Process mining: vedere i processi reali dell'azienda attraverso i dati di sistema

Molte aziende hanno disegnato i propri diagrammi di processo: come si approva un ordine, come si spedisce la merce, come si emette la fattura, come si incassa il pagamento. Ma il diagramma descrive spesso come le cose "dovrebbero andare", non come "vanno davvero". Nella realtà gli ordini vengono modificati più volte, le approvazioni saltate, i documenti restano fermi per giorni in una fase. Il valore del process mining sta nel ricostruire il volto reale dei processi a partire dai dati che i sistemi gestionali già contengono, senza affidarsi a memoria e impressioni.

Che cos'è, dunque, il process mining, per quali aziende è adatto e come si comincia? In questo articolo presentiamo i concetti di base del process mining e le differenze rispetto alla mappatura tradizionale dei processi, che cos'è l'"event log" su cui si fonda, quali problemi si possono individuare nel processo order-to-cash, a che punto è il mercato e come le PMI possono iniziare in modo leggero. Affrontiamo anche un tema spesso trascurato: come evitare che il process mining diventi uno strumento di sorveglianza dei dipendenti.

Che cos'è il process mining e in cosa si distingue dalla mappatura tradizionale dei processi?

Il process mining è un insieme di metodi per scoprire, monitorare e migliorare i processi reali a partire dai dati degli eventi registrati nei sistemi gestionali. La domanda a cui risponde non è "come dovrebbe essere il processo", ma "com'è davvero il processo".

Le basi accademiche di questo campo risalgono all'informatico Wil van der Aalst, oggi professore alla RWTH Aachen University in Germania, dove guida il gruppo di ricerca su processi e data science, spesso chiamato "il padre del process mining". Le sue ricerche, avviate alla fine degli anni Novanta, hanno dato origine a numerosi strumenti di process mining, commerciali e open source (fonte). Nel 2011 la IEEE Task Force on Process Mining ha pubblicato il Process Mining Manifesto, che definisce il process mining come l'insieme di tecniche, strumenti e metodi per estrarre conoscenza dagli event log e usarla per scoprire, monitorare e migliorare i "processi reali (non quelli presunti)" (fonte).

Il Manifesto distingue tre usi fondamentali del process mining, ancora oggi il quadro più semplice per comprendere questa tecnologia:

• Scoperta del processo (Discovery). Si disegna il diagramma direttamente dai dati, senza alcun modello predefinito. Ad esempio, importando un anno di ordini di vendita si ottengono automaticamente tutti i percorsi effettivamente seguiti dagli ordini, dalla creazione all'incasso.
• Verifica di conformità (Conformance). Si confronta il processo standard esistente con i dati reali per individuare gli scostamenti. Ad esempio, se la policy prevede che gli acquisti oltre un certo importo siano approvati dall'amministratore delegato, i dati mostrano quanti ordini hanno aggirato questo passaggio.
• Miglioramento del processo (Enhancement). Si sovrappongono al diagramma informazioni su tempi, frequenze e costi per vedere dove si rallenta e dove ci sono colli di bottiglia. Ad esempio, indicando il tempo medio di attesa in ogni fase si individua il tratto più lungo.

Il process mining non intende sostituire la mappatura tradizionale. Quest'ultima, basata su interviste, workshop e osservazione sul campo, è efficace per capire "perché si fa così"; il process mining, basato sui dati di sistema, è efficace per rispondere a "che cosa è successo davvero e quante volte". La tabella seguente riassume le differenze principali:

Il modo migliore è combinarli: prima si usano i dati per capire dove sta il problema, poi le interviste per capire perché esiste. I dati ti dicono "dove qualcosa non va", le persone ti spiegano "perché non va".

Come funziona il process mining? Si parte dall'event log

La materia prima del process mining è l'event log (registro degli eventi). Se il sistema registra "quale pratica, quale attività, in quale momento", esistono già le basi per fare process mining.

Un event log minimo contiene di solito tre colonne:

• ID del caso (Case ID): identifica lo stesso oggetto di business, ad esempio il numero di un ordine di vendita, di un ordine d'acquisto o di un ordine di lavoro.
• Attività (Activity): la fase attraversata da quell'oggetto, ad esempio "creazione ordine", "approvazione del credito", "spedizione", "fatturazione", "incasso".
• Marca temporale (Timestamp): il momento in cui la fase è avvenuta.

A rigore, il Process Mining Manifesto richiede soltanto che ogni record sia riconducibile a un caso e a un'attività; marca temporale, addetto e simili sono informazioni aggiuntive facoltative (fonte). Nell'analisi operativa, però, senza marca temporale non si possono calcolare i tempi di attesa né individuare i colli di bottiglia, quindi conviene preparare tutte e tre le colonne.

