Guia de Análise de Task Mining Não Assistidas

Introdução

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.

Diferentes tipos de resultados de Task Mining

Os candidatos a tarefas identificados pelo algoritmo de IA podem se alinhar com tarefas da vida real, mas também podem diferir do esperado. Nem todas as tarefas candidatas são adequadas para automação, e o revisor precisa estar familiarizado com os diferentes tipos de resultados que podem encontrar. Os candidatos à 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
5. Não mostra uma tarefa realista

1. Os resultados não mostram as tarefas esperadas

Task Mining não assistida aplica um algoritmo para identificar candidatos a tarefas, que podem ser bons candidatos para automação ou otimização de processos. Não é garantido que o algoritmo AI detecte tudo 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 os candidatos à tarefa identificados são adequados 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.

2. Os resultados mostram tarefas inesperadas

Task Mining não assistida identifica candidatos a tarefas que são classificados pela probabilidade de serem melhores oportunidades de automação. Alguns resultados podem não ser representativos de nenhuma tarefa 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 vários candidatos à tarefa 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 candidatas nos resultados. O fim de um candidato a tarefa pode ser o início do próximo. O candidato à tarefa ainda pode ser adequado para ações de automação ou de melhoria de processos. Nesse caso, recomendamos combinar essas subtarefas no PDD (Documento de Definição de Processo), exportando todos os rastreamentos relevantes para o Task Capture e combinando-os em um único documento. Combinar as subtarefas fazendo uma recomputação no Task Mining pode não produzir resultados ideais se as subtarefas compartilharem as etapas inicial e final.

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

O algoritmo AI identifica as sequências de etapas mais consistentes como candidatos a tarefas. Dependendo da variabilidade dos usuários que executam 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 uma candidata em vez da tarefa completa de ponta a ponta.

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 um candidato a tarefa. Nesse caso, recomendamos focar na maior parte das tarefas, não abrangendo 100% de todos os cliques que um usuário faz. Se a tarefa for uma candidata adequada para automação independentemente, o início e o fim ausentes podem ser adicionados ao criar a automação.

5. Os resultados mostram uma tarefa irreal

A candidata à tarefa descoberta pode não parecer realista ou não ser uma tarefa reconhecível. Se um candidato a tarefa não fizer sentido do ponto de vista comercial, provavelmente é um ruído e pode ser descartado.

Priorizando candidatos a tarefas para análise

Dependendo dos dados registrados, o algoritmo de Task Mining pode identificar muitos candidatos a tarefas. Portanto, é importante que o revisor priorize quais candidatos analisar primeiro para não perder tempo com candidatos a tarefas que provavelmente não são candidatos de automação adequados. A página Resultados da descoberta e seus KPIs fornecem informações para essa priorização.

Os candidatos à tarefa nos resultados do Discovery são ordenados pela probabilidade de serem candidatos de automação adequados. Quanto mais alto o candidato à tarefa estiver na lista, maior a probabilidade de ser um bom candidato à automação. A candidata a tarefa com o nome 'Task 0' foi identificada como a melhor candidata de 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 0' seja melhor do que a 'Tarefa 10'.

O revisor também pode alterar a classificação padrão clicando nos cabeçalhos das colunas. As três opções de ordenação disponíveis para a coluna Nome da tarefa são do maior para o menor potencial de automação, do menor para o maior potencial de automação e alfabeticamente baseadas no nome da tarefa.

Use o botão Apenas tarefas significativas para filtrar para mostrar apenas tarefas que tenham pelo menos 5 ações, 3 etapas e 30 segundos de tempo de execução. Isso deve reduzir o ruído dos resultados.

Concentre-se em grupos de tarefas maiores. Os candidatos a tarefas agrupados geralmente são candidatos a tarefas mais significativos. Verifique o melhor representante de tarefa dentro de um grupo de tarefas. Ao analisar um candidato a tarefa que seja o representante do grupo, pode ocorrer que esse candidato a tarefa tenha um alto potencial de automação, mas a tarefa ponta a ponta não esteja totalmente correta. Nesse caso, recomendamos verificar os candidatos a tarefas alternativas do grupo para um melhor representante. Depois que o revisor encontrar um representante melhor, ele poderá selecioná-lo e marcá-lo como um novo representante para esse grupo de tarefas.

