Leitfaden zur Unassisted Task Mining-Analyse

Einleitung

Diese Anleitung dient als Einführung in die Arbeit mit Analyseergebnissen von Unassisted Task Mining, nachdem ein Projekt erstellt, die Aufzeichnung von Aktionen abgeschlossen und eine Analyse durchgeführt wurde. Es richtet sich an Geschäftsanalysten, Projektadministratoren und andere, die lernen möchten, wie sie Unassisted Task Mining-Ergebnisse interpretieren und Aufgaben mit Optimierungspotenzial identifizieren. Dieser Leitfaden enthält auch eine Anleitung zum Umgang mit unerwarteten Ergebnissen und Fehlern in der Analyse.

Um Ergebnisse zu generieren, sucht der KI-Algorithmus nach Vorkommen der gleichen Sequence von Schritten in den aufgezeichneten Daten. Sie funktioniert ohne Kontext und kann daher Aufgabenkandidaten präsentieren, die reale Aufgaben nicht von Anfang bis Ende vollständig erfassen.

Manchmal enthalten die Analyseergebnisse Aufgaben und Schritte, die aus geschäftlicher Sicht irrelevant sind. Dies wird als Noise betrachtet. Um Automatisierungskandidaten zu identifizieren, ist es wichtig, dass der Prüfer zwischen hochwertigen Aufgaben und lauten Aufgaben unterscheidet.

Verschiedene Typen von Task Mining-Ergebnissen

Die vom KI-Algorithmus identifizierten Aufgabenkandidaten können mit realen Aufgaben übereinstimmen, sie können sich aber auch von den Erwartungen unterscheiden. Nicht alle Aufgabenkandidaten eignen sich für die Automatisierung, und der Prüfer muss mit den verschiedenen Arten von Ergebnissen vertraut sein, auf die er stoßen kann. Die identifizierten Aufgabenkandidaten können:

1. Erwartete Aufgaben nicht anzeigen
2. Unerwartete Aufgaben anzeigen
3. Aufteilen einer realen Aufgabe in mehrere Aufgaben
4. Erfassen Sie eine Aufgabe teilweise ohne den tatsächlichen Anfang und das eigentliche Ende
5. Keine realistische Aufgabe anzeigen

1. Die Ergebnisse zeigen nicht die erwarteten Aufgaben

Unassisted Task Mining wendet einen Algorithmus an, um Aufgabenkandidaten zu identifizieren, die gute Kandidaten für die Automatisierung oder Prozessoptimierung sein können. Es ist nicht garantiert, dass der KI-Algorithmus alles erkennt, und er kann einen Teilprozess oder sogar einen größeren Prozess als erwartet erkennen. Durch die in diesem Dokument beschriebenen Schritte kann der Prüfer bestimmen, ob die identifizierten Aufgabenkandidaten für die Automatisierung geeignet sind. Da es nicht gewährleistet ist, dass Unassisted Task Mining bekannte Aufgaben erkennt oder jede Variation oder Iteration auswählt, sollte es nicht ausschließlich zur Überwachung bekannter Aufgaben verwendet werden.

2. Ergebnisse zeigen unerwartete Aufgaben

Unassisted Task Mining identifiziert Aufgabenkandidaten, die dann nach ihrer Wahrscheinlichkeit als bessere Automatisierungsmöglichkeiten eingestuft werden. Einige Ergebnisse sind möglicherweise nicht repräsentativ für eine tatsächliche reale Aufgabe, aber der Prüfer kann sie basierend auf den in diesem Dokument vorgestellten Schritten als gute Automatisierungskandidaten identifizieren.

