Mineração de processos: Uma evolução no apoio à gestão de processos de negócio

Você já ouviu falar em Mineração de Processos (ou Process Mining)? Uma área relativamente recente e que está relacionada à descoberta, monitoramento e melhoria de processos a partir da extração de conhecimento de logs de eventos disponíveis nos diferentes sistemas de informação organizacionais. Neste artigo à SBC Horizontes, Alexandre Gastaldi Lopes Fernandes, José Francisco dos Santos Neto, Marcelo Fantinato e Sarajane Marques Peres, pesquisadores do Process Mining Research Group da Universidade de São Paulo, fazem um panorama dessa área de pesquisa, apresentando também aos nossos leitores o estado da prática. Boa leitura!

Clodis Boscarioli – Editor da Coluna Artigos.

Mineração de processos: Uma evolução no apoio à gestão de processos de negócio

Por: Alexandre Gastaldi Lopes Fernandes, José Francisco dos Santos Neto, Marcelo Fantinato e Sarajane Marques Peres

“Organizações não são entidades inertes: elas precisam reconhecer e reagir às mudanças no ambiente. Essas mudanças podem afetar tanto o que a organização usa como entrada quanto a sua expectativa sobre os resultados gerados em seus processos internos de produção ou transformação.”(Traduzido pelos autores de Hayes (2018, p. 41))

Mudanças em um contexto organizacional afetam as demandas e as expectativas do público-alvo, as necessidades dos colaboradores e as exigências que incidem sobre eles, os produtos e serviços resultantes do trabalho da organização, bem como os custos gerados por toda a cadeia de trabalho. Para permanecerem vivas e relevantes, as organizações precisam adaptar e evoluir constantemente seus processos de negócio (Allen et al., 2005, p. 415). Para as organizações, viver e ser relevante implica desenvolver a habilidade de criar processos assim como monitorar, controlar, modificar e melhorar processos existentes, além de eliminar processos defasados que perderam o sentido.

Viver e ser relevante, portanto, requer um esforço constante de gestão de processos de negócio (Dumas et al., 2018), que não raramente implicam fortes alterações nas relações orgânicas da organização, causando desconforto e insegurança para todos os agentes envolvidos. Não parece ser, e não é uma tarefa trivial. Mas a boa notícia é que muito tem sido estudado e produzido em termos de conhecimento e recursos administrativos e computacionais, visando reduzir o esforço, minimizar consequências negativas e fazer com que as organizações e os agentes a ela relacionados sejam mais flexíveis e adaptáveis. Uma das mais recentes e vibrantes área de conhecimento que tem contribuído sobremaneira nesse contexto é a mineração de processos.

“Mineração de processos é o elo perdido entre ciência de dados e ciência de processos.” (Traduzido pelos autores de van der Aalst (2016, p. 25))

Mineração de processos como recurso para ajudar na gestão de processos de negócio

Mineração de processos pressupõe a existência de dados referentes às operações executadas pelos sistemas de informação responsáveis por automatizar os processos de negócio. Esses dados são conhecidos como log de eventos. Mineração de processos se refere à descoberta de conhecimento sobre processos de negócio a partir da análise automática de logs de eventos. Essa área de conhecimento traz para o contexto de log de eventos alguns dos mecanismos de mineração de dados capazes de, por exemplo, identificar tendências, descobrir padrões ou criar modelos de predição. Técnicas usadas para minerar processos partem dos logs de eventos e apoiam-se em modelos de processos para representar e analisar o fluxo de trabalho dentro da organização. Desse modo, parte do extenuante trabalho de gestão de processos de negócio é realizada automaticamente, o que propicia eficiência e eficácia nas tomadas de decisão e nos movimentos estratégicos em direção ao correto posicionamento organizacional em um ambiente de constante mudanças e desafios.

Mineração de processos abrange uma série de tarefas e atividades que visam oferecer condições para a descoberta de conhecimento sobre processos de negócio. Classicamente, mineração de processos tem o objetivo de descobrir automaticamente modelos de processos, usar modelos de processos como modelos de referência para checagem de conformidade ou usá-los como um meio para encontrar problemas de desempenho nos processos e propor melhorias (van der Aalst, 2016). Atualmente, o IEEE Task Force on Process Mining apresenta como objetivos a descoberta automatizada de processos, a checagem de conformidade, a mineração organizacional e de rede social, a construção automática de modelos de simulação, a predição de casos e a recomendação baseada em histórico.

