プロセスマイニング – Process Mining

Introduction to Process Mining (6) Process Mining and Related Solution

今回は、プロセスマイニングの隣接分野、関連ソリューションとの関係性について解説します。

ビジネスインテリジェンス（BI）の視点から

プロセスマイニングは分析手法のひとつです。ビジネスへの適用を前提とすると下図の通り、一番大きな枠として「ビジネスインテリジェンス」があり、その内側に「プロセスインテリジェンス」、さらにその内側に「プロセスマイニング」があるという入れ子構造になっていると考えることが可能です。

まずビジネスインテリジェンスですが、文字通り、ビジネスに関わるあらゆるデータ・情報を分析対象として収集し、分析するものです。いわゆるBIツールを用いて分析することが多いですが、典型的には、売上や利益などの財務データをベースに、年度別、月別、週別などの推移を見たり、エリア別や製品別にドリルダウンして、売上や利益に貢献しているエリアや製品カテゴリ、逆に足を引っ張っている要因がどこかを掘り下げて分析する。これがビジネスインテリジェンスです。

ビジネスインテリジェンスのうち、特に業務プロセスに関わるデータ・情報に絞って各種分析を行うのが「プロセスインテリジェンス」です。さらに、プロセスインテリジェンスの中で、業務の流れ、すなわち「コントロールフロー」を核とする分析手法が「プロセスマイニング」です。

このようにみると、プロセスマイニングは大きくはビジネスインテリジェンスに含まれるため、ビジネスインテリジェンスで代替できるのではないか、とおっしゃる方もいます。

しかし、プロセスマイニングの基本機能である「（自動的な）プロセス発見」には、特殊なアルゴリズムが必要であり、BIツールには、このアルゴリズムは通常、実装されていません。また、BI機能に基づいて、プロセスマイニング用のアルゴリズムをゼロベースで組むのは現実的には不可能です。（初歩的なものは組めたとしても、それによって、再現されたプロセスモデルの信頼性は低いものでしょう）

したがって、プロセスマイニングを実行したければ、専用のプロセスマイニングツールの採用が必要になり、BIで代替することはできません。

では、プロセスインテリジェンスがカバーする領域はどこになるのでしょうか？

プロセスマイニングツールでは、特殊なアルゴリズムを用いて行うプロセス発見以外に、様々な統計数値を算出し、様々な表・グラフで表現する機能が備わっています。

例えば、分析対象としたプロセスに含まれる案件数、プロセスの開始から終了までのスループット（サイクルタイム）や、各アクティビティごとの処理数、処理時間、あるアクティビティから別のアクティビティまでの移行時間、すなわち待ち時間などです。そして、これらの数値に関して平均、最大・最小、中央値、標準偏差などを併せて確認することが可能です。

こうした統計数値の算出は、シンプルな四則演算ベースで可能であり、特殊なアルゴリズムは言うまでもなく必要ありません。BIでも簡単に実行できますが、これこそ「プロセスインテリジェンス」がカバーしている領域です。

プロセスマイニングによる分析においては、アルゴリズムを通じて発見された「プロセスモデル」（as isプロセスモデル）を起点に、様々なバリエーションを検証する「バリアント分析」や、理想プロセス（to beプロセス）との比較分析、すなわち適合性検査などを行います。

さらに、処理時間がKPIを超えている問題アクティビティや、待ち時間が長くなっているボトルネックを特定していきますが、ここで重要になってくるのが処理件数や処理時間、待ち時間などの基本統計数値です。

すなわち、プロセスマイニングでは、プロセスモデルと併せてプロセスインテリジェンスの数値を様々な視点で掘り下げることを行うわけです。

主要なプロセスマイニングツールでは、プロセスモデルを作成するアルゴリズムは当然として、プロセスインテリジェンス機能、特に、様々な数値をビジュアルに表現するダッシュボード機能が標準で装備されています。この意味では、現在のプロセスマイニングツールは、「プロセスインテリジェンスツール」と言い換えても全く支障がないと言えます。

BPM、データマイニング・AIとの関係

プロセスマイニングと密接な関係がある隣接分野があります。ひとつはデータマイニング・AI、もうひとつはBPM（Business Process Management）です。

まずは「データマイニング・AI」とは何かから説明します。データマイニングは、基本的にビッグデータを対象とした分析手法であり、その主な目的はものごとの因果関係や典型的なパターンのような「法則性」を発見して、様々な意思決定に役立てることです。

