Procurando eficiência no processo? Não foque em seus dados, mas esclareça seus processos.
- BP Consultores
- 26 de abr. de 2022
- 4 min de leitura
Atualizado: 29 de abr. de 2022
“Dados são o novo petróleo.” Ouvimos isto com certa frequência, no entanto a verdade não é exatamente esta. Se os dados não estiverem vinculados a um processo, eles não têm muita utilidade – assim como um barril de petróleo bruto antes de ser refinado.
As gigantescas quantidades de dados que podem ser encontrados nas organizações só se tornam valiosas quando são transparentes no nível do processo.
Os dados são, por assim dizer, os blocos de construção dos processos que garantem a criação de valor.
Já se foram os dias de inúmeros workshops nos quais as empresas eram questionadas sobre como seus processos funcionavam. A tecnologia evoluiu a tal ponto que hoje podemos usar dados para descobrir como os processos realmente são executados, tanto em nível de tarefa quanto de processo. Os dados são objetivos e, portanto, muito mais confiáveis do que a descrição feita pelas próprias pessoas.
Por exemplo, peça a três pessoas que descrevam o mesmo processo que usam todos os dias e há uma boa chance de que cada uma apresente uma abordagem diferente. Desta forma, torna-se razoavelmente difícil otimizar ou automatizar um processo.
Process Mining x mineração de dados
Além disso, a automação é o último passo na otimização do processo. Mas qual é o primeiro? Mapear o processo de forma objetiva por meio de insights de dados, que podem ser obtidos através da tecnologia de Process Mining. Isso significa: olhar para os dados, mais especificamente para os eventos em um sistema ERP ou CRM, por exemplo, para descobrir e definir processos em um contexto administrativo, financeiro, RH ou da cadeia de suprimentos.
O Process Mining está, portanto, muito próximo da mineração de dados, que envolve uma busca direcionada por conexões entre diferentes e muitas vezes grandes quantidades de coletas de dados. A mineração de dados é aplicada mais a dados provenientes de todos os tipos de processos industriais como dados sensoriais de IoT, transações bancárias e fluxos logísticos. O objetivo de ambos é basicamente o mesmo: converter dados em processos, insights e ações.
Da detecção de fraudes às recomendações de IA
Ao conectar todos os logs e dados entre si, você pode visualizar o processo em questão para descobrir por que ele falha ou não atende aos requisitos de projeto. Veja o exemplo da fraude: sem uma estruturação dos dados, a detecção de fraude é praticamente impossível. Por outro lado, uma vez que haja dados estruturados, torna-se mais fácil responder à pergunta 'quem fatura para quem?' e detectar anomalias e, portanto, fraudes.
Além disso, vemos cada vez mais soluções e recomendações baseadas em dados, geralmente sob o título de inteligência artificial (IA). O grande problema com isso é que essas recomendações de IA nem sempre são igualmente aplicáveis ou seguidas porque as pessoas não entendem o raciocínio por trás delas, o que também chamamos de recomendação de caixa preta.
No entanto, ao focar na relação entre os dados e não simplesmente nos dados em si, surgem melhores resultados e insights da aplicação de soluções de IA, como o Process Mining. Ao fazer isso, o usuário pode decidir se segue a "dica" proposta, não apenas com base na recomendação/insight apresentado pela solução, mas também no porquê dessa recomendação. Os padrões de relacionamento nos dados geralmente não são imediatamente visíveis para as pessoas comuns, mas com o Process Mining pode-se obter representações a partir de dados oriundos de arquivos de logs até então pouco claros.
Pensando em processos
Em outras palavras, fornecer informações sobre os dados observando a conexão entre os mesmos é mais importante do que os dados em si.
Temos que evoluir para esse grau de pensamento de processo: esclarecer o processo, em vez de glorificar os dados em si. Por exemplo, muitas empresas construíram um datalake ou data-warehouse real nos últimos anos, mas atualmente não sabem o que fazer com ele. Em suma, eles realmente reuniram muitos dados em uma plataforma de banco de dados com os quais não têm nada a ver com os processos empresarias em muitos dos casos. As perguntas que eles têm sobre sua organização e seus processos geralmente permanecem sem resposta porque os dados não estão vinculados nem questionáveis.
É por isso que o pensamento de processo orientado a objetivos é tão importante. Qual processo você quer abordar? Qual problema você quer ver resolvido? Qual é a pergunta para a qual você está procurando uma resposta? Saia com uma direção ou visão clara em mente. Por exemplo, nem todos os dados produzidos pelas máquinas são relevantes para a manutenção preventiva das máquinas.
Na verdade, basta saber quantas horas a máquina está funcionando para estimar quando a manutenção é necessária. O cerne da questão é, portanto, consultar os dados disponíveis de maneira direcionada em função de uma finalidade específica. Isso nos remete a uma avaliação crítica e fundamental de que as pessoas não podem ser esquecidas na análise dos processos de negócios.
Não se esqueça da pessoa
Finalmente, as pessoas não devem ser esquecidas no momento das análises dos processos. Os processos de negócios não agem por conta própria, as pessoas ocupam uma posição importante. Ao não partir de uma tecnologia específica, mas de um desafio específico no processo com o qual os humanos são confrontados, você chegará muito mais longe, certamente em combinação com insights de dados relevantes.
Dependendo do tipo e da quantidade de dados, a tecnologia certa pode ser escolhida para fornecer os insights necessários. Portanto, não apenas 'faça algo com dados' sem um objetivo, porque isso é tão eficiente quanto procurar uma agulha no palheiro. Por outro lado, transforme esse palheiro em um repositório que permita identificar os dados relevantes ao longo do processo. Desta forma, você encontrará a agulha – ou a solução para o seu problema – muito mais fácilmente.
Kommentare