Wat levert process mining het mkb op?

do 17 sep, 09:10 Tech, Ict & Smart

Het korte antwoord

Process mining analyseert digitale sporen uit systemen zoals ERP, CRM en servicedesksoftware. Het reconstrueert daarmee de feitelijke route van een order, aanvraag of factuur: inclusief wachttijden, omwegen, uitzonderingen en herstelwerk. Voor het mkb is de belangrijkste opbrengst niet een fraai procesplaatje, maar een onderbouwd verbeterbesluit voordat tijd en geld naar procesautomatisering gaan.

Waarom dashboards niet vertellen waar werk blijft liggen

Een dashboard laat meestal zien hoeveel orders openstaan, hoeveel omzet er is geboekt of hoeveel tickets binnen de norm zijn afgehandeld. Dat is nuttig, maar het verklaart niet automatisch waarom werk stagneert. Een gemiddelde doorlooptijd kan bijvoorbeeld acceptabel lijken, terwijl een deel van de orders via drie extra controles loopt en dagen op een overdracht wacht.

Daar zit het verschil tussen het ontworpen proces en het feitelijke proces. Op papier verloopt een offerte misschien van aanvraag naar calculatie, akkoord en order. In de praktijk kan diezelfde offerte terugkeren naar sales, wachten op technische informatie, handmatig worden overgetypt in het ERP en pas daarna worden vrijgegeven. Process mining brengt die varianten naast elkaar in beeld.

De methode gebruikt daarvoor tijdgestempelde gebeurtenissen: een casus of dossier, de uitgevoerde activiteit en het moment waarop die activiteit plaatsvond. De internationale XES-standaard is juist ontwikkeld om zulke eventlogs eenduidig vast te leggen en uit te wisselen. Zie de toelichting van de IEEE Task Force on Process Mining over XES. De grondslag van de methode is uitgebreid beschreven door Wil van der Aalst in Process Mining: Data Science in Action (Springer, 2016).

Wat ziet u dan concreet?

Een goede analyse beantwoordt vragen die in een directiekamer vaak blijven hangen in vermoedens:

Waar ontstaan de langste wachttijden: vóór een beslissing, tijdens een overdracht of na een foutmelding?
Welke procesvariant komt vaak voor en welke variant is uitzonderlijk duur of traag?
Hoe vaak wordt een stap herhaald, teruggedraaid of handmatig hersteld?
Verschilt de route per klanttype, productgroep, vestiging of kanaal?
Welke stap veroorzaakt de meeste extra handelingen voordat iemand aan automatisering begint?

Dat onderscheid is essentieel. Een workflow automatiseren die vaak terugloopt omdat informatie ontbreekt, versnelt mogelijk alleen het doorgeven van onvolledig werk.

Wanneer is process mining zinvol vóór procesautomatisering?

Process mining is vooral zinvol wanneer een proces veel digitaal geregistreerde transacties kent en de organisatie vermoedens heeft, maar nog geen scherp bewijs van de oorzaak. Denk aan een maakbedrijf dat langere levertijden ziet, een groothandel met veel kredietblokkades of een zakelijke dienstverlener die facturen te laat verstuurt.

Begin niet met het breedste of politiek gevoeligste proces. Kies een proces met voldoende volume, duidelijke start- en eindpunten en een aantoonbare pijn: wachttijd, veel uitzonderingen, hoge werkdruk, fouten of gemiste omzet. De vraag is niet: welk systeem willen we vervangen? De vraag is: welke beslissing kunnen we over zes weken beter nemen?

Vier processen die het eerst een röntgenfoto verdienen

1. Offerte-tot-order

Hier gaat het vaak mis in de overdracht tussen sales, calculatie, engineering en administratie. Onderzoek onder meer hoeveel offertes teruggaan voor aanvulling, hoeveel tijd er zit tussen klantakkoord en orderinvoer en welke productgroepen de meeste uitzonderingen geven.

2. Order-tot-cash

Van orderacceptatie tot betaling raken ERP, magazijn, planning, transport en finance elkaar. Process mining kan laten zien of vertraging vooral ontstaat door voorraad, credit checks, wijzigingen, disputen of facturen die pas na levering worden aangemaakt.

3. Inkoop-tot-betaling

Dit proces is geschikt wanneer facturen lang wachten op een inkoopordernummer, goedkeuring of ontvangstboeking. Niet iedere vertraging is een automatiseringsvraag; soms zijn autorisaties, afspraken met leveranciers of de inrichting van stamdata de kern.

4. Ticket-tot-oplossing

In service en IT gaat tijd vaak verloren doordat tickets worden heropend, doorgezet of verkeerd gecategoriseerd. Door patronen per type melding of klantsegment te vergelijken, kan een team de oorzaak aanpakken in plaats van alleen de capaciteit op te schalen.

Welke data is minimaal nodig?

Een kleine, bruikbare start vereist geen datalake. Per procesgebeurtenis zijn drie velden de basis:

Case-ID: bijvoorbeeld ordernummer, factuurnummer of ticketnummer;
Activiteit: bijvoorbeeld ‘offerte verstuurd’, ‘kredietcheck uitgevoerd’ of ‘factuur geboekt’;
Tijdstempel: wanneer de activiteit plaatsvond.

