Process mining (khai phá quy trình) là kỹ thuật dựng lại quy trình đang thực sự diễn ra trong doanh nghiệp từ nhật ký sự kiện mà các hệ thống thông tin ghi lại — mỗi lần một đơn hàng được tạo, duyệt, giao, xuất hoá đơn, hệ thống ERP hay CRM đều để lại một dòng gồm mã hồ sơ, tên hoạt động và thời điểm. Ghép hàng triệu dòng đó lại, phần mềm vẽ ra sơ đồ luồng thực tế với tần suất và thời gian chờ ở từng bước.
Khác biệt cốt lõi so với cách làm truyền thống: thay vì phỏng vấn mọi người rồi vẽ quy trình "nên là", process mining cho thấy quy trình "đang là", bao gồm cả những đường vòng, làm lại và ngoại lệ mà không ai kể trong buổi phỏng vấn. Với dự án tự động hoá, đây là cách đo khối lượng, tỷ lệ ngoại lệ và điểm nghẽn bằng dữ liệu thay vì cảm nhận.
Bài này trình bày nguồn gốc học thuật, cấu trúc dữ liệu cần có, ba loại phân tích chính, cách đọc kết quả qua một ví dụ, các bước bắt đầu và những giới hạn quan trọng.
Nguồn gốc và cơ chế
Process mining hình thành như một lĩnh vực nghiên cứu cuối thập niên 1990 – đầu 2000, gắn với nhóm của Wil van der Aalst tại Đại học Công nghệ Eindhoven (Hà Lan). Thuật toán alpha (van der Aalst, Weijters và Maruster, công bố năm 2004) là một trong những thuật toán khám phá quy trình đầu tiên được trích dẫn rộng rãi: từ thứ tự xuất hiện của các hoạt động trong nhật ký, nó suy ra quan hệ nối tiếp, song song và lựa chọn, rồi dựng thành mô hình mạng Petri. Cuốn Process Mining: Discovery, Conformance and Enhancement of Business Processes (2011) của van der Aalst hệ thống hoá lĩnh vực; năm 2011 nhóm công tác IEEE về process mining cũng công bố bản tuyên ngôn (Process Mining Manifesto) nêu nguyên tắc và thách thức.
Cơ chế cơ bản dễ hình dung: nhóm các dòng nhật ký theo mã hồ sơ, sắp theo thời gian, ta được một "vết" (trace) cho mỗi hồ sơ — ví dụ: tạo đơn → kiểm tra tín dụng → duyệt → giao hàng → xuất hoá đơn. Gộp các vết giống nhau thành "biến thể" (variant). Đếm số lần hoạt động A được theo sau trực tiếp bởi hoạt động B trên toàn bộ vết, ta có một đồ thị quan hệ trực tiếp, gắn tần suất và thời gian trung bình lên từng cạnh. Các thuật toán khám phá hiện đại tinh vi hơn — xử lý nhiễu, vòng lặp, hoạt động hiếm — nhưng đều xây trên ý tưởng đó.
Dữ liệu cần có: nhật ký sự kiện
Điều kiện tiên quyết của process mining là một nhật ký sự kiện tối thiểu có ba trường; các trường bổ sung làm phân tích phong phú hơn.
| Trường | Bắt buộc | Ví dụ | Ghi chú |
|---|---|---|---|
| Mã hồ sơ (case ID) | Có | Số đơn hàng, số hồ sơ vay, mã yêu cầu hỗ trợ | Chọn sai mã hồ sơ là sai toàn bộ phân tích |
| Tên hoạt động | Có | "Tạo đơn", "Duyệt giá", "Xuất kho" | Thường phải chuẩn hoá từ mã giao dịch kỹ thuật |
| Thời điểm | Có | Ngày giờ đến phút hoặc giây | Cẩn trọng múi giờ và giờ hệ thống ghi khác giờ thực làm |
| Người hoặc vai trò thực hiện | Nên có | Mã nhân viên, phòng ban | Phân tích tải việc, chuyển giao giữa người; cần ẩn danh khi phù hợp |
| Thuộc tính hồ sơ | Nên có | Giá trị đơn, loại khách, chi nhánh | So sánh biến thể theo nhóm |
| Thời điểm bắt đầu và kết thúc | Tuỳ chọn | Giờ mở và giờ đóng một tác vụ | Tách thời gian xử lý khỏi thời gian chờ |
Phần lớn công sức của một dự án process mining nằm ở khâu trích xuất và chuẩn bị nhật ký, không phải ở khâu phân tích. Dữ liệu trong ERP thường rải ở nhiều bảng; một hoạt động nghiệp vụ có thể ứng với nhiều thay đổi kỹ thuật; một số bước quan trọng diễn ra ngoài hệ thống (gọi điện, gửi thư) nên không có dấu vết.
Ba loại phân tích chính
Khám phá (discovery). Từ nhật ký, dựng mô hình quy trình mà không cần mô hình có sẵn. Kết quả trả lời câu "quy trình thật trông như thế nào, có bao nhiêu biến thể, biến thể nào chiếm phần lớn". Thường gặp: vài biến thể đầu chiếm phần lớn hồ sơ, phần còn lại là một "đuôi dài" gồm hàng trăm biến thể hiếm.
