um komplexe Prozessfehler frühzeitig zu erkennen und zu beheben. Dadurch können Unternehmen und Kunden beruhigter atmen.
©2023, Intellyx LLC. Intellyx behält die alleinige Kontrolle über den Inhalt dieses Dokuments, und keiner der Texte wurde von einer KI geschrieben. Zum Zeitpunkt des Schreibens war iGrafx ein Kunde von Intellyx.