Ponencia en BPM Day Lima 2021. En esta charla, hablaremos de métodos y aplicaciones emergentes en el ámbito de la optimización de procesos basada en datos. Hablaremos de avances en el área de la minería de procesos, de métodos de construcción de gemelos digitales de procesos y de métodos de monitoreo predictivo. Mostraremos por medio de ejemplos y casos de estudio, cómo estos métodos permiten guiar las iniciativas de transformación digital y de mejora continua de procesos, En particular, ilustraremos el uso de estos métodos para: (1) analizar el rendimiento de los procesos de negocio de manera a identificar fricciones y oportunidades de automatización; (2) predecir el impacto de cambios, y en particular, predecir el impacto de una iniciativa de automatización; (3) realizar predicciones sobre el rendimiento del proceso y ajustar la ejecución del proceso de manera a prevenir incumplimientos del SLA, quejas de clientes, y otros eventos indeseables.

1. Optimización de procesos basada
en datos: avances y perspectivas
Marlon Dumas
Profesor, Universidad de Tartu, Estonia
Co-Fundador y Director de Alianzas, Apromore

2. Cada semana, tiene diferentes preguntas:
◉¿Por qué siguió aumentando el número de quejas de los clientes?
◉¿Por qué nuestros tiempos de respuesta son tan lentos a pesar
de que hemos agregado más personal?
◉¿Por qué en muchos casos no estamos cumpliéndonos con
nuestras políticas y reglas de negocio?
◉¿Si automatizo las tareas de entrada de datos usando RPA, de
cuanto se reducirán mis tiempos de respuesta al cliente?
◉¿Si introduzco un chatbot, de cuanto de reducirán los cuellos de
botella en el departamento de servicio al cliente?
Tomás
Tomás es Gerente de excelencia operacional en @ XYZ.
Se ocupa de los clientes, de la prestación de servicios eficiente, de asegurar ingresos, ...

3. ◉Visitas al sitio web de los clientes.
◉Órdenes de los clientes.
◉Quejas de los clientes.
◉La actividad de los vendedores.
◉La actividad del personal de atención al cliente.
◉Tus envíos, devoluciones de productos, etc.
La empresa de Tomás
La empresa de Tomás tiene toneladas de datos en sus sistemas de Información.

4. Minería de procesos
4
Plataforma de
minería de procesos
Base de datos
Sistema Empresarial
(CRM, ERP, SCM,
ITSM, etc.)
Registro de
eventos
Stream de
eventos

5. Minería de Procesos
5
Registro de
eventos

6. Registro de eventos –gestión de incidentes @ Rabobank

7. Minería de Procesos
7
Registro de
eventos
Modelo generado
Descubrimiento
Automático de
procesos

8. Descubrimiento automático de procesos
8
IDCaso Actividad Estampilla Temporal …
13219
Someter solicitud
préstamo
2007-11-09 T 11:20:10 -
13219
Encontrar datos del
solicitante
2007-11-09 T 11:22:15 -
13220
Someter solicitud
préstamo
2007-11-09 T 11:22:40 -
13219Calcular interés y cuotas 2007-11-09 T 11:22:45 -
13219Notificar elegibilidad 2007-11-09 T 11:23:00 -
13219
Aprobar solicitud
sencialla
2007-11-09 T 11:24:30 -
13220Calcular interés y cuotas 2007-11-09 T 11:24:35 -
… … … …
Mapa de proceso
Modelo BPMN
Enter Loan
Application
Retrieve
Applicant
Data
Compute
Installments
Approve
Simple
Application
Approve
Complex
Application
Notify
Rejection
Notify
Eligibility

9. Modelo BPMN - Gestión de incidentes (Rabobank)
9

10. Mapa de procesos – Gestión de incidentes (Rabobank)
10

11. Minería de Procesos
12
Registro de
eventos
Modelo generado
Descubrimiento
Automático de
procesos
Minería de
rendimiento
Modelo enriquecido

