- Notes de publication
- Présentation de Task Mining
- Paramétrage et configuration
- Notifications
- Task Mining
- Ressources supplémentaires
DEPRECATEDGuide d'analyse Unassisted Task Mining
Ce guide sert d'introduction à l'utilisation des résultats d'analyse Unassisted Task Mining une fois qu'un projet est créé, que l'enregistrement des actions est terminé et qu'une analyse est exécutée. Il est destiné aux analystes métier, aux administrateurs de projet et à tous ceux qui souhaitent apprendre à interpréter les résultats de Unassisted Task Mining et à identifier les tâches présentant un potentiel d'optimisation. Ce guide fournit également des conseils sur la gestion des résultats inattendus et du bruit généré par l'analyse.
Pour générer des résultats, l'algorithme d'IA recherche les occurrences de la même séquence d'étapes dans les données enregistrées. Il fonctionne sans contexte et peut donc présenter des candidats à la tâche qui ne capturent pas entièrement les tâches réelles du début à la fin.
Parfois, les résultats de l’analyse peuvent inclure des tâches et des étapes non pertinentes d’un point de vue commercial. Ceci est considéré comme du bruit. Pour identifier les candidats à l'automatisation, il est important que le réviseur fasse la différence entre les tâches de haute qualité et le bruit.
Les tâches identifiées par l'algorithme d'IA peuvent s'aligner sur des tâches réelles, mais elles peuvent également différer de ce qui est attendu. Tous les candidats à la tâche ne sont pas adaptés à l'automatisation, et le réviseur doit connaître les différents types de résultats qu'ils peuvent rencontrer. Les tâches candidates identifiées peuvent :
- Ne pas afficher les tâches attendues
- Afficher les tâches inattendues
- Diviser une tâche réelle en plusieurs tâches
- Capturez partiellement une tâche sans le début et la fin réels
Unassisted Task Mining applique un algorithme pour identifier les tâches, qui peuvent être de bons candidats à l'automatisation ou à l'optimisation des processus. Il n’est pas garanti que l’algorithme d’IA détecte quoi que ce soit, et il peut détecter un processus partiel, voire un processus plus important que ce qui est attendu. En suivant les étapes fournies dans ce document, le réviseur peut déterminer si les tâches identifiées sont appropriées pour l'automatisation. Étant donné qu'Unassisted Task Mining n'est pas garanti pour détecter des tâches connues ou pour choisir chaque variation ou itération, il ne doit pas être utilisé uniquement pour surveiller les tâches connues. Task Mining convient mieux aux cas d'utilisation afin de documenter ou de réviser les tâches connues.
Unassisted Task Mining identifie les tâches candidates qui sont ensuite classées selon leur potentiel en tant qu'opportunités d'automatisation. Certains résultats peuvent ne pas être représentatifs d’une tâche de bout en bout, mais le réviseur peut toujours les identifier comme de bons candidats à l’automatisation sur la base des étapes présentées dans ce document.
L’algorithme Unassisted Task Mining recherche la séquence d’étapes la plus fréquente et la plus cohérente. En fonction de la cohérence de l'exécution de la tâche par les utilisateurs, une tâche réelle peut être divisée en plusieurs tâches dans le résultat. La fin d'une tâche peut correspondre au début de la suivante. La tâche peut toujours être adaptée à des actions d’automatisation ou d’amélioration de processus. Dans ce cas, nous vous recommandons d'exporter ces sous-tâches vers des documents de description de processus (.docx).
L'algorithme d'IA identifie les séquences d'étapes les plus cohérentes en tant que tâches. Selon la variabilité des utilisateurs exécutant la tâche, le milieu d'une tâche peut être plus cohérent que le début et/ou la fin, ce qui fait que l'algorithme détecte cette sous-tâche comme candidate au lieu de la tâche complète de bout en bout.
Ceci est susceptible de se produire lorsque le début et/ou la fin d'une tâche impliquent des applications hautement multi-fonctionnelles telles qu'Outlook, Excel, etc. Ces applications sont probablement utilisées lors de plusieurs tâches, et il est difficile pour l'algorithme de distinguer des occurrences spécifiques d'entre elles comme début ou fin d'une tâche. Dans ce cas, nous vous recommandons de vous concentrer sur la majeure partie des tâches, ne couvrant pas 100 % de tous les clics effectués par un utilisateur. Si la tâche est un bon candidat pour l'automatisation, le début et/ou la fin manquants peuvent être ajoutés lors de la création de l'automatisation.
