Sebuah permintaan pembelian dapat terlihat sederhana. Pengguna membuat permintaan, atasan memeriksa, procurement memproses, lalu pesanan diterbitkan. Kenyataannya, sebagian permintaan selesai dalam dua hari, sementara yang lain tertahan berminggu minggu tanpa alasan yang langsung terlihat.
Analisis bottleneck proses membantu tim mencari tahapan yang paling banyak menyerap waktu. Alih alih hanya bertanya siapa yang lambat, analisis melihat urutan aktivitas, waktu tunggu, pengulangan, penolakan, dan perbedaan antarjenis transaksi. Hasilnya menjadi dasar untuk pemeriksaan, bukan vonis terhadap individu atau unit tertentu.
Mulai dari pertanyaan proses yang spesifik
Pertanyaan “mengapa approval lama” terlalu luas. Persempit menjadi pertanyaan yang dapat diuji, misalnya tahapan mana yang paling lama, jenis permintaan apa yang paling sering dikembalikan, atau unit mana yang memiliki variasi waktu terbesar. Pilih satu proses dan satu periode agar analisis awal tetap terkendali.
Pendekatan process mining bisnis menggunakan catatan aktivitas untuk merekonstruksi bagaimana proses benar benar berjalan. Proses aktual mungkin berbeda dari prosedur tertulis karena adanya pengecualian, pengalihan, atau langkah tambahan. Perbedaan ini perlu dipahami bersama pemilik proses.
Siapkan tiga elemen data utama
Setiap kasus membutuhkan identitas yang konsisten, misalnya nomor permintaan, nomor pesanan, atau nomor klaim. Setiap baris juga memerlukan nama aktivitas dan waktu kejadian. Data timestamp transaksi dapat menunjukkan kapan permintaan dibuat, diperiksa, dikembalikan, disetujui, dan diselesaikan.
Jika tersedia, gunakan waktu mulai dan selesai untuk membedakan durasi kerja dari waktu tunggu. Tambahkan atribut seperti unit, kategori, nilai, lokasi, jenis pelanggan, atau penanggung jawab sesuai tujuan. Pastikan penggunaan data mengikuti hak akses dan kebutuhan analisis.
Bedakan waktu kerja dan waktu menunggu
Sebuah langkah dapat membutuhkan waktu kerja hanya beberapa menit, tetapi kasus menunggu dua hari sebelum dibuka. Analisis waktu proses perlu membedakan keduanya. Tanpa pemisahan tersebut, tim dapat keliru menyimpulkan bahwa aktivitasnya rumit, padahal masalahnya terletak pada antrean atau pembagian pekerjaan.
Bandingkan median dan rentang waktu, bukan hanya rata rata. Beberapa kasus yang sangat lama dapat mengubah rata rata secara signifikan. Lihat juga persentase kasus yang melewati target waktu agar dampaknya lebih mudah dipahami.
Cari pengulangan dan jalur yang tidak biasa
Proses yang lambat sering mempunyai langkah berulang. Permintaan dapat bolak balik karena data tidak lengkap, nilai berubah, dokumen salah, atau otoritas persetujuan tidak sesuai. Analisis siklus proses membantu melihat berapa kali kasus kembali ke tahapan sebelumnya dan berapa waktu tambahan yang timbul.
Gunakan deteksi anomali workflow untuk menandai jalur yang jarang terjadi, durasi yang jauh berbeda, atau urutan aktivitas yang tidak biasa. Anomali tidak selalu berarti kesalahan. Kasus bernilai besar, permintaan khusus, atau pemeriksaan tambahan dapat memiliki alasan yang sah.
Bandingkan kelompok yang relevan
Jangan membandingkan semua transaksi seolah memiliki tingkat kesulitan yang sama. Pisahkan berdasarkan nilai, kategori, lokasi, kompleksitas, atau kebutuhan dokumen. Approval perjalanan rutin tidak adil dibandingkan dengan pengadaan aset bernilai besar.
Segmentasi membantu menilai efisiensi proses operasional secara lebih jujur. Jika satu kelompok jauh lebih lambat, periksa apakah penyebabnya kapasitas, aturan persetujuan, kualitas input, sistem, atau ketergantungan pada pihak lain.
Gunakan visualisasi untuk diskusi, bukan sekadar presentasi
Sebuah dashboard proses bisnis dapat menunjukkan jumlah kasus, durasi setiap tahapan, waktu tunggu, pengulangan, jalur proses, dan kasus yang melewati target. Pengguna perlu dapat menelusuri angka ke contoh kasus yang relevan sesuai hak akses.
Visualisasi yang baik mempermudah pertanyaan lanjutan. Mengapa waktu tunggu meningkat pada minggu tertentu? Mengapa satu kategori sering dikembalikan? Apakah perubahan formulir mengurangi pengulangan? Jawaban tetap perlu diperiksa melalui data sumber dan konteks operasional.
Peran AI dalam analisis proses
AI Data Analytics dapat membantu pengguna menyusun pertanyaan, mengeksplorasi pola, menghubungkan sumber data yang telah diberi akses, serta mengusulkan analisis tambahan. AI juga dapat membantu memprioritaskan area yang perlu diperiksa dan menyajikan hasil dalam bentuk yang lebih mudah dipahami.
AI tidak mengetahui seluruh alasan bisnis hanya dari timestamp. Perubahan kebijakan, kekurangan staf, gangguan sistem, atau permintaan yang tidak lengkap memerlukan penjelasan manusia. Karena itu, pengambilan keputusan berbasis data tetap membutuhkan validasi dari pemilik proses dan bukti pendukung.
Uji satu perbaikan dan ukur hasilnya
Pilih perbaikan yang dapat diuji, misalnya memperjelas formulir, mengubah batas nilai approval, menata antrean, atau memberikan notifikasi ketika kasus mendekati tenggat. Tentukan ukuran sebelum perubahan, lalu bandingkan durasi, pengulangan, dan jumlah kasus terlambat setelah penerapan.
Pelajari solusi AI Data Analytics Actifficient untuk mengeksplorasi pola, anomali, dan konteks dari sumber data yang terhubung. Jika tim Anda ingin menguji satu proses menggunakan data yang representatif, hubungi Actifficient untuk konsultasi. Siapkan contoh identitas kasus, aktivitas, timestamp, dan atribut yang tersedia agar ruang lingkup awal dapat dinilai dengan jelas.