استخراج فرآیند در شرکت

اشتباهات اتفاق می افتد، اما گاهی اوقات ممکن است برای یک شرکت بسیار گران تمام شود. فن آوری های هوشمند این امکان را فراهم می کند که کارکنان را از وظایف مستعد خطا رهایی بخشد و سازمان ها را از هزینه های ناخواسته نجات دهد.

پس از سال استثنایی 2020، شرکت ها زودتر شروع به محاسبه زیان خود برای این سال کرده اند. علاوه بر قرنطینه و کار از راه دور که همچنان با ما همراه خواهد بود، اشتباهاتی که توسط کارمندان مرتکب می شوند نیز یکی از دلایل عادی است. به عنوان مثال، به دلیل عدم تجربه، عدم توجه یا خستگی، ممکن است یک کارمند نتواند کار را به موقع انجام دهد، سندی را برای همکار اشتباه ارسال کند یا اشتباه تایپی داشته باشد.

خطاهای انسانی و پیامدهای آن

در نگاه اول، این لحظات غفلت چشمگیر به نظر نمی رسند، اما گاهی اوقات چنین نادیده گرفتن های کشف نشده، میلیون ها ضرر را برای یک شرکت به همراه دارد. در اینجا سه ​​مثال واضح وجود دارد که بر این موضوع تأکید می کند:

• در آگوست 2020، به دلیل یک خطای اداری کوچک، کارکنان بخش اعتبار سیتی گروپ به طور تصادفی نزدیک به یک میلیارد دلار را به وام دهندگان Revlon Inc. که سال ها درگیر اختلاف حقوقی با Revlon بودند و تقریباً امید خود را برای دریافت از دست داده بودند، انتقال دادند. آن پول و البته حاضر به پس دادن آن نبودند. سپس سیتی گروپ شکایت کرد.
• در اکتبر 2020، نزدیک به 16000 مورد ابتلا به ویروس کرونا به دلیل یک خطای اکسل توسط بهداشت عمومی انگلستان (PHE) گزارش نشد. مشکل: توسعه دهندگان خود PHE یک فرمت فایل قدیمی – معروف به XLS – را برای انجام کار انتخاب کردند. هر قالب فقط می تواند حدود 65000 ردیف داده را مدیریت کند، به جای میلیون ها ردیفی که اکسل واقعاً می تواند مدیریت کند. و از آنجایی که هر نتیجه آزمایش چندین ردیف از داده ها را تولید می کرد، در عمل به این معنی بود که هر الگو به حدود 1400 مورد محدود می شد. پس از رسیدن به این تعداد، موارد دیگر به سادگی ثبت نشد.
• و حتی در آلمان، اشتباهاتی در شرکت ها رخ می دهد که می تواند هزینه بر باشد. به عنوان مثال، دفتر یک معمار هنگام محاسبه هزینه فولاد سازه دچار اشتباه تایپی شده است. نتیجه: هزینه های اضافی تقریباً 800000 یورو.

این و بسیاری از خطاهای دیگر چه مشترکاتی دارند؟ اول، آنها به خواندن، پردازش، تجزیه و تحلیل و گرفتن اسناد مربوط می شوند. ثانیاً، قبل از وقوع خطا، کارمندان همان عملیات را بارها و بارها تکرار می کنند. سوم، در بسیاری از موقعیت ها، داده ها به صورت دستی وارد می شوند. به عنوان مثال، یک کارمند اعداد را کپی می کند، نام خانوادگی مشتریان را در جدول وارد می کند، محاسبات نتایج مالی را انجام می دهد و غیره.

در نگاه اول، به نظر می رسد که ما امروزه در عصر دیجیتال زندگی می کنیم و چنین مواردی باید در فرآیندهای کسب و کار استثنا باشند. اما هنگامی که مجبورید روی همان قسمت روی صفحه نمایش ده ها یا حتی صدها یا هزاران بار دوبار کلیک کنید، از Ctrl + C و Ctrl + V استفاده کنید یا کادر موجود در پایگاه داده را برای مدت زمان مکرر علامت بزنید، جای تعجب نیست که در صد و یکمین بار که یک اشتباه ناخواسته اتفاق می افتد. اگر عوامل دیگری برای حواس پرتی اضافه شود، مثلاً به این دلیل که فردی از خانه کار می کند، خطر خطا حتی بیشتر می شود.

روال کاری نه تنها برای کسب و کار، بلکه برای خود کارمندان نیز مضر است. بر اساس مطالعه اخیر ABBYY، این عامل ناامیدی است و فرآیندهای عملیاتی ضعیف حتی می‌تواند باعث شود کارمندان به فکر تغییر شغل باشند.