3. Die Ergebnisse teilen echte Aufgaben in mehrere Task Mining-Aufgabenkandidaten auf

Der Unassisted Task Mining-Algorithmus sucht nach der am häufigsten vorkommenden und konsistenten Abfolge von Schritten. Je nachdem, wie konsistent Benutzer die Aufgabe ausgeführt haben, kann eine reale Aufgabe in den Ergebnissen in mehrere Aufgabenkandidaten aufgeteilt werden. Das Ende eines Aufgabenkandidaten kann der Beginn des nächsten sein. Der Aufgabenkandidat ist möglicherweise immer noch für Automatisierungs- oder Prozessverbesserungsaktionen geeignet. In diesem Fall empfehlen wir, diese Unteraufgaben im Prozessdefinitionsdokument (PDD) zu kombinieren, indem Sie alle relevanten Ablaufverfolgungen in Task Capture exportieren und in einem Dokument kombinieren. Das Kombinieren der Teilaufgaben durch eine Neuberechnung in Task Mining führt möglicherweise nicht zu optimalen Ergebnissen, wenn sich die Teilaufgaben die Start- und Endschritte teilen.

4. Ergebnisse erfassen teilweise eine Aufgabe ohne den tatsächlichen Anfang oder das eigentliche Ende

Der KI-Algorithmus identifiziert die konsistentesten Schrittfolgen als Aufgabenkandidaten. Abhängig von der Variabilität der Benutzer, die die Aufgabe ausführen, kann die Mitte einer Aufgabe konsistenter sein als der Anfang und/oder das Ende, was dazu führt, dass der Algorithmus diese Unteraufgabe als Kandidat anstelle der vollständigen End-to-End-Aufgabe erkennt.

Dies ist wahrscheinlich der Fall, wenn der Start und/oder das Ende einer Aufgabe sehr multifunktionale Anwendungen wie Outlook, Excel usw. Diese Anwendungen werden wahrscheinlich während mehrerer Aufgaben verwendet, und es ist für den Algorithmus schwierig, bestimmte Vorkommen von ihnen als Anfang oder Ende eines Aufgabenkandidaten zu unterscheiden. In diesem Fall empfehlen wir, sich auf den Großteil der Aufgaben zu konzentrieren und nicht 100 % aller Klicks eines Benutzers abzudecken. Wenn die Aufgabe dennoch ein geeigneter Kandidat für die Automatisierung ist, können der fehlende Start und das fehlende Ende beim Erstellen der Automatisierung hinzugefügt werden.

5. Die Ergebnisse zeigen eine unrealistische Aufgabe

Der erkannte Aufgabenkandidat sieht möglicherweise nicht realistisch aus oder ist keine erkennbare Aufgabe. Wenn ein Aufgabenkandidat aus geschäftlicher Sicht keinen Sinn macht, ist er wahrscheinlich störend und kann verworfen werden.

Priorisieren von Aufgabenkandidaten für die Analyse

Abhängig von den aufgezeichneten Daten identifiziert der Task Mining-Algorithmus möglicherweise viele Aufgabenkandidaten. Daher ist es wichtig, dass der Prüfer Prioritäten setzt, welche Kandidaten zuerst analysiert werden sollen, um keine Zeit mit Aufgabenkandidaten zu verschwenden, die wahrscheinlich keine geeigneten Automatisierungskandidaten sind. Die Seite Erkennungsergebnisse und ihre KPIs bieten Eingaben für diese Priorisierung.

Die Aufgabenkandidaten in den Erkennungsergebnissen werden nach der Wahrscheinlichkeit sortiert, dass sie ein geeigneter Automatisierungskandidaten sind. Je höher der Aufgabenkandidat auf der Liste ist, desto wahrscheinlicher ist er ein guter Automatisierungskandidaten. Der Aufgabenkandidat mit dem Namen „Aufgabe 0“ wurde vom Unassisted Task Mining-Algorithmus unter Berücksichtigung verschiedener Faktoren identifiziert, einschließlich Wiederholbarkeit und Komplexität. Diese Rangliste gibt jedoch nicht die Gesamtqualität der Task Mining-Ergebnisse an, aber im Verhältnis ist „Aufgabe 0“ wahrscheinlicher als „Aufgabe 10“.

Der Prüfer kann die Standardsortierung auch ändern, indem er auf die Spaltenüberschriften klickt. Die drei Sortieroptionen, die für die Spalte Aufgabenname verfügbar sind, sind vom höchsten bis zum niedrigsten Automatisierungspotenzial, vom niedrigsten bis zum höchsten Automatisierungspotenzial und alphabetisch basierend auf dem Aufgabennamen.

