Hoe bedrijven wereldwijd miljoenen besparen dankzij Eindhovense datapioniers

29 maart 2022

Ruim twintig jaar geleden stond de TU/e aan de wieg van process mining, een slimme datatechniek waarmee je bedrijfsprocessen digitaal kunt blootleggen. Inmiddels heeft de technologie een hoge vlucht genomen tot een wereldwijde miljardenbusiness.

Beeld: Shutterstock
Beeld: Shutterstock

Met een marktwaarde van ruim 10 miljard euro werd het Duitse bedrijf Celonis vorig jaar een van de grootste startups van Europa, en de meest waardevolle startup in Duitsland tot nu toe. Het bedrijf houdt zich bezig met process mining, een in Eindhoven ontwikkelde slimme datatechniek die bedrijfsprocessen helpt verbeteren, en zo miljoenen kan besparen. Wat maakt process mining zo van onschatbare waarde en wat zijn nu de grote uitdagingen? Vier pioniers op dit spannende vakgebied geven het antwoord, onder wie Wil van der Aalst, ook wel de godfather of process mining genoemd.

Bedrijven en organisaties produceren steeds meer data. Deze digitale voetafdruk is een ware goudmijn voor bedrijfsanalisten. Met slimme algoritmes kun je namelijk ontdekken waar processen stokken, en dus ongewild geld kosten.

Vergelijk het met het sprookje van Hans en Grietje. Om hun weg terug te vinden naar het huis van hun stiefmoeder, laten de broer en zus een spoor na van broodkruimels. Eventslogs, die precies vastleggen wat er gebeurt in een bedrijf, zijn de broodkruimels van de bedrijfskundige. Anders dan abstracte modellen, die uitgaan van wat mensen dénken dat er gebeurt, beschrijven deze databergen wat er daadwerkelijk aan de hand is.

Renata Medeiros de Carvalho
Renata Medeiros de Carvalho

“En dat is van onschatbare waarde”, zegt Renata Medeiros de Carvalho. De onderzoekster is universitair docent process mining bij de faculteit Mathematics and Computer Science. “Organisaties en bedrijven worden namelijk steeds complexer, zeker als het kennisintensieve organisaties zijn waar niet machines, maar mensen de beslissingen nemen.”

Spoedeisende hulp

Met een voorbeeld kan Medeiros de Carvalho dit goed illustreren. “In zijn afstudeeronderzoek keek mijn student Mike Verdaasdonk naar wachttijden op de afdeling Spoedeisende Hulp van het HagaZiekenhuis in Den Haag. In principe zou iedere patiënt binnen vier uur geholpen moeten zijn. Maar dat lukt lang niet altijd. Bijna dertig procent van de mensen wacht langer.”

Om te kijken waarom dat zo is, onderzocht hij de gegevens van 400.000 (!) patiënten die de afgelopen twee jaar bij de Spoedeisende Hulp waren geweest. En wat bleek? Patiënten die een labtest nodig hadden, of een second opinion van een specialist, moesten vaak onnodig lang wachten, omdat er op dat moment onvoldoende capaciteit was.

“Het mooie van process mining is dat je redelijk goed kunt voorspellen wie die patiënten zijn. Je kunt dan de betreffende afdeling vooraf waarschuwen, zodat ze het extra onderzoek alvast kunnen inplannen. We wisten zo het aandeel mensen dat langer moet wachten dan vier uur terug te brengen tot onder de 20 procent. Gemiddeld wachten de patiënten nu een halfuur minder”, zegt de onderzoekster trots. Het HagaZiekenhuis was zo blij met dit resultaat, dat de ontwikkelde software inmiddels dagelijks wordt gebruikt.

Wil van der Aalst
Wil van der Aalst. Foto: Bart van Overbeeke

Petrinets

Waarom is process mining zo succesvol in het opsporen van inefficiënte processen? We vragen het Wil van der Aalst, grondlegger van het process mining-onderzoek aan de TU/e. Hij ontving in 2017 de prestigieuze Alexander von Humboldt-beurs, de grootste academische onderscheiding in Duitsland, en werkt sindsdien voor de RWTH Aachen University.

