Banking, Process Mining & Digital Transformation

 
 
Die voranschreitende Digitalisierung der Arbeitswelt im Allgemeinen und der Finanzwelt im Besonderen hat über die letzten Jahrzehnte dazu geführt, dass in Finanzinstituten immer komplexere, meist sehr heterogene IT-Landschaften entstanden sind.

In diesen Strukturen wird eine zunehmende Anzahl an Daten aufbereitet und in die einzelnen Geschäftsbereiche transportiert. Die häufig stark verzweigten Datenströme in und durch Datawarehouses machen es nahezu unmöglich, die vollständigen Prozesse und Verarbeitungsschritte in Echtzeit zu erfassen, Optimierungspotenziale zu identifizieren und diese im nächsten Schritt für sich zu nutzen. Durch den weiterhin wachsenden Umfang an zu erfassenden und zu verarbeitenden Daten wird eben dies jedoch von immer größerer Wichtigkeit.

In der Artikelreihe um das Thema "Process Mining" stellt Finbridge eine Methode vor, wie Banken sich dieser wachsenden Herausforderung im Rahmen von Digitalisierung und Big Data systematisch stellen können und diskutiert zugehörige Anwendungsbeispiele.
 

Definition

„Process Mining ist eine Technik des Prozessmanagements, die es ermöglicht, Businessprozesse auf Basis digitaler Spuren in IT-Systemen zu rekonstruieren und zu analysieren.“ [1]

Hierzu werden Prozessabläufe eines Unternehmens auf Basis der von der IT-Landschaft bereitgestellten Logfiles der datenverarbeitenden Systeme erhoben und visualisiert. Die Teilprozesse aus den verschiedenen Systemen werden zusammengefügt um die Datenflüsse in ihrer Gesamtheit zu erfassen. Durch Anwendung statistischer Modelle auf die erhobenen Prozessabfolgen werden gelebte Standardprozesse ermittelt und zur weiteren Analyse bereitgestellt [2].

Die bildliche Darstellung der Prozessketten ermöglicht es Schwachstellen und fehlerhafte Abläufe unmittelbar oder mit geringem Analyseaufwand zu identifizieren, um in einem nächsten Schritt die Ursachen zu ermitteln und Optimierungslösungen zu finden. Der Begriff ‘Process Mining’ umfasst dabei die drei (Teil-)Disziplinen [2] (vgl. auch Abb. 1):

  • Discovery
  • Conformance Check
  • Enhancement

Das Process Mining ist dabei abzugrenzen vom Data Mining und vom Business Process Management. Während beim Data Mining große Datenbestände mit Hilfe statistischer Modelle (inhaltlich) ausgewertet und für weitere Analyse aufbereitet werden, konzentriert sich das Process Mining auf die Auswertung und Analyse übergeordneter Prozesse in der Datenverarbeitung. Das Business Process Management hingegen analysiert und steuert Geschäftsprozesse anhand definierter Kennzahlen. Process Mining kann somit als Bindeglied zwischen Data Mining und Business Process Management gesehen werden.


Mehr über Process Mining


 
Abbildung 1: Die drei Arten des Process Mining: Discovery, Conformance Check und Enhancement, definiert über Input und Output.   Quelle: Finbridge GmbH & Co KG in Anlehnung an [2]

Abbildung 1: Die drei Arten des Process Mining: Discovery, Conformance Check und Enhancement, definiert über Input und Output.

Quelle: Finbridge GmbH & Co KG in Anlehnung an [2]


 
 

Discovery

 
 
Process Mining Discovery Pirate's Path

Nutzt man Process Mining als ‚Discovery Tool‘, liegt der Fokus der Prozessanalyse auf der Identifizierung des gelebten Standardprozesses auf Basis der bereitgestellten Logfiles einer Datenverarbeitung. Um den Standardprozess zu finden, werden keine zusätzlichen Grundannahmen getroffen oder SOLL-Prozessmodelle als Ausgangspunkt verwendet. Ziel dieser Process Mining Analyse ist die Beantwortung der Frage: Wie läuft mein Prozess aktuell tatsächlich ab?

 

Conformance Check

Process Mining Conformance Check Run Competition

Diese Disziplin des Process Minings startet mit einem Modell des Prozessablaufs (SOLL-Prozess), das gegen den aus Logfiles extrahierten IST-Prozess gehalten wird. Das Ziel dieser Analyse liegt darin, Abweichungen zwischen SOLL- und IST –Prozess zu finden, um diese Abweichungen in einem nächsten Schritt zu beseitigen. Der Conformance Check ist beispielsweise von zentraler Wichtigkeit um Prozessabweichungen von regulatorischen Vorgaben zu identifizieren und zu eliminieren.

 

Enhancement

Process Mining Enhancement Complex Unproductive Process

Beim Enhancement existiert, analog zum Conformance Check, bereits ein theoretischer SOLL-Prozess. Ziel des Enhancement Process Minings ist, den SOLL-Prozess mittels des identifizierten IST-Prozesses sukzessive zu verbessern. Ein Beispiel hierfür ist ein Prozessschritt, der im SOLL-Prozess mit zu geringer Dauer angesetzt wurde und daher zu Fehlplanungen führt. Der aus den Logfiles extrahierte IST-Prozess zeigt in diesem Fall die tatsächliche Dauer des Prozessschrittes an und führt zu einer Anpassung des SOLL-Prozesses.