Descobrindo o modelo do processo

A elicitação e modelagem de processos de negócio é uma atividade árdua que envolve, em um nível macro, o entendimento do negócio, seus objetivos e o ambiente onde os processos acontecem. Além disso, em um nível micro, depende de entrevistas com as pessoas envolvidas, priorizando as mais experientes e com visão e alçada gerencial, seguidas pelas diretamente envolvidas com os processos e com a observação in loco das atividades em execução na organização. Trata-se, portanto, de um contato muito próximo entre o analista de processos e os especialistas de domínio, o que requer habilidade em elicitação de informações. Desafios frequentes envolvem lidar com a extração de conhecimento tácito, a falta de tempo e de interesse das pessoas envolvidas, e a omissão de informação. Assim, o modelo de processo resultante pode estar longe do processo real da organização (ou seja, o processo as-is), estando mais para uma perspectiva de como as pessoas entendem o processo (ou seja, um processo as-assumed).

Mineração de processos agrega o poder computacional da ciência de dados à ciência de processos, permitindo a descoberta automática de processos. Trata-se de uma ferramenta que pode revelar modelos de processo mais próximos daqueles que realmente ocorrem nas organizações, sem o viés da percepção humana, ao considerar os logs de eventos gerados por sistemas de informação como fonte de informação. Usando logs de eventos como entrada, algoritmos de mineração de processo constroem modelos de processo que descrevem o comportamento real do fluxo organizacional (van der Aalst, 2016).

Checando modelos de processos

Em razão de questões regulatórias, certificações, auditorias, entre outras, as organizações geralmente possuem procedimentos de documentação de seus processos. Os modelos de processo documentados devem atuar como norteadores das atividades dentro de uma organização. Entretanto, como a execução de processos de negócio envolve inerentemente a participação de pessoas, é comum existirem desvios do fluxo esperado para a execução do processo. Esses desvios podem se revelar desejáveis ou não, possivelmente influenciando o resultado esperado de forma positiva ou negativa.

Um dos objetivos da mineração de processos é a checagem automática de conformidade que permite contrastar um log de eventos contra um modelo de processo de referência (ou modelo normativo). Checa-se se o que está ocorrendo no dia a dia da organização (capturado no log de eventos) está de acordo com o que supostamente deveria estar ocorrendo (de acordo com o modelo de processo de referência). Possíveis inconformidades reveladas identificam os desvios. Os algoritmos de checagem de conformidade podem informar os elementos do modelo de processo ou os casos no log de eventos para os quais modelo e log divergem. Tais desvios devem ser analisados para que seus valores sejam identificados. Para desvios benéficos, os modelos de processo podem ser ajustados; já para desvios prejudiciais, a prática organizacional deve ser corrigida.

Antecipando problemas e apoiando a tomada de decisão

O monitoramento tradicional de processos de negócio analisa os eventos registrados durante a execução de um processo para verificar se ele está atingindo as metas de desempenho esperadas. Esse tipo de monitoramento tende a gerar tomadas de decisão reativas, desencadeadas pela percepção de problemas que já ocorreram. Mineração de processos possibilita o monitoramento preditivo de processos de negócio, o que permite antecipar a falha no cumprimento de metas de desempenho, emitindo alertas e recomendações para gestores ou mesmo disparando ações automáticas para corrigi-las e assim evitar problemas futuros de desempenho.

O monitoramento preditivo depende da existência de logs de eventos históricos e da análise em tempo real do estado de instâncias de processo em execução (Maggi et al., 2014). Esse tipo de monitoramento facilita a tomada de decisão referente à adaptação de um processo a mudanças de cenários, por exemplo: variações de mercado ou outros eventos externos inesperados, mudanças de equipe, alteração de legislação, necessidade de oferta de novos produtos ou serviços, alteração em orçamentos, ou restrições de recursos.

Onde mineração de processos tem sido usada e por quem?