Kiểm tra tuân thủ (conformance checking). So nhật ký với một mô hình chuẩn (quy trình đã ban hành, quy định kiểm soát nội bộ) để tìm chỗ lệch: đơn được giao trước khi duyệt tín dụng, hoá đơn được thanh toán trước khi nhận hàng, một người vừa tạo vừa duyệt cùng hồ sơ. Đây là ứng dụng được kiểm toán nội bộ quan tâm nhiều vì kiểm được toàn bộ giao dịch thay vì chọn mẫu.
Nâng cao (enhancement). Gắn thêm thông tin lên mô hình để cải tiến: thời gian chờ giữa các bước, điểm nghẽn, tỷ lệ làm lại, chi phí ước tính theo biến thể, ảnh hưởng của thuộc tính hồ sơ đến thời gian chu trình. Ví dụ: đơn của chi nhánh A có thời gian chờ duyệt giá dài gấp ba chi nhánh B dù cùng quy trình.
Đọc kết quả qua một ví dụ
Ví dụ giả định — một công ty phân phối khai phá quy trình từ đặt hàng đến thu tiền trên nhật ký một năm. Mô hình chuẩn có sáu bước. Kết quả khám phá cho thấy biến thể chuẩn chỉ chiếm khoảng một nửa số đơn. Biến thể phổ biến thứ hai có thêm vòng "sửa giá → duyệt giá lại", xuất hiện ở khoảng một phần năm số đơn; thời gian chu trình của nhóm này dài gấp đôi.
Đi sâu hơn, phân tích theo thuộc tính cho thấy vòng sửa giá tập trung ở các đơn có mã khuyến mãi theo mùa: bảng giá trong hệ thống bán hàng chậm cập nhật so với chương trình khuyến mãi, nên nhân viên phải tạo đơn với giá cũ rồi sửa. Đây là phát hiện mà phỏng vấn hiếm khi đưa ra, vì mỗi người chỉ thấy phần việc của mình và coi việc sửa giá là "bình thường".
Kết luận cho dự án tự động hoá rất khác so với trực giác ban đầu. Thay vì viết bot để "sửa giá nhanh hơn", giải pháp đúng là sửa quy trình cập nhật bảng giá khuyến mãi — loại bỏ cả vòng làm lại. Sau đó, nếu khối lượng đủ lớn, bước nhập đơn từ cổng đại lý mới là ứng viên RPA. Process mining cũng cung cấp đường cơ sở: sau thay đổi, chạy lại phân tích để đo tỷ lệ đơn đi vòng sửa giá giảm bao nhiêu.
Process mining trong dự án tự động hoá
Với chương trình tự động hoá, process mining hữu ích ở ba thời điểm. Trước khi chọn quy trình, nó cho số liệu khách quan về khối lượng, số biến thể và tỷ lệ ngoại lệ — đúng những tiêu chí quyết định quy trình có hợp với bot hay không. Một quy trình mà biến thể chuẩn chỉ chiếm một phần nhỏ hồ sơ là cảnh báo sớm rằng bot sẽ liên tục phải chuyển việc cho người.
Khi thiết kế, danh sách biến thể theo tần suất chính là danh sách ca kiểm thử: bot phải xử lý được các biến thể chiếm phần lớn khối lượng và nhận diện sạch sẽ những biến thể còn lại để chuyển cho người. Thiết kế dựa trên dữ liệu như vậy tránh được tình trạng bot chỉ chạy đúng với "luồng trong sách".
Sau triển khai, các hoạt động do bot thực hiện cũng để lại nhật ký, nên có thể đo trực tiếp thời gian chu trình trước và sau, tỷ lệ hồ sơ chạy thẳng, và phát hiện điểm nghẽn mới — thường là hàng đợi ngoại lệ chờ người xử lý. Đây là nguồn số liệu tốt nhất cho phần đo sau triển khai trong bản tính hiệu quả đầu tư.
Các bước bắt đầu một dự án process mining
Một dự án đầu tiên nên nhỏ, có câu hỏi rõ và người sở hữu quy trình tham gia ngay từ đầu:
- Đặt câu hỏi kinh doanh cụ thể, ví dụ "vì sao thời gian từ nhận đơn đến giao hàng dài hơn cam kết" — không phải "xem quy trình có gì".
- Chọn một quy trình có dữ liệu tốt, thường là quy trình chạy chủ yếu trong một hệ thống: mua hàng đến thanh toán, đặt hàng đến thu tiền, xử lý yêu cầu hỗ trợ.
- Xác định mã hồ sơ và danh sách hoạt động cùng người nghiệp vụ và người hiểu cấu trúc dữ liệu của hệ thống.
- Trích xuất và làm sạch nhật ký: kiểm tra trùng lặp, thời điểm thiếu, hồ sơ chưa kết thúc trong kỳ, hoạt động kỹ thuật không mang nghĩa nghiệp vụ.
- Chạy khám phá và kiểm tra với người làm thật: biến thể lạ là lỗi dữ liệu hay thực tế? Bước kiểm chứng này thường làm thay đổi cách chuẩn bị dữ liệu.