12. Mapa de proceso aumentado (cuellos de botella)
13

13. Minería de Procesos
14
Registro de
eventos
Modelo generado
Descubrimiento
Automático de
procesos
Análisis de
Variantes
Diagnóstico
de diferencias
Minería de
rendimiento
Modelo enriquecido
Registro de eventos

14. 15
Casos completados en ≤ 3 días Casos completados en > 3 días
Análisis de variantes a base de mapas de procesos

15. Minería de Procesos
16
/
Registro de
eventos
Modelo generado
Descubrimiento
Automático de
procesos
Verificación de
Conformidad
Análisis de
Variantes
Diagnóstico
de diferencias
Minería de
rendimiento
Modelo de referencia
Modelo enriquecido
Registro de eventos

16. Verificación de conformidad

17. HSPI, Process Mining: A Database of Applications, 2020
Adopción de la minería de proceso

18. Caso de estudio: Empresa de Seguros
Organización
12,000+ empleados
16M+ clientes
$8.3 bn primas por daños
20% cuota de mercado
Se implementó un nuevo sistema de administración de
reclamaciones para disminuir la complejidad del proceso de gestión
de reclamaciones mientras lo acelera.

19. Estudio del caso de seguros. El Problema
Las regulaciones europeas establecen que las
reclamaciones deben gestionarse dentro de
30 días
A pesar del nuevo sistema de gestión de
reclamaciones, todavía había demasiados
casos que tardaban más de 30 días.
¿La introducción de nuevos incentivos funcionó?
¿El nuevo sistema de gestión de reclamaciones
gestiona correctamente los casos secundarios?
¿Es adecuada la formación impartida a los
liquidadores?
¿Se resuelven las reclamaciones de acuerdo a
las políticas de la empresa?
¿Cuánto afectan la cantidad de la reclamación
y el tipo de daño al tiempo del proceso de la
reclamación?

20. Estudio de caso. Análisis de proceso de reclamaciones
Reclamación Apertura
Asignación
del
beneficiari
o
Evaluación Cierre
Si la reclamación incluye una solicitud de
reparación de daños, en el 70% de los casos,
se cierra después de 30 días
Si la reclamación se abre el día después de la
fecha del informe, tiene un 55% de
probabilidad de no ser atendido en 30 días.
Rechazo de
asignación: 10 días
para reclamaciones
cerradas después
de 30 días versus 3
días.
23 días para
volver a entregar
una tasación para
reclamaciones
cerradas después
de 30 días.
No evaluar el daño
dentro de los 7 días
a menudo resulta en
incumplimiento.
Para las reclamaciones cerradas después de
30 días, en el 35% de los casos esto se debió
a la violación de los procedimientos de la
empresa y / o las políticas de liquidación.
Identificación de
benchmarks y
buenas prácticas.
Identificación de
los mejores y
peores resultados
entre las oficinas
de liquidación.
Identificación de
siniestros
complejos.

21. Estudio del caso de seguros. Cambios
Genere llamadas salientes al reclamante
cuando se establezcan las condiciones.
Cree procedimientos ad-hoc para
gestionar reclamaciones con
compensación por daños.
Revisión de incentivos al
inspector.
1
2
3
Ofrecer incentivos a las oficinas con el fin de
abrir reclamaciones en tiempo y forma y
digitalizar los canales de apertura.
Cambios en la gestión (como la asignación
automática del automóvil al inspector
después de la negativa a repararlo desde el
taller de carrocería).
Aprenda de las desviaciones positivas: Mejore
las reglas operativas y / o las políticas de
liquidación en función del comportamiento de
las oficinas con mejor desempeño.
4
5
6

22. Estudio del caso de seguros. Resultados y Beneficios
Mejoras en el
cumplimiento
Ahorro de costes
significativos
Mejora de la
velocidad de
gestión
1 2 3
 -25%
vulneración de
términos legales
externos
 -37% vulneración
de políticas de
liquidación
internas
 - $18 millones
por año
 Las reclamaciones
ahora se gestionan
entre 10 – 15 días

23. Estudio del caso de seguros. Siguientes Pasos
Creación de un soporte al liquidador
guiado para reducir el tiempo de
liquidación mediante la generación /
cierre de actividades en base a
predicciones generadas por
aprendizaje automático.

