Le process mining : mettre la donnée au service de la performance de l’entreprise

La promesse du process mining est de permettre l’utilisation de larges volumes de données pour analyser et optimiser les processus. Ces outils sont-ils une clé pour créer de la valeur ?

Alors que les DAF souhaitent optimiser les processus de l’entreprise pour améliorer la performance et maitriser les risques, l’explosion des volumes de données disponibles est peut-être une oppor­tunité à exploiter.

L’affirmation est devenue un poncif : les données sont le nouvel or, le moteur de la quatrième révolution industrielle. Certes, mais la donnée n’a de valeur que si elle peut être transformée en infor­mation, valorisée en connaissances permettant d’orienter les décisions. Pour une entreprise, les données les plus facilement accessibles, et (supposé­ment) les mieux maitrisées, sont celles qui sont collectées et stockées dans ses propres systèmes d’informations. Néanmoins, celles-ci restent souvent difficiles à exploiter, en témoignent les efforts nécessaires pour assurer la remontée régulière des indicateurs de performance. Des reporting fastidieux à produire, au bout desquels l’informa­tion remontée est parfois déjà périmée avant même d’être publiée !

De nombreuses sociétés se sont tour­nées vers le process mining pour ten­ter d’exploiter les données internes, justement afin de mieux appréhender les processus de l’entreprise. La variété des cas d’usages identifiés montre que cette technologie s’intègre dans la transformation digitale des entre­prises pour mettre la donnée au ser­vice de l’optimisation des processus et de la performance des entreprises.

Le process mining : un filon à suivre pour révéler l’or que recèle les données de nos systèmes ?

La chaîne de valeur de l’entreprise est régie par des processus : prise de com­mande, expédition, retours, factura­tion, production, innovation…

Les départements en charge de leur exécution ont mis en place nombre d’indicateurs leur permettant de mesu­rer la performance et les temps de cycles associés aux missions qui leur sont confiées. Beaucoup d’étapes sont aujourd’hui numérisées, enregistrées dans les différents systèmes d’informa­tion et chaque action effectuée laisse des traces dans les systèmes. Ce sont ces traces numériques ou « logs » que le process mining (process science + data mining) nous propose d’exploiter.

Le process mining, c’est-à-dire « l’exploration du processus », regroupe différentes techniques d’analyse de données et d’analyse de processus.

Depuis les années 2000, nous avons assisté à l’essor parallèle des ana­lyses des processus d’un côté, avec les techniques de Business Process Management (BPM), et les analyses des données de l’autre, avec l’émer­gence de la Data Science, exploitant les modèles statistiques pour facili­ter l’analyse des grands volumes de données numériques. Hélas, ces deux domaines ne se parlaient pour ainsi dire pas. L’apport du process mining, selon l’expression du professeur Will Van der Aalst, l’un des précurseurs du domaine, est de créer le « chaînon manquant » entre les deux disciplines. En effet, le process mining emploie des algorithmes spécialisés permet­tant d’identifier des tendances, des modèles ou des corrélations entre les données, dans l’objectif d’améliorer la compréhension des processus et sur­tout leur efficacité.

Quels sont les champs d’application du process mining ?

Les possibilités d’utilisations du process mining sont nombreuses et peuvent se regrouper autour de trois grands domaines :

1 Comprendre et modéliser ses processus grâce aux données :

Dans une approche classique, telle que promue par les méthodes Lean Six Sigma, on commence par compiler les données pour définir et mesurer la problématique à améliorer. La donnée est en effet le point d’entrée néces­saire à toute démarche d’amélioration continue.

Dans le contexte actuel, réunir les meilleurs experts pour des ateliers présentiels est devenu une gageure et remonter manuellement des données fiables pour identifier les meilleures pratiques reste un exercice complexe : les données sont difficilement com­parables les systèmes différents, les pratiques varient, et pourtant, il s’agit bien du même processus !

Un exercice de modélisation demande un effort de présentation et de valida­tion important. Grâce aux données de nos systèmes, les algorithmes de process mining peuvent automatiser l’étape de modélisation du processus.

Le « process mining » s’appuie sur une approche exhaustive de la donnée. En se connectant directement aux systèmes à analyser, ce sont l’en­semble des « logs » qui sont utilisés pour modéliser le processus réelle­ment exécuté. Il s’agit d’une avan­cée considérable ! Non seulement, on accélère cette phase, mais grâce à l’utilisation des données réelles, les résultats forment une base de dis­cussion incontestable pour identifier les meilleures pratiques et définir une cible. L’utilisation du process mining permet de relier les données au pro­cessus. En rassemblant les différents indicateurs d’exécution, on peut obte­nir la vision nécessaire pour structurer sa démarche d’harmonisation ou d’op­timisation. Une fois équipé, le proces­sus gagne en clarté et la décision est guidée par la donnée.

2 La transparence de la donnée permet d’identifier des axes d’amélioration de la performance

Le process mining est un facilitateur qui simplifie la production, l’analyse des données et l’identification d’axes d’amélioration des processus-clés de l’entreprise.

