Automatyzacja i robotyzacja procesów to obecnie główny nurt działań wspierających zaawansowane transformacje cyfrowe. Aż 90% liderów IT deklaruje, iż rozważa, bądź wdraża rozwiązania klasy RPA. To, co dziwi, to stosunkowo niewielka skala zastosowań, zwykle niewykraczająca poza kilka prostych botów w ramach danej organizacji. W efekcie dostajemy mocno niespójny obraz sytuacji – powszechną świadomość dotyczącą potencjału i korzyści wynikających z zastosowań rozwiązań robotycznych, która w niewielkim stopniu przekłada się na praktyczne wdrożenia.  

Dlaczego tak się dzieje? Wśród przyczyn takiego stanu rzeczy należy wskazać kilka kluczowych czynników.

• Niezrozumienie aktualnych ograniczeń  technologii
  Rozwiązania robotyczne świetnie sprawdzą się wszędzie tam, gdzie w ramach ustandaryzowanego procesu, obserwujemy wiele prostych i powtarzalnych działań, niewymagających zaawansowanych interpretacji i umiejętności kognitywnych.
  Co prawda elementy AI/ML w coraz większym stopniu wzbogacają scenariusze automatyzacyjne, lecz należy mieć na uwadze, że wykorzystanie ich w znacznym stopniu komplikuje zarówno wdrożenie, jak i eksploatacje botów.
• Nieumiejętne typowanie procesów i działań do optymalizacji
  Jak słusznie zauważył Bill Gates: „The first rule of any technology used in a business is that automation applied to an efficient operation will magnify the efficiency. The second is that automation applied to an inefficient operation will magnify the inefficiency.”
  Co można by zrekapitulować stwierdzeniem „standaryzacja przed automatyzacją” - techniki automatyzacyjne zastosowane do procesów o dużym stopniu złożoności i wielu stopniach swobody zadziałają jak multiplikator problemów, a nie korzyści. Warto więc najpierw zadbać o ich standaryzację i uproszczenie, by w konsekwencji dobrze wytypować ścieżki i kroki, które warto optymalizować z wykorzystaniem RPA.
• Marketing bazujący na budowanie przekonania, że platformy robotyzacyjne są dla biznesu -  każdy może stworzyć bota.
  Przewrotny slogan sprzedażowy – kotwiczący zbyt wygórowane oczekiwania ze strony odbiorcy końcowego. Praktyka projektowa pokazuje co prawda, że bardzo proste automatyzacje ( …i co za tym idzie zwykle mało praktyczne) są co prawda w zasięgu każdej osoby obsługującej Excella, lecz obecność IT jest tu nadal koniecznością, ze względu na potrzebę obsługi bardziej skomplikowanych wariantów, wyjątków i przede wszystkim operacjonalizację oraz proces zarządzania zmianą.
• Brak transparentności procesów i wiedzy o tym, jak faktycznie działają
  Wiedza o procesach w organizacji bazuje zwykle na statycznych i uproszczonych modelach teoretycznych, które nie oddają złożoności rzeczywistych przebiegów procesów i są zwykle nieaktualne.

Każdy z powyższych czynników zasługuje na oddzielny artykuł, lecz kwestią absolutnie pryncypialną w transformacji procesów biznesowych, jest znajomość procesu i jego transparentność na niej więc skupimy się w dalszej części artykułu.

Analiza procesowego status quo

Podejście klasyczne znamy wszyscy – organizacja uruchamia projekt „optymalizacji procesów”, zaczynając od audytów i analiz procesu bazujących na niekończących się rozmowach z uczestnikami procesu, raportach czy modelach teoretycznych, zwykle mocno uproszczonych i  nieaktualnych. W efekcie już na początku dostajemy niespójny obraz rzeczywistości, który jest punktem wyjścia do dalszych działań, co znacznie zwiększa ryzyko niepowodzenia projektu transformacyjnego w myśl powiedzenia „garbage in, garbage out”.

Podejście alternatywne bazujące na technikach analitycznych Process Mining zakłada, że jedynym źródłem obiektywnej informacji o przebiegu procesów są dane (w szczególności logi tranzakcyjne aplikacji odpowiedzialnych za wsparcie realizacji procesów w organizacji). Rozwiązania tej klasy, której reprezentantem jest SAP Signavio Process Intelligence, potrafią w sposób automatyczny integrować się z większością znanych na rynku aplikacji wspierających realizację procesów i na bazie informacji w nich zawartych tworzyć interaktywną mapę procesu. Taka mapa z kolei w rękach, dociekliwego i krytycznie myślącego analityka to nieskończone źródło hipotez biznesowych dotyczących specyfiki i charakterystyki procesu, które można weryfikować w czasie rzeczywistym i na bazie danych detalicznych, a nie syntetycznych agregatów.

