- Versionshinweise
- Task Mining – Übersicht
- Einstellung und Konfiguration (Setup and Configuration)
- Assisted Task Mining
- Unassisted Task Mining
- Zusätzliche Ressourcen
- Leitfaden zur Unassisted Task Mining-Analyse
- Fehlersuche und ‑behebung
- Glossar
- Häufige Fragen
Leitfaden zur Unassisted Task Mining-Analyse
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.
Die vom KI-Algorithmus identifizierten Aufgaben können aber mit realen Aufgaben übereinstimmen, aber sie können auch von den Erwartungen abweichen. Nicht alle Aufgabenkandidaten sind für die Automatisierung geeignet und der Prüfer muss mit den verschiedenen Arten von Ergebnissen vertraut sein, auf die er stoßen kann. Die identifizierten Aufgabenkandidaten können:
- Erwartete Aufgaben nicht anzeigen
- Unerwartete Aufgaben anzeigen
- Aufteilen einer realen Aufgabe in mehrere Aufgaben
- Erfassen Sie eine Aufgabe teilweise ohne den tatsächlichen Anfang und das eigentliche Ende
1. Die Ergebnisse zeigen nicht die erwarteten Aufgaben
Unassisted Task Mining wendet einen Algorithmus an, um Aufgaben zu identifizieren, die gute Kandidaten für die Automatisierung oder Prozessoptimierung sein können. Es ist nicht garantiert, dass der KI-Algorithmus etwas erkennt, und er kann einen Teilprozess oder sogar einen größeren Prozess als erwartet erkennen. Durch die in diesem Dokument angegebenen Schritte kann der Prüfer ermitteln, ob die identifizierten Aufgaben 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. Assisted Task Mining eignet sich besser für Anwendungsfälle, um bekannte Aufgaben zu dokumentieren oder zu überprüfen.
2. Ergebnisse zeigen unerwartete Aufgaben
Unassisted Task Mining identifiziert Aufgabenkandidaten, die dann nach ihrem Potenzial als Automatisierungsmöglichkeiten bewertet werden. Einige Ergebnisse sind möglicherweise nicht repräsentativ für eine reale End-to-End-Aufgabe, aber der Prüfer kann sie basierend auf den in diesem Dokument vorgestellten Schritten dennoch als gute Automatisierungskandidaten identifizieren.
3. In den Ergebnissen werden echte Aufgaben in mehrere Task Mining-Aufgaben aufgeteilt
Der Unassisted Task Mining-Algorithmus sucht nach der am häufigsten vorkommenden und konsistenten Sequence von Schritten. Je nachdem, wie konsistent die Benutzer die Aufgabe ausgeführt haben, kann eine Aufgabe im echten Leben im Ergebnis in mehrere Aufgaben aufgeteilt werden. Das Ende einer Aufgabe kann der Beginn der nächsten sein. Die Aufgabe kann weiterhin für Automatisierungs- oder Prozessverbesserungsaktionen geeignet sein. In diesem Fall empfehlen wir, diese Unteraufgaben in Prozessdefinitionsdokumente (PDDs) zu exportieren.
4. Ergebnisse erfassen teilweise eine Aufgabe ohne den tatsächlichen Anfang oder das eigentliche Ende
Der KI-Algorithmus identifiziert die konsistentesten Sequences von Schritten als Aufgaben. Je nach 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 am Anfang und/oder Ende einer Aufgabe hochgradig multifunktionelle Anwendungen wie Outlook, Excel usw. beteiligt sind. Diese Anwendungen werden wahrscheinlich während mehrerer Aufgaben verwendet, und es ist für den Algorithmus schwierig, bestimmte Vorkommen als Beginn oder Ende einer Aufgabe 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 ein geeigneter Kandidat für die Automatisierung ist, können der fehlende Anfang und/oder das Ende beim Erstellen der Automatisierung hinzugefügt werden.
Je nach den aufgezeichneten Daten kann der Task Mining-Algorithmus viele Aufgaben identifizieren. Daher ist es für den Prüfer wichtig, zu priorisieren, welche Kandidaten zuerst analysiert werden sollen, um keine Zeit mit Aufgaben zu verschwenden, die wahrscheinlich nicht für die Automatisierung geeignet sind. Die Analyseübersicht und die tabellarische Ansicht der Aufgaben auf der Registerkarte „ Ergebnisse “ bieten Eingaben für diese Priorisierung.
