Process Mining.

Presentatie over: "Process Mining."— Transcript van de presentatie:

1 Process Mining

2 Agenda Process Mining Process Mining case Universiteit Utrecht
Process Mining case Antes

3 Process Mining

4 Uitdaging Bedrijfsprocessen
Moeten de klant centraal stellen (kwaliteit, snelheid, zo weinig mogelijk contactmomenten) Moeten efficiënt zijn (kosteneffectief, geen onnodige ‘waste’)

5 Typische situatie Ideale Proces Process Realiteit ?

6 Niet alles is zichtbaar
Oorzaken Subjectiviteit Iedereen ziet een deel Uitzonderingen Niet alles is zichtbaar

7 Process mining kan helpen bij….
Het ontdekken van het proces zoals het daadwerkelijk loopt Voordelen: Objectief (fact-based) Snel (automatisch) Compleet (alle variaties)

8 Hoe werkt het?

9 Case Activity 1 A 2 B C 3 D E

10 Case 1 Case Activity 1 A 2 B C 3 D E A B C D E

11 Case 1 Case 2 Case Activity 1 A 2 B C 3 D E A A B C C B D D E E

12 A A B C A C B B D D C E D E D E Case Activity 1 A 2 B C 3 D E Case 1

13 A B C D E A A B C A C B B D D C E D E D E Case Activity 1 A 2 B C 3 D

14 A B C D E A A B C A C B B D D C E D E D E Case Activity 1 A 2 B C 3 D

15 A B C D E A A B C A C B B D D C E D E D E Case Activity 1 A 2 B C 3 D

16 Toepassingen Krijgen van een objectief beeld van een actueel proces
Ontdekken ‘waste’ (voor kwaliteitsverbetering en kostenreductie) Monitoren effecten van proces aanpassingen Monitoren of er wordt voldaan aan regels en voorgeschreven processen

17 Process Mining case Universiteit Utrecht

18 Process Mining case Antes

19 Over de organisatie

20 Delta Psychiatrisch Centrum

21 Bouman

22 Feiten en cijfers Werkgebied Zuid Holland Zuid

23 Kennismaking met Process Mining

24 Visie Data Science Data-denken is integraal onderdeel van de bedrijfsvoering en de zorgverlening van Antes en wordt zowel voor de individuele behandeling, als de bedrijfsstrategie ingezet. Data wordt intern en extern verzameld, is flexibel te ontsluiten, van goede kwaliteit en voegt waarde toe door descriptieve, predictieve en prescriptieve analyses.

25 Ontwikkelpad Antes Data science
2016 2017 2018

26 Data preparatie

27 Dataset bepalen + schonen

28 Process Mining - frequency

29 Process Mining - performance

30 Uitkomsten, en dan… Bespreken resultaat in management team
Bevestiging van beleid Ontdekking dat er verschillend werd gedacht over de plek van een SEH afdeling -> MT stelt vast hoe men hiermee wil omgaan Over aantal maanden monitoren of we verandering zien in proces

31 Uitdagingen Investering in kennis / tooling
Draagvlak binnen de organisatie Sommige analyses vragen veel preparatie van data Data niet altijd betrouwbaar Privacy wetgeving

32 Vragen?