Em 2020, a HSPI Management Consulting listou projetos em mineração de processos realizados para diferentes tipos de indústria e setores, por diferentes empresas de consultoria especializadas na área. Esse levantamento, embora não seja sistemático e nem exaustivo, fornece um panorama de como mineração de processos tem sido inserida na sociedade. O levantamento inclui mais de 500 projetos realizados de 2005 a 2019, e está disponível no website da IEEE Task Force on Process Mining. Os gráficos apresentados nos quadros “Tipos de indústria e setores usando mineração de processos” e “Domínios sendo tratados com mineração de processos na indústria” foram criados com base nos dados presentes no documento criado pela HSPI.

“Tipos de indústria e setores usando mineração de processos”

A diversidade de indústrias e setores em que mineração de processos tem sido aplicada é motivante! Pelo resumo apresentado no quadro “Tipos de indústria e setores usando mineração de processos”, há destaque para indústrias da área de manufatura, finanças, saúde e telecomunicações. Há ainda exemplos do uso de mineração de processos em setores particulares listados pela HSPI que não constam no quadro, como:

Bens pessoais e domésticos na indústria de “bens de consumo”
Restaurantes na indústria de “serviços de consumo”
Educação na indústria do setor “público”
Defesa na indústria do setor “público”
Mineração e metais industriais na indústria de “materiais”
Serviços de cuidados domiciliar (homecare) na indústria de “saúde”
Farmacêutica e biotecnologia na indústria de “saúde”
Mercado imobiliário na indústria de “finanças”

“Domínios sendo tratados com mineração de processos na indústria”

Mineração de processos tem sido usada para tratar problemas de diferentes naturezas, dentro de cada um dos tipos de indústria listados pela HSPI, conforme resumo apresentado no quadro “Domínios sendo tratados com mineração de processos na indústria”. Processos de negócio que têm sido tipicamente tratados com mineração de processos em diferentes tipos de indústria são “compras a pagar”, “marketing & vendas” e “ordens de pagamento”. Além disso, mineração de processos tem sido aplicada também em atividades de gestão de processos de negócio em geral, tais como análise, conformidade, diagnóstico, melhorias e otimização, independentemente de algum processo em si. Novamente, há ainda exemplos do uso de mineração de processos em domínios particulares listados pela HSPI que não constam no quadro, a exemplo de:

Processo “renovação de apólice de seguro de automóvel” (finanças/seguradoras)
Processo “cuidado odontológico” (finanças/seguradoras)
Processo “recuperação de aeronaves” (fábricas/transporte)
Processo “manutenção corretiva” (telecomunicações)
Atividade “automação de processos envolvendo IoT” (saúde/instalações, serviços e equipamentos)
Atividade “padronização de processos” (saúde/instalações, serviços e equipamentos)

A presença brasileira representa 4,0% dos projetos analisados pela HSPI, estando no mesmo nível de participação que países como Estados Unidos (5,1%), Austrália (3,8%) e Coreia do Sul (3,6%).

Ferramentas, mercado e pesquisa em mineração de processos

Ferramentas computacionais para apoiar mineração de processos já estão disponíveis na academia e no mercado. Do ponto de vista do estado da prática, as ferramentas disponíveis no mercado apresentam escopo restrito a algoritmos maduros de mineração de processos, ou seja, aqueles robustos para serem aplicados em organizações. Essas ferramentas do mercado permitem, por exemplo, descobrir modelos de processo, realizar simulações sobre modelos de processo, analisar estatísticas, e visualizar representações gráficas das variantes do processo e da presença de gargalos. Em geral, essas ferramentas precisam ser operadas por profissionais com conhecimento em mineração de processos. Em relação ao estado da arte, ferramentas e protótipos que implementam algoritmos recentes e inovadores têm apoiado a pesquisa científica na área de mineração de processos. Exemplos de estratégias disponíveis nessas ferramentas acadêmicas são: computação evolutiva para a descoberta de processos, tratamento de ruído e anomalias, descoberta de mudanças de conceito com o passar do tempo, análises em tempo real e execução de recomendações preditivas. Essas soluções ainda precisam de aprimoramento para uso prático nas organizações.

