Process mining: descubre cómo funcionan realmente los procesos de tu empresa a partir de los datos de tus sistemas

Muchas empresas han dibujado alguna vez sus procesos: cómo se aprueba un pedido, cómo se envía la mercancía, cómo se emite la factura, cómo se cobra. Pero el diagrama suele describir cómo «debería hacerse», no cómo se hace «en realidad». En el día a día, los pedidos se modifican una y otra vez, las aprobaciones se saltan y los documentos se quedan días parados en alguna fase. El valor del process mining está en reconstruir la imagen real del proceso a partir de los datos que ya existen en tus sistemas, en lugar de depender de la memoria y las impresiones.

Entonces, ¿qué es exactamente el process mining, a qué empresas les conviene y cómo se empieza? En este artículo explicamos los conceptos básicos del process mining y en qué se diferencia del mapeo tradicional de procesos, qué es el «registro de eventos» en el que se apoya, qué problemas permite descubrir en el proceso de pedido a cobro, en qué etapa se encuentra el mercado y cómo puede empezar una pyme de forma ligera. Además, abordaremos una cuestión que a menudo se pasa por alto: cómo evitar que el process mining se convierta en vigilancia de los empleados.

¿Qué es el process mining y en qué se diferencia del mapeo tradicional de procesos?

El process mining (minería de procesos) es un conjunto de métodos para descubrir, monitorizar y mejorar los procesos reales a partir de los datos de eventos de los sistemas de negocio. La pregunta a la que responde no es «cómo debería ser el proceso», sino «cómo es en realidad».

La base académica de este campo se remonta al informático Wil van der Aalst. Actualmente es catedrático de la RWTH Aachen University (Alemania), donde dirige el grupo de investigación en ciencia de procesos y datos, y se le conoce a menudo como el «padre del process mining». Su investigación, iniciada a finales de los años noventa, dio lugar a una gran cantidad de herramientas de process mining, tanto comerciales como de código abierto (fuente). En 2011, el grupo de trabajo de process mining del IEEE publicó el Process Mining Manifesto, que define el process mining como el conjunto de técnicas, herramientas y métodos que extraen conocimiento de los registros de eventos para descubrir, monitorizar y mejorar los «procesos reales (y no los supuestos)» (fuente).

El manifiesto distingue tres usos básicos del process mining, que siguen siendo el marco más sencillo para entender esta tecnología:

• Descubrimiento (Discovery). Sin partir de ningún modelo previo, se dibuja el diagrama de flujo directamente a partir de los datos. Por ejemplo, al importar un año de pedidos de venta, se obtienen automáticamente todos los caminos que han seguido los pedidos desde su creación hasta el cobro.
• Verificación de conformidad (Conformance). Se compara el proceso estándar existente con los datos reales para localizar las desviaciones. Por ejemplo, si la política exige que las compras por encima de cierto importe pasen por la aprobación de la dirección general, los datos pueden mostrar cuántos pedidos se saltaron ese paso.
• Mejora (Enhancement). Se superponen al diagrama datos de tiempo, frecuencia, coste y otros, para ver dónde hay lentitud y dónde hay atascos. Por ejemplo, marcar el tiempo medio de espera de cada fase para identificar el tramo que más se alarga.

El process mining no pretende sustituir al mapeo tradicional de procesos. El método tradicional se basa en entrevistas, talleres y observación directa, y destaca a la hora de entender «por qué se hace así»; el process mining se basa en los datos del sistema y destaca a la hora de responder «qué ha ocurrido realmente y cuántas veces». La siguiente tabla resume sus principales diferencias:

Lo mejor es combinar ambos: primero, usar los datos para localizar dónde está el problema; después, usar las entrevistas para entender por qué existe. Los datos te dicen «qué falla»; las personas te explican «por qué falla».

¿Cómo funciona el process mining? Empecemos por el registro de eventos

La materia prima del process mining se llama registro de eventos (Event Log). Basta con que el sistema registre «qué pedido, qué se hizo y cuándo» para tener la base necesaria para aplicar process mining.

Un registro de eventos básico suele contener tres columnas:

• ID de caso (Case ID): identifica un mismo objeto de negocio, por ejemplo un número de pedido de venta, de pedido de compra o de orden de trabajo.
• Actividad (Activity): cada paso por el que pasa ese objeto, por ejemplo «crear pedido», «aprobación de crédito», «envío», «facturación» o «cobro».
• Marca de tiempo (Timestamp): el momento en que ocurre ese paso.