Die Aufgaben in den Ergebnissen sind danach sortiert, wie wahrscheinlich sie ein geeigneter Automatisierungskandidat sind. Je höher die Aufgabe auf der Liste ist, desto wahrscheinlicher ist es, dass sie ein guter Automatisierungskandidat ist. Die Aufgabe mit „Aufgabe 1“ wurde vom Unassisted Task Mining-Algorithmus unter Berücksichtigung verschiedener Faktoren, einschließlich Wiederholbarkeit und Komplexität, als bester Automatisierungskandidat identifiziert. Diese Rangliste lässt jedoch nicht die Gesamtqualität der Task Mining-Ergebnisse zu, sondern relativ zu „Aufgabe 1“ ist die Wahrscheinlichkeit höher, dass sie ein besserer Automatisierungskandidat ist als „Aufgabe 10“.
Bei der Analyse einer Aufgabe basierend auf der Standardrangliste kann es vorkommen, dass diese Aufgabe ein hohes Automatisierungspotenzial hat, aber die End-to-End-Aufgabe nicht ganz korrekt ist. In diesem Fall wird empfohlen, auf der Grundlage einer anderen Einstufung nach alternativen Aufgabenkandidaten zu suchen. Als Prüfer können Sie die Standardrangfolge ändern, indem Sie das Sortiersymbol für die Spaltenheader in der tabellarischen Ansicht der Aufgaben auswählen. Auf diese Weise können Sie Aufgaben mit einem hohen Automatisierungspotenzial basierend auf verschiedenen Metriken identifizieren. Wenn Sie eine repräsentative Aufgabe gefunden haben, können Sie sie auswählen und als Favorit markieren.
Konzentrieren Sie sich auf die Aufgaben mit höherem Rang. Im Allgemeinen sind die höher eingestuften Aufgaben von höherer Qualität. Aufgabenkandidaten mit einer Bewertung über 10 oder 20 sind in der Regel von geringerer Qualität.
Untersuchen Sie die Metriken der verschiedenen Aufgaben. Jede Aufgabe zeigt unterschiedliche Metriken an, z. B. die Gesamtzeit, die von aufzeichnenden Benutzern für diese Aufgabe aufgewendet wird, die Anzahl der aufzeichnenden Benutzer, die diese Aufgabe ausgeführt haben, die durchschnittliche Anzahl von Aktionen in der Aufgabe usw. Berücksichtigen Sie diese Metriken in Ihrer Analyse und wenden Sie Ihre eigenen Kriterien basierend auf dem Geschäftskontext Ihres Projekts an.
Wenn eine Aufgabe beispielsweise eine viel kürzere Gesamtdauer und Anzahl von Ablaufverfolgungen und Aktionen im Vergleich zu einer anderen Aufgabe hat, kann dies darauf hinweisen, dass die Aufgabe ein geringeres Automatisierungspotenzial hat. Beachten Sie jedoch, dass es keine allgemeinen Richtlinien für die Gesamtdauer für alle vom KI-Algorithmus identifizierten Aufgaben gibt. Gesamtdauer , die für alle Task Mining-Studien gilt. Diese Metriken sollten immer im geschäftlichen Kontext des spezifischen Projekts interpretiert werden.
Nutzen Sie die Funktion „Favoriten“ und „Umbenennen“. Bei der Priorisierung der verschiedenen Aufgaben für eine tiefere Analyse ist es wichtig, den Überblick darüber zu behalten, was priorisiert oder sogar bereits analysiert wurde. Das Markieren von Aufgaben als Favoriten und das Umbenennen von Aufgaben mit einem beschreibenden Namen kann helfen, die Analyse zu strukturieren.
Nachdem der Prüfer verschiedene Aufgaben priorisiert hat, kann Ihre Analyse beginnen. Um den Prüfer anzuleiten, enthält der folgende Abschnitt zunächst einige Erkenntnisse, die während der Analyse zu beachten sind, und anschließend eine Schritt-für-Schritt-Anleitung für die Navigation durch die Analyseansicht.