例えば、各地の気温、湿度などの天候情報を大量に収集し、データマイニングでそのデータを分析することで、どのような状況において晴天になりやすいのか、それとも雨天になりやすいのかの予測式がつくられ、天気予報に活用されています。

データマイニングでは、数十年前から活用されてきた「多変量解析」の手法、例えば、回帰分析や、クラスター分析、決定木分析に加え、近年は主にニューラルネットワークによるディープラーニングが飛躍的な進歩を遂げ、ものごとを判別したり、予測する精度が大きく向上しています。一般に、これらの分析手法のことは「AI（Artificial Intelligence:人工知能）」と呼ばれますが、AIはデータマイニングにおいて頻繁に利用される手法なので、当記事では「データマイニング・AI」と一括りにしています。

さて、データマイニングはあらゆる分野のあらゆるビッグデータを分析対象としますが、基本的に「プロセス」を対象とはしてきませんでした。ある瞬間、すなわちスナップショット的な静的なデータを抽出して、要約したり、分類したり、因果関係を見出してきたりしたのです。

一方、プロセスマイニングは、文字通り、時系列のひとつながりになった動的なデータから、プロセスの流れを描き出すこと、すなわち「プロセスモデル」を作成することが基本にあります。もちろん、プロセス処理件数や処理時間など、プロセスに関わる静的な各種統計量も併せて算出する点は、データマイニングと共通しています。

こう考えると、データマイニングとプロセスマイニングは、分析手法としては兄弟分のようなものです。（どちらにも「マイニング」という言葉が含まれていますし）

ただ、プロセスマイニングを主体に考えると、プロセスに関わる様々な分析を深めていくうえで、データマイニング、AIの手法が応用されています。例えば、現在処理中の案件（ランニングケース）の終了までのリードタイムを推測するためには、データマイニングにおける「予測分析」が採用されています。

それ以外にも、必要に応じて、クラスター分析や決定木分析などが活用可能であり、今後も、プロセスマイニングツールとしての分析の幅や精度を高めるためにデータマイニングの手法がプロセスマイニングに取り入れられていくと考えられます。

では次に、BPM（BPM）について考えてみましょう。BPMはシンプルにいえば、プロセスを改善することを目的として、プロセスの現状を分析し、問題点を解消するto beプロセスを設計し、現場に展開・監視を行う一連の活動です。

このBPMの活動のうち、とりわけ「現状分析」において、プロセスマイニングの基本アプローチのひとつ、「プロセス発見」は役立ちますし、その後の設計、展開、監視においても、プロセスマイニングが提供できる「適合性検査」、「プロセス強化」のアプローチはBPMにとって強力な武器となりえます。

このように、プロセスマイニングとデータマイニング・AI、BPMはお互いに補完しあえる関係にあると言えます。プロセスマイニングのゴッドファーザー、Wil van der Aalst教授は、「プロセスマイニングは、データマイニングとBPMをつなぐ橋である」と述べられていますが、まさに、BPMの取り組みにおいて、プロセスに特化したデータマイニングとしての「プロセスマイニング」は大きな役割を果たしていくと思われます。

プロセスマイニングの前工程と後工程

業務プロセス改善の取り組みにおいて、プロセスマイニング活用を中心に置くと、プロセスマイニング分析を行う前工程としての「データ前処理」に関わるソリューションと、プロセスマイニング分析後の実際の改善施策としての様々なソリューションが存在します。

データ前処理は、ERPなどの業務システムから分析対象となるデータを抽出し、プロセスマイニングツール（およびタスクマイニング）で分析できるデータ形式へと整形する作業です。

業務システムから抽出した生のデータをそのままプロセスマイニングツールにアップロードできることは基本的にありません。抽出されたデータは複数のファイルで構成され、実際の取引履歴であるトランザクションデータ以外に、参照するためのマスターファイルが含まれています。また、データには抜け漏れ、文字化けなど、そのままでは分析できない箇所が存在するため、適宜削除、補正するなどの作業が必要です。これを「データ前処理」と呼びます。

データ前処理は、SQLやPythonなどで処理プログラムを記述することで高速に行えますが、こうした言語を知らなくても、データ前処理を簡単に行えるETLツールの利用を私はお勧めしています。ETLツールもいろいろとありますが、オープンソースで操作も簡単な「KNIME（ナイム）」が一押しです。