Estrictamente hablando, el Process Mining Manifesto solo exige que cada registro pueda asociarse a un caso y a una actividad; la marca de tiempo, la persona que lo gestiona y otros datos son información adicional opcional (fuente). Sin embargo, en el análisis de negocio real, sin marca de tiempo no se pueden calcular los tiempos de espera ni encontrar los cuellos de botella, así que conviene preparar las tres columnas.

Tomemos como ejemplo el proceso de «pedido a cobro» (Order-to-Cash). Un registro de eventos extraído de un ERP podría tener este aspecto:

Los números de pedido y las fechas son ilustrativos. Unas pocas filas, por sí solas, no dicen mucho; pero cuando se reúnen los registros de decenas de miles de pedidos, la herramienta los enlaza por número de pedido, agrupa los caminos idénticos y dibuja un diagrama de flujo con frecuencias y duraciones. Estas pocas filas ya dejan ver dos problemas habituales: en SO-1001 pasaron 5 días desde el envío hasta la facturación; en SO-1002 se envió primero y se hizo después la aprobación de crédito, con el orden invertido.

En el proceso de pedido a cobro, el process mining detecta con más frecuencia cuatro tipos de problemas:

• Retrabajo. Un mismo pedido se modifica repetidamente en precio, cantidad o plazo de entrega, o una factura se anula y se vuelve a emitir. Por ejemplo, si muchos pedidos se modifican más de dos veces antes del envío, suele indicar que la información en la oferta o en la introducción del pedido no es precisa.
• Atajos. El camino real se desvía de lo que exige la política. Por ejemplo, la aprobación de crédito se salta o se hace a posteriori, o los pedidos de grandes clientes se envían directamente sin pasar por el sistema. Estos casos no siempre son infracciones, pero hay que comprobar si existe una autorización legítima.
• Cuellos de botella. Una fase acumula una gran cantidad de casos y su tiempo de tratamiento es claramente superior al de las demás. Por ejemplo, todos los pedidos que superan el límite de crédito esperan la aprobación de una sola persona del equipo financiero, y a final de mes se forman largas colas.
• Tiempos de espera. Entre dos pasos no ocurre nada; el documento simplemente «espera». Por ejemplo, la mercancía ya se ha enviado, pero hay que esperar a que el comercial vuelva a la oficina para completar la documentación antes de facturar; cada día de retraso en la factura es un día de retraso en el cobro.

Los hallazgos realmente valiosos no suelen ser conclusiones genéricas como «el proceso es un caos», sino hechos concretos como «en qué tipo de pedidos, en qué paso y cuántos días de espera de media». El mismo enfoque sirve para el proceso de «compra a pago» (Procure-to-Pay): por ejemplo, detectar los casos en que primero llega la factura y el pedido de compra se registra después, o las fases en las que las facturas se devuelven una y otra vez porque no coinciden los tres documentos (pedido de compra, albarán de recepción y factura).

¿En qué punto está el mercado del process mining?

El process mining ha pasado de la investigación académica a ser un mercado de software propio, que sigue creciendo con rapidez. Pero, para una pyme, más importante que elegir una plataforma es tener claro qué problema quiere resolver.

La firma de análisis Gartner publica periódicamente su evaluación «Magic Quadrant» de plataformas de process mining. Según el medio especializado Process Excellence Network, que informó sobre el Magic Quadrant for Process Mining Platforms publicado por Gartner en abril de 2025, los ingresos del mercado mundial de software de process mining en 2023 fueron de 871,6 millones de dólares, con un crecimiento del 39,5 %; el gasto creció más de un 30 % en 2024; y Gartner prevé que el mercado supere los 2.000 millones de dólares en 2028, con una tasa de crecimiento anual compuesta de aproximadamente el 18 % entre 2023 y 2028 (fuente). El informe evaluó a 16 proveedores. Conviene aclarar que estas cifras miden los ingresos de los proveedores de software y reflejan sobre todo las compras de empresas medianas y grandes; no representan la proporción de pymes que lo utilizan.

El mismo artículo resume además varias valoraciones de Gartner sobre este mercado, útiles para entender hacia dónde va la tecnología:

• Las capacidades básicas ya están estandarizadas. Gartner considera que las cuatro funciones imprescindibles de una plataforma de process mining son: extracción de registros de eventos, modelado y análisis de procesos, análisis comparativo y mejora del modelo de proceso.
• Cambian los motores de adopción. Además de reducir costes, ganar eficiencia y avanzar en la transformación digital, al incorporar IA e IA generativa las empresas también necesitan primero entender cómo funcionan realmente los procesos subyacentes.
• El análisis se acerca más al negocio real. Una línea que merece atención es el «process mining centrado en objetos» (Object-Centric Process Mining). El método tradicional exige que cada registro pertenezca a un único caso, mientras que en el negocio real un pedido puede dividirse en varios envíos y agruparse en una sola factura; el enfoque centrado en objetos permite seguir a la vez las relaciones entre pedidos, albaranes de envío y facturas.

