Process Mining vs BI-tooling – 7 belangrijke verschillen

Process Mining en Business Intelligence worden dikwijls als synoniem gebruikt. Daarbij worden Process Mining platforms zoals Celonis vergeleken met BI-tooling als Tableau, PowerBI en QLIK. Onterecht want hoewel beide aandachtsgebieden onderdeel kunnen zijn van een ‘data gedreven’ strategie zijn er absoluut verschillen. In dit artikel bespreken we de zeven belangrijkste:

• Scope & diepte van analyse
• Root Cause analysis
• Descriptive vs predictive
• Intelligent Automation
• Subjectief vs Objectief
• End-to-End
• Defined vs Explore

Wat is Process Mining

Process mining is een analytische aanpak voor het ontdekken, monitoren en verbeteren van processen zoals ze werkelijk zijn, en niet zoals ze worden percipieert. Bij Process Mining wordt gebruik gemaakt van log-bestanden uit o.a. een ERP, CRM of andere bronsystemen. Naast analyse draait het bij Process Mining ook om:

• Intelligent Automation
• AI Machine Learning
• Conformance checking
• Simulatie / Digital twins

 

Wat is Business Intelligence

Hoewel de term in sommige organisaties redelijk onderhevig is aan inflatie draait het bij Business Intelligence om het interpreteren en vertalen van ruwe data. Dit resulteert in informatie en inzichten. De focus ligt op business performance. Het is daarnaast goed om onderscheid te maken tussen methodologische/aanpak en de tooling kant van business intelligence. Oftewel 1) hoe kom je aan data, hoe zorg je ervoor dat het betrouwbaar is en hoe maak je van data vervolgens informatie en 2) welke software – ook wel ‘BI-tooling’ genoemd – gebruikt men voor analyse en visualisatie. Hiervoor gelden grofweg de volgende activiteiten:

• Het verzamelen van de data uit bronsystemen
• Het prepareren van data zodat het bruikbaar en betrouwbaar is
• Het analyseren en interpreteren van de verkregen data
• Het visualiseren van de data en eventueel afzetten tegen KPIs

Zeven Verschillen

1) Scope & diepte van de analyse

Business Intelligence kijkt naar de impact (oftewel output) van processen op de organisatie als geheel. Process Mining kijkt juist kritisch naar specifieke business processen en de opbouw hiervan. Hierdoor worden analyses op een dieper niveau uitgevoerd.

2) Root-Cause Analysis

Het tweede verschil is dat Process Mining software in staat is om (geautomatiseerd) root cause analyses uit te voeren. Het meet daardoor niet alleen de effectiviteit van het process maar signaleert ook oorzaken van inefficiëntie of andere vormen van underperformance of frictie. Bij Business Intelligence is het analyseren van de data een handmatige klus en kost daarom veel tijd om tot resultaat te komen.

3) Descriptive vs Predictive

Waar Business Intelligence over het algemeen verslag doet van het ‘verleden’ (ook wel retrospectief of descriptive) kan bij Process Mining de (real-time) data juist gebruikt worden om voorspellingen te doen (predictive). Dit kan vervolgens ook direct ingezet worden voor automatisering van taken, stappen of totale processen. Dit maakt een mooi bruggetje naar het volgende verschil.

4) Intelligent Automation

Want een ander belangrijk verschil is de manier waarop gebruik kan worden gemaakt van automation. Business Intelligence is goed in staat om te rapporteren maar niet geschikt voor automatiseren. Process Mining is juist bij uitstek geschikt voor automation initiatieven. Zo kunnen bepaalde taken of stappen binnen een process geautomatiseerd worden (in de tool of met RPA) EN kan de output van processen vervolgens input zijn voor verdere intelligent automation.

5) Subjectief vs Objectief

Doorgaans is er binnen Business Intelligence een hogere mate van interpretatie nodig om de analyses te kunnen uitvoeren. Hierdoor bestaat het risico voor (onbewuste) subjectiviteit. Net als bij ‘actuariele’ aannames vormen aannames ook binnen Business Intelligence een serieus risico. Bij Process Mining is hiervan geen sprake en zorgt de software voor een volledige, objectieve output gebaseerd op feitelijke log-/eventdata. Daarmee heeft het deels overlap met het volgende punt.

6) End-to-End

Business Intelligence concentreert zich op een hoger niveau en kijkt daarmee naar de performance van diverse (strategische) capabilities. Analyse wordt dikwijls gedaan over een gedeelte van een proces. Bijvoorbeeld een gedeelte van een customer journey. Daarmee bestaat de kans dat er bepaalde aannames gedaan worden of dat er onbewust vooroordeel wordt meegenomen in de analyse. Dit is anders bij Process Mining. Daar kijkt men juist naar het volledige proces. End-to-end. Oftewel van begin tot eind inclusief alle statussen, uitstapjes en vertragingen. Dit is door gebruik te maken van de event-logs die zijn opgebouwd uit feitelijke data. Daarmee wordt eveneens voorkomen dat er vooroordelen in de analyses sluipen.

7) Defined vs Explore

Een laatste belangrijk verschil is dat bij Business Intelligence kennis moet zijn van de onderliggende processen. Zonder die kennis is het niet mogelijk om de data te beoordelen/analyseren. Process Mining baseert zich op feitelijke eventlogs waardoor kennis van het proces niet vereist is. Daarbij worden automatisch proces modellen gegenereerd op basis van de logs.

Data Governance

Bij zowel Process Mining als Business Intelligence is het overigens zaak om een strikte (data) governance te voeren. Denk aan de rollen en verantwoordelijkheden maar vooral over ‘data’. Bijvoorbeeld afspraken over het voorkomen van (onnodige) data duplicatie, data adequaat beschikbaar stellen of juist afschermen en zorgen dat data up-to-date blijft.

Superieur?

Afsluitend: Het is niet zo dat de ene methode superieur is boven de ander. Bij het vergelijken van Process Mining vs BI tooling gaat er met name om in welke situatie je een bepaalde methode gebruikt. Business Intelligence is een verrijking voor je organisatie. Daarnaast heeft het net als andere methodieken beperkingen. Organisaties hebben tegenwoordig behoefte naar nog meer verdieping.Dat kan met Process Mining.

Het één sluit het ander dus niet uit. Process Mining kan een goede verdiepende stap zijn. Het brengt nieuwe inzichten, verbanden en legt root-causes bloot die eerder niet zichtbaar waren. De resultaten geven real time input voor intelligent automation en geven gebruikers door de hele organisatie inzicht en overzicht van process prestaties en KPIs. Juist toegepast brengt dit de organisatie naar een nog hoger executie niveau.