La Predictive Process Analysis

La predictive process analysis è un campo in piena evoluzione che si sostituisce alla tecnologia OLAP, già discussa, perché questa, tramite le operazioni di drill – down, drill –up, slice and dice ha sì reso più semplice la navigazione dei dati in azienda ma è altrettanto vero che dava informazioni solo sullo storico o su quello che stava succedendo.

65

A tal proposito, in tempi più recenti ha iniziato ad affermarsi l’analisi predittiva che come si può notare dal termine stesso permette di effettuare analisi previsionali con lo scopo di anticipare gli eventi e ottenere un vantaggio di business.

Ci sono tre differenti tecniche che possono essere utilizzate al supporto

dell’analisi previsionale e sono:66

la simulazione, il Data Mining e l’Ottimizzazione.

1. SIMULAZIONE

Il modello della simulazione risponde al what if analysis ed è differente dai workflow che vengono prodotti da possibili progettazioni, in quanto questo è uno sviluppo step by step di un processo in esecuzione per fronteggiare potenziali errori, mentre la simulazione si focalizza tipicamente su un insieme di processi in esecuzione per determinare le risorse, le attività che devono essere utilizzate per ottemperare a degli errori sotto determinate condizioni.

La simulazione mette in atto un vero e proprio processo in esecuzione, lo segue e ne verifica la fattibilità oppure se necessita di modifiche.

Risponde sostanzialmente a ipotetiche domande tipo “cosa succede se …?”, simula ipotetici comportamenti secondo alcuni parametri definiti, si sottopone poi al monitoraggio continuo e al checking finale.

Si procede con dei passaggi predefiniti: 67

 Process definition: nello scenario da simulare vengono inseriti più di un

processo così da recepire le informazioni necessarie circa la performance dell’attività, che tipo di rischio si sta assumendo, quali sono i possibili impatti, che risorse sono utilizzate (umane o macchinari) e così via;

 Incoming work (Arrivals): ogni scenario deve coinvolgere il lavoro che

deve essere eseguito, e quindi deve esistere una scheda che descriva appropriatamente tutti gli attributi (regione, quantità, dimensione), del lavoro da svolgere. Per fare in modo che sia il più possibile aderente alla

66 _{Business Process Analytics vol 2; Springer Verlag, Berlin et al. 2009} 67

realtà si definisce un calendario di lavoro, mettendo ad esempio anche quelli che sono i giorni feriali e festivi in modo tale da far si che questo processo (ovvero lo scenario) sarà eseguito in una tipica giornata lavorativa proprio per catturare tutti i momenti reali di quell’azione;

 Resources, Roles and Work shifts: come il lavoro ruota intorno a delle

attività in un processo, le risorse sono richieste per la performance di ogni attività. Le risorse possono essere di natura umana, di natura tecnica o semplicemente delle applicazioni di sistema. I ruoli sono spesso usati per la descrizione della funzione svolta e l’abilità necessaria per svolgere tale funzione. La disponibilità delle risorse e dei ruoli può essere anche controllata grazie allo scambio delle informazioni che si ha durante l’esecuzione del processo; inoltre vengono anche definiti i work shift (i cosiddetti turni di lavoro) che vanno rispettati affinché la simulazione vada a buon fine;

 Activity Details: al fine di esprimere la reale aderenza dello scenario con

quello che potrebbe essere il business process è bene che vengano aggiunte delle informazioni. La durata dell’attività non è definita nel workflow model ma è inclusa nell’informativa dello scenario (l’informazione può essere ricavata da una seria storica);

 Routing Information: sono informazioni addizionali che non fanno parte

del workflow model; in particolar modo c’è la routing information che esprime al simulatore verso quale direzione deve indirizzarsi in determinate condizioni.

Queste informazioni provengono da una serie di dati storici, o semplicemente possono essere stimati da esperti in materia.