Dentro de um grupo de tarefas, concentre-se nas tarefas de classificação mais alta. Geralmente, as alternativas de tarefas com melhor classificação dentro de um grupo são de maior qualidade. Alternativas de tarefas classificadas acima de 10 ou 20 geralmente são de qualidade inferior.

Durante a análise dos candidatos a tarefas alternativas, pode ficar claro que alguns deles se relacionam a uma tarefa diferente da representativa. Nesse caso, o revisor pode criar um novo grupo de tarefas com base nessas tarefas alternativas.

Investigue as métricas dos diferentes candidatos à tarefa. Cada candidato a tarefa exibe métricas diferentes, como o tempo total gasto pelos usuários nessa tarefa, número de usuários que executaram essa tarefa, número de etapas na tarefa mais representativa etc. Considere essas métricas em sua análise e aplique seus próprios critérios com base no contexto de negócios de seu projeto de Task Mining, por exemplo, podemos ver que a Tarefa 7 tem um tempo total, número de rastreamentos e etapas muito menores em comparação com a Tarefa 1 e o Novo Grupo de Tarefas. Isso pode indicar que a Tarefa 7 tem um potencial de automação menor. No entanto, observe que não há diretrizes gerais sobre tempo total grande ou pequeno que se mantenham em todos os estudos de Task Mining. Essas métricas sempre devem ser interpretadas no contexto de negócios do projeto específico de Task Mining.

Faça uso do marcador e renomeie a funcionalidade. Ao priorizar as diferentes tarefas candidatas para uma análise mais profunda, é importante manter uma visão geral do que foi priorizado ou mesmo já analisado. Marcar e renomear candidatos a tarefas pode ajudar a estruturar a análise.

Análise de candidatos individuais a tarefas

Depois que o revisor tiver priorizado os diferentes candidatos à tarefa, sua análise poderá começar. Para orientar o revisor, a seção a seguir primeiro fornece alguns insights para manter em mente durante a análise e depois fornece um guia passo a passo sobre como navegar pela exibição de análise.

Tenha em mente durante a análise

As etapas são baseadas em telas. O candidato à tarefa e suas etapas são exibidos 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 serão agrupados pelo algoritmo de Task Mining. Portanto, o gráfico não mostra cada clique individual ou ação de tipo.

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

As etapas são as mesmas em todos os diferentes candidatos à tarefa. As etapas não estão vinculadas a um candidato de tarefa específico. Uma etapa que ocorre em uma candidata a tarefa também pode ocorrer em outra. Isso significa que ações como renomear uma etapa terão efeito em todo o projeto.

O algoritmo de mascaramento de PII pode marcar incorretamente ou não marcar algo como PII. O módulo PII é um algoritmo AI que pode detectar PII. Pode ocorrer que o algoritmo cometa um erro e algumas PII não sejam mascaradas ou o texto que não seja 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 pelo OCR ou estiver parcialmente cortado, pode não ser mascarado. Além disso, se as outras palavras na tela forem diferentes, é possível que o mesmo texto seja identificado como PII em uma tela e não como PII em outra.

Se um candidato a tarefa não fizer sentido visual ao examinar os traços, provavelmente não é um candidato a tarefa de alta qualidade. O algoritmo pode detectar candidatos a tarefas ruidosas e irrelevantes, especialmente em posições mais baixas no ranking de tarefas. Esses candidatos a tarefas podem ser muito curtos ou muito longos e extremamente variáveis. Uma vez que isso fique claro após examinar alguns traços, você não deve perder seu tempo tentando interpretá-los.

Procure a maior parte do processo (regra 80/20). Os candidatos a tarefas podem não se alinhar totalmente com as tarefas esperadas da vida real, mas cobrir apenas parcialmente subpartes delas. Como já mencionado acima, dependendo da variabilidade dos usuários que executam a tarefa, certas etapas de uma tarefa podem ser mais consistentes do que outras, fazendo com que o algoritmo detecte apenas algumas etapas da tarefa como candidatas, em vez da tarefa ponta a ponta completa.

O candidato à tarefa ainda pode ser adequado para automação, independentemente das etapas ausentes. Estes podem ser adicionados ao construir a automação.