さて、プロセスマイニング分析後に発見した問題を解決するための施策としてのソリューションには、まずRPA(Robotic Process Automation）によるタスク自動化が挙げられます。また、プロセス単位で一定の業務手順を自動化するためにはビジネスプロセスマネジメントシステム（BPMS）の採用が有効でしょう。また、業務を遂行するためのリソース最適化のために、アウトソーシングサービス（BPO)の活用も検討に値するでしょう。

なお、プロセスマイニングを軸とする継続的プロセス改善のためには、分析対象となる各種データを長期に亘って蓄積し、柔軟に抽出できる仕組みが有効です。したがって、データウェアハウス（DWH）やデータレイクと呼ばれる分析系システムを構築して、実運用によって不断に生み出されるデータを収集・蓄積しておくことが望ましいです。

Introduction to Process Mining (5) Application areas of Process Mining

今回は、プロセスマイニングによる分析が可能な適用対象について、いくつかの視点で解説します。

システム・テクノロジー視点

まず、システムやテクノロジーの視点でプロセスマイニングの分析が可能なものについて概説します。

プロセスマイニングは1999年に研究がスタートしました。もともと、ビジネスプロセスマネジメント、ワークフローといった業務プロセスの可視化を目的として始まった分析手法ですので、分析対象となったのは企業の基幹システムである「ERP」です。こうしたシステムは取引履歴がDBに詳細に記録・保持されています（「大福帳型DB」とも言います）。

取引履歴、すなわちトランザクションデータには、業務システムの操作の節目となるアクティビティ、タイムスタンプ、そして案件IDが基本的に含まれており、プロセスマイニング分析が容易に行えるデータだと言えます。

また、ERPと並んで、CRM（SFA含む）システムから抽出される業務システム操作ログは営業管理、顧客管理に関わるデータであり、プロセスマイニングの分析対象として有効です。

もちろん、個々の企業が独自開発したレガシーシステムについても、それがどんなコンピュータ言語で開発されていようとも、「業務システム操作ログ」が記録・保持されていればプロセスマイニングでの分析が可能となります。（多くの場合、レガシーシステムでも業務システム操作ログ、あるいはトランザクションデータはなんらかの形で記録されています。）

また、コールセンターでの顧客からの問い合わせの対応履歴を管理するCTI(Computer Telephony Integration)や、ITヘルプデスクのためのシステムからは、問い合わせ対応や、チケット対応履歴データが抽出できます。この、いわゆる「コミュニケーションログ」も、プロセスマイニングではしばしば分析されます。迅速な解決のための対応プロセスの改善により、顧客満足の向上を目指すことが主な目的です。

Webサイトの訪問履歴、すなわち「Webアクセスログ」も、訪問者のセッションID（Cookieも可）、訪問したページ（＝アクティビティ）、タイムスタンプの3つの必須データ項目が含まれており、Web上での顧客の振る舞いを分析するためにプロセスマイニングが採用されます。顧客の行動をプロセスマイニング分析することは「カスタマージャーニーマイニング」と呼ばれています。

さて、意外な分析対象なのが、「機器操作ログ」です。「マシンログ」とも言いますが、これまでしばしば分析されているのが医療機器、具体的にはCTやMRIといったものです。分析目的は、稼働率の向上や適切に利用されているか、といったものです。

また、近年、IOT（Internet Of Things)が注目され、あらゆる場所にセンサーが設置されることで、センサーが捕捉したログが大量に発生しています。センサー捕捉ログはデータ量が大きく、ノイズが大量に存在しますが、適切にデータ前処理を行うことでプロセスマイニングを実行できます。

最後は、エクセルやブラウザーの詳細な操作履歴を収集したPC操作ログです。PC操作ログは、業務システム内に保存されているイベントログと異なり、分析対象PCに操作内容を収集するエージェントをインストールして能動的に蓄積する必要があります。PC操作ログは、タスクレベルの業務内容の見える化が可能であることから、「タスクマイニング」と呼ばれます。このPC操作ログはIOT同様、データ量が膨大でノイズが多く含まれますが、データ前処理を行うことでプロセスマイニングツールでの分析が可能です。

バリューチェーン視点

下図は、企業活動を価値を生み出し、顧客に提供する仕組みとして構造化してもので「バリューチェーン」と呼ばれています。ここでは、バリューチェーンの視点でプロセスマイニングの分析対象を考えてみましょう。

