A’dan Z’ye Process Mining: İş Yönetiminde Yeni Bir Yaklaşım

Hem bugünün hem de geleceğin iş yönetimini daha verimli kılmak için çeşitli teknikler ve süreçler geliştiriliyor. Bilgi teknolojilerinden derinlemesine şekilde yararlanılan söz konusu yöntemler, içlerinde mutlaka farklı kavramları barındırıyor. Bu yöntemlerden biri de şirketlerin iş modellerinden elde ettikleri verimliliği önemli ölçüde artıran Process Mining.

Process Mining Neden Bir İhtiyaç?

Process Mining, Türkçeye Süreç Madenciliği olarak çevriliyor. Şu an devam eden olayların tespitini doğru yapmak geleceği sorunsuz şekilde değerlendirmenizi kolaylaştırıyor. İşinizin bugününe dair sorduğunuz her soruya cevap bulmanızı kolaylaştıran kavram Süreç Madenciliği, bilgi teknolojileriyle iç içe geçmiş yapısı sayesinde iş dünyasının geleceğe dönük daha işlevsel planlar yapmasına da imkân tanıyor. Zira Process Mining, bugünkü işleyişinizi analiz ederek ihtiyaç duyduğunuz tüm geliştirmeleri sizinle paylaşıyor.

Süreç Nedir?

Her şeyden önce süreç; belirlenen planlama dahilinde bir başlangıç ve bitiş noktası olan faaliyetler bütünü şeklinde tanımlanıyor.

Bir madencinin yerin metrelerce altında madeni nakış nakış işlemesi gibi, şirketlerin iş modelleriyle ilgili çeşitli detayların yazılım ve bilgi teknolojilerinin yardımıyla uygulama, kontrol ve denetim mekanizmalarına tabi tutulması anlamına gelen Process Mining; Data Science (Veri Bilimi), Data Scientist (Veri Bilimci), Data Mining (Veri Madenciliği) ve Veri Bilimi Yaşam Döngüsü kavramlarıyla entegre bir disiplin. Söz konusu disiplinlerin tamamıyla etkileşim içinde yer alan Process Mining şirketinizin değerlerini işlemeye yönelik yepyeni bir bakış açısını temsil ediyor.

Dijitalleşme çağında her şeyin temeline yerleşen veri kavramı birçok farklı disiplinin ortaya çıkmasına da ön ayak oldu. Bu disiplinler arasında yer alan Data Mining (Veri Madenciliği) şirketlerin iş modellerinin oluşturulmasında önemli rol oynuyor.

İş dünyasına çok büyük fayda sağlayan Veri Madenciliği, bugünün kullanıcı ve müşteri davranışlarını analiz etmek açısından Process Mining kavramıyla da bağlantılı. Süreç Madenciliği için sağlam bir zemin yaratan kavram, hâlihazırdaki sorunların çözülmesi ve strateji değişikliklerine gidilmesini önemli ölçüde kolaylaştırıyor. Process Mining için çok önemli yer tutan Data Mining sürecinde aşağıdaki yöntemleri izlemek şirketlerin verimliliğini oldukça artırıyor.

  • Veri bütününü elde etme ve güvenli kılma
  • Veri Temizleme (Smoothing)
  • Veri Bütünleştirme (Damy-Optimization)
  • Veri İndirgeme
  • Veri Dönüştürme (Normalization)
  • Veri Madenciliği Algoritmaları Uygulama
  • Elde edilen sonuçları uygun yazılım dillerinde teste sokma (R, Python, Java)
  • Makine öğrenimi
  • Değerlendirme

Veri Bilimi İş Dünyasını Dönüştürüyor mu?

Şirketler mevcut ürünlerini ve servislerini geliştirmek, bir üst seviyeye taşımak amacıyla Veri Bilimi tarafından sunulan tüm nimetlerden yararlanmaya çalışıyor. Data Science, Yapay Zekâ’nın (AI) bir alt kümesini nitelerken makine öğrenimi de yine Yapay Zekâ’nın başka bir alt kümesini niteliyor. Makine öğreniminin bir alt kümesini ifade eden Derin Öğrenme ise Veri Bilimi ve Makine Öğrenimi tarafından sunulan gelişim kümesini kusursuz biçimde tamamlıyor. Process Mining için hayati önemdeki iki bileşen aşağıdaki örneklerdeki gibi işlevsellik kazanabilir.

