Process mining per tagliare tempi e costi

Un ordine resta fermo due giorni prima di essere inserito nel gestionale. Una fattura passa da tre persone, viene corretta due volte e finisce in approvazione il venerdì pomeriggio. Il responsabile operations sa che qualcosa rallenta il flusso, ma non può dire con precisione dove, quanto spesso e con quale costo. Il process mining serve proprio a questo: mostrare come i processi aziendali funzionano davvero, partendo dai dati prodotti ogni giorno dai sistemi.

Per una PMI, la differenza è sostanziale. Non si tratta di disegnare il processo ideale su una lavagna, ma di ricostruire il percorso reale di ordini, documenti, pratiche, richieste e controlli. Così diventa possibile distinguere un'eccezione fisiologica da un problema ricorrente su cui intervenire con una nuova regola, una revisione organizzativa o un'automazione AI.

Cos'è il process mining e cosa misura

Il process mining analizza le tracce digitali lasciate dalle attività nei software aziendali: ERP, CRM, gestionali contabili, sistemi documentali, ticketing, fogli di lavoro strutturati e piattaforme di produzione o logistica. Ogni passaggio rilevante genera spesso un evento: una richiesta viene aperta, un documento caricato, un ordine validato, una pratica assegnata, un pagamento autorizzato.

Mettendo in relazione questi eventi, data e ora, utente o reparto coinvolto e identificativo della pratica, si ottiene una fotografia oggettiva del flusso. Il risultato non è una semplice dashboard. È un modello dinamico che evidenzia percorsi alternativi, rientri all'indietro, tempi di attesa, passaggi saltati e attività ripetute.

La mappatura tradizionale resta utile: raccoglie la conoscenza del team e chiarisce responsabilità e obiettivi. Tuttavia descrive spesso il processo atteso. Il process mining verifica quello effettivo. Quando le due visioni non coincidono, emerge il punto su cui vale la pena lavorare.

Dai log al processo reale

Per produrre un'analisi affidabile servono dati sufficientemente ordinati. In genere ogni evento deve poter rispondere a quattro domande: a quale pratica appartiene, quale attività rappresenta, quando è avvenuto e chi o quale sistema l'ha eseguito. Non è necessario avere archivi perfetti, ma occorre verificare qualità, completezza e coerenza delle fonti.

Un esempio concreto è il ciclo passivo. Per ogni fattura si possono osservare ricezione, registrazione, richiesta di approvazione, controllo, eventuale correzione e pagamento. Se una quota rilevante di documenti viene reinoltrata per dati mancanti, il problema non è soltanto il ritardo nel pagamento: è una causa misurabile di lavoro manuale, solleciti e rischio di errore.

Dove il process mining genera valore nelle PMI

Il valore cresce dove esistono volumi, varianti e passaggi ripetitivi. Non serve iniziare dai processi più complessi dell'azienda. Spesso conviene scegliere un flusso circoscritto che coinvolge molte ore operative e produce dati disponibili.

Nel back-office amministrativo, l'analisi può evidenziare perché le fatture restano in attesa, quali fornitori generano più eccezioni e in quali punti si concentrano le correzioni. Nell'inserimento ordini, può mostrare quante richieste arrivano via email, quanto tempo trascorre tra ricezione e registrazione e quali campi causano più blocchi.

In ambito logistico, il processo mining aiuta a confrontare tempi promessi e tempi effettivi tra ordine, preparazione, spedizione e consegna. In uffici tecnici o professionali, può rendere visibili le attese tra apertura pratica, raccolta documenti, revisione e chiusura. Per risk e compliance, permette di controllare se verifiche e approvazioni avvengono secondo le regole definite o se alcune pratiche seguono percorsi non previsti.

Il punto non è trovare una colpa. Un collo di bottiglia può dipendere da un dato incompleto a monte, da una regola del gestionale, da picchi stagionali o da una distribuzione sbilanciata del carico. L'analisi deve quindi essere letta insieme alle persone che lavorano sul processo: il dato indica dove guardare, l'esperienza operativa spiega perché accade.

Dal dato all'intervento: un metodo che porta risultati

Un progetto utile non parte dalla scelta dello strumento. Parte da una domanda economica chiara. Per esempio: quanto tempo si può ridurre nel ciclo ordine? Quante pratiche possono essere chiuse senza sollecito? Quali controlli manuali assorbono più ore ogni mese?