Verwenden Sie die Schaltfläche Nur wichtige Aufgaben, um zu filtern, dass nur Aufgaben angezeigt werden, die mindestens 5 Aktionen, 3 Schritte und 30 Sekunden Ausführungszeit haben. Dadurch sollte Rauschen in den Ergebnissen reduziert werden.

Konzentrieren Sie sich auf größere Aufgabengruppen. Gruppierte Aufgabenkandidaten sind oft aussagekräftigere Aufgabenkandidaten. Suchen Sie nach dem besten Aufgabenrepräsentanten innerhalb einer Aufgabengruppe. Bei der Analyse eines Aufgabenkandidaten, der repräsentativ für die Gruppe ist, kann es vorkommen, dass dieser Aufgabenkandidat ein hohes Automatisierungspotenzial hat, die End-to-End-Aufgabe aber nicht ganz korrekt ist. In diesem Fall empfehlen wir, die alternativen Aufgabenkandidaten der Gruppe zu überprüfen, um einen besseren Repräsentanten zu finden. Sobald der Prüfer einen besseren Repräsentanten gefunden hat, kann er diesen auswählen und als neuen Repräsentanten für diese Aufgabengruppe markieren.

Konzentrieren Sie sich innerhalb einer Aufgabengruppe auf die höher eingestuften Aufgaben. Im Allgemeinen sind die besser eingestuften Aufgabenalternativen innerhalb einer Gruppe von höherer Qualität. Aufgabenalternativen mit einer Bewertung über 10 oder 20 sind in der Regel von niedrigerer Qualität.

Bei der Analyse der alternativen Aufgabenkandidaten könnte deutlich werden, dass sich einige von ihnen auf eine andere Aufgabe als die repräsentative beziehen. In diesem Fall kann der Prüfer eine neue Aufgabengruppe basierend auf diesen alternativen Aufgaben erstellen .

Untersuchen Sie die Metriken der verschiedenen Aufgabenkandidaten. Jeder Aufgabenkandidat zeigt unterschiedliche Metriken an, z. B. die Gesamtzeit, die die Benutzer für diese Aufgabe aufgewendet haben, die Anzahl der Benutzer, die diese Aufgabe ausgeführt haben, die Anzahl der Schritte in der repräsentativsten Aufgabe usw. Berücksichtigen Sie diese Metriken in Ihrer Analyse und wenden Sie Ihre eigenen Kriterien basierend auf dem Geschäftskontext Ihres Task Mining-Projekts an. Wir sehen beispielsweise, dass Aufgabe 7 eine viel geringere Gesamtzeit sowie eine viel geringere Anzahl von Ablaufverfolgungen und Schritten hat als Aufgabe 1 und Aufgabengruppe Neu. Dies könnte darauf hinweisen, dass Aufgabe 7 ein geringeres Automatisierungspotenzial hat. Bitte beachten Sie jedoch, dass es keine allgemeinen Richtlinien für große oder kleine Gesamtzeit für alle Task Mining- Studien gibt. Diese Metriken sollten immer im geschäftlichen Kontext des spezifischen Task Mining-Projekts interpretiert werden.

Nutzen Sie die Funktion zum Lesezeichen und Umbenennen. Bei der Priorisierung der verschiedenen Aufgabenkandidaten für die tiefere Analyse ist es wichtig, den Überblick darüber zu behalten, was priorisiert oder sogar analysiert wurde. Das Lesezeichen und Umbenennen von Aufgabenkandidaten kann dazu beitragen, die Analyse zu strukturieren.

Analyse einzelner Aufgabenkandidaten

Nachdem der Reviewer die verschiedenen Aufgabenkandidaten priorisiert hat, kann Ihre Analyse beginnen. Der folgende Abschnitt bietet dem Prüfer zunächst einige Einblicke, die er während der Analyse berücksichtigen sollte, und enthält anschließend eine Schritt-für-Schritt-Anleitung zum Navigieren durch die Analyseansicht.