Prendiamo il processo "order-to-cash" (dall'ordine all'incasso): un event log ricavato dall'ERP potrebbe avere questo aspetto:

Numeri d'ordine e date sono puramente indicativi. Poche righe non dicono molto, ma quando i record di decine di migliaia di ordini vengono messi insieme, lo strumento li collega tramite il numero d'ordine, unisce i percorsi identici e disegna un diagramma con frequenze e durate. Già queste poche righe mostrano due problemi tipici: per SO-1001 la fattura è stata emessa 5 giorni dopo la spedizione; per SO-1002 la spedizione precede l'approvazione del credito, con la sequenza invertita.

Nel processo order-to-cash il process mining individua più spesso quattro tipi di problemi:

• Rilavorazioni. Lo stesso ordine viene modificato più volte nel prezzo, nella quantità o nei tempi di consegna, oppure la fattura viene annullata ed emessa di nuovo. Se, per esempio, molti ordini vengono modificati due o più volte prima della spedizione, spesso le informazioni in fase di preventivo o di inserimento ordine sono imprecise.
• Deviazioni. Il percorso reale si discosta da quello previsto dalle regole. Ad esempio, l'approvazione del credito viene saltata o fatta a posteriori, oppure gli ordini dei grandi clienti vengono spediti fuori dal sistema. Non sempre si tratta di una violazione, ma occorre verificare che esista un'autorizzazione legittima.
• Colli di bottiglia. In una fase si accumulano molti casi e i tempi di gestione sono nettamente più lunghi che altrove. Ad esempio, tutti gli ordini che superano il fido devono attendere l'approvazione di un solo responsabile finanziario, e a fine mese si forma una lunga coda.
• Tempi di attesa. Tra due passaggi non succede nulla: i documenti restano semplicemente "in attesa". Ad esempio, la merce è partita, ma per fatturare bisogna aspettare che l'agente torni in azienda a completare la documentazione; se la fattura slitta di qualche giorno, slitta anche l'incasso.

Le scoperte davvero utili, di solito, non sono conclusioni generiche come "il processo è caotico", ma fatti precisi come "per quel tipo di ordine, in quella fase, si aspettano in media tot giorni in più". Lo stesso approccio vale per il processo "procure-to-pay" (dall'acquisto al pagamento): ad esempio, individuare i casi in cui la fattura arriva prima e l'ordine d'acquisto viene regolarizzato dopo, oppure le fasi in cui le fatture vengono respinte più volte perché i tre documenti (ordine d'acquisto, bolla di ricevimento, fattura) non coincidono.

A che punto è il mercato del process mining?

Il process mining è passato dalla ricerca accademica a un vero e proprio mercato software, e continua a crescere rapidamente. Per una PMI, però, più che scegliere la piattaforma conta capire prima quale problema si vuole risolvere.

La società di ricerca Gartner pubblica periodicamente il "Magic Quadrant" dedicato alle piattaforme di process mining. Secondo la Process Excellence Network, rivista di settore che ha riportato il Magic Quadrant for Process Mining Platforms pubblicato da Gartner nell'aprile 2025, nel 2023 il mercato globale del software di process mining ha generato ricavi per 871,6 milioni di dollari, con una crescita del 39,5%; nel 2024 la spesa è cresciuta di oltre il 30%; Gartner prevede che entro il 2028 il mercato superi i 2 miliardi di dollari, con un tasso di crescita annuo composto di circa il 18% tra il 2023 e il 2028 (fonte). Il rapporto valuta 16 fornitori. Va precisato che questi numeri misurano i ricavi dei fornitori di software e riflettono soprattutto gli acquisti delle medie e grandi imprese: non indicano la quota di utilizzo tra le PMI.

Lo stesso articolo riassume anche alcune valutazioni di Gartner sul mercato, utili per capire la direzione della tecnologia:

• Le funzionalità di base sono ormai standardizzate. Gartner indica quattro funzioni indispensabili per una piattaforma di process mining: estrazione degli event log, modellazione e analisi dei processi, analisi comparativa, arricchimento dei modelli di processo.
• Cambiano i fattori che spingono all'adozione. Oltre alla riduzione dei costi, all'efficienza e alla trasformazione digitale, anche l'introduzione dell'IA e dell'IA generativa richiede di capire prima come funzionano davvero i processi sottostanti.
• L'oggetto dell'analisi è più vicino al business reale. Una direzione da seguire è il "process mining object-centric" (centrato sugli oggetti). I metodi tradizionali richiedono che ogni record appartenga a un solo caso, mentre nella realtà un ordine può essere diviso in più spedizioni o accorpato in un'unica fattura; l'approccio object-centric consente di seguire contemporaneamente le relazioni tra ordini, documenti di trasporto e fatture.