Techniki proces mining pozwalają na analizę w zasadzie dowolnego procesu, który pozostawia w systemach ślad cyfrowy, lecz obecnie zdecydowana większość wdrożeń koncentruje się na zagadnieniach związanych z procesem zakupowym (P2P – purchase to pay), sprzedażowym (O2C – order to cash), logistycznym (szczególnie zarządzanie magazynem) oraz finansowym w zakresie zarządzania należnościami (AR – account receivable) i zobawiązaniami (AP – account payable). Przydatnym dodatkiem jest rozbudowana biblioteka gotowych analiz biznesowych, które pozwalają spojrzeć na proces z kluczowych perspektyw, jakich używają właściciele procesu (przykłady):

• identyfikacja dominującej ścieżki realizacji procesu i jej kluczowych charakterystyk (sekwencje kroków, liczba spraw, czas trwania, czasy przejść, zapętlenia)
• analiza kolejnych ścieżek realizacji i przyczyn odchyleń od ścieżek dominujących
• szybkie typowanie miejsc/działań opóźniających proces bądź takich, które wprowadzają nieefektywności (dublowanie działań, dodatkowy nakład pracy, opóźnienia, kroki manualne)
• identyfikacja miejsc/działań o dużym potencjale automatyzacji 
• bechmarking
  • wewnętrzny (np. porównanie procesów dla dwóch zespołów, osób, kategorii produktów) – na bazie informacji ze śladów cyfrowych
  • wewnętrzny na bazie modelu teoretycznego (porównanie rzeczywistych przebiegów procesu w odniesieniu do modelu teoretycznego)
  • zewnętrzny - porównanie rzeczywistych KPI procesów do wskaźników branżowych/rynkowych
• analizy specyficzne dla danego procesu (wybrane przykłady)
  • zakupy omijające zespół zakupów tzw. maverick buying
  • krążące sprawy w ramach workflow
  • struktura czasowa należności i zobowiązań
  • ryzyko kontrahenta
  • dopasowanie dokumentów zakupowych/sprzedażowych, dostawczych i finansowych
  • analiza blokad i przyczyn blokad w procesach zakupowych i sprzedażowych

Quo vadis – co robić po analizie procesu?

Co najistotniejsze, analizy proces mining pozwolą nam na dopasowanie optymalnej strategii transformacyjnej do aktualnego stanu naszych procesów.

Jeśli w wyniku analizy stwierdzimy, że proces będący jej przedmiotem jest bardzo skomplikowany, o wielu stopniach swobody i bez koncentracji dużej liczby spraw w ramach  jego kluczowych wariantów (czyli mocno odbiega od założeń rozkładów potęgowych np. Pareto) – zadania transformacji najprawdopodobniej należy rozpocząć od standaryzacji, a więc redukcji liczby wariantów, uproszczeń i zwiększenia koncentracji spraw w jej kluczowych ścieżkach. W takiej sytuacji pomocne mogą okazać się narzędzia wspierające budowę docelowego modelu procesu jak choćby SAP Signavio Process Manager. Czyniąc założenia odnośnie procesu docelowego, warto oszacować ich wpływ na kluczowe KPI tego procesu – tu z kolei świetnie się sprawdzi silnik symulacyjny pozwalający na szerokie spektrum analiz what-if, również dostępny w ramach platformy transformacji procesów biznesowych SAP Signavio.

Jeśli z kolei w wyniku analizy stwierdzimy, że proces, jest wystandaryzowany tj. ma stosunkowo niewiele wariantów realizacji i dużą koncentrację rozkładu – stosunkowo łatwo będzie nam znaleźć w nim działania o dużym, negatywnym wpływie na czasy realizacji czy choćby pracochłonność i w dalszej części rozważyć automatyzację/robotyzację żmudnych, powtarzalnych zadań,  w czym pomoże platforma SAP Intelligent Robotic Process Automation.

Na koniec warto dodać, że niejako efektem, ubocznym analiz typu proces mining, jest gotowe środowisko do bieżącego monitorowania procesów, analiz KPI i korekt operacyjnych, w czym wspierają nas kokpity procesowe platformy SAP Signavio oraz środowisko grupowej interaktywnej pracy i repozytorium wiedzy o procesach (SAP Signavio Process Collaboration).

Podsumowanie

Transformacja cyfrowa w organizacji ma swój wymiar technologiczny, ludzki i procesowy. Rozważając zmianę procesów, warto oprzeć się z jednej strony na sprawdzonych wzorcach branżowych (gdzie pomogą nam rozwiązania SAP S/4HANA wraz z rozszerzeniami branżowymi Industry Cloud) z drugiej zaś na własnych doświadczeniach, eliminując przy tym elementy niepotrzebnie zwiększające pracochłonność, koszty czy wydłużające średnie czasy realizacji spraw. W precyzyjnej identyfikacji miejsc powstawania nieefektywności doskonale sprawdzą się rozwiązania klasy process mining, które dodatkowo pomogą w dobraniu optymalnej taktyki postępowania tj. standaryzacji, automatyzacji a może po prostu stosunkowo bezinwazyjnej ekspansji najlepszych praktyk na bazie benchmarkingu wewnętrznego. Wiedza o procesach winna być przy dokumentowana w formie umożliwiającej łatwy dostęp, pracę grupową i przede wszystkim aktualność, zgodnie z rzeczywistymi przebiegami procesu. We wszystkich wspomnianych wyżej wyzwaniach doskonale sprawdzi się rozwiązanie SAP Signavio Process Intelligence jako kompleksowa platforma wspierająca transformacje biznesowe w wymiarze procesowym.

Jeśli chcieliby Państwo porozmawiać na temat tego jak automatyzacja i robotyzacja mogłaby poprawić efektywność działań w Państwa firmie zapraszam do kontaktu bezpośredniego.