Berücksichtigen Sie dies bei der Analyse

Die Schritte basieren auf Bildschirmen. Der Aufgabenkandidat und seine Schritte werden auf der Ebene einer eindeutigen Benutzeroberfläche/eines eindeutigen Benutzeroberflächenbildschirms angezeigt und stellen keine einzelnen Klick- oder Eingabeaktionen dar. Mehrere Klicks oder Eingabeaktionen, die auf demselben Bildschirm ausgeführt werden, werden in der Regel durch den Task Mining-Algorithmus gruppiert. Daher zeigt das Diagramm nicht jede einzelne Klick- oder Eingabeaktion an.

Ein Aufgabenkandidat benötigt mindestens zwei Schritte (Bildschirme), um als solche identifiziert zu werden. Damit der Task Mining-Algorithmus einen Aufgabenkandidaten identifizieren kann, muss er aus einem klaren Start- und Endschritt bestehen. Daher wird eine Aufgabe, die nur auf einem Bildschirm ausgeführt wird, nicht als Aufgabenkandidaten identifiziert.

Die Schritte sind für die verschiedenen Aufgabenkandidaten gleich. Die Schritte sind nicht an einen bestimmten Aufgabenkandidaten gebunden. Ein Schritt, der in einem Aufgabenkandidaten auftritt, kann auch in einem anderen auftreten. Das bedeutet, dass Aktionen wie das Umbenennen eines Schritts Auswirkungen auf das gesamte Projekt haben.

Der PII-Maskierungsalgorithmus kann etwas fälschlicherweise als PII markieren oder nicht. Das PII-Modul ist ein KI-Algorithmus, der PII erkennen kann. Es kann vorkommen, dass der Algorithmus einen Fehler macht und einige PII nicht maskiert werden oder Text, der keine PII ist, maskiert wird. Diese Fehler hängen vom erkannten Text auf dem Bildschirm sowie vom Kontext der Wörter selbst ab. Wenn der Text von der OCR nicht erfasst wird oder teilweise abgeschnitten ist, wird er möglicherweise nicht maskiert. Wenn die anderen Wörter auf dem Bildschirm unterschiedlich sind, ist es außerdem möglich, dass derselbe Text auf einem Bildschirm als PII und auf einem anderen nicht als PII erkannt wird.

Wenn ein Aufgabenkandidat bei der Untersuchung von Ablaufverfolgungen nicht visuell sinnvoll ist, ist er wahrscheinlich kein hochwertiger Aufgabenkandidat. Der Algorithmus kann störende und irrelevante Aufgabenkandidaten erkennen, insbesondere auf niedrigeren Rängen des Aufgabenrangliste. Diese Aufgabenkandidaten können sehr kurz oder sehr lang und extrem variabel sein. Wenn dies nach der Untersuchung einiger Ablaufverfolgungen klar wird, sollten Sie Ihre Zeit nicht mit dem Versuch verschwenden, sie zu interpretieren.

Suchen Sie nach dem Massenteil des Prozesses (80/20-Regel). Die Aufgabenkandidaten richten sich möglicherweise nicht vollständig nach den erwarteten Aufgaben in der Praxis, sondern decken nur Teilteile davon ab. Wie bereits oben erwähnt, können bestimmte Schritte einer Aufgabe konsistenter sein als andere, was dazu führt, dass der Algorithmus nur bestimmte Schritte der Aufgabe als Kandidaten erkennt, anstatt die vollständige End-to-End-Aufgabe.

Der Aufgabenkandidat ist möglicherweise immer noch für die Automatisierung geeignet, unabhängig davon, ob Schritte fehlen. Diese können beim Erstellen der Automatisierung hinzugefügt werden.

Scrollen Sie durch die Ergebnisse. Die Ablaufverfolgungen eines Aufgabenkandidaten und die Screenshots für die Schritte sind chronologisch sortiert. Daher wird empfohlen, durch die Listen zu scrollen, um die Ergebnisse an mehreren Stellen zu überprüfen.