O Brasil está bem representado em relação ao desenvolvimento de ferramentas e à prestação de consultoria em mineração de processos. Há consultorias brasileiras e representantes locais de empresas europeias que têm trabalhado para sedimentar a cultura de mineração de processos na indústria nacional. Duas empresas brasileiras têm trabalhado arduamente para desenvolver ferramentas de apoio a mineração de processos, realizando inclusive parcerias com universidades para projetos de pesquisa. O infográfico “Desenvolvimento nacional” traz mensagens dessas empresas. Essas mensagens são certamente um estímulo para que mais investimento e desenvolvimento nacionais sejam realizados nessa área.

“Desenvolvimento nacional”

A pesquisa em mineração de processos é recente, tendo iniciado por volta do ano 2000, desenvolvida a partir de pesquisas anteriores, desenvolvidas principalmente na área de gestão de processos de negócio e de gestão e análise de workflow. O gráfico de “Publicações por ano” elaborado com dados obtidos por meio de uma busca básica por trabalhos acadêmicos e científicos realizada na ferramenta online Scopus, da Elsevier, ilustra a evolução dessa área de pesquisa, evidenciando a atualidade do tema. Para a busca de publicações, o termo “process mining” foi aplicado nos campos “título”, “resumo” e “palavras-chave” das publicações indexadas pelo Scopus. A busca foi realizada em maio de 2020, e o resultado mostra um crescente interesse dos pesquisadores na área. Só em 2019, houve mais de 500 publicações.

O Brasil também está bem representado no contexto de pesquisa científica em mineração de processos. A Figura “Participação de países em publicações”, obtido também a partir da busca citada via Scopus, fornece uma visão geral da proporção da participação de pesquisadores de cada país na autoria das publicações encontradas. O Brasil (o retângulo preto na figura) ocupa a décima quarta posição no ranking de nacionalidades.

E o que mais?

Há muito ainda o que fazer na área de mineração de processos. Tanto na indústria quanto na academia, há muitos desafios a serem superados, mundialmente e localmente. Embora o Brasil apareça com algum destaque nos quadros mundiais de análise da área, há muito espaço para que professores, pesquisadores, desenvolvedores e gestores trabalhem para melhorar esse posicionamento e para fazer com que organizações brasileiras se beneficiem do que mineração de processos pode entregar.

Essa matéria trouxe um gostinho do que é mineração de processos, mas há ainda uma imensidade de informações e conhecimento disponível nesse campo de atuação. Se você, leitor, gostou e ficou curioso, não hesite em se aprofundar na área. Entre em contato conosco se achar conveniente. Estamos à disposição para ajudar no que for possível para disseminar mineração de processos por todo o nosso país!

Referências

Hayes, J. The Theory and Practice for Change Management, 5th ed., Macmillan Publishers, 2018.

Allen, P.M., Boulton, J., Strathern, M., Baldwin, J. The implications of complexity for business process and strategy, Chapter 23, In: K. A. Richardson (Ed.) Managing Organizational Complexity: Philosophy, Theory, and Application, Age Publishing, 2005.

Dumas, M., La Rosa, M., Mendling, J., Reijers, H. Fundamentals of Business Process Management, 2nd ed., Springer, 2018.

van der Aalst, W. Process Mining: Data Science in Action, 2nd ed., Springer, 2016.

Maggi, F. M., Di Francescomarino, C., Dumas, M., Ghidini, C. Predictive Monitoring of Business Processes, Proceedings of the 26th International Conference on Advanced Information Systems Engineering, Springer, 457–472, 2014.

Como citar este artigo:

FERNANDES, Alexandre Gastaldi Lopes; SANTOS NETO, José Francisco dos; FANTINATO, Marcelo; PERES, Sarajane Marques. Mineração de processos: Uma evolução no apoio à gestão de processos de negócio. SBC Horizontes, junho 2020. ISSN 2175-9235. Disponível em: <http://horizontes.sbc.org.br/index.php/2020/06/08/mineracao-de-processos-uma-evolucao-no-apoio-a-gestao-de-processos-de-negocio/>. Acesso em: DD mês. AAAA.