Percorra os resultados. Os rastreamentos de um candidato a tarefa e as capturas de tela das etapas são classificados cronologicamente. Portanto, é recomendável percorrer as listas para revisar os resultados em vários pontos.

Análise passo a passo

Para analisar de perto os candidatos a tarefas priorizadas, siga as etapas abaixo. Isso ajudará na diferenciação entre candidatos de automação e tarefas ruidosas

1. Analise a etapa inicial e final do candidato à tarefa para determinar sua qualidade
   • Clique na etapa, isso mostrará as capturas de tela no lado direito da tela.
   • Examine as capturas de tela da etapa inicial e final do candidato à tarefa para entender o que está acontecendo. Uma etapa de alta qualidade é consistente no aplicativo usado e no trabalho executado. Se as capturas de tela da etapa inicial ou final mostrarem muitas telas e ações diferentes, seus rastreamentos serão altamente inconsistentes. Esta é uma indicação de que o candidato à tarefa provavelmente não é um bom candidato para automação.
   • As capturas de tela são ordenadas cronologicamente, portanto, é recomendável 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 processo
   • Encontre as principais etapas ajustando o filtro de ocorrência de etapas na parte inferior. Tente equilibrar a variação e a compreensibilidade. Empurrar o controle deslizante mais para a esquerda geralmente reduz a complexidade em detrimento da integridade. Para facilitar, você deve mover o controle deslizante para a esquerda para ter apenas 2-3 etapas além da etapa inicial e final.

   • Filtrar para rastreamentos de alta qualidade. O filtro para rastreamentos de caminho mais frequentes pode fornecer o rastreamento mais útil, portanto, é recomendável analisar esses rastreamentos primeiro. Aplique o filtro para ver apenas os rastreamentos seguindo esse caminho mais frequente. Este filtro está disponível no painel de filtro

     
     

     

     
     
   • Revise as capturas de tela conforme descrito na análise das etapas inicial e final. Algumas etapas inconsistentes e ruidosas são aceitáveis, mas idealmente, uma tarefa candidata com alto potencial de automação terá pelo menos algumas etapas de alta qualidade no meio do grafo que fazem parte da maioria dos rastreamentos.

   • 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 ver se as informações de rastreamento no item trabalhado são as mesmas em cada rastreamento, mas diferentes entre os rastreamentos (por exemplo, ID do problema, nome do cliente, número da fatura, etc.). Verifique se você está analisando isso no nível certo, pois um número de fatura pode aparecer em vários rastros, mas cada rastro 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.

     Freqüentemente, os traços de alta qualidade formarão uma saliência maior dentro do histograma. Se houver pequenos picos nas bordas, longe do volume principal do histograma, recomendamos usar os controles deslizantes para removê-los e ver se isso melhora o gráfico e os traços da tarefa. Traços com passos e contagens de ação muito baixos ou muito altos provavelmente não são candidatos adequados para tarefas.

     Se quiser retornar a uma configuração de filtro específica no futuro, use a funcionalidade de salvar visualizações .

     
     

     

     
     
     
     

     

     
     
   • Se a etapa desejada não estiver aparecendo no gráfico, vá para um traço específico. Defina a ocorrência como 100% e remova o filtro 'Mostrar apenas as principais etapas'. Em seguida, volte para todos os rastreamentos e filtre para a etapa desejada.
4. Etapas de recomputação

• Depois de selecionar rastreamentos de alta qualidade e identificar as principais atividades, recomendamos recalcular. Selecione apenas as etapas principais que devem ser incluídas no candidato à tarefa, omita etapas irrelevantes ou ruidosas e defina a ordem correta das etapas.

Observe que isso também reduzirá ainda mais as etapas disponíveis para a próxima recomputação. Portanto, restringir os candidatos a tarefas pode se tornar mais difícil. A opção de recomputação também inclui um histórico de versão que permite recarregar uma versão anterior de uma tarefa candidata se você não estiver satisfeito com o resultado de uma recomputação.

Renomear etapas

A renomeação de etapas serve a dois propósitos. Primeiro, torna as etapas mais interpretáveis. Em segundo lugar, permite distinguir entre alta qualidade e ruído. Como as etapas podem ocorrer em vários candidatos à tarefa, renomeá-los evitará o trabalho de revisá-los novamente no próximo candidato à 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.