Queste tendenze mostrano che il process mining sta passando da una "diagnosi" una tantum al monitoraggio operativo continuo. Per chi non ha ancora iniziato, non serve puntare subito a una piattaforma: è più prudente verificare il valore su un solo processo e un solo set di dati.

Come possono iniziare le PMI in modo leggero? Guida passo passo

Per fare process mining una PMI non ha necessariamente bisogno di acquistare piattaforme costose o di creare un team di data scientist. La maggior parte degli ERP e dei sistemi gestionali registra già dati sufficienti: il punto è organizzarli in un event log. Ad esempio, la tabella degli ordini di vendita contiene la data di creazione, il registro delle approvazioni la data di approvazione, e documenti di trasporto, fatture e incassi hanno ciascuno la propria data: unendo questi record tramite il numero d'ordine si ottiene un event log utilizzabile.

Anche gli strumenti di analisi sono vari: oltre alle piattaforme commerciali esistono strumenti open source come ProM e PM4Py (fonte); con volumi di dati contenuti, anche un'analisi pivot in un foglio di calcolo può rispondere a molte domande di base, per esempio "quanti giorni passano in media tra la spedizione e la fatturazione".

Passo 1: scegli un processo e poni una domanda precisa. Non partire con l'idea di "analizzare tutti i processi". Scegli un processo con un problema evidente e dati concentrati, come order-to-cash o procure-to-pay, e formula la domanda in una frase, per esempio: "Perché il nostro tempo medio di incasso supera di due settimane i termini di pagamento contrattuali?"

Passo 2: individua dove si trovano i dati. Insieme ai referenti IT o all'amministratore di sistema, elenca i documenti e le tabelle coinvolti nel processo: quali fasi sono registrate nel sistema, in quale tabella, se i campi data sono affidabili. Questo passo fa emergere anche le lacune nei dati, per esempio un'approvazione data su WeChat e quindi non tracciata nel sistema.

Passo 3: esporta i dati e organizzali in un event log. Esporta prima 3-6 mesi di dati e organizzali nelle tre colonne "ID del caso, attività, marca temporale", aggiungendo se serve attributi come reparto, tipo di cliente o importo. Uniforma i nomi delle attività, elimina i dati di test e i record chiaramente errati. La preparazione dei dati è spesso la parte più lunga dell'intero progetto, ed è del tutto normale.

Passo 4: ricostruisci il processo reale, prima il percorso principale, poi le eccezioni. Dopo aver generato il diagramma con lo strumento, guarda innanzitutto quanto pesano i percorsi più frequenti, poi i percorsi eccezionali. Concentrati su rilavorazioni, deviazioni, accumuli e lunghe attese, e confronta i risultati per cliente, prodotto o reparto.

Passo 5: interpreta i risultati insieme a chi lavora sul campo. Riporta i risultati a chi esegue il processo e chiedi le ragioni. Ad esempio, se i dati mostrano molti ordini con il prezzo modificato dopo la spedizione, può darsi che i commerciali abbiano concordato sconti fuori dal sistema. Un diagramma privo di interpretazione operativa porta facilmente a conclusioni sbagliate.

Passo 6: scegli uno o due miglioramenti e fissa baseline e obiettivi. In base all'impatto e alla difficoltà di intervento, scegli uno o due miglioramenti da realizzare, ad esempio semplificare l'approvazione del credito per gli ordini di piccolo importo o stabilire che la fattura venga emessa entro 24 ore dalla spedizione. Registra gli indicatori prima del miglioramento come baseline, ad esempio il ritardo medio di fatturazione in giorni.

Passo 7: riesegui l'analisi periodicamente e trasforma la diagnosi una tantum in monitoraggio continuo. Dopo l'attivazione del miglioramento, rianalizza con dati aggiornati ogni mese o ogni trimestre, verificando se gli indicatori sono migliorati e se sono comparse nuove deviazioni. Quando il metodo funziona bene, si può pensare di estenderlo a un secondo processo o di introdurre una piattaforma dedicata.

Come evitare che il process mining diventi sorveglianza dei dipendenti?

Il process mining analizza i processi di business, ma l'event log contiene spesso informazioni su chi ha eseguito le attività. Se usato in modo scorretto, un progetto di miglioramento dei processi rischia di essere percepito dai dipendenti come "l'azienda ci controlla con i dati", con la conseguente perdita di fiducia e collaborazione.