  • Çağrı merkezleri aracılığıyla toplanan verilerle müşteri kaybı analiz edilebilir ve buna yönelik pazarlama stratejileri geliştirilebilir.
  • Önceki satın alma işlemlerine dayanan öneriler üreterek müşteriler için yeni planlamalar yaratılabilir.
  • Finans servislerinde meydana gelebilecek dolandırıcılık odaklı faaliyetler tespit edilerek gerekli önlemlerin alınması kolaylaştırılabilir.
  • Herhangi bir ekipmanın ne zaman bozulacağını öngörerek tedarik zincirinin optimize edilmesi sağlanabilir.
  • Lojistik şirketlerinin trafik yoğunluğu, hava durumu benzeri işleriyle ilgili faktörler analiz edilerek teslimat hızları iyileştirilebilir, maliyetler azaltılabilir.
  • Doktorların test verileri ve belirlenen semptomlar ışığında hasta teşhis süreçlerini daha işlevsel hâle getirmeleri sağlanabilir.

Veri Bilimi Yaşam Döngüsü

Veri Bilimi nasıl yapılır sorusunu ve söz konusu disiplinin uygulama alanlarını işaret eden veri bilimi yaşam döngüsü, altı adımdan oluşuyor. Doğrusal değil, kademeli ilerleyen bir süreç olarak tanımlanan döngü, veri biliminden detaylı biçimde yararlanılarak yaratılacak bir veri modelleme projesinin temelini meydana getiriyor. Veri Bilimi Yaşam Döngüsü, bir başka deyişle şirketlerin günü yakalayarak proaktif iş modellerine sahip olmasını kolaylaştırıyor.

  • Planlama: Veri bilimi yaşam döngüsünün ilk adımı olan planlama, iş akışında yer alacak bir projeyi ya da modellemeyi tanımlamanız anlamına geliyor. Sorunun kaynağını tespit etmeyi ya da iyileştirme yapılacak alanlara odaklanmayı mümkün kılan bu basamak, tanımlama aşaması olarak kabul ediliyor.
  • Veri modeli oluşturma: Sürecin ikinci adımında veri bilimcileri, makine öğrenimi modelleri oluşturmak amacıyla açık kaynak kitaplıkları veya veritabanındaki araçları kullanıyor. Bu noktada API’lerin veri alımı, veri profili oluşturma, verilerin görselleştirilmesi ve özel mühendislik alanları gibi hususlar ön plana çıkıyor. Bu başlıklara erişim talep eden kullanıcılar, verilerin doğru işlenmesi sonucu elde edilen doğru bilgiye ihtiyaç duydukları kadar doğru araçlara da ihtiyaç duyuyor.
  • Modeli değerlendirme: İş modellerinin temelini oluşturacak veri modellerini kullanıma hazır hâle getirmeden önce yüksek doğruluk yüzdesine ulaşmak şart. Veri bilimcileri bu aşamada yeni veriler ışığında model performansını test ediyor. Kapsamlı değerlendirme metrikleri ve görselleştirme setleri ışığında meydana getirilen değerlendirme aşaması, üretimde optimum davranışı yaratmak için bunları kronolojik olarak sıralıyor. Model değerlendirmesi beklenen kullanıcı davranışını tespit edebilmek gayesiyle ham performansın ötesine geçiyor.
  • Modeli açıklamak: Veri modelinin iç mekaniğini açıklamak bir hayli önemli. İç mekaniğe ilişkin tahminlerin oluşmasında rol oynayan etkenlerin göreli ağırlığı hakkında otomatik değerlendirme yapılabildiği gibi, tamamen veri bilimcilere ait, özelleştirilmiş modele özgü ve özgün değerlendirmeler hazırlamak da pekala mümkün.
  • Modeli konuşlandırma: Dört aşamayı geçmiş, bir nevi eğitilmiş bir makine öğrenimi veri modelini doğru sistem ve iş modeli içine konuşlandırmak oldukça zahmetli bir sürece tekabül ediyor. Bu bağlamda veri modelini ölçeklenebilir biçimde yaratmak ya da veritabanı içi araçlarda güvenilir makine öğrenimi araçlarını tercih etmek süreci sizin için biraz daha kolay hâle getirebilir.
  • Modeli izleme: Modeli iş akışı içine konuşlandırmak veri bilimcinin işinin tamamlandığı anlamına gelmiyor. Veri modelinin, Process Mining’in doğasında da göreceğimiz üzere, doğru çalıştığından emin olmak için proaktif şekilde 7/24/365 prensibiyle izlenmesi gerekiyor. Bugünü işlemeden oldukça başarılı olan veri modelinin bunu devam ettirebilmesi ve gelecekteki tahminlerde de sorun yaşamaması için daima güncel olması büyük önem taşıyor.