Selon les données enregistrées, l'algorithme Task Mining peut identifier de nombreuses tâches. Par conséquent, il est important pour le réviseur de hiérarchiser les candidats à analyser en premier pour ne pas perdre de temps sur des tâches qui ne sont pas susceptibles d'être des candidats d'automatisation appropriés. La vue d'ensemble de l'analyse et l' affichage tabulaire des Tâches (Tasks) dans l'onglet Résultats (Results) fournissent des informations pour cette hiérarchisation.
Les tâches dans les Résultats (Results) sont classées selon la probabilité qu’elles soient des candidatures d’automatisation appropriées. Plus la tâche est située en haut de la liste, plus elle est susceptible d'être un bon candidat pour l'automatisation. La tâche comportant la « Tâche 1 » a été identifiée comme le meilleur candidat à l’automatisation par l’algorithme Unassisted Task Mining, en tenant compte de divers facteurs, notamment la répétabilité et la complexité. Cependant, ce classement n'indique pas la qualité globale des résultats de Task Mining, mais en relatif, « Task 1 » est plus susceptible d'être un meilleur candidat à l'automatisation que « Task 10 ».
Lors de l'analyse d'une tâche en fonction du classement par défaut, il peut arriver que cette tâche ait un potentiel d'automatisation élevé, mais que la tâche de bout en bout n'est pas tout à fait correcte. Dans ce cas, il est recommandé de rechercher d'autres candidats à la tâche en fonction d'un classement différent. En tant que réviseur, vous pouvez modifier le classement standard en sélectionnant l'icône de tri des en-têtes de colonne dans l'affichage tabulaire des Tâches. Cela vous permet d'identifier les tâches à fort potentiel d'automatisation en fonction de différentes mesures. Une fois que vous avez trouvé une tâche représentative, vous pouvez la sélectionner et la marquer comme favorite ( Favorite).
Concentrez-vous sur les tâches les mieux classées. En général, les tâches les mieux classées sont de meilleure qualité. Les tâches candidates classées après 10 ou 20 sont généralement de qualité inférieure.
Examinez les métriques des différentes tâches. Chaque tâche affiche différentes mesures telles que le temps total passé par les utilisateurs en enregistrement sur cette tâche, le nombre d'utilisateurs en enregistrement qui ont effectué cette tâche, le nombre médian d'actions dans la tâche, etc. Tenez compte de ces mesures dans votre analyse et appliquez vos propres critères en fonction du contexte commercial de votre projet.
Par exemple, si une tâche a une durée totale, un nombre de traçages et d' actions beaucoup plus courts par rapport à une autre tâche, cela peut indiquer que la tâche a un potentiel d'automatisation inférieur. Cependant, notez qu'il n'existe pas de directives générales concernant la durée totale pour toutes les tâches identifiées par l'algorithme d'IA. Durée totale qui s’applique à tous les projets Task Mining. Ces mesures doivent toujours être interprétées dans le contexte métier du projet spécifique.
Utiliser la fonctionnalité Favoris et renommer. Lors de la hiérarchisation des différentes tâches pour une analyse plus approfondie, il est important de garder un aperçu de ce qui a été hiérarchisé ou même déjà analysé. Marquer les tâches comme favorites et les renommer avec un nom descriptif permet de structurer l'analyse.
Votre analyse peut commencer une fois que le réviseur a hiérarchisé différentes tâches. Pour guider le réviseur, la section suivante fournit d'abord des informations à garder à l'esprit pendant l'analyse, puis fournit un guide étape par étape sur la façon de naviguer dans la vue de l'analyse.
Les étapes sont basées sur des écrans. La tâche et ses étapes sont affichées au niveau d'une interface/écran utilisateur unique et ne représentent pas d'actions de saisie ou de clic individuelles. Plusieurs clics ou actions de saisie qui se produisent sur le même écran sont généralement regroupés en une seule étape par l'algorithme d'IA. Par conséquent, le graphique n’affiche pas chaque clic ou action de saisie individuel.