2. DATA MINING

Il comportamento di un business process dipende da diversi fattori, si parte dal disegno del processo e delle regole incorporate al proprio interno, i modelli in arrivo dal processo in esecuzione, la disponibilità delle risorse e il livello di capacità richieste, gli attributi di ogni business case per ogni processo e così via.

Tecniche di data mining permettono di “scavare” nei dati ed estrarre informazioni, pattern e relazioni che non sono di facile identificazione a priori. Questo tipo di metodologia permette di prevedere un possibile comportamento futuro per un ampio set di processi ed evidenziare se le informazioni ricavate precedentemente abbiano un certo grado di accuratezza per fare un’analisi previsionale.

Di solito le analisi predittive aiutano a risolvere molteplici problemi di business,

si pensi ad esempio: 68

- Ricerca di anomalie: si possono evitare comportamenti fraudolenti;

- Churn Analysis: è un’analisi che consente di catturare la clientela potenziale che potrebbe manifestare un certo interesse a passare dalla parte della concorrenza: si potrebbe evitare in anticipo una migrazione del cliente;

- Previsioni sulle serie temporali: definire un andamento generale delle vendite per una certa serie temporale;

- Campagne pubblicitarie mirate: tramite un’analisi predittiva si può comprendere quale potrebbe essere il prodotto più “appetibile” per un potenziale cliente e mirare le campagne pubblicitarie, quindi investire risorse su quel prodotto.

Ci sono delle differenze tra la simulazione e il data mining nell’approccio della

predictive analysis e ovvero: 69

la simulazione deve essere una rappresentazione sufficientemente accurata dei processi che sono già stati eseguiti, e sulla base di quello che è già successo si può fare una previsione futura. Solitamente risponde a domande del tipo «cosa sta per accadere?» e cerca di prevedere eventi futuri con il supporto di algoritmi statistici.

Il data mining prediction è basato su un’analisi statistica di istanze di processo che sono state già completate, e ciò significa che il pattern storico considerato può essere ancora valido per un’ulteriore previsione. È un algoritmo che permette

68 _{http://www.dataskills.it/dalla-business-intelligence-ai-sistemi-di-predictive-analytics/} 69

di estrarre informazioni già da quello che conosce per anticipare dei possibili eventi e più che altro per evitare che vengano fatti degli errori.

3. PROCESSO DI OTTIMIZZAZIONE

Questo è il metodo più avanzato del process intelligence in quanto usa sia i dati storici sia quelli simulati per generare una possibile proposta futura per il raggiungimento di obiettivi.

È utilizzato per la ricerca di obiettivi e usa gli indici Key Performance70, le metriche storiche del processo e propone quali cambiamenti sono fondamentali nel tempo per generare una proposta che possa essere il più possibile pertinente alla realtà futura. Essendo un processo di ottimizzazione espone come ottimizzare tutto ciò che è stato raggiunto in maniera automatica, cercando di arrivare a determinare il miglior scenario che non ha bisogno di ulteriori modifiche.

I modelli di ottimizzazione hanno come punto di partenza sempre degli schemi matematici vincolati, ovvero si inseriscono dei vincoli di business per avviare il procedimento di ottimizzazione e raggiungere «l’ottimo» che supporterà poi il management nel processo decisionale.

Il processo di predictive analysis ha a che fare con una grande quantità di dati, e affinché gli scenari che propone siano il più possibile reali, i dati devono essere depurati. Ecco, appunto perchè un’azienda che decide di percorrere la via dell’Analyitcs dovrebbe avere già alla base un sistema di BI che permette per lo meno di neutralizzare i dati e procedere con analisi predittive.

Un approccio strategico alle analisi predittive permette di raccogliere costantemente nuovi dati e nuove informazioni da cui ripartire per un processo di

continuo miglioramento71.

70 _{Sono degli indicatori di prestazione che comunicano informazioni importanti e spiegano come}

l’azienda progredisce verso il raggiungimento dei propri obiettivi di business e marketing. Ogni azienda può prefissarsi dei propri indicatori di prestazione, a seconda dei loro rispettivi obiettivi.

71