La prima fase consiste nel definire perimetro, obiettivo e metriche. Un processo troppo ampio rende più lenta la lettura e diluisce le priorità. Meglio focalizzarsi su un flusso con un responsabile, un volume significativo e un risultato misurabile, come il tempo medio di evasione o la percentuale di pratiche rilavorate.

Segue la raccolta e la preparazione dei dati. Qui si verifica quali sistemi contengono gli eventi necessari, come collegare gli identificativi e quali intervalli temporali analizzare. Talvolta i dati risiedono in fonti diverse: l'ordine nel gestionale, la documentazione nelle email o nel sistema documentale, l'approvazione in un portale interno. Questa fase richiede attenzione, perché dati incompleti possono portare a conclusioni fuorvianti.

Una volta ricostruito il flusso, il team deve leggere le varianti con criteri concreti. Non ogni deviazione è uno spreco. Un percorso alternativo per gli ordini urgenti può essere corretto; lo stesso percorso applicato senza criterio a metà delle richieste è un segnale da approfondire. L'obiettivo è separare le eccezioni necessarie dalle inefficienze evitabili.

Infine si passa alla matrice impatto-fattibilità. Un'attività può essere molto inefficiente ma difficile da modificare per vincoli normativi, dipendenze software o dati non disponibili. Un'altra può essere migliorata in poche settimane con OCR, classificazione automatica dei documenti, regole di instradamento, notifiche intelligenti o un'integrazione tra sistemi. La priorità va data agli interventi che combinano saving concreto, rischio contenuto e adozione semplice per il team.

Process mining e automazione AI: ruoli diversi, stesso obiettivo

Il process mining non automatizza da solo un'attività. Individua dove l'automazione ha più senso e offre una base numerica per misurarne l'effetto. È una differenza fondamentale per evitare progetti tecnologici che sembrano interessanti ma incidono poco sul lavoro quotidiano.

Se l'analisi mostra che le fatture si fermano perché gli allegati arrivano in formati diversi, la risposta può essere un sistema OCR con classificazione NLP e controlli sui campi mancanti. Se il ritardo nasce dall'assegnazione manuale delle richieste, può essere più utile una regola di routing integrata nel gestionale. Se invece il problema è un'approvazione concentrata su una sola persona, l'automazione non basta: occorre rivedere deleghe, soglie e responsabilità.

È qui che dati di processo e co-progettazione diventano decisivi. Un'automazione efficace si adatta al modo in cui l'azienda lavora, ma non replica alla cieca ogni inefficienza esistente. Deve ridurre attività a basso valore, mantenere i controlli necessari e lasciare alle persone le decisioni che richiedono competenza, valutazione o relazione con il cliente.

Le metriche che contano davvero

La metrica più citata è il tempo di attraversamento, cioè quanto passa dall'inizio alla chiusura di una pratica. Da sola, però, non è sufficiente. Un tempo medio accettabile può nascondere una parte di casi bloccati per settimane.

Conviene osservare anche i tempi di attesa tra attività, il numero di rilavorazioni, la percentuale di pratiche che segue il percorso standard e quella che richiede eccezioni, il carico distribuito tra reparti e il costo stimato delle attività manuali. Dopo un intervento, queste misure consentono di verificare se il miglioramento è reale e durevole, non solo percepito.

Un buon progetto stabilisce una baseline prima di intervenire e definisce un periodo di confronto successivo. Se l'inserimento ordini scende da dieci a quattro minuti, ma aumenta il numero di correzioni, il risultato va letto con prudenza. Velocità, qualità e controllo devono migliorare insieme.

Quando non partire dal process mining

Non tutti i problemi richiedono subito questa analisi. Se il processo è poco digitalizzato e non lascia tracce utilizzabili, può essere più utile iniziare con una mappatura operativa, standardizzare le attività e migliorare la raccolta dei dati. Allo stesso modo, se il problema è già evidente e limitato, una correzione diretta può essere più rapida di un progetto analitico.

Il process mining dà il massimo quando c'è una domanda concreta, abbastanza volume da osservare e la volontà di intervenire sui risultati. Non serve per produrre grafici da presentare in riunione. Serve per decidere dove investire tempo e budget, con evidenze che parlano la lingua dell'operatività.

Per questo un assessment ben condotto non cerca il processo perfetto. Cerca il primo punto in cui un dato affidabile può trasformarsi in meno attese, meno errori e più tempo per il lavoro che genera valore. Da lì, il miglioramento smette di essere un'intenzione e diventa un risultato misurabile.