Veri Bilimci Kimdir, Ne İş Yapar?

Veri Bilimci (Data Scientist), istatistik analizi ve Veri Madenciliği alanlarından ortaya çıkan bir uzmanlık. Bu uzmanlığın ortaya çıkış ve gelişim süreci ise 2002-2008 yılları arasına dayanıyor. Profesyonel uzmanlık alanı olarak ilk kez Bilim ve Teknoloji Verileri Komitesi’nin 2002’de yayımladığı Data Science Journal’da bahsedilen veri bilimci kavramı 2008’e gelindiğinde bir meslek unvanı kimliğine büründü.

O günden bu yana dijital teknolojilerin gelişmesi, veri kullanımının yaşamın merkezine yerleşmesi gibi köktenci değişimler veir bilimcilerin daha değerli bir meslek kolu hâline gelmesine katkıda bulundu. Bugün dünyanın farklı yerlerindeki üniversitelerde veri bilimci yetiştirmeyi amaçlayan bölümlerle karşılaşmak mümkün.

Process Mining Nedir?

Bir süreç yönetim tekniği olarak tanımlayabileceğimiz Process Mining, kurumsal iş yönetimi yazılımlarındaki işlem loglarını analiz ediyor. Bu sayede iş süreçlerinin gerçek zamanlı iş yükünün saptanmasını sağlayan teknik, süreçlerin gerçekte nasıl yürüdüğüne dair fikir sahibi olmanızı da kolaylaştırıyor. Veri madenciliği, veri bilimi ve süreç yönetimi yaklaşımının kesişim kümesini ifade eden Process Mining, proaktif çalışma metotları oluşturmanın en işlevsel yollarından biri.

Bu disiplinin işleyişindeki temel amaç iş modellerinin kapsama alanındaki süreçlerin nasıl ortaya çıktığını, ana plandan ne derece, nasıl saptığını, sorunları, hangi optimizasyon önlemlerinin alınması gerektiğini tespit etmek ve daha sonraki aşamada süreci iyileştirme, bir başka deyişle geliştirme adımlarını atmak olarak ifade edilebilir. Yazının önceki bölümlerinde detaylı şekilde ele aldığımız tüm kavramların Process Mining yönetim tekniğinin ilişki hâlinde olduğu ana disiplinler olduğunun bir kez daha altını çizmek gerekiyor. Zira süreç madenciliğine dair hiçbir adımı söz konusu disiplinlerin varlığından bağımsız düşünmek mümkün değil.

Bir Madencinin Gözünden Süreç Madenciliği

Süreç madenciliğinin işleyişindeki detayları açıklamanın en iyi yöntemi yerin yüzlerce metre altında çeşitli madenleri işlemek için gecesini gündüzüne katan emekçilerden yola çıkmak olabilir. Nasıl bir madenci hem yer yüzeyine hem de çıkardığı madene zarar vermemek amacıyla birçok farklı yöntem kullanıyorsa süreç madenciliğinde de veri bilimciler benzer işi yapıyor.

Öncelikle elinizdeki logları analizde kullanabilmek amacıyla anlamlı verilere dönüştürmeniz gerekiyor. Bir sonraki adımda ise süreç modellerinin hazırlanabilmesi için görselleştirme işlemi yapmalısınız. Daha sonra AI ve ML algoritmalarını kullanarak verim düşüklüğüne neden olan durumları saptayabilir ve neyin iyi çalıştığını belirleyebilirsiniz. Bu aşamanın ardından iş modeliyle ilgili temel KPI’ları (Temel Performans Göstergeleri) tanımlayabilir, süreçleri birbirleriyle karşılaştırabilirsiniz. Son adımda da ölçümlerinizin nasıl sonuç verdiğini görmek gayesiyle süreç analizlerinizi manuel ya da otomatik olarak tekrar edin. Tüm bu aşamaların sonrasında optimizasyon stratejinizi değiştirmeniz gerekip gerekmediğini öğrenebilir, yeni uygulama geliştirme alanları saptayabilirsiniz.

