Procesmanagement in finance

Niet praten maar doen!

Volop nieuwe mogelijkheden maar adoptie nog erg beperkt

door Prof.dr.ir. Wil van der Aalst, beeld Shutterstock

Digitalisering zal het werk van financeprofessionals ingrijpend veranderen. Enerzijds zullen veel routinematige financiële processen steeds verder geautomatiseerd worden. Anderzijds zal de financefunctie verbreed worden, waarbij financiële data en niet-financiële data aan elkaar gekoppeld en inzichtelijk gemaakt worden. De financiële gezondheid van een organisatie is een directe afgeleide van de efficiëntie en effectiviteit van de operationele processen. Daarom zijn process mining en nieuwe vormen van automatisering (bijvoorbeeld RPA) sleuteltechnologieën voor elke financiële afdeling. 

Deze visie wordt breed gedragen. Desondanks is de daadwerkelijk adoptie beperkt. Mogelijke oorzaken zijn: gebrek aan kennis, angst voor transparantie, datamanagementproblemen en organisatorische weerstand tegen verandering. Ook hebben veel procesmanagement­­­initiatieven in het verleden niet veel opgeleverd. Daarom is het goed te leren van mislukkingen uit het verleden en te begrijpen wat de nieuwe mogelijkheden zijn.

Drie tekortkomingen

Procesmanagement is natuurlijk geen nieuw thema: 45 jaar geleden waren er al workflowmanagementsystemen en 130 jaar geleden waren pioniers zoals Frederick Taylor al bezig met het systematisch modelleren en analyseren van werkprocessen. Er werd veel verwacht van workflowmanagement (WFM) en businessprocessmanagementsystemen (BPM). Ondanks de brede beschikbaarheid van deze systemen, wordt WFM/BPM-technologie in de praktijk nauwelijks ingezet. In veel organisaties worden processen gemodelleerd in BPMN (Business Process Model and Notation) en soortgelijke notaties. De resulterende procesmodellen landen meestal in de bureaulade zonder de processen daadwerkelijk te veranderen. Hiervoor zijn, onder andere, de volgende drie oorzaken aan te wijzen.

  • De eerste oorzaak is dat met de hand gemaakte procesmodellen vaak subjectief zijn en de complexiteit van de echte processen niet goed weergeven. Processen volgen vaak een Pareto-verdeling: 80% van alle gevallen kan in een eenvoudig procesmodel gevangen worden. De resterende 20% van de gevallen is echter verantwoordelijk voor 80% van de complexiteit en problemen. Daarom zijn WFM/BPM-systemen die zich alleen op de eerste 80% richten onbruikbaar omdat het meeste werk in de resterende 20% zit.
  • De tweede oorzaak is de onderschatting van de complexiteit van de onderliggende informatiesystemen. Een ERP-systeem heeft snel tienduizenden tabellen. Het is daarom erg naïef te denken dat BPMN-modellen de onderliggende processen en systemen goed beschrijven. Procesmanagementsoftware kan slechts een schil om bestaande informatiesystemen zijn en niet de vervanging van systemen met duizenden tabellen.
  • De derde oorzaak is de beperkte omzetting van inzichten in echte procesverbeteringen. Procesmodellen in BPMN-notatie verouderen snel en laten niet de actuele situatie zien. Om echte invloed uit te oefenen op processen is er een continue terugkoppeling nodig. Problemen die ontstaan, moeten automatisch omgezet worden in verbeteracties.

Process Mining

Process mining gebruikt event data (vaak in de vorm van event logs) om te ontdekken wat de echte processen zijn. Deze data kunnen onttrokken worden uit bestaande informatie­systemen zoals SAP, Salesforce, Oracle, Infor, Sage en Microsoft Dynamics. Door het afspelen van events op procesmodellen (ontdekt of met de hand gemaakt) kunnen knelpunten en complianceproblemen zichtbaar gemaakt worden. Door de combinatie met machine learning (ML) en simulatie kunnen oorzaken opgespoord worden, problemen voorspeld en mogelijke beslissingen geëvalueerd worden. ­Het is ook mogelijk deze inzichten automatisch om te zetten in proces­­­verbeteringen en correctieve acties. Naast open source tools zoals ProM zijn er meer dan 35 commerciële aanbieders van processminingsoftware (Celonis, UiPath, Fluxicon, Software AG, SAP/Signavio, IBM/myInvenio, QPR, etc.). Zie www.processmining.org voor meer informatie.

Process mining en slimme automatisering

Process mining en nieuwe vormen van automatisering kunnen gebruikt worden om de drie genoemde problemen te adresseren. Process mining stelt organisaties in staat te ontdekken wat de echte processen zijn. Dit niet alleen van groot belang bij het opsporen van knelpunten en complianceproblemen, maar is ook de basis voor het nemen van automatiseringsbeslissingen. Met Robotic Process Automation (RPA) kunnen repetitieve “non value added” werkzaamheden op een kosteneffectieve wijze worden geautomatiseerd. Dankzij process mining kunnen RPA-investeringen vooraf beoordeeld worden. De procesmodellen die zijn ontdekt met behulp van process mining laten niet alleen zien wat het echte proces is, maar kunnen ook gebruikt worden om actuele procesinformatie te projecteren en problemen te voorspellen.


De volgende stap in de ontwikkeling van process mining is dit soort inzichten om te zetten in acties. Een voorbeeld is het recent gelanceerde executie management systeem (EMS) van Celonis. In tegenstelling tot klassieke WFM/BPM-systemen is het doel niet de bestaande informatiesystemen te vervangen, maar een laag bovenop processen en systemen te creëren die reageert om gedetecteerde problemen snel te adresseren. Snel stijgende wachttijden of toenemende complianceproblemen kunnen correctieve workflows initiëren die gebruik maken van de bestaande informatiesystemen. Op deze wijze worden inzichten omgezet in acties in plaats van in rapporten en PowerPoints.

Over de auteur

Prof.dr.ir. Wil van der Aalst leidt de Process and Data Science (PADS) leerstoel aan RWTH Aachen University. Hij heeft diverse adviesfuncties (o.a. Celonis) en is parttime werkzaam voor Fraunhofer FIT en lid van de raad van toezicht van Tilburg University. Hij is een van de meest geciteerde informatici wereldwijd, IFIP Fellow, IEEE Fellow en ACM Fellow. In 2018 kreeg hij een Alexander von Humboldt-professoraat. Dit is de hoogste Duitse wetenschapsprijs (vijf miljoen euro). Prof. Van der Aalst wordt vaak de "Godfather van process mining" genoemd vanwege zijn baanbrekende werk waarop alle process mining tools gebaseerd zijn. Hij is tevens Chief Scientist bij Celonis.