Die Schritte basieren auf Bildschirmen. Die Aufgabe und ihre Schritte werden auf der Ebene einer eindeutigen Benutzeroberfläche/eines eindeutigen Bildschirms angezeigt und stellen keine einzelnen Klick- oder Eingabeaktionen dar. Mehrere Klicks oder Eingabeaktionen, die auf demselben Bildschirm ausgeführt werden, werden in der Regel vom KI-Algorithmus in einem Schritt gruppiert. Daher zeigt das Diagramm nicht jede einzelne Klick- oder Eingabeaktion an.
Eine Aufgabe benötigt mindestens zwei Schritte (Bildschirme), um als solche identifiziert zu werden. Damit der Task Mining-Algorithmus eine Aufgabe identifizieren kann, muss er aus einem klaren Start- und Endschritt bestehen. Daher wird eine Aktion, die nur auf einem Bildschirm ausgeführt wird, nicht als Aufgabe identifiziert.
Die Schritte sind bei den verschiedenen Aufgaben gleich. Schritte sind nicht an eine bestimmte Aufgabe gebunden. Ein Schritt, der in einer Aufgabe auftritt, kann auch in einer anderen Aufgabe auftreten.
Der PII-Maskierungsalgorithmus kann fälschlicherweise als PII maskiert werden oder nicht. Das Modul Personal Identifiable Information (PII) ist ein KI-Algorithmus, der PII in Bildschirmen erkennt. Es kann vorkommen, dass der Algorithmus einen Fehler macht und einige PII möglicherweise nicht maskiert werden, oder Text, der keine PII ist, unkenntlich gemacht wird. Diese Fehler hängen vom erkannten Text auf dem Bildschirm sowie vom Kontext der Wörter selbst ab. Wenn der Text von der OCR nicht genau erfasst oder teilweise abgeschnitten wird, wird er möglicherweise nicht maskiert. Wenn andere 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 identifiziert wird.
Wenn eine Aufgabe bei der Untersuchung von Ablaufverfolgungen visuell nicht sinnvoll ist, handelt es sich wahrscheinlich nicht um eine hochwertige Aufgabe. Der Algorithmus kann laute und irrelevante Aufgaben erkennen, insbesondere für Aufgaben mit niedrigeren Rängen in der Aufgabenbewertung. Diese Aufgaben können kurz oder lang sein. Wenn dies nach der Prüfung einiger Ablaufverfolgungen klar wird, sollten Sie keine Zeit mit den Interpretationen verschwenden.
Suchen Sie nach dem Großteil des Prozesses (80/20-Regel). Die Aufgaben stimmen möglicherweise nicht vollständig mit der erwarteten Aufgabe im echten Leben überein, sondern decken nur einen bestimmten Teil davon ab. Wie bereits oben erwähnt, können je nach der Variabilität der Aktionen von aufzeichnenden Benutzern, die die Aufgabe ausführen, bestimmte Schritte einer Aufgabe konsistenter als andere sein, was dazu führt, dass der Algorithmus nur bestimmte Schritte der Aufgabe anstelle des vollständigen End-to- Aufgabe beenden.
Die Aufgabe kann unabhängig von fehlenden Schritten weiterhin für die Automatisierung geeignet sein. Diese fehlenden Schritte können beim Erstellen der Automatisierung hinzugefügt werden.
Scrollen Sie durch die Ergebnisse. Die Ablaufverfolgungen einer Aufgabe und die Screenshots für die Schritte werden chronologisch sortiert. Daher wird empfohlen, durch die Listen zu scrollen, um die Ergebnisse an mehreren Stellen zu überprüfen.
Um die erkannten Aufgabenkandidaten genau zu analysieren, führen Sie die folgenden Schritte aus. Dies hilft bei der Unterscheidung zwischen Automatisierungskandidaten und Noise.
Once you have selected tasks that are candidate for automation, we recommend to submit an idea for automation by exporting selected to Automation Hub.
Das Umbenennen von Schritten dient zwei Zwecken. Zum einen werden die Schritte dadurch besser interpretierbar. Zweitens können Sie zwischen hoher Qualität und Bildrauschen unterscheiden. Da Schritte in mehreren Aufgaben auftreten können, erspart Ihnen das Umbenennen die Mühe, sie in der nächsten Aufgabe erneut zu überprüfen. Einige Best Practices:
- 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.
