DEPRECATED

Guia de Análise de Task Mining Não Assistidas

Este guia serve como uma introdução ao trabalho com resultados de análise de Task Mining Não Assistidas depois que um projeto é criado, o registro de ações é concluído e uma análise é executada. Destina-se a analistas de negócios, administradores de projetos e outros que desejam aprender a interpretar os resultados da Task Mining não assistida e identificar tarefas com potencial para otimização. Esse guia também fornece orientação sobre como lidar com resultados inesperados e ruídos da análise.

Para gerar resultados, o algoritmo de IA procura ocorrências da mesma sequência de etapas dentro dos dados registrados. Ele funciona sem qualquer contexto e, portanto, pode apresentar candidatos a tarefas que não capturam completamente tarefas da vida real do início ao fim.

Às vezes, os resultados da análise podem incluir tarefas e etapas irrelevantes do ponto de vista dos negócios. Isso é considerado ruído. Para identificar candidatos à automação, é importante que o revisor diferencie tarefas de alta qualidade e ruídos.

Tarefas identificadas pelo algoritmo de IA

As tarefas identificadas pelo algoritmo de IA podem estar alinhadas com tarefas da vida real, mas também podem ser diferentes do esperado. Nem todos os candidatos a tarefas são adequados para automação, e o revisor precisa estar familiarizado com os diferentes tipos de resultados que eles podem encontrar. Os candidatos a tarefa identificados podem:

1. Não mostrar as tarefas esperadas
2. Mostrar tarefas inesperadas
3. Divida uma tarefa da vida real em várias tarefas
4. Capture parcialmente uma tarefa sem o início e o fim reais

1. Os resultados não mostram as tarefas esperadas

Task Mining não assistida aplica um algoritmo para identificar tarefas, que podem ser boas candidatas para automação ou otimização de processos. Não é garantido que o algoritmo AI detecte qualquer coisa e pode detectar um processo parcial ou até mesmo um processo maior do que o esperado. Seguindo as etapas fornecidas neste documento, o revisor pode determinar se as tarefas identificadas são adequadas para automação. Como a Task Mining não assistida não garante a detecção de tarefas conhecidas ou a seleção de todas as variações ou iterações, ela não deve ser usada apenas para monitorar tarefas conhecidas. A Task Mining é mais adequada para casos de uso para documentar ou revisar tarefas conhecidas.

2. Os resultados mostram tarefas inesperadas

Task Mining não assistida identifica candidatos a tarefas que são classificados por seu potencial como oportunidades de automação. Alguns resultados podem não ser representativos de uma tarefa de ponta a ponta da vida real, mas o revisor ainda pode identificá-los como bons candidatos à automação com base nas etapas apresentadas neste documento.

3. Os resultados dividem as tarefas reais em várias tarefas de Task Mining

O algoritmo Unassisted Task Mining procura a sequência de etapas mais frequente e consistente. Dependendo da consistência com que os usuários executaram a tarefa, uma tarefa da vida real pode ser dividida em várias tarefas no resultado. O fim de uma tarefa pode ser o início da próxima. A tarefa ainda pode ser adequada para ações de automação ou de melhoria de processos. Nesse caso, recomendamos exportar essas subtarefas para documentos de descrição de processo (.docx).

4. Os resultados capturam parcialmente uma tarefa sem o início ou fim real

O algoritmo de IA identifica as sequências de etapas mais consistentes como tarefas. Dependendo da variabilidade dos usuários executando a tarefa, o meio de uma tarefa pode ser mais consistente do que o início e/ou o fim, fazendo com que o algoritmo detecte essa subtarefa como candidata em vez da tarefa fim a fim completa.

É provável que isso ocorra quando o início e/ou término de uma tarefa envolve aplicativos altamente multifuncionais, como Outlook, Excel etc. Esses aplicativos provavelmente são usados durante várias tarefas, e é difícil para o algoritmo distinguir ocorrências específicas deles como o início ou o fim de uma tarefa. Nesse caso, recomendamos focar na maior parte das tarefas, não cobrindo 100% de todos os cliques que um usuário fez. Se a tarefa for uma candidata adequada para automação, o início e/ou fim que estiver faltando pode ser adicionado ao criar a automação.

Priorizando tarefas para análise

Dependendo dos dados registrados, o algoritmo de Task Mining pode identificar muitas tarefas. Portanto, é importante que o revisor priorize quais candidatos analisar primeiro para não perder tempo com tarefas que provavelmente não são candidatas de automação adequadas. A Visão geral da análise e a exibição em tabela das Tarefas na guia Resultados fornecem informações para essa priorização.

As tarefas nos Resultados são ordenadas pela probabilidade de serem candidatas a automação adequadas. Quanto mais alto a tarefa estiver na lista, maior a probabilidade de ser um bom candidato à automação. A tarefa com a tarefa "Task 1" foi identificada como a melhor candidata para automação pelo algoritmo Unassisted Task Mining, considerando vários fatores, incluindo repetibilidade e complexidade. No entanto, esta classificação não indica a qualidade geral dos resultados da Task Mining, mas é mais provável que a 'Tarefa 1' seja uma candidata melhor à automação do que a 'Tarefa 10'.

