Wussten Sie, dass Microsoft Excel – als es in den 90ern auf den Markt kam – als ein Computer-Sciences-Thema gelehrt wurde? Heute wäre ein digitaler Arbeitsplatz ohne Excel nicht mehr denkbar: Wir alle nutzen Excel – und zwar in der Regel (alle Data Scientists ausgenommen ;) ganz ohne spezielle Data-Science-Ausbildung. Eine ähnliche Entwicklung, nämlich eine Demokratisierung von Zugriff auf Informationen und Wissen, beobachten wir heute im Umfeld der Datenanalyse erneut …

Das Bild des typischen BI-Anwenders wandert vom Data Scientist hin zu jedem Endanwender in jedem Fachbereich zu jedem Analysezweck. Wo früher noch Experten fachspezifisch vorgefertigte Analyse-Sheets mit den „wichtigsten Kennzahlen“ erstellten, können heute Endanwender eigene Dashboards bauen – und zwar ganz nach ihren individuellen Informationsbedarfen. Qlik® spricht hierbei von goverened Self Service BI. Neben dem Zugriff für „Jedermann & Jederfrau“ ist der Zugriff heute außerdem „von überall und zu jeder Zeit“ sowie „über jedes mobile Endgerät“ möglich. Auch für die Prozessanalyse-Technologie Process Mining ist das mittlerweile möglich – warum Process Mining Teil des Self-Service-Analyse-Universums am digitalen Arbeitsplatz werden sollte und wie sinnvolle Technologie-Symbiosen genutzt werden können, thematisieren wir im Folgenden.

Demokratisierung von Daten- und Prozesswissen

Die Zielsetzung der meisten Unternehmen, die sich mit Datenanalyse beschäftigen, ist die Verbesserung der Prozessqualität und – effizienz im Unternehmen. Die Anwendung von Process Mining liefert hierzu einen wesentlichen Beitrag. Der breite Zugang der Anwender und die damit verbundene Demokratisierung von Daten soll Unternehmen dabei unterstützen, sich zu einer datengesteuerten Organisation zu entwickeln, in der alle Mitarbeiter unabhängig von ihren Vorkenntnissen in der Lage sind, Erkenntnisse zu gewinnen und Entscheidungen zu treffen, die zum Geschäftserfolg beitragen. Da nicht jeder Mitarbeiter über ausreichend Datenkompetenz verfügt – d. h. über die Fähigkeit, Daten zu lesen, mit ihnen zu arbeiten, sie zu analysieren und mit ihnen zu argumentieren – geht der Trend mittlerweile dahin, dass Anwender im Umgang mit der Analyse-Software unterstützt werden. Um dies zu erreichen, fließen heute technologische Entwicklungen aus den Bereichen „Artificial Intelligence, dt. Künstliche Intelligenz (KI)“ und „Augmented Intelligence“ in Analytics- und Process-Mining-Software mit ein.

Artificial Intelligence | Computer und maschinelles Lernen stehen im Vordergrund. Letztlich treffen die Maschinen die Entscheidungen auf Basis des zuvor angeeigneten Wissens. Durch das Zusammenwirken von Informatik, Datenwissenschaften, Rechenleistung und Algorithmen sind Maschinen in der Lage, eigenständig Problemstellungen zu lösen und Aufgaben zu erledigen, die bisher dem Menschen vorbehalten waren. Künstliche Intelligenz ersetzt die menschliche Intelligenz und Computer erhalten in Teilbereichen vollständige Autonomie. Eine Interaktion mit dem Menschen ist nicht mehr notwendig.

Augmented Intelligence | belässt die Entscheidungsfindung vollständig beim Menschen. Die erweiterte Intelligenz soll das menschliche Denken und die Entscheidungsfindung lediglich unterstützen. Mensch und Maschine interagieren. Die Hoheit über das tatsächliche Handeln und jegliche Entscheidungen verbleibt beim Menschen.

Einige KI-Anwendungen vertrauen allein auf maschinelle Automatisierung. Doch für die Lösung der meisten komplexen Geschäftsprobleme ist die menschliche Interaktion und Perspektive unverzichtbar. Eine Erweiterung von Business Intelligence und Process Mining durch Augmented Intelligence erachten wir daher als sinnvolle Entwicklung – Anwender erhalten kontextbezogene Vorschläge, die ihnen dabei helfen, bisher verborgene Erkenntnisse aufzudecken. Mitarbeiter können neue Wege einschlagen und mit jeder neuen Entdeckung gewinnen sie an Selbstvertrauen.

Aus zwei mach eins

BI-Anwendungen wachsen immer näher mit Process-Mining-Lösungen zusammen. Warum ist das sinnvoll? Die grundsätzlichen und fundamentalen Aufgaben bei Datenbeschaffung, -modellierung und -bereitstellung ähneln sich sehr. Es gibt bereits einige Tool-Symbiosen auf dem Markt, die auch im Gartner Market Guide for Process Mining 2019 begrüßt werden. Warum das Zusammenwachsen der Tools sinnvoll ist, hat mehrere Gründe:

Der Einsatz der Analyse-Tools verfolgt im Großen und Ganzen das gleiche Ziel: Operational Excellence und in Folge ein zukunftsfähiges, effizient arbeitendes, erfolgreiches Unternehmen.

Gerade die Entwicklung hin zur Demokratisierung von Analysen verleiht dem Zusammenwachsen der Technologien Business Intelligence und Process Mining noch mehr Sinnhaftigkeit, bzw. sogar eine Notwendigkeit, denn am digitalen „Jedermann-und-Jederfrau-Arbeitsplatz“ sollte EINE einzige, komfortable Analysewelt für den Endanwender entstehen.

Da die Systeme und Datenquellen ohnehin zu einer hohen Prozentzahl einhergehen, wären zwei Analyse-Inseln offensichtlich nicht nur aus Anwender-, sondern auch aus Datenbeschaffungsperspektive wenig sinnvoll.

Zusammenfassend lässt sich die Frage, warum Process Mining Teil des digitalen Arbeitsplatzes werden sollte – und zwar als Teil des einen SINGLE POINT OF TRUTH, durch eine simple Gegenfrage beantworten: würden Sie sich privat zwei Smartphones kaufen, nur um zwei Apps zu installieren? Wahrscheinlich nicht 🙂

Wenn Sie sich gerne intensiver mit Process Mining sowie dessen Synergieeffekten zu Business Intelligence auseinandersetzen möchten, registrieren Sie sich gerne für die ProcessMining BlackBox, das Insider-Fachportal für Interessenten/innen, die sich gerne "schlau machen" möchten. In der BlackBox finden Mitglieder grundlegende und fachspezifische Informationen sowie regelmäßig neue Webinare und Infografiken.

Webinar on Demand | Wie Anwender aktiv durch Augmented Intelligence bei der Self-Service-Analyse unterstützt werden und über natürliche Sprache mit Prozessdaten interagieren.