OCPM vs Process Mining – różnice i zastosowanie

Object-Centric Process Mining – analiza procesów w pełnym kontekście

Object-Centric Process Mining (OCPM) rozwiązuje ten problem, koncentrując się na obiektach biznesowych zamiast na pojedynczych procesach. Dane pochodzące z różnych systemów IT są grupowane wokół obiektów – np. zamówień, faktur, produktów – co umożliwia jednoczesne śledzenie wszystkich procesów, które je dotyczą.

Kluczowe cechy OCPM:

• Obiekt jako centrum analizy – zamiast śledzić liniowy przebieg pojedynczego procesu, analiza obejmuje pełny cykl operacyjny obiektu, np. zamówienia, uwzględniając sprzedaż, logistykę, produkcję i fakturowanie.
• Uwzględnienie zależności między procesami – pokazuje, jak różne operacje wpływają na siebie nawzajem, np. jak opóźnienia w dostawie komponentów oddziałują na realizację zamówień i terminy płatności.
• Łączenie danych z wielu źródeł – eliminuje konieczność ręcznego przetwarzania informacji i pozwala na ich analizę w różnych kontekstach bez dodatkowej konfiguracji.

OCPM jako rzeczywiste odwzorowanie procesów biznesowych

Tradycyjny process mining przedstawia procesy jako liniowe sekwencje zdarzeń, co odpowiada modelowi osi czasu. W przeciwieństwie do tego OCPM można porównać do trójwymiarowej sieci, w której procesy, obiekty i zależności tworzą złożony ekosystem.

To podejście pozwala na:

• Identyfikację powiązań między obiektami, procesami i działami,
• Analizę interakcji między procesami biznesowymi,
• Integrację danych z różnych systemów w jednolitą strukturę.

Dzięki temu analiza procesów nie jest ograniczona do pojedynczych przypadków użycia, lecz obejmuje całą operacyjną rzeczywistość organizacji.

Szybsza i bardziej elastyczna analiza danych dzięki OCPM

Klasyczny process mining wymaga ponownego przetwarzania danych za każdym razem, gdy użytkownik chce zmienić perspektywę analizy. Każdy proces jest analizowany osobno, a dane są rozproszone w oddzielnych tabelach. To sprawia, że każda modyfikacja wymaga dodatkowej pracy, co znacząco wydłuża czas potrzebny na analizę.

W OCPM dane konfiguruje się jednorazowo – po ich wstępnym przygotowaniu można dynamicznie zmieniać sposób analizy bez konieczności ponownego modelowania. Oznacza to nie tylko oszczędność czasu, ale także większą elastyczność w interpretacji wyników i możliwość dostosowania analizy do bieżących potrzeb biznesowych.

Jak OCPM ujawnia ukryte zależności w procesach biznesowych?

Wil van der Aalst, uznawany za twórcę process mining, w wywiadzie dla BigData-Insider wyjaśnił zalety podejścia obiektowego na przykładzie realizacji zamówienia:

1. Klient zamawia cztery produkty – jeden jest dostępny od ręki, trzy wymagają produkcji.
2. Produkt z magazynu zostaje natychmiast wysłany.
3. Dla brakujących produktów generowane są dodatkowe zamówienia produkcyjne.
4. W realizację zamówienia zaangażowane są różne działy – sprzedaż, produkcja i logistyka.
5. Faktura wystawiana jest dopiero po zakończeniu wszystkich działań.

W klasycznym podejściu process mining każda część tego procesu zostałaby przeanalizowana osobno. Powiązania między etapami byłyby trudne do uchwycenia, a przyczyny opóźnień – niewidoczne. Jeśli wystąpiłaby zwłoka w fakturowaniu, trudno byłoby od razu stwierdzić, że wynika ona z braku gotowych produktów.

OCPM integruje wszystkie obiekty i procesy w jedną, spójną analizę. Nie trzeba ręcznie łączyć informacji – system automatycznie identyfikuje zależności między zamówieniami, produkcją i fakturowaniem. Dzięki temu menedżerowie mogą w czasie rzeczywistym identyfikować wąskie gardła i podejmować trafne decyzje optymalizacyjne.