Estas tendencias indican que el process mining está pasando del «diagnóstico de procesos» puntual a la monitorización operativa continua. Para las empresas que aún no han empezado, no hace falta buscar desde el principio una plataforma completa: lo más prudente es validar el valor con un solo proceso y un solo conjunto de datos.

¿Cómo puede empezar una pyme de forma ligera? Guía paso a paso

Para aplicar process mining, una pyme no necesita comprar una plataforma cara ni montar un equipo de datos. La mayoría de los ERP y sistemas de negocio ya registran datos suficientes; lo importante es organizarlos como registro de eventos. Por ejemplo, la tabla de pedidos de venta tiene la fecha de creación, el registro de aprobaciones tiene la fecha de aprobación, y los albaranes de envío, las facturas y los cobros tienen cada uno su fecha; si unes esos registros por número de pedido, ya tienes un registro de eventos utilizable.

También hay varias opciones de herramientas: además de las plataformas comerciales, existen herramientas de código abierto como ProM y PM4Py (fuente); y cuando el volumen de datos es reducido, un análisis dinámico en una hoja de cálculo también responde a muchas preguntas básicas, como «cuántos días pasan de media entre el envío y la facturación».

Paso 1: elige un proceso y plantea una pregunta concreta. No intentes «analizar todos los procesos» de golpe. Elige un proceso con un punto de dolor claro y datos centralizados, como pedido a cobro o compra a pago, y formula el problema en una sola frase, por ejemplo: «¿Por qué nuestro plazo medio de cobro supera en dos semanas el plazo pactado en el contrato?»

Paso 2: localiza dónde están los datos. Junto con el equipo de TI o el administrador del sistema, haz una lista de los documentos y tablas que intervienen en este proceso: qué pasos quedan registrados en el sistema, en qué tabla y si los campos de fecha son fiables. Este paso también saca a la luz las carencias de datos; por ejemplo, una aprobación que se hace por WeChat y no deja rastro en el sistema.

Paso 3: exporta los datos y organízalos como registro de eventos. Empieza exportando entre 3 y 6 meses de datos y organízalos en tres columnas: «ID de caso, actividad, marca de tiempo»; si es necesario, añade atributos como el departamento que lo gestiona, el tipo de cliente o el importe. Unifica los nombres de las actividades y elimina los datos de prueba y los registros claramente erróneos. La preparación de los datos suele ser la parte que más tiempo lleva de todo el proyecto, y es normal que sea así.

Paso 4: dibuja el proceso real; primero la ruta principal y después las excepciones. Una vez que la herramienta genere el diagrama, mira primero qué proporción representan los caminos más habituales y después los caminos excepcionales. Presta especial atención a las fases con retrabajo, atajos, acumulación de casos y esperas prolongadas, y compáralas agrupando por cliente, producto o departamento.

Paso 5: interpreta los resultados junto con el equipo de primera línea. Lleva los hallazgos a las personas que ejecutan el proceso y pregunta por las causas. Por ejemplo, si los datos muestran que muchos pedidos cambian de precio después del envío, puede deberse a que el equipo comercial negocia descuentos fuera del sistema. Un diagrama sin interpretación de negocio lleva fácilmente a conclusiones erróneas.

Paso 6: elige una o dos mejoras y fija una línea base y objetivos. En función del impacto y de la dificultad del cambio, elige las una o dos mejoras que más merezcan la pena, como simplificar la aprobación de crédito en los pedidos de poco importe o establecer que se facture en las 24 horas siguientes al envío. Registra los indicadores previos a la mejora como línea base, por ejemplo el retraso medio de facturación en días.

Paso 7: repite el análisis periódicamente y convierte un diagnóstico puntual en monitorización continua. Cuando la mejora esté en marcha, vuelve a analizar con datos nuevos cada mes o cada trimestre para confirmar si los indicadores mejoran y si aparecen nuevos atajos. Cuando el método ya funcione con soltura, plantéate ampliarlo a un segundo proceso o incorporar una plataforma especializada.

¿Cómo evitar que el process mining se convierta en vigilancia de los empleados?

El process mining analiza procesos de negocio, pero el registro de eventos suele incluir información sobre quién los ha gestionado. Si se usa mal, es fácil que los empleados entiendan un proyecto de mejora de procesos como «la empresa me vigila con datos», y que se pierdan la confianza y la colaboración.

