Process mining: verspilling ontdekken aan de hand van big data

Bij LCG zijn we gek op verbeteren. De processen van de meeste organisaties herbergen een schat aan verbeterpotentieel. Om processen te optimaliseren brengen we bij onze opdrachtgevers altijd eerst het proces in kaart. Hierbij kijken we goed naar de handelingen die medewerkers verrichten en stellen we hen veel vragen. Zij zijn dus een heel belangrijke bron bij verbeteringen. Maar er is er nog een bron. Deze is niet meteen zichtbaar, maar zal je versteld doen staan van de hoeveelheid informatie…

Stel, jouw organisatie heeft een bepaald proces dat altijd enorme voorraden heeft. De klant moet hierbij lang wachten op antwoord en de medewerkers lijken permanent gestrest. De berg werk wordt ook nooit minder. Je werkt het proces uit door middel van een waardestroomanalyse en probeert te achterhalen waar dit door komt. Maar hoe vaak je ook doorvraagt, je krijgt je vinger er niet achter. Dan wordt het tijd voor een bezoek aan de functioneel beheerder of jullie IT-afdeling!

Cijfers liegen niet

Alle processen laten sporen na door het gebruik van systemen en software. Elke handeling die wordt verricht wordt door het systeem opgeslagen, voorzien van een datum en tijdsstempel. Hoe vaker het proces wordt uitgevoerd, hoe groter de kans dat je patronen ontdekt. Duik je hierin, dan levert het systeem je waarschijnlijk een Excel-sheet formaat voetbalveld op, met een schat aan informatie. Wanneer stuurt medewerker A een aanvraag door naar medewerker B? Hoe lang doet die medewerker er vervolgens over? En hoeveel collega’s moet medewerker B betrekken voor de aanvraag zijn weg vervolgt? We noemen het ontleden van een proces aan de hand van data process mining.

Process mining

Wachttijden terugbrengen met 75%

Vorig jaar werden we betrokken bij een aanvraagproces binnen een grote overheidsorganisatie. De wachttijden waren enorm en de voorraad groot. We brachten het proces in kaart, maar hadden niet veel meetgegevens voor handen. Medewerkers verwezen naar een ander deel van het proces. Na een bezoekje aan de functioneel beheerder zagen we de grote lijnen wél, doordat we alle processtappen en de doorlooptijden daartussen hiermee konden ontleden.

Zo zagen we dat één processtap een gemiddelde doorlooptijd had van acht weken; pure wachttijd voor de klant. We vertaalden de verkregen data in wekelijkse rapportages naar de huidige situatie: dit zijn de nu wachtende aanvragen. Hierdoor ontstond langzaam maar zeker het besef dat het probleem daar lag. De teamleider en medewerkers besloten toen gezamenlijk meer tijd te besteden aan het terugbrengen van de voorraad, door het intakeproces tijdelijk op een iets lager pitje te zetten. Met succes: de voorraad wachtende aanvragen ging van 1.200 naar 300 en de doorlooptijd liep terug van tien naar drie weken!

Kijk eens onder de motorkap

Bij procesverbeteringen ligt het voor de hand om medewerkers te volgen en hun acties te meten en turven. Maar de data analyseren is eigenlijk veel makkelijker. Het levert bovendien eenvoudig een rapportage op waar je echt mee kunt sturen. Dus kijk eens onder de motorkap!

Wil je meer weten over process mining of eens samen naar jullie beschikbare data kijken? Neem dan contact met ons op!