Ao analisar uma tarefa com base na classificação padrão, pode ocorrer que essa tarefa tenha um alto potencial de automação, mas a tarefa de ponta a ponta não está totalmente correta. Nesse caso, é recomendável verificar candidatos a tarefas alternativos com base em uma classificação diferente. Como revisor, você pode alterar a classificação padrão selecionando o ícone de classificação para os cabeçalhos de colunas na exibição tabular de tarefas. Isso permite que você identifique tarefas com um alto potencial de automação com base em diferentes métricas. Assim que encontrar uma tarefa representante, você pode selecioná-la e marcá-la como Favorito.

Concentre-se nas tarefas de classificação mais alta. Em geral, as tarefas com classificação mais alta são de qualidade superior. Os candidatos a tarefas classificados entre 10 e 20 geralmente têm qualidade inferior.

Investigue as métricas das diferentes tarefas. Cada tarefa exibe métricas diferentes, como o tempo total gasto pelos usuários da gravação nessa tarefa, o número de usuários da gravação que realizaram essa tarefa, o número médio de ações na tarefa etc. Considere essas métricas em sua análise e aplique seus próprios critérios com base no contexto de negócios de seu projeto.

Por exemplo, se uma tarefa tiver uma Duração total, número de Traces e Ações muito menor em comparação com outra tarefa, isso pode indicar que a tarefa tem um potencial de automação menor. No entanto, observe que não há diretrizes gerais sobre quanto tempo deve durar a Duração total em todas as tarefas identificadas pelo algoritmo de IA. Duração total mantida em todos os projetos do Task Mining. Essas métricas sempre devem ser interpretadas no contexto de negócios do projeto específico.

Faça uso dos Favoritos e renomeie a funcionalidade. Ao priorizar as diferentes tarefas para uma análise mais profunda, é importante manter uma visão geral do que foi priorizado ou mesmo do que já foi analisado. Marcar tarefas como Favoritos e renomear tarefas com um nome descritivo pode ajudar a estruturar a análise.

Como analisar tarefas individuais

Após o revisor ter priorizado diferentes tarefas, sua análise poderá começar. Para orientar o revisor, a seção a seguir fornece primeiro alguns insights a serem lembrados durante a análise e, em seguida, fornece um guia passo a passo sobre como navegar pela exibição da análise.

Tenha em mente durante a análise

As etapas são baseadas em telas. A tarefa e suas etapas são exibidas no nível de uma tela/interface de usuário exclusiva e não representam ações individuais de clique ou digitação. Vários cliques ou ações de digitação que ocorrem na mesma tela geralmente são agrupados em uma etapa pelo algoritmo AI. Portanto, o gráfico não mostra cada clique individual ou ação de tipo.

Uma tarefa precisa de pelo menos duas etapas (telas) para ser identificada como tal. Para que o algoritmo de Task Mining identifique uma tarefa, ele precisa consistir em uma etapa inicial e final clara. Portanto, uma ação executada apenas em uma tela não será identificada como uma tarefa.

As etapas são as mesmas em todo as diferentes tarefas. As etapas não estão associadas a uma tarefa específica. Uma etapa que ocorre em uma tarefa também pode ocorrer em outra.

O algoritmo de mascaramento PII pode mascarar incorretamente ou não mascarar como PII. O módulo Informações de identificação pessoal (PII) é um algoritmo de IA que detecta PII em telas. Pode ocorrer que o algoritmo cometa um erro e algumas PII possam não ser mascaradas ou o texto que não for PII possa ser mascarado. Esses erros dependem do texto detectado na tela, bem como do contexto das próprias palavras. Se o texto não for capturado com precisão pelo OCR ou for parcialmente cortado, ele pode não ser mascarado. Além disso, se outras palavras na tela forem diferentes, é possível que o mesmo texto seja identificado como PII em uma tela e não PII em outra.

Se uma tarefa não fizer sentido visual ao examinar os rastreamentos, provavelmente não é uma tarefa de alta qualidade. O algoritmo pode detectar tarefas com ruído e irrelevantes, especialmente para tarefas com classificações inferiores na classificação de tarefas. Essas tarefas podem ser curtas ou longas. Quando isso ficar claro após examinar alguns traces, você não perderá seu tempo tentando interpretá-los.

Procure a maior parte do processo (regra 80/20). As tarefas podem não se alinhar totalmente com a tarefa esperada para a vida real, mas cobrir apenas parcialmente uma determinada parte dela. Como já mencionado acima, dependendo da variabilidade das ações tomadas pelos usuários de gravação executando a tarefa, certas etapas de uma tarefa podem ser mais consistentes do que outras, fazendo com que o algoritmo detecte apenas certas etapas da tarefa em vez do completo de fim a finalizar tarefa.