- Phân tích theo câu hỏi ban đầu: điểm nghẽn, nguyên nhân theo thuộc tính, chỗ lệch so với chuẩn.
- Chuyển phát hiện thành hành động có người chịu trách nhiệm và chỉ số đo, rồi chạy lại phân tích sau khi thay đổi.
Giới hạn và điểm cần thận trọng
Process mining mạnh nhưng không phải chiếc gương hoàn hảo của thực tế:
- Chỉ thấy những gì hệ thống ghi lại. Trao đổi qua điện thoại, thư, nhóm chat, giấy tờ ngoài hệ thống là vùng tối. Một quy trình có nhiều bước ngoài hệ thống sẽ trông đơn giản hơn thực tế.
- Thời điểm ghi không phải lúc nào cũng là thời điểm làm. Nhân viên nhập dồn cuối ngày làm méo phân tích thời gian chờ.
- Sơ đồ "spaghetti". Với quy trình linh hoạt nhiều biến thể, mô hình khám phá trở thành một mớ đường chằng chịt; phải lọc theo tần suất, theo nhóm hồ sơ mới đọc được, và việc lọc lại có thể che mất ngoại lệ quan trọng.
- Mã hồ sơ không duy nhất. Một đơn hàng tách thành nhiều lần giao, nhiều hoá đơn: quan hệ một–nhiều làm nhật ký truyền thống khó biểu diễn. Hướng nghiên cứu gần đây về nhật ký lấy đối tượng làm trung tâm (object-centric) nhằm giải quyết vấn đề này.
- Quyền riêng tư và tâm lý nhân viên. Phân tích theo người thực hiện dễ bị hiểu là giám sát cá nhân. Cần mục đích rõ, ẩn danh khi không cần thiết, tuân thủ quy định bảo vệ dữ liệu cá nhân hiện hành và trao đổi minh bạch với người lao động.
Một kỹ thuật bổ sung là task mining: ghi lại thao tác trên máy tính của nhân viên (có sự đồng ý) để thấy phần việc diễn ra trong một bước, như sao chép giữa các ứng dụng. Nó hữu ích để thiết kế bot RPA nhưng nhạy cảm hơn nhiều về quyền riêng tư.
Câu hỏi thường gặp
Process mining khác BI và dashboard thế nào?
BI tổng hợp số liệu theo các chiều như doanh thu theo tháng, số đơn theo chi nhánh. Process mining quan tâm đến thứ tự và thời gian giữa các sự kiện của từng hồ sơ, nên trả lời được câu hỏi về luồng: hồ sơ đi đường nào, chờ ở đâu, quay lại bước nào. Hai cách bổ sung cho nhau và thường dùng chung kho dữ liệu.
Doanh nghiệp vừa và nhỏ có làm process mining được không?
Được, nếu phần mềm đang dùng ghi lịch sử thay đổi trạng thái hồ sơ và cho xuất ra. Có các công cụ mã nguồn mở và thư viện phân tích dùng được với tệp nhật ký đơn giản gồm ba cột. Rào cản thường không phải công cụ mà là chất lượng dữ liệu và người có thời gian phân tích.
Cần bao nhiêu dữ liệu để phân tích có ý nghĩa?
Không có ngưỡng cố định. Cần đủ hồ sơ hoàn chỉnh để thấy các biến thể chính và đủ dài để bao gồm chu kỳ mùa vụ nếu quy trình có tính mùa. Với quy trình xử lý hàng nghìn hồ sơ mỗi tháng, vài tháng dữ liệu thường đủ để bắt đầu; quy trình khối lượng nhỏ cần khoảng thời gian dài hơn.
Process mining có thay được việc phỏng vấn người làm quy trình không?
Không. Dữ liệu cho biết điều gì xảy ra và bao lâu, nhưng thường không cho biết vì sao. Phỏng vấn và quan sát vẫn cần để giải thích biến thể, xác minh hoạt động lạ là lỗi dữ liệu hay thực tế, và hiểu phần việc ngoài hệ thống. Cách làm tốt là dùng dữ liệu để đặt câu hỏi phỏng vấn sắc hơn.
Kiểm tra tuân thủ bằng process mining có thay kiểm toán được không?
Nó là công cụ mạnh cho kiểm toán vì kiểm được toàn bộ giao dịch thay vì chọn mẫu, nhưng không thay xét đoán chuyên môn. Chỗ lệch được phát hiện cần được kiểm toán viên đánh giá: có thể là vi phạm, có thể là ngoại lệ hợp lệ đã được phê duyệt ngoài hệ thống, hoặc lỗi ghi nhận dữ liệu.
Mạng Petri là gì và người dùng có cần hiểu không?
Mạng Petri là một hình thức toán học mô tả hệ thống có các bước song song và đồng bộ, do Carl Adam Petri đề xuất. Nhiều thuật toán process mining dùng nó làm biểu diễn bên trong. Người dùng nghiệp vụ không cần hiểu sâu vì công cụ thường hiển thị dưới dạng sơ đồ luồng hoặc BPMN.