فراخوان روبات ها

کارآفرینانی که به فناوری علاقه دارند و ارزش آن را برای تجارت درک می کنند می دانند که انسان ها ربات نیستند و کارهای تکراری را می توان بهتر توسط ماشین ها انجام داد. در تولید، این مدتی پیش محقق شد، اما در دفاتر، اولین ربات های نرم افزاری به تازگی وارد شده اند. امروزه شاهد تعداد فزاینده‌ای از پروژه‌های RPA، پردازش و پردازش اسناد هوشمند در سراسر جهان هستیم. طبق گفته گارتنر، بازار RPA در سال آینده به نزدیک به 2 میلیارد دلار خواهد رسید و تا سال 2024 با نرخ های دو رقمی به رشد خود ادامه خواهد داد.

پس از اینجا کجا برویم؟ به عنوان مثال، اگر حسابدار ارشد بخواهد بخش خود را بازسازی کند، مدیر خرید ممکن است پیشنهاد دهد که اسناد مناقصه باید ابتدا دیجیتالی شود تا تامین کنندگان سریعتر انتخاب شوند. با این حال، برای مدیر انطباق، الزامات نظارتی برای اتوماسیون برای شرکت اولویت دارد. اینها نظرات ذهنی است. آیا می توان از آنها با داده های کمی پشتیبانی کرد؟ چه چیزی را می توان به سرعت خودکار کرد؟ چه چیزی بیشتر به اتوماسیون مربوط می شود، یعنی کار دستی چه کسی گران تر است و چگونه می توانیم آن را اندازه گیری کنیم؟

درک فرآیند برای برنامه ریزی ضروری است

نظرسنجی از کارکنان یک روش کلاسیک برای به دست آوردن اطلاعات در مورد فرآیندهای تجاری است. این رویکرد برای آشنایی با فرآیندها و تهیه پروژه های جدید اتوماسیون مفید است. گاهی اوقات چنین نظرسنجی هایی توسط آژانس های مشاور انجام می شود زیرا قضاوت کارشناسی یک مشاور خارجی عینی تر به نظر می رسد. در شرکت‌های بزرگ، اتوماسیون هوشمند آنقدر پروژه بزرگ است که مراکز شایستگی به نام «مراکز تعالی» را راه‌اندازی می‌کنند که هدف اصلی آن شناسایی نیازمندی‌های تجاری، ارزیابی پروژه‌ها و تعیین اولویت‌ها برای پروژه‌های اتوماسیون است. با این حال، نظرسنجی‌های کارکنان اغلب تحت تأثیر سوگیری و پاسخ‌های کج‌رو هستند.

کشف فرآیند و استخراج فرآیند

راه هوشمندتری برای شناسایی، اولویت بندی و تسریع ابتکارات اتوماسیون وجود دارد. در سال‌های اخیر، شرکت‌ها استفاده از راه‌حل‌های کشف فرآیند و فرآیند استخراج را برای تصمیم‌گیری هوشمندانه‌تر آغاز کرده‌اند. این شامل استفاده از پلتفرم‌های هوشمندی است که داده‌ها را از سیستم‌های اطلاعاتی شرکت جمع‌آوری می‌کند و یک نقشه فرآیند ایجاد می‌کند، آن را به مرحله تجزیه می‌کند، داده‌های تعامل کاربران دسکتاپ را شامل می‌شود، خطاها، افزونگی‌ها یا انحرافات رایج را شناسایی می‌کند و از آنها جلوگیری می‌کند. آنها همچنین دلایلی را تجزیه و تحلیل می کنند که چرا برخی از فرآیندها کندتر از آنچه باید اجرا می شوند.

این بینش فرآیند به سازمان‌ها اجازه می‌دهد تا از کل عملیات خود با دید پرنده ببینند: آنها می‌توانند سیستم‌ها، افراد و داده‌ها را به هم متصل کنند تا بفهمند اتوماسیون دقیقاً کجا مناسب است، تحول دیجیتال مؤثر را امکان‌پذیر می‌کند و خطای انسانی را به حداقل می‌رساند. نیاز به “سفارشی کردن” فرآیند به گونه ای که بتواند نه تنها توسط انسان، بلکه توسط یک ماشین نیز قابل درک باشد، یکی از دلایل استفاده روزافزون از فرآیند کاوی است.

یک مثال

به عنوان مثال، یک شرکت مخابراتی جهانی یک پلتفرم استخراج فرآیند را در سیستم های اطلاعاتی کلیدی خود ادغام کرد. این شرکت با استفاده از نه تنها RPA بلکه از ربات‌های چت و یادگیری ماشینی ، نه فرآیند را برای خودکارسازی شناسایی کرد . تجزیه و تحلیل و پردازش داده ها تنها شش هفته طول کشید و حدود 8 میلیون دلار در سال برای شرکت صرفه جویی کرد.

انسان ها همیشه بخش مهمی از گردش کار خواهند بود. با این حال، مدیران می توانند با تجهیز شرکت به راه حل های بیشتر هوش دیجیتالی، اطمینان حاصل کنند که خطاها به حداقل می رسد.