Wie Kann Process Mining Hilfreich sein?

 

Continuous Auditing



Erkennung von Ineffizienzen

Die IT-Landschaften von Banken bestehen zumeist aus hochkomplexen Datenstrecken. Ähnlich einem filigranen Uhrwerk müssen die einzelnen Verarbeitungsschritte exakt aufeinander eingestellt und abgestimmt werden, um die Korrektheit der transportierten Daten über die Lebenszyklen der Geschäfte in den Vorsystemen zu gewährleisten.

Da die operativen Kredit- und Kapitalmarktsysteme häufig einen immensen Funktionsumfang besitzen, ist es nicht unüblich, einen Katalog an Prozessvorgaben zu definieren, die die Geschäftsabbildung auf den hauseigenen Datenlieferstrecken und die Instandhaltung der Schnittstellenwelt vereinfachen.

Zwar kennt jeder Abschnitt einer Datenlieferstrecke eigene Kontrollmechanismen und Plausibilitätschecks. Ein synchroner Überblick über die Einhaltung der definierten Prozessabläufe ist jedoch auf Grund der Vielzahl der Teilprozesse sowie wechselnder Datenhoheiten entlang der Lieferstrecken in Echtzeit kaum möglich.

Die Feststellung von Fehlerfällen sowie eine angemessene Reaktion zur Behebung der Fehler sind daher meist auf Rückmeldungen aus den Teil-Lieferstrecken angewiesen. Häufig können Problemfälle auch erst im Rahmen einer inhaltlichen Prüfung in den abnehmenden Systemen, also am Ende der Datenlieferstrecken, identifiziert werden, selbst wenn die Ursache in einer vom SOLL-Prozess abweichenden Bearbeitung im Front Office System liegt.

Process Mining ermöglicht datenbasierte Analyse der IST-Prozesse mit Hilfe der Logfiles einzelner Teilsysteme oder auch synoptisch über die gesamte Lieferstrecke. Dabei sind folgende Rückschlüsse möglich:

  • Continuous Auditing:
    Wo wird von bereits definierten Sollprozessen abgewichen?
    Wo sind Sollprozesse evtl. noch zu weit gefasst?

  • Erkennung von Ineffizienzen
    Wo gibt es Bottlenecks oder Schwachstellen im Prozessablauf?

  • Abteilungsübergreifende Transparenz in Echtzeit
    -> Prozesse können in Realtime verfolgt werden, ein Gegensteuern im Fehlerfall ist damit zeitnah möglich (geringere Reaktionsverzögerung und damit ggf. weniger zu behebende Folgefehler)

  • Verbesserung der Datenqualität durch Analyse der getriggerten Prozessvarianten

  • Durch Transparenz und Echtzeitvisualisierung der Prozesse kann:

    • Die Reaktionszeit verkürzt werden.

    • Der Analyseaufwand in IT, Datenqualitätsmanagement und involvierten Fachbereichen minimiert werden.


Transparenz in Echtzeit



Bessere Datenqualität

 

Wie unterstützt Finbridge seine Kunden?

Finbridge GmbH & Co KG begleitet Ihr Institut gerne bei einem oder mehreren Schritten des Process Minings, wie z.B.

  • Implementierung eines Process Mining Tools
  • Analyse des Tool-Outputs (Initial Analyse)
  • Erarbeitung von Vorschlägen zur Behebung der identifizierten Problemfälle
  • Implementierung der gewünschten Lösungen zu identifizierten Problemfällen
  • Schulung der Mitarbeiter im Falle eines kontinuierlichen Process Minings

Unsere Experten unterstützen Sie bei den einzelnen Optimierungsphasen mit ihrem banken- und datenfachlichen Know-how um den maximalen Impact des durchgeführten Process Minings zu erzielen.


TEAM

 
 
Henrique Schulz   Associate Manager  Digital Transformation  henrique.schulz at finbridge.de  +49 151 58062199   LinkedIn  |  Xing

Henrique Schulz

Associate Manager

Digital Transformation

henrique.schulz at finbridge.de

+49 151 58062199

LinkedIn | Xing

Dr. Jacqueline Bonnet   Senior Consultant  Digital Transformation   LinkedIn  |  Xing

Dr. Jacqueline Bonnet

Senior Consultant

Digital Transformation

LinkedIn | Xing

Martina Raabe   Senior Consultant  Data Science   LinkedIn  |  Xing

Martina Raabe

Senior Consultant

Data Science

LinkedIn | Xing

 

Quellen

[1] Seite „Process-Mining“. In: Wikipedia, Die freie Enzyklopädie. Bearbeitungsstand: 23. November 2018, 18:44 UTC. URL: https://de.wikipedia.org/w/index.php?title=Process-Mining&oldid=183014453 (Abgerufen: 18. Dezember 2018, 09:18 UTC)

[2] van der Aalst W. et al. (2012) Process Mining Manifesto. In: Daniel F., Barkaoui K., Dustdar S. (eds) Business Process Management Workshops. BPM 2011. Lecture Notes in Business Information Processing, vol 99. Springer, Berlin, Heidelberg

Bild 1, Bild 2, Bild 3, Bild 4


Digital Transformation Insights