“In de jaren 90 hadden veel bedrijven, en ik zelf ook, nog een heilig geloof in workflow management. Daarbij probeer je bedrijfsprocessen zo te organiseren dat taken in de juiste volgorde worden uitgevoerd. Maar op een gegeven moment zagen we dat wat mensen opschrijven in een Powerpoint weinig te maken had met hoe processen echt verlopen. Die workflowmodellen beschrijven een naïeve werkelijkheid: je vangt weliswaar 80 procent van een proces, maar je mist juist díe gebeurtenissen waar zich de meeste problemen voordoen.”

Met process mining draai je dit om, volgens Van der Aalst. “In plaats van modellen in een systeem te stoppen, halen we juist modellen uit het systeem. Juist de overvloed aan data die we tegenwoordig hebben, maken dat mogelijk.”

Van der Aalst ontwierp in 2003 het zogenaamde Alpha-algoritme, dat als eerste op basis van data automatisch een procesmodel (in dit geval een Petri-net) kon genereren van een bedrijfsproces.

Het mooie van dit soort modellen is dat je problemen op het spoor komt die eerder onzichtbaar waren. “Voor veel bedrijven is dat erg confronterend, als ze zien dat processen heel anders verlopen dan ze op basis van hun modellen dachten. Dan zie je de monden echt openvallen”, zegt Van der Aalst.

Maar het blijft niet bij inzicht. “Process mining kan ook verklaren hoe iets misgaat, en voorspellingen doen. Daar kun je dan weer acties aan verbinden die in de toekomst problemen, al of niet geautomatiseerd, voorkomen of oplossen. En dat scheelt soms heel veel geld.”

Dromen van een digital twin

Process mining nam de afgelopen jaren een hoge vlucht. Inmiddels zijn er (vooral in Noordwest-Europa) zo’n veertig bedrijven die process-mining software ontwikkelen en vrijwel alle grote bedrijven in West-Europa gebruiken het al. Een van de grootste is het Duitse Celonis, waarvan Van der Aalst sinds kort wetenschappelijk directeur is. Meer dan tweeduizend bedrijven gebruiken software  van Celonis en in bedrijven zoals Siemens en BMW passen duizenden medewerkers process mining toe om hun processen te verbeteren.

Ook in Nederland wordt process mining steeds meer gebruikt, zoals blijkt uit het succes van ProcessGold (inmiddels overgenomen door UiPath), een van de grootste spin-off-successen van de TU/e.

De ‘godfather of process mining’ nam de stap naar Celonis omdat hij ervan overtuigd is dat de volgende doorbraken op het gebied van process mining alleen mogelijk zijn in nauwe samenwerking met het bedrijfsleven.

“Veel onderzoeksvragen kun je niet in het lab beantwoorden. De beschikbare datasets zijn vaak geanonimiseerd en klein van omvang. Juist bedrijven bieden de schaal die je nodig hebt.”

Boudewijn van Dongen
Boudewijn van Dongen

Het belang van context

Van der Aalst heeft de droom om uiteindelijk een perfecte digital twin te maken: een model dat zich precies zo gedraagt als de organisatie zelf. Maar zo ver is het nog lang niet. Een van de onderzoekers die werkt aan deze stip aan de horizon is Boudewijn van Dongen, ooit stagiair bij Van der Aalst en sinds 2018 zijn opvolger als hoofd van de vakgroep Process Analytics.

Van Dongens specialisme is conformance checking. “Dat wil zeggen dat je ervoor zorgt dat het automatisch gegenereerde model ook echt klopt met de werkelijkheid. Hoe beter de algoritmen die je gebruikt, hoe beter het model.”

Daarbij zijn drie dingen cruciaal, zegt de onderzoeker: context, de rol van de mens en complexiteit. “Je moet altijd rekening houden met de wereld waarin een vraag wordt gesteld. Naast de data en het model, is er altijd de context. Dat betekent onder meer dat je ook rekening houdt met de factor mens. Complicerende factor is dat onze wereld steeds complexer wordt. Dat maakt het maken van modellen alleen maar uitdagender”.

Van Dongen en zijn collega’s verwachten wat dat betreft veel van multi-process mining. “Traditioneel was er maar één object, zoals een klant, een bestelling, of een patiënt, die je volgde over de tijd. Maar in de praktijk is dat niet meer zo. Het gaat tegenwoordig over de gehele keten, waarbij verschillende objecten op elkaar reageren. Dat vergt een heel andere intuïtieve taal waarmee het bedrijfsleven aan de gang kan.”