Une tâche nécessite au moins deux étapes (écrans) pour être identifiée comme telle. Pour que l'algorithme Task Mining identifie une tâche, elle doit être constituée d'une étape initiale et finale claire. Par conséquent, une action effectuée uniquement sur un écran ne sera pas identifiée comme une tâche.
Les étapes sont les mêmes pour toutes les différentes tâches. Les étapes ne sont pas liées à une tâche spécifique. Une étape qui se produit dans une tâche peut également se produire dans une autre.
L’algorithme de masquage des informations identifiantes de personne peut masquer de manière incorrecte ou ne pas masquer en tant qu’informations d’identification. Le module Informations personnelles identifiables (PII) est un algorithme d'IA qui détecte les informations personnelles identifiables dans les écrans. Il peut arriver que l’algorithme fasse une erreur et que certaines informations d’identification ne soient pas masquées ou que le texte qui n’en est pas une peut être masqué. Ces erreurs dépendent du texte détecté à l'écran ainsi que du contexte des mots eux-mêmes. Si le texte n'est pas capturé avec précision par l'OCR ou est partiellement tronqué, il peut ne pas être masqué. De plus, si d’autres mots à l’écran sont différents, il est possible que le même texte soit identifié comme PII dans un écran et non comme PII dans un autre.
Si une tâche n'a pas de sens visuel lors de l'examen des traçages, il est probable qu'il ne s'agit pas d'une tâche de haute qualité. L'algorithme peut détecter des tâches bruyantes et non pertinentes, en particulier pour les tâches dont le classement est inférieur. Ces tâches peuvent être courtes ou longues. Une fois que cela devient clair après avoir examiné quelques traçages, vous ne devriez pas perdre votre temps à essayer de les interpréter.
Recherchez la majeure partie du processus (règle 80/20). Les tâches peuvent ne pas s'aligner entièrement sur la tâche réelle attendue, mais n'en couvrent que partiellement une partie. Comme déjà mentionné ci-dessus, selon la variabilité des actions entreprises par les utilisateurs enregistreurs exécutant la tâche, certaines étapes d'une tâche peuvent être plus cohérentes que d'autres, ce qui fait que l'algorithme ne détecte que certaines étapes de la tâche au lieu de détecter toutes les étapes de bout en bout fin de tâche.
La tâche peut toujours être adaptée à l'automatisation, indépendamment des étapes manquées. Ces étapes manquées peuvent être ajoutées lors de la création de l'automatisation.
Faites défiler dans les résultats. Les traçages d'une tâche et les captures d'écran des étapes sont triés par ordre chronologique. Par conséquent, il est recommandé de faire défiler les listes pour examiner les résultats à plusieurs points.
Pour analyser attentivement les tâches hiérarchisées, suivez les étapes ci-dessous. Cela permet de différencier les candidats à l'automatisation des tâches bruyantes.
Une fois que vous avez sélectionné les tâches automatisables, nous vous recommandons de soumettre une idée d'automatisation en exportant les tâches sélectionnées vers UiPath Automation Hub.
Renommer les étapes sert deux objectifs. Tout d’abord, cela rend les étapes plus lisables. Deuxièmement, il vous permet de faire la distinction entre haute qualité et bruit. Étant donné que les étapes peuvent apparaître dans plusieurs tâches, les renommer vous évitera de les examiner à nouveau lors de la tâche suivante. Quelques bonnes pratiques :
- Étape de haute qualité : renommer en Nom de l'application + verbe + nom. Il n'est pas possible de filtrer les applications, mais vous pouvez filtrer les noms d'étape. Lorsque plusieurs applications sont utilisées pour la tâche, cela facilite l'analyse.
- Étapes du bruit : renommer en bruit.
- Tâches identifiées par l’algorithme d’IA
- 1. Les résultats n'affichent pas les tâches attendues
- 2. Les résultats affichent des tâches inattendues
- 3. Les résultats divisent les tâches réelles en plusieurs tâches Task Mining
- 4. Les résultats capturent partiellement une tâche sans le début ou la fin réels
- Hiérarchisation des tâches pour l'analyse
- Analyse des tâches individuelles
- À garder à l'esprit pendant l'analyse
- Analyse étape par étape
- Renommer les étapes