Neste
post falo sobre como o desenvolvimento dos recursos e
ferramentas computacionais das últimas décadas, especialmente nas
áreas conhecidas como Big Data
e Inteligência
Artificial, pode beneficiar iniciativas de modelagem de processos de
negócio nas organizações.
Já
faz tempo que as organizações de médio e grande porte, tanto nos
setores público quanto privado, se conscientizaram da importância
de identificar e controlar seus processos de negócio. Ao longo desse
tempo, muitas iniciativas de modelagem de processos foram
desenvolvidas, aplicando as mais diversas metodologias e ferramentas,
resultando em níveis de sucesso bastante variados. Podemos dizer que
existe hoje um razoável consenso de que iniciativas de modelagem e
redesenho dos processos de negócios são necessárias para assegurar
os níveis de desempenho atualmente demandados das organizações.
Apesar disso, há muitos questionamentos quanto aos esforços e
investimentos realizados frente aos resultados obtidos.
De
fato, a modelagem e redesenho de processos pode ser um empreendimento
árduo e penoso. Envolve mais que o desenho de
um fluxo de atividades, uma representação simbólica de quem faz o
que, onde e quando. Os processos de negócio não são objetos
estáticos, que mudam apenas sob controle dos níveis
gerenciais da organização. Ao contrário, desde sua implantação e
ao longo de todo seu ciclo de vida, os processos sofrem contínua
pressão de mudanças devido a forças internas da organização e
do meio externo.
Assim,
mesmo quando o objetivo é a revisão de um processo existente, onde
o conjunto de atividades e sua sequência de execução são
supostamente conhecidos, constata-se que a teoria na prática é
outra. Na verdade, o processo praticado apresenta diferenças
significativas em relação ao modelo originalmente prescrito. E a
percepção das mudanças sofridas pelos processos não é homogênea
na organização, nem quando atravessamos horizontalmente a estrutura
departamental, nem quando atravessamos a hierarquia
funcional.
Em
geral, não existe um consenso real entre as partes envolvidas no
processo de negócio sobre os detalhes de como ele é efetivamente
executado. Frequentemente, a percepção da existência de problemas
e da necessidade de mudanças é compartilhada, mas há muita
incerteza sobre a identificação dos problemas, suas causas e
possíveis soluções. E sem um consenso sobre onde, quanto e quando
mudar, não será viável realizar com sucesso uma iniciativa de
modelagem e redesenho.
Disso
decorre que a modelagem do processo não pode se restringir a
levantamentos documentais e entrevistas individuais. É preciso
realizar ações que promovam o contato e interação entre as partes
interessadas (gestores, executantes e clientes), possibilitando a
troca de informações e experiências que levem ao desenvolvimento
de um razoável consenso sobre a realidade atual do processo e as
mudanças necessárias para melhorar seu desempenho. Entretanto, isso
significa que as equipes envolvidas deverão dedicar muito esforço e
tempo de dedicação para as atividades de modelagem. E claro, quando esse esforço adicional não é previsto no plano inicial, ele
resulta em aumento de custos e incertezas no projeto.
Por
outro lado, na maioria das organizações de médio e grande porte,
os processos de negócio são apoiados por um ou mais sistemas de
informação. Através desses sistemas os agentes envolvidos na
execução das atividades do processo (pessoas e softwares)
registram grande número de informações sobre o conteúdo e
andamento de cada ocorrência do processo. Não seria possível
explorar esses repositórios de dados de modo a gerar informações e
novas perspectivas sobre os processos executados que possibilitem
evitar os problemas apresentados acima ou, pelo menos, reduzir seus
impactos?
Este
é o objetivo da Mineração de Processos, uma metodologia que
combina técnicas e ferramentas desenvolvidas nas áreas de mineração
de dados e inteligência artificial para conectar o modelo do
processo com a realidade operacional.