24. Monitoreo predictivo de procesos
Registro de
eventos
Stream de eventos
Tablero predictivo
Modelos
predictivos
Base de datos
Sistema Empresarial
(CRM, ERP, SCM,
ITSM, etc.)

25. Monitoreo predictivo de procesos
◉Predecir el resultado de un caso: ¿Se va a aceptar esta solicitud de crédito?
◉Predecir une medida de rendimiento: ¿Cuanto tiempo va a tomar procesar este reclamo?”
◉Predecir eventos futuros: ¿Cuál será la siguiente actividad en este caso?
Registro del
Evento
Módulo de entrenamiento
Entrenamiento Validación
Vaticinador Cuadro de mando
Runtime module
Sistema de
Información
Clasificación de
Predicciones (Kafka)
Modelo Predictivo
Clasificación
de Eventos
Clasificación
de eventos
Predicciones por lotes
(CSV)

26. Desarrollo de una capacidad de optimización de
procesos basada en datos
Prueba de Concepto (2-3 semanas)
• Extracción de datos para un (sub-)proceso, 1 a 3 sistemas
• Descubrimiento de procesos, análisis exploratorio
Prueba de Valor (6-10 semanas)
• Análisis de un proceso end-to-end
• Implementación de mejoras, realización de beneficios, definición de plan de adopción
Despliegue inicial (6-12 meses)
• Despliegue de metodología de optimización basada en datos en 1-3 unidades
Expansion incremental (12-24 meses)
• Despliegue incremental a través de la empresa
• Adopción de monitoreo predictive y prescriptivo
Madurez
• Desarrollo de procesos definidos para la optimización basada en datos
• Despliegue de una red o centro de excelencia en optimización basada en datos

27. Curso MOOC en Coursera (gratuito)
Analítica de Procesos: Optimización desde los Datos
https://www.coursera.org/learn/analitica-procesos-optimizacion-desde-datos

28. Resumen
/
Stream de
eventos
Datos históricos
Modelo de proceso
Diagnostico de variancia
Informe de conformidad
Modelo de proceso
aumentado
Sistemas
empresariales
Minería de
procesos
Tableros predictivos

29. Minería de procesos: Una Puerta Hacia Procesos Aumentados
Analítica
prescriptiva de
procesos
Analítica
predictiva de
procesos
Analítica de
diagnostico de
procesos
Analítica
descriptiva de
procesos
Procesos
Aumentados
Monitoreo predictivo de procesos
Gemelos digitales de procesos
Diagnostico a base de flujos
Minería de procesos causal
Descubrimiento auto. de procesos
Verificación de conformidad
Minería de rendimiento de procesos
Análisis de variantes
Monitoreo prescriptivo de procesos
Optimización automática de
procesos
Optimizadores conversacionales
de procesos
Ejecución de procesos por IA
¿Cómo se ejecutan mis procesos?
Donde hay cuellos de botellas,
desperdicios, vulneraciones d reglas,
desviaciones positivas o negativas?
¿Cuales son las causas de los cuellos de
botella, desperdicios, vulneraciones de
reglas, desviaciones, y cuál es su
impacto?
¿Qué instancias de procesos van a
terminar retrasadas?
¿Cual será el impacto de un cambio en
el proceso?
¿Qué puedo hacer para evitar retrasos
o quejas de clientes?
¿Qué cambios debo implementar para
optimizar mis procesos?
¿Cómo podemos adaptar el proceso
para manejar nuevas situaciones?
¿Dónde puedo agregar más valor en
mis procesos?

30. Marlon Dumas
Professor, Universidad de Tartu
Co-Fundador y Director de Alianzas, Apromore
https://www.linkedin.com/in/marlondumas/
Gracias