様々な企業活動において、収益を得て事業を継続する「価値創出プロセス」は、

購買物流→製造→出荷物流→販売・マーケティング→アフターサービス

の流れです。この価値創出プロセスの多くは現在、ERPや、CRM(SFA)などの業務システム、またSaaS型の各種アプリケーションで遂行されるようになってきており、どの段階においても、プロセスマイニング分析による継続的改善が行われるようになってきました。

また、この価値創出を支えるさまざまな機能、すなわち調達活動、技術開発、人事労務管理、全般管理についても、システム化が進行している管理についてはプロセスマイニングが採用されるケースが増えてきています。

例えば、人事労務管理の領域になりますが、新規採用人材の受け入れプロセスである「オンボーディング」を効果的、効率的に行うための改善を目的としてプロセスマイニングが採用されています。

分析対象となることの多い業務プロセス

最後に、これまでプロセスマイニングの分析対象となることの多かった業務プロセスをご紹介します。

まず、「受注（O2C)プロセス」、「購買（P2P)プロセス」は非常に多く分析されています。バリューチェーンの枠組みでは、まさに価値創出プロセスの根幹にある最も重要な業務だからでしょう。欧米では特に、ERP上で実行されることの多い業務プロセスであり、データの抽出、前処理の手順がある程度標準化できることも、分析対象とされることの多い理由です。

また、受注プロセスに含まれますが、倉庫などで、顧客からの発注を受けて在庫を割り当て、出荷を行うまでのプロセスが分析されることも多くなっています。

さらに、バリューチェーンの価値創出プロセスでは最下流にあたる「問い合わせ対応」やヘルプデスクも、手順がある程度定型化され、イベントログとしてシステムから抽出が容易なためプロセスマイニングが行われています。

経理部門に限定されるプロセスとして、「買掛金管理」、「売掛金管理」も、ERP上でほぼ完結し、分析が容易であることから、しばしば分析対象となります。

Introduction to Process Mining (４) What Process Mining can deliver

今回は、プロセスマイニングの活用がもたらす主な効用（ベネフィット）について解説します。

経営的インパクト

まずは、経営的な視点で考えてみましょう。すなわち、プロセスマイニングの活用が、経営上のゴールともいえる売上や利益の向上にどのように貢献できるか、ということについてです。

第一に、「コスト削減」の成果が期待できます。プロセスマイニングによって業務プロセスが可視化されることにより、ムダな業務を洗い出すことが可能です。ムダな業務とは、たとえば、そもそもやらなくても支障のない業務や、ミス多発により手戻りが発生しやすい業務などです。こうしたムダな業務を除去したり、ミスを減らせるような手立てを講ずることで、業務プロセスの遂行コストの削減が可能となります。

第二に、「顧客満足度向上」が期待できます。例えば、受注から納品までの「受注プロセス」の場合、プロセスマイニングによる問題点の把握と改善を行うことによって、納期の短縮が図れます。顧客にとって、注文したものが以前よりも早く届くようになれば満足度は高まります。また、業務プロセスが最適化されれば、納期短縮だけでなく、発注したものとは違うものが届くといったミスも減ることも期待できます。すなわち、プロセスのスピード、および質の向上によって顧客満足度の向上が可能となり、結果的に受注金額の増大やリピート率改善につながることになります。

第三に、「従業員満足度の向上」も期待できます。プロセスマイニングによってあぶりだされたムダな作業や業務の滞留、すなわちボトルネックが解消されれば、業務プロセス完了に費やされる労働時間が減り、不必要な残業がなくなって総労働時間の短縮が可能となります。徒労に感じられるような業務に時間を取られることなく、効率的に業務を遂行できるようになり士気も高まることでしょう。

プロセス改善の手がかり

前項では、最終的な売上・利益にどのようにプロセスマイニングが貢献できるかを解説しました。ここでは、プロセスマイニング分析の結果から、どのようなプロセス改善につなげることができるかを説明します。

プロセスマイニングツールにイベントログをアップロードし分析を行うことでまず「現状プロセス」が可視化されます。ここから様々な現状分析を行っていきます。可視化された現状のプロセス（as is プロセス）からは以下のような問題点が発見できるでしょう。

・非効率なプロセス（想定よりも処理時間が長い箇所）

・ボトルネック（仕事が滞留している箇所）

・スタッフスキルのばらつき（個々人の生産性の違い）

・手戻り（繰り返し）プロセス

これらの問題が発見できたら、「なぜこのような問題が発生してしまうのか」を掘り下げます。「根本原因分析」です。結果、原因が特定できたら、その原因を解消するための改善施策を検討し展開します。改善施策としては以下のような打ち手が考えられます。