O
ponto de partida da Mineração de Processos é o Log de Eventos,
onde cada evento corresponde a uma atividade que foi executada para
atender uma ocorrência do processo de negócio. Em outras palavras,
cada evento é uma atividade
executada como parte de um caso do processo. O conjunto das
atividades de um caso,
ordenadas
na ordem em que aconteceram, compõem um
caminho de execução do processo, que vamos chamar de traçado.
O
diagrama abaixo representa um exemplo de um Log de Eventos com apenas 4 casos. No Caso
1 vemos uma sequência de 3 atividades (T1, T2 e T3), constituindo um
primeiro traçado. No Caso 2, temos uma outra sequência de 3
atividades (T1, T3 e T4) que define um segundo traçado. No Caso 3,
temos uma sequência um pouco diferente com 4 atividades, sendo 2 em
paralelo, definindo mais um traçado. Finalmente, o Caso 4 repete a
mesma sequência de atividades do Caso 2 e portanto repete o seu
traçado. No Log então, temos 4 Casos mas apenas 3 Traçados:
Um
modelo que represente as diversas possibilidades de execução do
processo no Log deve contemplar todos os traçados contidos nele. Na
figura seguinte, um modelo possível
do exemplo é
mostrado como diagrama na notação BPMN
(Business
Process Model Notation). Segundo
esse diagrama:
-
o processo sempre inicia pela execução de T1;
-
em seguida, pode ser executada apenas T2, ou apenas T3, ou ambas;
-
após T2 pode ser executada T3 ou T4, mas não ambas;
-
após T3 sempre é executada T4;
-
o processo termina após T3 ou T4;
Notem
que mesmo neste exemplo simples, com apenas 4 tipos de eventos (T1 a
T4) e 3 traçados distintos, o modelo que
representa o comportamento do processo registrado
já envolve uma certa
complexidade. Para
processos com maior diversidade de eventos (atividades possíveis de
execução) e Logs de Eventos com maior número de casos, a geração
de modelos representativos torna-se uma tarefa bastante complexa. De
fato, foi apenas nesta
última década que os
avanços no
desempenho das
plataformas computacionais, junto
ao desenvolvimento de
técnicas para mineração de dados e aplicação de algoritmos de
inteligência artificial possibilitaram
produzir ferramentas capazes
de identificar padrões complexos em grandes volumes de dados e
extrair modelos efetivamente
representativos dos
processos de negócio.
Além
do desenho do modelo, a Mineração de Processos possibilita também
visualizar informações sobre a frequência de execução das
atividades (ex.: quantas
vezes T2 foi
executada)
e sobre o desempenho (ex.:
qual o tempo médio de
execução de T3).
O diagrama abaixo ilustra um
exemplo de um Log de Eventos com 150 ocorrências do Traçado 1, 250
ocorrências do Traçado 2 e 100 ocorrências do Traçado 3. O número
no interior da atividade mostra o número de vezes que foi executada,
enquanto que o número associado
ao caminho mostra o valor
médio do intervalo entre a execução das duas atividades ligadas
por ele.
Neste
exemplo, o Log de Eventos contém apenas o mínimo de dados sobre
cada evento (identificação do caso, nome da atividade, data/hora de
execução da atividade). Mas
em geral,
quanto mais
informações forem
disponibilizadas no Log mais
poderemos explorar as funcionalidades de visualização e análise
oferecidas pelas ferramentas de Mineração
de Processos.
Assim,
com a Mineração de Processos é possível transformar as atividades
de modelagem e análise tradicionais, aplicando métodos que agilizam
a obtenção de modelos do processo com base nas
evidências providas pelos dados registrados (representando o
processo como executado) e, colocam em segundo plano, definições
baseadas em modelos defasados ou pressões de agendas individuais
(representando o processo como previsto).
Mais
detalhes sobre a Mineração
de Processos em um próximo
post.
Até
lá.
Comentários
Postar um comentário