Bedrijfsdata inzetten om je organisatie te verbeteren en daarmee de klantwaarde en klanttevredenheid te vergroten. De combinatie tussen Process Mining en Lean Six Sigma biedt je die mogelijkheid. In elke van de vijf DMAIC fases levert de combinatie van beide methodieken veel voordelen op. Zo kun je sneller en objectiever de scope van het te verbeteren proces bepalen, de huidige procesprestaties inzichtelijk maken, knelpunten en bijbehorende oorzaken identificeren, benodigde interventies vaststellen en het resultaat van deze interventies monitoren. Benieuwd hoe je dit doet? Lees dan snel verder.

Procesverbetering door middel van data

Steeds meer bedrijven en overheidsinstellingen hebben de wens nieuwe technologieën en data in te zetten ter verbetering van de organisatie. Termen als Robotics Process Automation, Digitalisering, Big Data en Data Analytics zijn populair. In deze blog lees je hoe bedrijfsdata een belangrijke bijdrage levert aan het realiseren van effectieve en efficiënte processen. Dit met als  doel het verhogen van de klantwaarde en klanttevredenheid.

Wanneer je denkt aan procesverbeteringen dan gaat het al snel over het houden van brown-paper sessies om processen in kaart te brengen, het klokken van wachttijden en het houden van interviews met medewerkers om knelpunten te identificeren. Maar heb je door middel van deze methodieken wel het volledige verbeterpotentieel van een organisatie in zicht? Een vraag die ik mezelfde afgelopen periode veelvuldig heb gesteld. In het bijzonder omdat er dagelijkse grote hoeveelheden data op worden geslagen in systemen die de bedrijfsvoering ondersteunen. Data die vaak onbenut wordt gelaten en niet wordt ontsloten in brown-paper sessies.

Process Mining: digitale sporen van klantbediening

Een antwoord op bovengenoemde vraag ligt volgens mij in de combinatie van vertrouwde procesverbeteringsmethodieken (zoals Lean Six Sigma) en nieuwe technologische ontwikkelingen, in dit geval Process Mining. Maar wat is Process Mining?

Iedere organisatie maakt gebruik van systemen bij de uitvoering van bedrijfsprocessen. Denk hierbij aan workflow systemen, zaaksystemen of vakinhoudelijke applicaties. Deze systemen bieden niet alleen ondersteuning bij de dagelijkse werkzaamheden, maar leggen ook data vast. Data die erg bruikbaar is ter verbetering van de bedrijfsvoering. In de data liggen namelijk vaak de ‘digitale’ sporen van de klantbediening en het verloop van de bedrijfsprocessen opgeslagen. Deze ‘digitale’ sporen bevatten informatie over wanneer welke handeling plaats heeft gevonden en wie de betreffende activiteit heeft uitgevoerd. Process Mining maakt het mogelijk om de opgeslagen data te ontsluiten (data mining) en om te zetten in bruikbare (proces) informatie. Process Mining geeft de data namelijk visueel weer in dashboards en digitale procesflows (process modelling). Hierdoor ontstaat een objectief inzicht in het daadwerkelijke procesverloop (doorlooptijd, bewerkingstijd, varianties, hand-over momenten e.d.) van de totstandkoming van een product of dienst. Daarbij biedt Process Mining tevens de mogelijkheid om via dashboards op het procesverloop te sturen. Samengevat kan Process Mining worden beschreven als een samenvoeging van data mining en process modelling.

Combineren van Lean Six Sigma en Process Mining

Wie ervaring heeft met Lean Six Sigma kent de DMIAC verbetercyclus. De gestructureerde aanpak die de basis vormt om tot procesverbetering te komen. Hieronder wordt beschreven hoe Process Mining en de Lean Six Sigma aanpak elkaar kunnen versterken om tot procesoptimalisatie te komen.

Define

In de Define-fase identificeer je het probleem en bepaal je de scope van het te verbeteren proces. Hierbij kan de inzet van Process Mining een aanzienlijke bijdrage leveren. Ten eerste helpt Process Mining bij het daadwerkelijk identificeren van het probleem op basis van objectieve data. Dit in plaats van het af gaan op onderbuikgevoelens en aannames, iets wat ik nog regelmatig tegenkom tijdens mijn werkzaamheden als consultant. Ten tweede biedt Process Mining de mogelijkheid om in korte tijd het verbeterpotentieel van een proces zichtbaar te maken. Middels de inzet van data kunnen bijvoorbeeld variaties in processen eenvoudig worden vastgesteld en gevisualiseerd. Dit in tegenstelling tot bijvoorbeeld (arbeidsintensieve) brown-paper sessies waarbij vaak alleen de ‘Happy flow’ wordt getekend. Daarbij komt ook dat Process Mining in korte tijd inzicht biedt in de frequentie van het gedefinieerde probleem, hoe vaak ongewenste hand-over momenten voorkomen of in hoeveel gevallen herstelwerkzaamheden benodigd waren. Je kunt je voorstellen dat deze informatie belangrijke input levert voor het opstellen van een goede business case.

Measure

Wanneer de scope en het probleem gedefinieerd zijn volgt de Measure fase. In deze fase stel je, op basis van gegevens, vast hoe het huidige proces presteert. Bijvoorbeeld ten opzichte van vooraf vastgestelde prestatie indicatoren. Een belangrijk aandachtspunt in deze fase is de validiteit/betrouwbaarheid van de informatie. Door de bevindingen van traditionele methodieken (interviews, process walks, meetformulieren e.d.)  te onderbouwen met informatie afkomstig uit Process Mining wordt de betrouwbaarheid van de informatie vergroot en ontstaat er een nog beter beeld van de huidige proces prestaties.