・プロセス変革（ムダ業務の除去、手順の見直しなど）

・要員配置の最適化（シフトの見直し等）

・スキルアップトレーニング（生産性の差を均すため）

・RPA化（定型業務を中心とした自動化）

・BPO化（要因配置計画をより柔軟に行うため）

また、可視化された現状プロセスのバリエーションの中に、優れた手順を発見することができたら、それを「理想プロセス（ハッピープロセスとも言います）」とみなし、標準化を図ります。そして、マニュアルを作成したりBPMシステムのワークフローとして組み込むことで全社に展開することが有効な打ち手でしょう。

一方、すでに標準プロセスが存在していた場合、それをto beプロセスとしてプロセスマイニングツールにアップロードすれば、現状プロセスとの比較分析（「適合性検査」と呼びます）を行うことで、標準から逸脱しているプロセスをあぶりだすことができます。

この逸脱についても根本原因分析を行い、即時是正を行ったり、法令遵守、すなわちコンプライアンス上の問題に発展する可能性がある場合には、対象部署に対するコンプライアンス研修などを行い、逸脱発生を未然に防ぐ施策を打ちます。

このように、プロセス改善、プロセスの標準化に向けての適切な改善施策を検討する前段となる、プロセス上の様々な問題を簡単に発見できることが、プロセスマイニングの直接的な効用だと言えます。

なお、プロセスマイニングツールと業務プロセスを接続可能とし、リアルタイムにイベントログデータをツールに流し込むことで、完了した案件だけでなく、未完了案件のリアルタイム監視も可能です。

リアルタイム監視の場合、現在仕掛り案件についてボトルネックや逸脱の発生を探知できることから、ただちに改善措置を行うことが可能となります。ツールによっては問題の発生を事前に予測することもでき、未然に問題発生を阻止することさえ行えます。こうした機能は「運用サポート」と呼ばれ、近年ユーザーの評価がますます高まっている、プロセスマイニングのベネフィットだと言えます。

業務分析手法としての効用

プロセスマイニングは、業務プロセス改善やシステム改修を主な目的とする現状把握のための業務分析のひとつです。従来の業務分析は現場ヒアリングなどアナログな手法であったのに対し、業務システムから抽出されたイベントログデータを分析するデジタルな手法です。

これまで述べてきた便益に加えて、業務分析手法としてのプロセスマイニングは従来のアナログな手法と比較してのメリットもあります。

従来手法は前述したように、分析対象となる業務プロセスに関わっている関係者に個別ヒアリングを行ったり、一堂に会して議論するワークショップ、またストップウオッチを手にしての観察調査（動作調査）などアナログな方法です。

ヒアリングやワークショップの場合、関係者の発言がベースになることから、ありのままの現実というよりは主観的なものになります。また、記憶に頼ったものになるため、得られる情報は断片的です。

なにより、長大・複雑なプロセスの場合関係者も多数存在し、ヒアリングやワークショップにかかる時間とコストは膨大なものになります。観察調査は主観性はある程度排除できるもののの実施の負荷は大きく、また業務遂行の邪魔になる可能性もあります。

一方、プロセスマイニング分析は、業務システムから抽出したイベントログデータにもとづく定量分析です。システム上の操作履歴を基本的に丸ごと、全数で分析するため、客観的かつ、漏れのないエンド・ツー・エンドのプロセスを再現することが可能です。

プロセスマイニング分析自体は、現場担当者に大きな負担をかけることはありませんし、データクリーニングなどの前処理の手間を含めても、従来手法よりも大幅な期間圧縮、コストダウンが可能です。

ただし、注意点があります。プロセスマイニング分析の分析対象は業務システムで行われた業務のみであり、エクセルなどで行われた中間ファイル作成業務などは捕捉できません。プロセスマイニングは、エンド・ツー・エンドのプロセスを見える化できるとは言え、その粒度は現実の業務よりは粗いものになります。

したがって、プロセスマイニング分析から得られた現状プロセスをベースに、漏れているタスクレベルの業務はやはり現場担当者へのヒアリングやワークショップを補完的に行う必要があります。もちろん、従来手法のようにゼロベースでのヒアリングよりは、はるかに的確で効率的な情報収集が可能となりますので、業務分析にプロセスマイニングを採用することのメリットは総合的には非常に大きいと言えるでしょう。