在当前经济不确定性时期,企业正面临服务与成本之间的紧张关系,而人工智能(AI)技术的快速演进正在重新定义运营卓越性,并帮助公司通过流程自动化和优化来提高效率、生产力和员工体验。以下是基于AI加速洞察力的两种主要方法,它们能有效提升运营效果并创造超越客户期望的体验。
过程挖掘与任务挖掘
过程挖掘
- 定义:专注于从企业资源规划(ERP)系统提取交易级洞察,为团队提供特定流程的端到端视角,揭示流程流转、异常情况以及各步骤的执行效率。
- 应用案例:某高科技制造行业采用过程挖掘对订单至现金流程进行分析,识别出可将活动时间减少20%至50%,客户满意度提升12%至15%,效率提高10%至15%的改进措施。
任务挖掘
- 定义:聚焦于团队和个人的工作活动和工作负载,收集一线数据,分析团队成员最常使用的应用程序及完成任务时采取的动作。
- 应用案例:航空航天与国防领域的某公司利用任务挖掘分析关键业务流程,发现员工超过一半的时间用于处理电子表格,其中大部分时间用于数据分析。该发现帮助企业制定了自动化常见任务和改进过程治理的计划,预期可将流程时间减少40%以上。
结合优势与挑战
虽然过程挖掘和任务挖掘都能揭示其他方式难以识别的运营绩效,但将这些洞察转化为可操作的改进措施仍具有挑战性。例如,一家国际零售商进行了大规模的过程挖掘,识别出了潜在的200亿至500亿美元的运营节省空间,但在尝试捕捉这些节省时,仅实现了约四分之一的潜在价值。问题在于,这些工具未能全面捕捉到员工面临的挑战,如非ERP系统内的流程、通过电子邮件或电话提交的变更请求、数据清理或格式化前的输入错误以及因其他任务忙碌导致的关键决策延迟。
整合优势:过程挖掘与任务挖掘结合应用
为了克服单一方法的局限性,企业可以将过程挖掘和任务挖掘结合起来,以全面视角审视运营,设计能够带来实质性和可持续性能改进的干预措施。整合这两种工具的方法包括:
- 先进行过程挖掘:了解现有流程的痛点,定位关键的低效点和“瓶颈”。
- 然后进行任务挖掘:深入分析员工在具体任务上的时间分配、所用工具及其在不同业务单元、团队和个人间的差异。
- 同时开始:从任务挖掘出发,理解消耗员工大量时间的任务细节,随后通过过程挖掘深入探究导致延误、错误和低效的具体活动。
一个全球工业产品分销商在其大规模收购后优化客户服务模型时采用了后者策略。通过对约100名销售人员的工作进行任务挖掘分析,发现他们约三分之一的电脑时间用于订单录入,其中多数时间用于检查和纠正定价和库存等基本信息。之后通过过程挖掘分析了数百万笔交易,发现65%的订单需要销售员工的手动更新,尽管许多订单是常规的定期客户交易。进一步的分析揭示了发票创建过程中高达三分之一的手动干预需求。
通过这一综合分析,公司实施了一系列措施来改造订单至现金流程的效率,大幅减少了手动介入的需求,并对流程进行了调整。此外,还对销售团队进行了工具使用最佳实践的培训。这些变化释放了3000万美元的效率节省,为公司提供了更多专注增长目标的销售员工时间。过程挖掘还揭示了隐藏的价值损失来源,包括降低因写回和无效客户信用信息导致的销售额损失1.8亿美元,更强的付款条款纪律减少了工作资本需求500万美元,最重要的是,过程改进帮助分销商解决了客户的关键痛点,使准时、全额交付的货物量增加了10%至15%。
结论
过程挖掘与任务挖掘的结合,借助AI技术的力量,为企业提供了前所未有的全面视角,尤其适用于高度手动、常见偏差和缺乏透明度的复杂流程。尽管AI解决方案在发现价值解锁机会方面提供了显著的加速和规模效应,但AI并非运营卓越的万能药。最终,将结果转化为过程改进还需要专家的人工输入和对分析结果的理解,以及设计适当的改进措施的专业知识。