Analyse

De derde fase van de verbetercylus bestaat uit de analyse van de verzamelde gegevens. Het doel van deze fase is de daadwerkelijke oorzaken van het probleem te identificeren en daarbij te bepalen welk van deze oorzaken de grootste invloed heeft op het probleem. Met andere woorden: hoe sterk is het verband tussen de oorzaak en het probleem? De informatie uit de ‘digitale’ sporen is in deze fase van de verbetercyclus ook erg bruikbaar. Zo zou de data uit de systemen bijvoorbeeld kunnen vertellen of er sprake is van een verband tussen het type product en de bewerkingstijd, tussen het aantal herstelwerkzaamheden en de betrokken medewerkers of tussen de doorlooptijd en de klanttevredenheid. Om deze en andere mogelijke verbanden of oorzaak-gevolgrelaties verder te onderzoeken wordt in deze fase, naast Process Mining, ook veel gebruik gemaakt van Data Analytics.

Improve

In de improve-fase wordt, op basis van de uitkomsten van de analyse, eerst bepaald welke interventies er nodig zijn om de hoofdoorzaken van het gedefinieerde probleem te elimineren. Hierbij is het belangrijk om vooral aandacht te besteden aan de oplossingen die een hoog slagingspercentage hebben tegen een lage inspanning. Door het uitvoeren van een pilot kan worden getest of de gekozen oplossing ook daadwerkelijk het gewenste resultaat heeft. Doordat Process Mining de mogelijkheid biedt om snel het procesverloop in kaart te brengen, kunnen de uitkomsten van de interventie tijdens een pilot snel worden weergeven. Hierdoor helpt Process Mining je om de beste interventie te kiezen.

Indien de pilot succesvol is verlopen worden de gekozen interventies geïmplementeerd in de dagelijkse praktijk. Process Mining biedt hierbij de mogelijkheid om medewerkers te overtuigen van de noodzaak van de verandering en mee te nemen in de mogelijke nieuwe situatie. Dit is essentieel voor het succes van de implementatie van een verandering binnen een organisatie. Vooral het feit dat middels Process Mining het procesverloop, de varianties en knelpunten visueel weer kunnen worden gegeven speelt hierbij een belangrijke rol. Medewerkers zien namelijk met eigen ogen hoe het proces voor en na de verandering verloopt en welke rol zij hierbij zelf in het proces spelen. Medewerkers maak je hierdoor onderdeel van de te implementeren verbetering en krijgen een helder beeld van het verbeterpotentieel van de organisatie.

Control

In de vijfde en laatste fase van de verbetercyclus wordt aandacht besteed aan de borging van de interventie. Hierbij ligt de focus met name op het monitoren van de impact van de oplossing op het proces. Met behulp van Process Mining kun je dashboards en bijbehorende KPI’s ontwikkelen waarmee je van dag tot dag of zelfs real-time kunt sturen op het procesverloop. Zo kan enerzijds tijdig worden bijgestuurd wanneer blijkt dat de organisatie in haar oude gedrag terug valt. Anderzijds bieden de dashboards en proces KPI’s informatie die kan dienen als aanknopingspunten voor verdere verbeteringen.

Aandachtspunten

Om te profiteren van het volledige potentieel van de combinatie tussen Lean Six Sigma en Process Mining is het essentieel om over de gedegen kennis van data en processen te beschikken. De inzet van bedrijfsdata en het gebruik van Process Mining vraagt namelijk om inzicht in de technische IT-architectuur van de organisatie. Denk hierbij bijvoorbeeld aan inzicht in:

  • welke data door welke systemen vast wordt gelegd;
  • de kwaliteit van de data (voorkom garbage in, garbage out);
  • hoe data ontsloten en gecombineerd kan worden tot bruikbare bedrijfsinformatie.

Naast dit technische component is ervaring en kennis op het gebied van business proces management en Lean Six Sigma randvoorwaardelijk voor een succesvolle combinatie. Bedrijfsdata alleen is namelijk niet voldoende om een goed inzicht te hebben in het procesverloop en de knelpunten. Kennis van Business Proces Management en Lean Six Sigma voorkomt bijvoorbeeld dat:

  • procesverbeteringen worden ingezet per team of afdeling (sub optimalisaties) in plaats van focus op het optimaliseren van de “end-to-end” processen;
  • de optimalisatie wordt gezien als project met duidelijk begin en een eind in plaats van als continu proces;
  • door de talloze mogelijkheden van data afgeweken wordt van de daadwerkelijke business behoefte. Een helder vraagstuk vanuit businessperspectief is essentieel om te bepalen naar welk verbeterpotentieel je zoekt (bv. verbeteren klanttevredenheid, reductie productiekosten, verbeteren capaciteitsmanagement).

Ben je na het lezen van deze blog geïnteresseerd in het inzetten van data om je klanten nog beter te bedienen en wil je verder over dit onderwerp sparren? Neem dan vrijblijvend contact ons op. We laten je graag zien wat de mogelijkheden van data zijn voor jouw organisatie.

 

Over de auteur: Job Mol

Job is een gemotiveerde en enthousiaste consultant. Hands on mentaliteit, analytisch en zelfstandig. Levert graag een bijdrage aan het organiseren van een excellente en efficiëntie dienstverlening, waarbij de klantwens en eigen ambitie van een organisatie centraal staan. Tijdens zijn opdrachten maakt hij veelal gebruik van methoden als Business Proces Management, Lean Six Sigma, Process Mining en Customer Journeys. Heeft ervaring binnen zowel de overheid als de bancaire sector in diverse rollen zoals Lean consultant, implementatiemanager en proces analist.  Heeft aan de VU Organisatiewetenschappen gestudeerd.