Uitdagingen

Andere uitdagingen die Van Dongen ziet voor process mining in de komende jaren zijn het toegenomen aantal bedrijfsdata (denk aan Bol.com of Zalando, die dagelijks honderden miljoenen gegevens verwerken), privacy (hoe anonimiseer je data zonder waardevolle informatie te verliezen?), en de toegenomen kloof tussen de abstractie van de modellen en de specificiteit van de data (denk aan de alomtegenwoordige sensoren in de maakindustrie of de logistiek).  

Van Dongen onderstreept net als zijn voorganger het belang van samenwerking met het bedrijfsleven, bijvoorbeeld voor het beschikbaar stellen van (geanonimiseerde) datasets voor onderzoek (bijv. via 4TU Research Data). Hij organiseert daarom sinds 2010 elk jaar de succesvolle BPI Challenge voor bedrijven en organisaties.

Ook is hij blij dat zijn studenten steeds vaker de weg vinden naar bedrijven in de Brainport Eindhoven. Of daar zelfs een eigen startup beginnen.
 

Lotte Vugs
Lotte Vugs

Waves PI

Een van hen is Lotte Vugs, die eerder een honors programma op het gebied van process mining volgde en in 2021 de DOW Chemicals award won voor haar afstudeerwerk getiteld Process Mining for Semi-Structured Log Entries. Inmiddels is zij een eigen bedrijf begonnen met twee collega-studenten. Waves PI is een startup die behalve het bieden van consultancy op het gebied van process mining ook de bedenker is van een unieke tool die helpt om data klaar te maken voor process mining.

Vugs legt uit: “Een van de dingen waar we in ons consultancywerk tegenaan liepen, was dat het voorbereiden van de data altijd heel veel tijd in beslag nam. Vaak liggen gegevens verstopt in tig van tabellen, en die kun je dus niet zomaar gebruiken voor je analyse. Die data moet je eerst eruit halen en standaardiseren. Dat gepuzzel kost heel wat tijd.”

De tool van Waves PI zorgt ervoor dat datavoorbereiding voor process mining eenvoudiger en sneller wordt. Belangrijk daarbij is dat kennis delen gestimuleerd wordt; bedrijven hoeven dan niet iedere keer het wiel opnieuw uit te vinden, maar kunnen bepaalde voorbereidingsstappen waarvan ze weten dat die werken, met elkaar delen.

Kernprocessen

“Uiteindelijk hopen we dat snellere datavoorbereiding process mining schaalbaarder maakt, zodat process mining kan worden ingezet om processen te verbeteren in de hele keten.”

Vugs verwacht vooral veel winst in de kernprocessen van een bedrijf. "Nu zien we dat process mining soms beperkt blijft tot de ondersteunende processen, zoals inkoop- en verkoopprocessen, omdat men al bekend is met die systemen. Dat maakt dat je de data sneller kunt voorbereiden.”
De tool van Waves PI is nog een prototype. “We gaan hem het komende jaar testen en verder ontwikkelen in de process mining community. Daar verwachten we veel van.”

Het is duidelijk: processmining is een veelbelovend onderzoeksgebied, dat anders dan machine learning en andere AI-technieken grotendeels hier in Europa is ontwikkeld. Reden genoeg om het werk van deze Eindhovense pioniers de komende jaren op de voet te blijven volgen.

Meer weten?

Voor meer informatie over het onderzoek dat aan de TU/e wordt gedaan op het gebied van process mining, kijk op de pagina van de Process Analytics onderzoeksgroep.

Voor een overzicht van de huidige stand van zaken in het onderzoek naar process mining, verwijzen we graag naar dit artikel van Wil van der Aalst, Boudewijn van Dongen, e.a.  

Ook de Coursera-cursus Process Mining: Data Science in Action, die is ontwikkeld aan de TU/e, is een aanrader. Inmiddels hebben 149.000 mensen deze cursus gevolgd.

Interessante boeken op het gebied van process mining zijn Process mining, data science in action van Wil van der Aalst en Conformance checking, relating processes and models van Boudewijn van Dongen e.a.

Ben je geïnteresseerd in ons onderwijs op het gebied van process mining, kijk dan op de informatiepagina van de master Data Science and Artificial Intelligence.  

Mediacontact

Henk van Appeven
(Communications Adviser)

Het laatste nieuws

Blijf ons volgen