Prosessilouhinnan mahdollisuudet Valtion talous- ja henkilöstöhallinnon palvelukeskuksessa

Abstract

Prosessilouhinnalla (process mining) tarkoitetaan prosessin analysointia ja visualisointia tietojärjestelmistä saatavan datan lokitietojen avulla. Dataa muodostuu ja kerätään koko ajan enemmän, siksi myös tarve sen analysointiin ja visualisointiin kasvaa. Prosessilouhinnan työvälineiden markkinoiden odotetaankin kasvavan räjähdysmäisesti lähivuosina.

Opinnäytetyö tehtiin Valtion talous- ja henkilöstöhallinnon palvelukeskukselle eli Palkeille. Työn tavoitteena oli selvittää millaisiin prosesseihin prosessilouhinta Palkeissa sopisi ja mitä hyötyjä sen avulla voidaan saavuttaa.

Opinnäytetyössä tutkittiin Pointti-asiakaspalveluportaalin palvelupyyntöjen käsittelyn prosessia. Prosessin selkeyttämäiseksi mm. määriteltiin Happy path eli ihanneskenaario, millainen prosessi tehokkaimmillaan olisi. UiPath Process Mining -sovelluksella louhituista tuloksista eniten yllätti, että vain 37 prosenttia palvelupyynnöistä kulkee määriteltyä tavoitereittiä, ja palvelupyynnöillä on 97 muuta eri tapaa muodostua ratkaistuksi.

Datan analysointia erilaisin työvälinein tehdään melko kattavasti Palkeissakin jo nyt, mutta analysointi ei vielä ole reaaliaikaista, ennakoivaa tai poikkeuksia huomioivaa. Datan muodostaminen substanssijärjestelmistä louhintatyövälineelle vaatii uusia raportteja, mahdollisia järjestelmien muutostöitä sekä esimerkiksi uusia ohjelmistorobotteja. Kun datan siirto louhintatyövälineelle saadaan toteutettua, prosessin visualisointi, pullonkaulojen havaitseminen, poikkeuksien löytäminen ja kehittämistarpeiden näkeminen on helpompaa ja reaaliaikaisempaa kuin muilla raportointi- tai analysointityövälineillä.

Louhinnan analysointia voi tehdä kuka vain, mutta havaintojen juurisyyt ja kehitysmahdollisuudet ymmärtää parhaiten substanssin asiantuntija. Louhintaan ei kannata ryhtyä ilman ajatusta siitä, miten tulokset voidaan hyödyntää ja prosessia kehittää.

Process mining is the analysis and visualization of a process based on the log data from various information systems. More and more data is converged and gathered, and so does the need for analyzing and visualizing. The market for process mining tools is expected to grow explosively in the coming years.

This thesis was made for the Finnish Government Shared Services Centre for Finance and HR (Palkeet). The aim of the thesis was to discover the processes in Palkeet to which process mining could be applied and what kind of benefits process mining could bring about.

The thesis looked into the request management process of the customer service portal Pointti. One of the means of clarifying the process was to define a Happy Path, or the ideal scenario for the most efficient process. The most surprising result of the mining carried out with the UiPath Process Mining application was that only 37 per cent of requests run along the designated route, and that there were 97 other ways a request could become solved.

Data is analyzed in Palkeet quite comprehensively with various tools already, but the analysis is not yet done in real time or proactively, and it is not sensitive to exceptions. Converging data from substance systems to the mining application requires new reports, eventual changes in systems and for instance new software robots. As soon as the transfer of data to the mining application is resolved, it will be easier and more instantaneous to visualize the process, locate bottlenecks, find exceptions, and detect needs for development than with other reporting or analysis tools.

Mining analyses can be carried out by anyone, but the root causes for the observations and how they can be developed are best recognized by an expert. It does not make sense to begin mining without a clear idea on how the results can be used and the process can be developed.