A tarefa ainda pode ser adequada para automação independentemente de etapas perdidas. Essas etapas perdidas podem ser adicionadas ao criar a automação.

Role pelos resultados. Os traces de uma tarefa e as capturas de tela para as etapas são classificados cronologicamente. Portanto, é recomendável rolar pelas listas para revisar os resultados em vários pontos.

Análise passo a passo

Para analisar de perto os candidatos à tarefa descobertos, siga as etapas abaixo. Isso ajudará a diferenciar candidatos de automação de ruídos.

1. Analise as etapas inicial e final do candidato à tarefa para determinar sua qualidade
   • Selecione uma variante e escolha um trace dentro da variante. Isso ativará o gráfico de tarefas para mostrar capturas de tela para etapas dentro deste trace.
   • Selecione uma etapa, isso mostrará as capturas de tela na parte inferior da tela.
   • Examine as capturas de tela da etapa inicial e final do candidato a tarefa para entender as ações executadas pelo usuário da gravação. Uma etapa de alta qualidade é consistente no aplicativo usado e no trabalho que é executado. Se as capturas de tela da etapa inicial ou final mostrarem muitas telas e ações diferentes, isso implica que os traces para esse candidato a tarefa são inconsistentes. Isso é uma indicação de que o candidato à tarefa provavelmente não é adequado para automação.
   • As capturas de tela são ordenadas cronologicamente, portanto, é uma boa prática revisar as capturas de tela no início, meio e fim da lista.
   • Renomeie as etapas. Isso ajuda você a manter uma visão geral de quais etapas foram revisadas.
2. Abra e revise as principais etapas do candidato à tarefa
   • Selecione uma variante, escolha um trace e selecione uma etapa no meio do gráfico. Isso permite que você examine as capturas de tela da etapa. Algumas etapas inconsistentes são aceitáveis, mas idealmente um candidato a tarefa com alto potencial de automação terá pelo menos algumas etapas de alta qualidade no meio do gráfico que são comuns à maioria dos traces.

   • Renomeie as etapas. Isso ajuda você a manter uma visão geral de quais etapas foram revisadas.

3. Analisar rastros
   • Os rastreamentos são ordenados cronologicamente. Recomendamos revisar os traces no início, no meio e no final da lista.

   • Um candidato a tarefa de alta qualidade conterá muitos traços semelhantes. Procure os seguintes indicadores:

     • Os rastreamentos têm etapas semelhantes no meio do rastreamento.
     • Os rastreamentos fazem sentido de uma perspectiva de negócios.
     • Verifique as capturas de tela para descobrir se as informações de rastreamento no item trabalhado são as mesmas dentro de cada rastreamento, mas diferentes entre os rastreamentos (por exemplo, ID do problema, nome do cliente, número da fatura etc.). Certifique-se de analisar isso no nível correto, pois um número de fatura pode aparecer em vários traces, mas cada trace abrange uma linha diferente da fatura.
   • Se você determinar durante a análise dos rastreamentos que o candidato a tarefa é de baixa qualidade, é recomendável não focar neles e passar para o próximo candidato a tarefa em sua lista de prioridades.

   • Filtre os traços de baixa qualidade. Mesmo uma tarefa candidata de alta qualidade conterá alguns traços de baixa qualidade, onde o algoritmo cometeu um erro. Esses traços geralmente são muito mais longos ou muito mais curtos do que outros e incluem ruído/ações irrelevantes. Remova-os aplicando os filtros localizados ao lado da barra de pesquisa. Ajuste os filtros com base nos histogramas para filtrar os traços.

     Muitas vezes, os rastreamentos de alta qualidade formarão uma saliência maior dentro do histórico. Se houver pequenos picos nas bordas, longe da maior parte do histórico, recomendamos usar os controles deslizantes para removê-los e verificar se isso melhora o gráfico de tarefas e os rastreamentos. Traces com contagens de etapas e ações muito baixa ou muito alta provavelmente não são candidatos de tarefa adequados.

   • Se a etapa desejada não estiver aparecendo no gráfico, você pode filtrar a etapa desejada no painel Filtros.

Após selecionar tarefas candidatas à automação, recomendamos enviar uma ideia para automação exportando as selecionadas para o Automation Hub.

Renomear etapas

A renomeação de etapas serve a dois propósitos. Primeiro, ele torna as etapas mais interpretáveis. Segundo, permite distinguir entre alta qualidade e ruído. Como as etapas podem ocorrer em várias tarefas, renomeá-las evitará o trabalho de revisá-las novamente na próxima tarefa. Algumas práticas recomendadas:

• Etapa de alta qualidade: renomeie para Nome do aplicativo + verbo + substantivo. Não é possível filtrar por aplicativos, mas você pode filtrar por nomes de etapas. Quando há vários aplicativos usados para a tarefa, isso facilita a análise.
• Etapas de ruído: renomeie para ruído.