Questa preoccupazione dei dipendenti non è infondata. Quando, nell'ottobre 2023, l'Information Commissioner's Office (ICO) britannico ha pubblicato le linee guida sul monitoraggio sul luogo di lavoro, ha citato un sondaggio su 1.012 adulti nel Regno Unito: circa il 70% degli intervistati riteneva invasivo il monitoraggio sul lavoro e il 57% dichiarava che sarebbe stato a disagio nell'accettare un impiego sapendo di essere monitorato (fonte). Il sondaggio riguardava il monitoraggio sul luogo di lavoro in generale e il campione era britannico, ma mostra quanto i dipendenti siano sensibili all'idea di essere "osservati tramite i dati".

Le linee guida dell'ICO chiedono ai datori di lavoro, prima di avviare un monitoraggio, di informare i dipendenti in linguaggio semplice su natura, portata e motivi del monitoraggio, di definire con chiarezza la finalità e scegliere il metodo meno invasivo, di conservare solo i dati pertinenti alla finalità e, quando i rischi per i diritti dei dipendenti possono essere elevati, di svolgere prima una valutazione d'impatto sulla protezione dei dati. Anche il Process Mining Manifesto sostiene che, nel registrare i dati degli eventi, occorre gestire con cura privacy e sicurezza, e che le persone coinvolte devono sapere quali eventi vengono registrati e come saranno usati (fonte).

Sulla base di questi principi, l'azienda può muoversi su più fronti:

• Analizzare i processi, non valutare le persone. Indica negli obiettivi del progetto che si vuole migliorare il processo, aggrega i risultati per fase, reparto e tipo di cliente, non stilare classifiche individuali e non usare direttamente i risultati nelle valutazioni delle prestazioni.
• Minimizzazione e anonimizzazione dei dati. Esporta solo i campi necessari per rispondere alla domanda; se le informazioni sull'addetto non sono indispensabili, eliminale o sostituiscile con codici di ruolo o di reparto.
• Comunicare in anticipo e coinvolgere i dipendenti. Prima dell'avvio, spiega che cosa verrà analizzato e che cosa no, per quanto tempo i dati saranno conservati, e invita chi lavora sul campo a partecipare all'interpretazione dei risultati.
• Rispettare la normativa locale. Il trattamento di dati personali dei dipendenti deve essere conforme alle norme sulla protezione dei dati personali del luogo in cui opera l'azienda; se necessario, coinvolgi il legale o la funzione compliance.

Per esempio, se l'analisi rivela che una fase richiede tempi particolarmente lunghi, la domanda giusta è "il carico di lavoro e le regole di questa fase sono ragionevoli?", non "chi è il più lento?". Se l'attenzione è sul processo, i dipendenti saranno disposti a dire le vere ragioni che stanno dietro al processo.

Domande frequenti sul process mining

Che rapporto c'è tra process mining e RPA (Robotic Process Automation)? Risolvono problemi diversi. Il process mining serve a vedere con chiarezza il processo e a trovare i problemi, l'RPA ad automatizzare le operazioni ripetitive. L'ordine più prudente è usare prima il process mining per stabilire quali passaggi vale la pena ottimizzare o automatizzare, evitando di automatizzare un processo che era già mal impostato.

Il nostro ERP è molto vecchio e i dati sono incompleti: si può fare lo stesso? Di solito sì. Se i documenti chiave hanno un numero e una data, si può costruire un event log di base. Le lacune nei dati sono già una scoperta, per esempio certe approvazioni che non lasciano traccia nel sistema: è proprio lì che occorre intervenire.

Quanto dura un progetto di process mining? Dipende da quanto i dati sono dispersi e da quanto è difficile organizzarli. Se i dati sono concentrati in un unico sistema e il problema è definito con chiarezza, la prima analisi si completa spesso in tempi rapidi; se i dati sono distribuiti su più sistemi, la preparazione assorbe la maggior parte del tempo.

Serve esportare i nomi dei dipendenti? Nella maggior parte dei casi no. Per analizzare i problemi di processo basta aggregare per ruolo o reparto. Le informazioni sull'addetto vanno conservate solo quando è davvero necessario, informando prima i dipendenti e limitando i permessi di consultazione.

Riferimenti

• Process Mining Manifesto, IEEE Task Force on Process Mining, 2011
• Pagina personale di Wil van der Aalst, pagina accademica personale del professore della RWTH Aachen University, consultata a novembre 2026
• 5 highlights from Gartner's 2025 Magic Quadrant for Process Mining Platforms, Process Excellence Network, aprile 2025
• ICO publishes guidance to ensure lawful monitoring in the workplace, Information Commissioner's Office (ICO), ottobre 2023