Photo by rawpixel on Unsplash

Process intelligence, come usare i dati per migliorare i processi: il caso Invitalia

di Fabrizio Bellezza, responsabile dei Sistemi Informativi, Invitalia e Mario Ettorre, data manager, Invitalia – Cantiere IT Governance

 

Le aziende sono costantemente impegnate nell’esecuzione di processi sempre più articolati e complessi (ad es. processi produttivi, compliance checking & audit, monitoraggio dei livelli di servizio, ecc.), ma spesso le modalità con cui tali processi sono realmente eseguiti non sono perfettamente note agli attori coinvolti. In altri termini, i processi reali possono discostarsi anche notevolmente, per prestazioni e/o modalità di esecuzione, dai modelli aziendali descritti e prescritti.

Le Tecniche di Knowledge discovery e Process Mining (PM) sono leve estremamente efficaci per affrontare simili problemi, abilitando infatti la scoperta dei modelli “realmente eseguiti” a partire dai dati di log provenienti dai sistemi operazionali. Tali tecniche consentono di: ottimizzare le risorse necessarie all’esecuzione dei processi, assicurare la compliance e il rispetto dei KPI e in definitiva migliorare la customer satisfaction.  In letteratura le aree di miglioramento sono riconducibili a:

Resource & Process Optimization: focalizza l’attenzione sull’individuazione automatica di colli di bottiglia ed inefficienze nell’esecuzione dei processi “core”. Inoltre, grazie all’uso combinato di tecniche di ottimizzazione e predictive analytics, è possibile fornire utili indicazioni sia per l’allocazione ottimale delle risorse coinvolte (umane e non) sia per l’efficace instradamento dei flussi di lavorazione.

Process Compliance: individua anomalie e non conformità nell’esecuzione dei processi e monitora i KPI tramite il confronto automatico dei grafi di flusso dei processi reali e prescritti.

Customer Satisfaction: la soddisfazione del Cliente è sicuramente favorita da lavorazioni più efficienti, elevata aderenza tra processi reali e processi prescritti, possibilità di definire lavorazioni personalizzate in base alle esigenze degli attori coinvolti e dei vincoli di contesto.

 

Invitalia: roadmap per la Digital Transformation

Invitalia è l’Agenzia Nazionale di proprietà del MEF la cui missione è l’attrazione degli investimenti e lo sviluppo d’impresa. Le principali leve attuative attraverso le quali Invitalia persegue il suo obiettivo sono:

  • la gestione degli incentivi nazionali a favore della nascita e dello sviluppo di attività imprenditoriali;
  • il finanziamento di progetti di sviluppo con un focus sui settori innovativi e ad alto valore aggiunto;
  • il supporto al rilancio delle aree di crisi;
  • l’offerta di servizi alla PA per accelerare l’utilizzo dei fondi comunitari e nazionali.

L’Agenzia ha definito la propria roadmap di Digital Transformation che consentirà di supportare, in modalità “data driven”, l’intero ciclo di vita delle misure incentivanti sfruttando le potenzialità offerte dalle tecniche di Intelligenza Artificiale (Machine Learning, Cognitive Computing, Knolwedge Representation & Reasoning).

 

Il Process Mining per l’ottimizzazione del processo di richiesta incentivi

In questo contesto Invitalia ha concluso con successo una prima sperimentazione, focalizzata sull’ottimizzazione del processo di “Richiesta incentivi” tramite tecniche di Process Mining (nel seguito PM). L’individuazione di tale processo, quale punto di partenza della sperimentazione ed illustrato nella figura seguente, è stata dettata dalla centralità e strategicità dello stesso.

Più in dettaglio, a partire dalle quattro macro-fasi sopra illustrate (Accoglibilità, Istruttoria, Erogazione e Post-Erogazione), sono state individuate le seguenti business question con l’obiettivo di valutare sia le performance di processo (Performance Analysis) che l’aderenza agli standard aziendali (Conformance Checking):

Performance Analysis

  • Qual è il reale processo eseguito dagli operatori?
  • Riusciamo ad essere più efficienti nella gestione delle pratiche?

Conformance Checking

  • Siamo compliant rispetto alle nostre disposizioni interne?
  • Lavoriamo «nei modi e nei tempi previsti»?
  • L’assegnazione delle attività operative è conforme agli obblighi di legge (segregation of duty)?

 

Al fine di perseguire gli obiettivi di progetto e garantire un approccio efficace all’analisi dei dati di interesse, sono stati individuati alcuni ingredienti distintivi: metodologia, team e tecnologie di supporto. In merito alla metodologia, partendo dalla ben nota CRISP, ne è stata derivata una specializzazione per la gestione dei progetti in ambito PM (CRISP-PM). La composizione del team è stata condotta includendo risorse umane interne all’agenzia tra cui: process owner, data manager e data scientist con consolidate competenze sulle tecniche di PM. Per l’esecuzione delle analisi target sono stati utilizzati strumenti di Business Intelligence ed alcuni algoritmi di PM sviluppati dall’agenzia in modalità “in-house”.

Coerentemente con la metodologia CRISP-PM, le analisi sono state condotte eseguendo le principali fasi qui illustrate (Data Acquisition & Preprocessing, Process Discovery, Analisi dei risultati e Condivisione con gli esperti di dominio, Individuazione delle contromisure).

Effort, Benefici e Risultati

I risultati delle analisi condotte hanno evidenziato in modo efficace la possibilità di migliorare le prestazioni e l’allocazione delle risorse umane, sia in fase di assegnazione automatica delle pratiche (dispatching), che nella fase di gestione dei colloqui con i beneficiari delle agevolazioni. Contestualmente alla produzione di tali risultati, sono state individuate specifiche azioni atte a ridurre in modo consistente i tempi di gestione delle pratiche.

L’individuazione del reale processo di lavorazione ha permesso di confrontare il comportamento in fase di gestione delle pratiche rispetto al processo prescritto a livello aziendale (Conformance Checking), confermando sia la piena aderenza agli standard aziendali previsti sia il rispetto della segregation of duty (compatibilità tra task eseguiti e ruolo dell’esecutore).

L’analisi, completata in 30gg, ha impegnato le risorse nelle varie fasi CRISP-PM come illustrato nella figura seguente.

Sulla base degli incoraggianti risultati ottenuti, si è esteso l’utilizzo delle tecniche di PM all’IT Service Management focalizzando l’attenzione sulla lavorazione dei trouble ticket. Tra gli obiettivi prossimi dell’Agenzia figura l’industrializzazione della soluzione creata, garantendo il continuo miglioramento della qualità dei servizi erogati al cittadino.

 

 

 

 

Foto di rawpixel