Combinación potente para la Excelencia Empresarial: Data Mining, Task Mining y Process Mining
Por: Pedro Robledo
En un ecosistema digital donde la inmediatez es la norma, las organizaciones tienen como prioridad fundamental la agilidad en la gestión de datos para tomar las mejores decisiones a tiempo. Para ello, deberán disponer de la información adecuada de la operativa empresarial para realizar análisis certeros basados en datos, tareas y procesos.
El analista Gartner acaba de anunciar las tendencias tecnológicas para el 2022, y entre ellas habla del concepto de Data Fabric (Factoría de Datos), entendiéndolo como una capa integrada de datos y de los procesos conectados, más allá de las prácticas tradicionales de la gestión de datos, cambiando hacia soluciones modernas como la integración de datos habilitada por la inteligencia artificial.
No es suficiente concentrarse solamente en el almacenamiento y el análisis de datos, es necesario focalizarse en cómo se relacionan y correlacionan los datos, para comprender el impacto de cada acción operativa en los resultados empresariales.
Hay tres disciplinas que pueden aparecer en diferentes momentos y proyectos independientes dentro de una organización, que requeriría pensar en combinarlas para conseguir un impacto mayor en la búsqueda de la excelencia operacional: Data Mining, Task Mining y Process Mining. Ambas disciplinas proporcionan información necesaria para el negocio y la toma de decisiones, porque ofrecen Inteligencia Empresarial, pero cada una se centra en un enfoque diferente, que se complementan.
Data Mining (Minería de Datos)
La minería de datos es el proceso de analizar estáticamente cantidades masivas de datos sin procesar (Big Data) para descubrir relaciones y patrones y predecir tendencias futuras, utilizando el cribado y la clasificación de los datos para transformarlos en información procesable para los diferentes departamentos de la empresa.
Process Mining (Minería de Procesos)
La minería de procesos le permite analizar automática y visualmente los procesos de negocio, en función de los registros de eventos y rutas de datos de los sistemas tecnológicos transaccionales de una organización, para identificar áreas específicas de mejora a nivel operativo y descubrir problemas ocultos.
Task Mining (Minería de Tareas)
La minería de tareas permite a las empresas capturar datos de interacción del usuario (lo que sucede en los escritorios para que un proceso realmente suceda), para que se pueda analizar cómo los empleados están haciendo el trabajo y cómo pueden hacerlo aún mejor.
Diferencias entre Data Mining, Task Mining y Process Mining
Las tres disciplinas de minería comparten varios puntos en común, pero tienen enfoques complementarios, una combinación que es más poderosa que la suma de sus partes.
| DATA MINING | TASK MINING | PROCESS MINING | ||
| Alcance | Datos estáticos de la organización | Pasos y acciones dentro de una tarea | Procesos de Principio a Fin y subprocesos | |
| Fuente de Datos | Bases de Datos | Clics ratón, teclado, copiar y pegar… | Logs de eventos de los sistemas de TI | |
| Técnicas usadas | Árboles de Decisión, Redes Neuronales, Modelado Estadístico, Reglas de Asociación, Agrupamiento, Algoritmo genético, Regresión lineal, Redes bayesianas, | OCR, Text Mining, Reconocimiento de Patrones, PLN | Algoritmos de Data Mining, modelado de procesos, análisis de procesos, monitorización de procesos, identificación cuellos de botella y errores de procesos, verificar cumplimiento normativo… | |
| Foco | Orientado al Dato | Orientado a Usuario | Orientado al proceso | |
| Granularidad | Información | Pasos, Acciones | Actividades/Tareas | |
| Resultado | Analizar datos y detectar o predecir Patrones, limitándose al análisis de resultados. | Brinda la vista más completa posible de cómo se ejecutan los procesos, incluidos todos los pasos adicionales que no generarían registros de eventos. | Descubrir, controlar y mejorar los procesos reales al buscar procesos causales y excepciones. | |
| Análisis | Analiza datos estáticos, los que están disponibles en el momento del análisis. | Analiza las acciones de escritorio de los usuarios que participan en cada tarea de un proceso. | Analiza procesos para conocer cómo se crearon realmente los datos más recientes, incluso en tiempo real. | |
| Respuestas | Busca patrones ocultos en colecciones de datos pero no responde a preguntas específicas. | Busca patrones en acciones de escritorio, que más impactan en los resultados comerciales. | Permite buscar específicamente respuestas a preguntas claras y predefinidas. | |
| Software | El software crea reglas de asociación mediante la búsqueda de patrones frecuentes si-entonces en los datos. | El software aprovecha OCR, PLN y algoritmos de machine learning para encontrar patrones de usuario. | El software analiza un proceso en particular y su rendimiento / ejecución dentro de un período de tiempo específico. | |
| Objetivo | La minería de datos se preocupa más por el qué, es decir, los patrones en sí mismos. | La minería de tareas se preocupa más por el cómo se ejecutan los pasos de una tarea. | La minería de procesos busca responder el por qué. | |
La minería de datos facilita la extracción de información (conocimiento) de grandes conjuntos de datos; la minería de procesos interroga los registros de eventos de los sistemas empresariales clave para resaltar los pasos realizados para completar un proceso específico; y la minería de tareas opera a nivel de escritorio para descubrir y analizar las tareas que los usuarios realizan entre su participación en procesos de nivel empresarial. Las tres minerías pueden proporcionar beneficios inmediatos de forma independiente, pero juntas proporcionan una potente combinación de capacidades de descubrimiento, análisis y ejecución permitiendo a las organizaciones pasar sin problemas de la identificación de oportunidades de mejora a la entrega de mejoras y eficiencias en tiempo real.