Vaak zijn aanvullende velden nodig om verschillen te duiden, zoals klantsegment, productgroep, bedrag, kanaal, afdeling of medewerkerrol. Haal de gegevens bij voorkeur uit de bron: ERP, CRM, warehousemanagementsysteem of ticketsysteem. Een export met onduidelijke definities levert namelijk een overtuigend ogende, maar onbetrouwbare analyse op.

Leg vooraf vast wat een gebeurtenis betekent. Is ‘order aangemaakt’ het moment waarop sales de order invoert, of pas wanneer de order technisch is vrijgegeven? Die keuze bepaalt de uitkomst. Betrek daarom proceseigenaar, IT en een medewerker die dagelijks met het proces werkt bij de datacontrole.

Van eventlog naar verbeterbesluit in zes weken

Een zesweken-röntgenfoto houdt de scope klein en koppelt analyse direct aan besluiten.

Week 1: formuleer één bestuursvraag

Kies bijvoorbeeld: ‘Waarom duurt de doorlooptijd van geaccepteerde offerte tot productieorder langer dan vijf werkdagen?’ Benoem ook de start, het eindpunt, de proceseigenaar en de gewenste uitkomst.

Week 2: maak een datakaart

Inventariseer systemen, tabellen, eigenaars en definities. Controleer meteen op ontbrekende tijdstempels, dubbele case-ID’s en tijdzones. Neem alleen data mee die nodig is voor de vraag.

Week 3: toets de datakwaliteit met de werkvloer

Laat medewerkers een beperkt aantal cases herkennen in de data. Als een bekende order een onlogische route toont, is dat geen detail maar een signaal om de extractie of definitie te corrigeren.

Week 4: vergelijk varianten en wachttijd

Bekijk niet alleen het meest voorkomende pad. Zoek naar de varianten met het grootste volume, de langste wachttijd, de meeste herhaalstappen en de hoogste financiële impact. Splits waar nodig uit naar productgroep of klanttype.

Week 5: vertaal patronen naar oorzaken en opties

Een patroon is nog geen oorzaak. Leg de uitkomsten naast werkinstructies en bespreek ze met de mensen in het proces. Mogelijke interventies zijn eenvoudiger dan nieuwe software: een verplichte invoerveld, helderder autorisaties, andere taakverdeling of betere stamdata.

Week 6: kies, meet en borg

Kies één of twee verbeteringen, wijs een eigenaar aan en bepaal een nulmeting en vervolgmeting. Pas wanneer duidelijk is welk knelpunt structureel blijft bestaan, is het moment daar om workflowautomatisering, integratie of process mining software te beoordelen.

Welke drie besluiten moet de directie na de analyse nemen?

1. Welk knelpunt lossen we als eerste op?

Prioriteer niet alleen op irritatie. Weeg volume, wachttijd, herstelwerk, risico en klantimpact. Een afwijking die weinig voorkomt maar leveringen blokkeert, kan belangrijker zijn dan een veelvoorkomende handeling van enkele seconden.

2. Is de oplossing procesverbetering, dataverbetering of automatisering?

Een proces met veel incomplete gegevens vraagt eerst om betere invoer en eigenaarschap. Een stabiele, repetitieve handeling met duidelijke regels is juist een goede kandidaat voor automatisering. Process mining helpt om dat onderscheid met feiten te maken.

3. Hoe wordt het effect zichtbaar gehouden?

Leg vast welke KPI na de ingreep telt: mediane doorlooptijd, aantal heropeningen, aandeel uitzonderingen of percentage automatisch afgehandelde cases. Kijk naast gemiddelden ook naar spreiding. Juist de langzame staart van een proces raakt klantbelofte en werkdruk.

Process mining tools: kies pas nadat de vraag helder is

De markt kent uiteenlopende process mining tools, van gespecialiseerde platforms zoals Celonis tot oplossingen die aansluiten op BI-, ERP- of automatiseringsomgevingen. De keuze voor process mining software volgt echter op de procesvraag, niet andersom.

Beoordeel een oplossing ten minste op koppelingen met de eigen brondata, mogelijkheden voor datakwaliteitscontrole, toegangsrechten, uitlegbaarheid van analyses en de vraag of het team zelf inzichten kan actualiseren. Vraag in een proef niet om een algemene demo, maar laat één afgebakend eigen proces analyseren. Zo wordt zichtbaar wat een tool werkelijk toevoegt.

Voor Brabantse ondernemers is kennisdeling over dit soort keuzes waardevol. Brabant in Business verbindt regionale ondernemers via content, zichtbaarheid en ontmoetingen. Wie expertise of innovatie structureel zichtbaar wil maken, kan ook de groeipakketten van In Business Network bekijken.

Veelgestelde vragen over process mining

Wat is process mining?

Process mining analyseert digitale sporen uit bijvoorbeeld ERP-, CRM- en ticketsystemen. Daardoor ziet een organisatie hoe een proces werkelijk verloopt, waar wachttijden en herstelwerk ontstaan en welke stap het meeste effect heeft.

Met welk proces begint u?

Begin met één proces dat veel volume, wachttijd of uitzonderingen kent, zoals offerte-tot-order, order-tot-cash of inkoop-tot-betaling. Koppel daarna pas automatisering aan bewezen knelpunten.

Is process mining alleen voor grote organisaties?

Nee. Ook een mkb-organisatie kan klein beginnen als het gekozen proces voldoende digitaal wordt geregistreerd. De grootste voorwaarde is niet de bedrijfsgrootte, maar de beschikbaarheid en betekenis van case-ID’s, activiteiten en tijdstempels.