Schritt-für-Schritt-Analyse

Führen Sie die folgenden Schritte aus, um die priorisierten Aufgabenkandidaten genau zu analysieren. Dies hilft bei der Unterscheidung zwischen Automatisierungskandidaten und verrauschten Aufgaben

1. Analysieren Sie den Start- und Endschritt des Aufgabenkandidaten, um seine Qualität zu bestimmen
   • Klicken Sie auf den Schritt, dadurch werden die Screenshots auf der rechten Seite des Bildschirms angezeigt.
   • Untersuchen Sie die Screenshots des Start- und Endschritts des Aufgabenkandidaten, um zu verstehen, was passiert. Ein Schritt von hoher Qualität ist konsistent in der verwendeten Anwendung und der ausgeführten Arbeit. Wenn die Screenshots des Start- oder Endschritts viele verschiedene Bildschirme und Aktionen zeigen, sind seine Ablaufverfolgungen sehr inkonsistent. Dies ist ein Hinweis darauf, dass der Aufgabenkandidaten wahrscheinlich kein guter Kandidat für die Automatisierung ist.
   • Die Screenshots sind chronologisch geordnet, daher empfiehlt es sich, die Screenshots am Anfang, in der Mitte und am Ende der Liste zu überprüfen.
   • Benennen Sie die Schritte um, damit Sie einen Überblick darüber behalten, welche Schritte überprüft wurden.
2. Öffnen und überprüfen Sie die wichtigsten Schritte im Prozess

   • Finden Sie die wichtigsten Schritte , indem Sie den Filter zum Vorkommen des Schritts unten anpassen. Versuchen Sie, die Varianz und Verständlichkeit in Einklang zu bringen. Wenn Sie den Schieberegler weiter nach links schieben, wird die Komplexität im Allgemeinen auf Kosten der Vollständigkeit verringert. Um es einfacher zu machen, sollten Sie den Schieberegler nach links verschieben, um zusätzlich zum Start- und Endschritt nur 2–3 Schritte zu haben.

   • Filtern Sie nach qualitativ hochwertigen Ablaufverfolgungen. Der Filter für die häufigsten Pfadablaufverfolgungen kann die nützlichste Ablaufverfolgung liefern, daher wird empfohlen, diese Ablaufverfolgungen zuerst zu analysieren. Wenden Sie den Filter an, um nur zu sehen, dass die Ablaufverfolgung diesem häufigsten Pfad folgt. Dieser Filter ist im Filterbereich verfügbar

     

   • Überprüfen Sie die Screenshots , wie in der Analyse der Start- und Endschritte beschrieben. Einige inkonsistente und störende Schritte sind akzeptabel, aber idealerweise hat ein Aufgabenkandidat mit großem Automatisierungspotenzial mindestens ein paar hochwertige Schritte in der Mitte des Diagramms, die Teil der meisten Ablaufverfolgungen sind.

   • Benennen Sie die Schritte um. So behalten Sie den Überblick darüber, welche Schritte überprüft wurden.

     