Process Mining Yönteminin Avantajları

Süreç madenciliği çok kapsamlı bir yaşam döngüsü sunuyor. Sadece çevrim dışı analiz metotlarından faydalanarak hareket etmeyen yöntem, tekniklerini çevrim içi ortamda, geçmişin post mortem verilerinden hareket ederek de geliştirebiliyor. Geçmişten gelen veriler, devam eden bir olayın verimliliğini artırmak üzere de kullanılabiliyor. Tanı, analiz, ayarlama, tasarım, yürütme, uygulama, yapılandırma başlıklarından meydana gelen Process Mining, şirketlere çok önemli avantajlar vadediyor.

  • Süreç analizi sağlayan eski yaklaşımlara kıyasla çok daha hızlı olan süreç madenciliğinin uygulanması için fiziksel ortama ihtiyaç duymuyorsunuz. Tüm süreç dijital olarak yönetilebiliyor.
  • Process Mining nesnellik odaklı çalışma prensibine sahip. Yöntem size iş modelinizin gerçek yönünü göstererek tarafsız bir görünüm ortaya koyuyor. Süreç madenciliği tüm resmi görmenizi ve detayların tamamına hakim olmanızı sağlıyor.
  • Tüm resmi gördüğünüz için süreçte meydana gelebilecek istisnai durumlara karşı hazır hâle geliyorsunuz. Hızlı reaksiyon gösterebiliyor ve hedef modelinizi ortaya çıkan değişikliklere göre optimize edebiliyorsunuz. Çabuk hamle yapabildiğiniz için de doğal değişiklikleri daha net şekilde mercek altına alıyorsunuz.
  • Yöntem dijital ortamlardaki farklı süreçleri tek elden yönetmenize imkân tanıyarak iş modelinizle ilgili tüm akışı tek pencerede önünüze getiriyor.
  • Süreç madenciliği size önemli rekabet avantajı sunarak dijital dönüşüm yarışında bir adım öne geçmenizi kolaylaştırıyor.
  • İçgüdülere değil, gerçeklere dayanan bir yöntem olan Process Mining, bünyesindeki yazılım araçları vasıtasıyla gerçekte ne olduğunu saptamanıza yarıyor.
  • Bunların yanı sıra sürdürülebilir bir yaklaşımı ifade eden ilgili yöntem uzun vadeli optimizasyon ve izleme olanağı sunuyor.

Kimler, Hangi Sektörlerde Kullanabilir?

Son kullanıcılar, süreç analistleri, veri bilimciler ve yöneticiler Process Mining yöntemini kullanabilir, yönetebilir. Üretim, hizmet sektörü, devlet kurumları, sağlık sektörü, telekomünikasyon, bankacılık, finans, imalat, eğitim ve araştırma alanlarında sıkça tercih edilen süreç madenciliği hem Türkiye’de hem de yurt dışında başarılı örneklerle karşımıza çıkıyor.

Günümüzde son kullanıcı ve müşteri bağlılığını artırarak kârı artırmayı hedefleyen şirketlerin yöneldiği süreç madenciliği, Process Gold benzeri platformlar aracılığıyla iş modelinize entegre edilebiliyor. Müşterilerinizi doğru anlamanız için maksimum esneklik sunan yöntem yabancı pazarlardaki büyük şirketler tarafından daha yaygın biçimde kullanılıyor.

Veri ve veri işlenmesiyle ilgili her alanda öncü çözümler sunarak hem Türkiye’de hem de uluslararası çapta en iyi çözüm ortağınız olmayı hedefleyen NGN olarak süreç madenciliğinin şirketinize katacaklarını analiz etmek konusunda bir hayli iddialıyız. Siz de sürecin detaylarını detaylarını öğrenmek istiyorsanız bizimle iletişime geçebilirsiniz.

Paylaş