Ces outils permettent de produire automatiquement les indicateurs de performance. Les gains de temps sont importants sur toutes les étapes puisque l’extraction, le retraitement, la consolidation et la présentation des données sont automatisés. L’ana­lyse du processus devient dynamique, visuelle et intuitive, avec la possibi­lité de sélectionner tout ou partie des données, de comparer la performance de différents périmètres, d’identifier les tendances et d’effectuer des ana­lyses causales.

Selon le niveau dans l’entreprise, opé­rationnel ou stratégique, le même outil pourra être partagé entre les opérateurs, analystes et décideurs. Les revues d’activités gagnent en effi­cacité, la visualisation de la donnée permet de répondre aux questions sou­levées en temps réel. Grâce aux don­nées issues des processus, le process mining permet de mettre en lumière des axes d’amélioration et de révéler des gisements de productivité. Les goulots d’étranglement apparaissent clairement et représentent autant de pistes à exploiter pour les équipes en charge des projets d’automatisation.

3 La donnée au service du contrôle interne :

On l’a vu, la force du process mining est de permettre un accès rapide à l’ensemble des évènements d’un pro­cessus. C’est un changement impor­tant pour les approches de contrôle interne. Il n’est plus nécessaire de limiter ses contrôles à un échantil­lon de données représentatif, certains contrôles peuvent être généralisés à l’intégralité des bases. En modélisant son processus cible, les outils de pro­cess mining identifient les écarts et peuvent lancer des alertes à chaque fois qu’une déviation significative est identifiée, réduisant ainsi le risque associé.

Le process mining permet à l’organi­sation d’apprendre et de progresser en évitant de répéter les erreurs du passé et d’évaluer les impacts d’un change­ment en rejouant les données passées.

En utilisant la puissance des algo­rithmes de process mining, les DAF peuvent donc faire avancer trois prio­rités majeures :

• Pilotage de la performance ;
• Optimisation des processus ;
• Maîtrise des risques.

Par quel processus commencer et quelles compétences faut-il mobiliser pour lancer une démarche de process mining ?

Les domaines d’application et cas d’usages associés sont nombreux :

• Finance : délais de paiements clients ou fournisseurs ;
• Supply chain: supervision des stocks ;
• Service client : amélioration du cycle allant de la commande à la livraison.

Les indicateurs de performance peuvent être adaptés selon le pro­cessus visé (parcours client, relation fournisseurs, suivi des produits…). Pour identifier le ou les processus-clés à analyser, il faut évidemment faire le lien avec ses enjeux et ses priorités. Le parrainage de la direction et l’im­plication forte des responsables du processus sont donc nécessaires pour s’assurer que les analyses produites seront réellement bénéfiques.

En envisageant les bénéfices attendus, on inverse la problématique : quels indi­cateurs divergent sans que j’en com­prenne

la cause profonde ? Quels gains pour mes projets d’automatisation ? Quelle étape nécessite une meilleure maîtrise des risques ? Si les réponses à ces questions convergent vers une problématique particulière, c’est sans doute un bon point de départ pour mettre la donnée de votre entreprise au travail !

Durant la phase de mise en oeuvre, une méthodologie Agile est fréquemment observée. Limiter le périmètre permet de mieux cibler les évènements à ana­lyser et de monter en puissance de manière itérative en répliquant l’ap­proche sur de nouveaux périmètres. Mais un périmètre clair n’est pas suffi­sant pour se lancer dans une démarche de process mining. S’agissant de projets traitant de la donnée, la complexité va s’accroître rapidement si les données ne sont pas structurées ou ne répondent pas à des règles de gestion clairement établies. Des problématiques tech­niques peuvent également être rencon­trées, par exemple si le système visé ne conserve pas les traces des évènements au bon niveau de détail. D’ailleurs, de nombreux indicateurs de gestion ne requièrent tout simplement pas l’uti­lisation de ces techniques ! C’est la vision dynamique des données et des processus qui rend le process mining particulièrement pertinent.

Mais la clé du succès réside avant tout dans les équipes mobilisées. Si un projet de process mining ne néces­site pas d’avoir constitué au préa­lable une équipe de Data Scientists, la connaissance du processus et des systèmes associés est en revanche indispensable pour assurer le succès du projet et créer le lien entre les évè­nements et les données.

Conclusion

Face à l’explosion du volume des don­nées générées par nos systèmes, la stratégie data peut désormais inté­grer un volet de performance opé­rationnelle reposant sur le process mining. La puissance accrue et la précision croissante des algorithmes offrent aux entreprises l’opportunité de valoriser leurs propres données et change la manière d’approcher l’op­timisation et le contrôle des proces­sus métiers. Le process mining permet de donner du sens aux données et de créer de la valeur autour des proces­sus de l’entreprise. Comme pour tout projet visant à traiter de la donnée, il convient de définir un objectif clair et de suivre une méthodologie adaptée pour ne pas se perdre. Mais avant tout, il faut construire une équipe autour des personnes maîtrisant le processus et les systèmes associés. Ce sont eux qui seront les vrais alchimistes, seuls capables de transformer les données des systèmes en or ou, tout au moins, en argent!

Guillaume Siccat est un contributeur du comité RPA / Intelligent Automation de DFCG présidé par Armand Angeli. Publié dans Finance & Gestion, le magazine de DFCG, l’institut français des CFO.