3. Ablaufverfolgungen überprüfen
   • Ablaufverfolgungen sind chronologisch geordnet. Wir empfehlen, die Ablaufverfolgungen am Anfang, in der Mitte und gegen Ende der Liste zu überprüfen.
   • Ein qualitativ hochwertiger Aufgabenkandidat enthält viele Ablaufverfolgungen, die ähnlich aussehen. Suchen Sie nach den folgenden Indikatoren:
     • Ablaufverfolgungen haben ähnliche Schritte in der Mitte der Ablaufverfolgung.
     • Ablaufverfolgungen sind aus geschäftlicher Sicht sinnvoll.
     • Überprüfen Sie die Screenshots, um festzustellen, ob die Ablaufverfolgungsinformationen zum Element, an dem gearbeitet wird, innerhalb jeder Ablaufverfolgung identisch sind, sich jedoch zwischen den Ablaufverfolgungen unterscheiden (z. B. Problem-ID, Kundenname, Rechnungsnummer usw.). Stellen Sie sicher, dass Sie dies auf der richtigen Ebene analysieren, da eine Rechnungsnummer in mehreren Ablaufverfolgungen erscheinen kann, aber jede Ablaufverfolgung eine andere Zeile der Rechnung abdeckt.
   • Wenn Sie während der Analyse der Ablaufverfolgungen feststellen, dass der Aufgabenkandidat von schlechter Qualität ist, sollten Sie sich nicht darauf konzentrieren und mit dem nächsten Aufgabenkandidaten in Ihrer Prioritätenliste fortfahren .
   • Filtern Sie die Ablaufverfolgungen mit geringer Qualität heraus. Selbst ein hochwertiger Aufgabenkandidat enthält einige minderwertige Ablaufverfolgungen, bei denen der Algorithmus einen Fehler gemacht hat. Diese Ablaufverfolgungen sind oft viel länger oder kürzer als andere und enthalten Rauschen oder irrelevante Aktionen. Entfernen Sie sie, indem Sie die Filter neben der Suchleiste anwenden. Passen Sie die Filter basierend auf den Histogrammen an, um Ablaufverfolgungen herauszufiltern.

Die qualitativ hochwertigen Spuren bilden häufig eine größere Erhebung innerhalb des Histogramms. Wenn sich kleine Spitzen an den Kanten befinden, die weit vom Hauptteil des Histogramms entfernt sind, empfehlen wir die Verwendung der Schieberegler, um diese zu entfernen und zu sehen, ob dies das Aufgabendiagramm und die Spuren verbessert. Ablaufverfolgungen mit sehr niedrigen oder sehr hohen Schritt- und Aktionszahlen sind wahrscheinlich keine geeigneten Aufgabenkandidaten.

Wenn Sie in Zukunft zu einer bestimmten Filtereinstellung zurückkehren möchten, verwenden Sie die Funktion „Ansichten speichern“ .

• Wenn Ihr gewünschter Schritt nicht im Diagramm angezeigt wird, wechseln Sie zu einer bestimmten Ablaufverfolgung. Legen Sie die Vorkommen auf 100 % fest, und entfernen Sie den Filter „Nur wichtige Schritte anzeigen“. Gehen Sie dann zu allen Ablaufverfolgungen zurück und filtern Sie nach dem gewünschten Schritt.

4. Schritte zur Neuberechnung

• Nachdem Sie hochwertige Ablaufverfolgungen ausgewählt und die wichtigsten Aktivitäten identifiziert haben, empfehlen wir eine Neuberechnung. Wählen Sie nur die wichtigsten Schritte aus, die in den Aufgabenkandidaten aufgenommen werden sollen, lassen Sie irrelevante oder verrauschte Schritte aus und definieren Sie die richtige Reihenfolge der Schritte.

Beachten Sie, dass dadurch auch die Schritte, die Ihnen für die nächste Neuberechnung zur Verfügung stehen, weiter reduziert werden. Daher kann die Eingrenzung von Aufgabenkandidaten schwieriger werden. Die Option Neu berechnen enthält auch einen Versionsverlauf, mit dem Sie eine frühere Version eines Aufgabenkandidaten neu laden können, wenn Sie mit dem Ergebnis einer Neuberechnung nicht zufrieden sind.

Benennen Sie Schritte um

Das Umbenennen von Schritten dient zwei Zwecken. Erstens werden die Schritte interpretierbarer. Zweitens können Sie zwischen hoher Qualität und Rauschen unterscheiden. Da Schritte in mehreren Aufgabenkandidaten auftreten können, erspart Ihnen das Umbenennen die Mühe, sie im nächsten Aufgabenkandidaten erneut zu überprüfen. Einige bewährte Methoden:

• Schritt mit hoher Qualität: Umbenennen in Anwendungsname + Verb + Substantiv. Es ist nicht möglich, nach Anwendungen zu filtern, aber Sie können nach Schrittnamen filtern. Wenn mehrere Anwendungen für die Aufgabe verwendet werden, erleichtert dies die Analyse.
• Rauschschritte: in Rauschen umbenennen.