Sobre os autores

Alexandre Gastaldi Lopes Fernandes. Profissional com experiência em Tecnologia da Informação, tendo atuado em vários projetos grandes e críticos, principalmente para a indústria de Telecomunicações e Financeira. É mestre em Sistemas de Informação (2019) pela Universidade de São Paulo, possui MBA (2010) pela Fundação Getúlio Vargas e bacharelado em Ciência da Computação (1997) pela Universidade de São Paulo. Possui várias certificações, incluindo duas em mineração de processos, obtidas junto à Celonis. Desde 2017, vem trabalhando na área de Mineração de Processos, tendo usado ferramentas e técnicas para analisar cenários de casos reais e desenvolver projetos piloto e provas de conceito em grandes organizações. Atualmente, está trabalhando na Accenture como AI Engineeging Manager, e seus principais interesses de pesquisa são aprendizado de máquina, automação e mineração de processos.

José Francisco dos Santos Neto. Bacharel em Sistemas de Informação (2019) pela Universidade de São Paulo. Atuou como analista de BI e analista de processos na J.BOSS Engenharia e Automação e gestor de TI e BI na TPA Empreendimentos. É professional Scrum Master certificado pela scrum.org. Atualmente é estudante de mestrado em Sistemas de Informação na Universidade de São Paulo. Integra os grupos de pesquisa Process Mining @ USP e o Grupo de Inteligência Artificial (GrIA), na Universidade de São Paulo, nos quais atua em mineração de processos aplicada a Learning Analytics. Também atua no Grupo de Pesquisa em Mapas Conceituais (GPMC), na Universidade de São Paulo, no qual pesquisa sobre análise estrutural de mapas conceituais e os usa como ferramenta para aprendizagem e colaboração.

Marcelo Fantinato. Professor Associado da Universidade de São Paulo (USP). É bolsista PQ do CNPq. Foi pesquisador convidado na Vrije Universiteit Amsterdam, 2018, e na Universidade de Utrecht, 2019, Países Baixos. Livre docente em Gestão de Processos de Negócio, 2014, pela USP; Doutor em Ciência da Computação, 2007, e Mestre em Engenharia Elétrica, 2002, pela Unicamp; e Bacharel em Ciência da Computação, 1999, pela Universidade Estadual de Maringá. Certificado Green Belt no Programa de Melhoria de Qualidade Six Sigma da Motorola, 2007. Foi coordenador do Programa de Pós-Graduação em Sistemas de Informação da USP, 2014-2018. Possui experiência profissional no setor de desenvolvimento de software na Fundação CPqD, Campinas, 2001-2006, e na Motorola, Jaguariúna, 2006-2008. Foi coordenador geral do CBSoft 2011 e do SBSI 2012. Foi coordenador do comitê de programa do SBCARS 2012. É membro do Comitê Técnico do IEEE em Computação de Serviços. Representa a USP no Centro Europeu de Pesquisa em Sistemas de Informação (ERCIS). É editor associado do International Journal of Cooperative Information Systems.

Sarajane Marques Peres. Professora Associada na Universidade de São Paulo (USP), Brasil. Possui doutorado em Engenharia Elétrica (2006) pela Universidade Estadual de Campinas, mestrado em Engenharia de Produção e Sistemas (1999) pela Universidade Federal de Santa Catarina e Bacharelado em Ciência da Computação (1996) pela Universidade Estadual de Maringá, Brasil. Trabalhou como professora assistente na Universidade Estadual do Oeste do Paraná (1998-2005) e na Universidade Estadual de Maringá (2005-2007), Brasil. É coautora de um livro-texto na área de mineração de dados. Trabalhou como tutora do grupo PET-Sistemas de Informação da USP, no Programa de Educação Tutorial do Ministério da Educação (2010-2017), e como pesquisadora visitante na Vrije Universiteit Amsterdam (2018) e na Utrecht University (2019), Países Baixos. É credenciada no Programa de Pós-graduação em Sistemas de Informação da USP e membro do quadro de pesquisadores do Advanced Institute for Artificial Intelligence AI2 (Brasil). Seus principais interesses de pesquisa são inteligência computacional e aprendizado de máquina aplicados à mineração de dados, mineração de textos, mineração de processos, análise de gestos e robôs de companhia.