Esta preocupación de los empleados no es infundada. Cuando la Information Commissioner's Office (ICO) del Reino Unido publicó en octubre de 2023 su guía sobre monitorización en el lugar de trabajo, citó una encuesta a 1.012 adultos británicos: alrededor del 70 % de los encuestados consideraba intrusiva la monitorización en el trabajo, y el 57 % decía que se sentiría incómodo aceptando un empleo si supiera que iba a ser monitorizado (fuente). Esta encuesta trataba la monitorización laboral en términos generales y su muestra procedía del Reino Unido, pero ilustra la sensibilidad generalizada de los empleados ante el hecho de ser «observados mediante datos».

La guía de la ICO exige que, antes de monitorizar, el empleador informe a los empleados en un lenguaje sencillo sobre la naturaleza, el alcance y el motivo de la monitorización; que defina claramente la finalidad y elija el método menos intrusivo; que conserve solo los datos relacionados con esa finalidad; y que, cuando pueda existir un riesgo elevado para los derechos de los empleados, realice antes una evaluación de impacto relativa a la protección de datos. El Process Mining Manifesto plantea de manera similar que, al registrar datos de eventos, se deben tratar con cuidado la privacidad y la seguridad, y que las personas afectadas deben saber qué eventos se registran y cómo se utilizarán (fuente).

A partir de estos principios, la empresa puede empezar por los siguientes aspectos:

• Analizar procesos, no evaluar a personas. Deja por escrito que el objetivo del proyecto es mejorar el proceso, presenta los resultados agregados por fase, departamento y tipo de cliente, no elabores clasificaciones individuales y no utilices directamente los resultados del análisis para la evaluación del desempeño.
• Minimización de datos y anonimización. Exporta solo los campos necesarios para responder a la pregunta; si la información de quién gestiona cada caso no es imprescindible, elimínala o sustitúyela por códigos de puesto o de departamento.
• Comunicar con antelación e implicar a los empleados. Antes de iniciar el proyecto, explica qué se va a analizar y qué no, durante cuánto tiempo se conservarán los datos, e invita al personal de primera línea a participar en la interpretación de los resultados.
• Cumplir la normativa local. El tratamiento de datos personales de los empleados debe ajustarse a la normativa de protección de datos del lugar donde opera la empresa; si es necesario, pide la revisión del área jurídica o de cumplimiento normativo.

Por ejemplo, si el análisis revela que el tiempo de tratamiento de una fase es especialmente largo, la pregunta correcta es «¿son razonables la carga de trabajo y las reglas de esta fase?», y no «¿quién es el más lento?». Cuando el foco está en el proceso, los empleados estarán dispuestos a contar las verdaderas razones que hay detrás.

Preguntas frecuentes sobre el process mining

¿Qué relación hay entre el process mining y el RPA (automatización robótica de procesos)? Resuelven problemas distintos. El process mining sirve para ver con claridad el proceso y encontrar los problemas; el RPA sirve para automatizar las operaciones repetitivas. El orden más prudente es usar primero el process mining para confirmar qué pasos merece la pena optimizar o automatizar, y evitar así automatizar un proceso que ya era poco razonable de partida.

Nuestro ERP es muy antiguo y los datos están incompletos, ¿se puede hacer igualmente? Normalmente, sí. Mientras los documentos clave tengan número y fecha, se puede construir un registro de eventos básico. Las carencias de datos son en sí mismas un hallazgo; por ejemplo, ciertas aprobaciones no dejan rastro en el sistema, y ahí es justo donde hay que mejorar.

¿Cuánto tiempo lleva un proyecto de process mining? Depende de lo dispersos que estén los datos y de lo difícil que sea prepararlos. Si los datos están centralizados en un solo sistema y el problema está bien definido, el primer análisis suele poder completarse con relativa rapidez; cuando los datos están repartidos en varios sistemas, la preparación consume la mayor parte del tiempo.

¿Hace falta exportar los nombres de los empleados? En la mayoría de los casos, no. Para analizar problemas de proceso, basta con agregar por puesto o por departamento. Conserva la información de quién gestiona cada caso solo cuando sea realmente necesario, informa antes a los empleados y limita los permisos de consulta.

Referencias

• Process Mining Manifesto, IEEE Task Force on Process Mining, 2011
• Página personal de Wil van der Aalst, página académica personal del catedrático de la RWTH Aachen University, consultada en noviembre de 2026
• 5 highlights from Gartner's 2025 Magic Quadrant for Process Mining Platforms, Process Excellence Network, abril de 2025
• ICO publishes guidance to ensure lawful monitoring in the workplace, Information Commissioner's Office (ICO) del Reino Unido, octubre de 2023