Process mining: la guida 2021 per analizzare i processi

Process mining: in due parole, è la disciplina che usa i dati grezzi prodotti dai sistemi informativi aziendali (ERP, CRM, ticketing, MES) per ricostruire automaticamente il flusso reale dei processi, evidenziare colli di bottiglia, varianti non previste e opportunità di automazione. È diversa dal classico BPM perché non parte da un disegno teorico, ma dai fatti registrati nell’eventlog.

Nel 2021 il process mining è uscito dalle università ed è diventato un mercato enterprise da oltre 1 miliardo di dollari, con Celonis che a giugno ha raccolto un round da 1 miliardo a valutazione 11 miliardi. Per i COO e gli operations manager italiani che gestiscono processi distribuiti su più sistemi, capire analisi processi aziendali data-driven non è più un nice-to-have: è il prerequisito per qualsiasi iniziativa seria di automazione dei processi.

In questa guida vediamo cosa è il process mining, le tre tecniche fondamentali, le sei piattaforme leader sul mercato 2021, casi d’uso reali, costi indicativi, errori da evitare e una roadmap di implementazione concreta per PMI italiane.

1. Process mining: cosa è e perché serve

Il process mining è una famiglia di tecniche introdotta accademicamente da Wil van der Aalst all’università di Eindhoven nei primi anni 2000 e codificata nel Process Mining Manifesto del 2011. L’idea fondamentale è semplice: ogni transazione che avviene in un sistema informativo lascia una traccia. Un ordine cliente che entra in SAP, una richiesta di acquisto approvata in workflow, un ticket aperto in Zendesk: tutti questi eventi sono salvati in tabelle con un timestamp, un identificativo univoco di processo (case ID) e un’attività.

Aggregando questi log, gli algoritmi di process mining ricostruiscono il grafo reale del processo: quali attività si succedono, in che ordine, con quali tempi, quanto spesso si attivano percorsi alternativi. Il risultato è radicalmente diverso dal flowchart che il responsabile di area ha disegnato in PowerPoint: contiene tutte le varianti, gli errori, i loop di rilavorazione, le scorciatoie informali che il personale ha inventato per superare gli ostacoli.

Perché serve? Perché qualsiasi iniziativa di miglioramento operativo (lean, six sigma, digitalizzazione, automazione RPA, riprogettazione organizzativa) parte sempre dalla stessa domanda: come funziona davvero questo processo, in tutte le sue varianti? Rispondere a mano richiede settimane di interviste, osservazioni, raccolta dati. Con il process mining si fa in pochi giorni e con un livello di dettaglio impossibile da raggiungere altrimenti.

Tre vantaggi tipici riportati dalle implementazioni 2019-2021:

• Riduzione del lead time dei processi tra il 20% e il 40%, identificando attese inutili e handoff ridondanti.
• Aumento del touchless rate (transazioni che attraversano il processo senza intervento manuale) dal 30% medio fino all’80% per order to cash e purchase to pay.
• Recupero di working capital grazie a sconti per pagamento anticipato persi e a duplicati di pagamento individuati nei log.

2. Le 3 tecniche fondamentali: discovery, conformance, enhancement

Il process mining si articola in tre tecniche, presentate sempre nella stessa sequenza nei testi accademici e nelle piattaforme commerciali.

Process discovery

È la tecnica base: dato un eventlog, l’algoritmo (alpha miner, heuristic miner, inductive miner, fuzzy miner) costruisce un modello di processo. Il modello può essere espresso come Petri net, BPMN, DFG (directly-follows graph) o causal net. La discovery non assume alcun modello a priori: ascolta i dati e tira fuori la realtà. Per un processo di order to cash tipico, una discovery su 6-12 mesi di dati può rivelare decine o centinaia di varianti diverse, contro le 3-5 documentate nel manuale qualità.

Conformance checking

La seconda tecnica confronta il modello as-is scoperto (o un modello to-be disegnato) con l’eventlog reale e quantifica le deviazioni. Restituisce metriche di fitness (quanto i dati seguono il modello) e precision (quanto il modello è specifico), oltre a una lista delle non conformità più frequenti. È la tecnica chiave per audit, compliance, controlli interni: per esempio, capire quanti ordini sono stati rilasciati senza approvazione, quante fatture sono state pagate prima della ricezione merce, quanti reclami sono stati chiusi senza intervento del responsabile qualità.

Process enhancement

La terza tecnica arricchisce il modello con informazioni aggiuntive: tempi di esecuzione, costi, ruoli, frequenze, allocazione di risorse. Permette di rispondere a domande come “quale fornitore causa più ritardi?”, “qual è il costo medio di una variante anomala?”, “quale operatore è bottleneck del flusso?”. È qui che il process mining diventa actionable e non solo descrittivo.

3. Eventlog: il combustibile del process mining

Il process mining funziona se e solo se hai un eventlog di qualità. Un eventlog è una tabella con tre colonne minime obbligatorie:

• Case ID: l’identificativo dell’istanza di processo (es. numero ordine, numero ticket, ID pratica).
• Activity: il nome dell’attività eseguita (es. “Crea ordine”, “Approva”, “Spedisci”).
• Timestamp: data e ora dell’evento, idealmente al secondo.

Colonne aggiuntive raccomandate: risorsa esecutrice (utente, sistema), costo, attributi del case (cliente, importo, sede, prodotto). Più attributi = più dimensioni di analisi possibili.

L’eventlog si estrae con query SQL dai database transazionali, oppure con connettori nativi che le piattaforme di process mining offrono per SAP, Oracle, Salesforce, ServiceNow, Microsoft Dynamics. La qualità del dato è il primo problema: timestamp imprecisi, attività con nomi diversi tra sistemi, case che attraversano più database (l’ordine nasce in CRM, vive in ERP, finisce in fatturazione separata) richiedono lavoro di pulizia. Una buona integrazione API tra sistemi semplifica enormemente la fase di estrazione, perché molti eventi diventano già strutturati alla fonte.

4. Casi d’uso concreti: purchase to pay, order to cash, customer service

I tre processi su cui il process mining ha la massima maturità nel 2021 sono ciclo passivo, ciclo attivo e gestione richieste cliente.

Purchase to pay (P2P)

Dal fabbisogno di acquisto al pagamento al fornitore. Il process mining identifica:

• Maverick buying: ordini emessi senza richiesta di acquisto formale (rompe la procedura).
• Modifiche post-approvazione: ordini approvati e poi modificati nel valore o nelle condizioni (rischio frode).
• Sconti cassa persi: fatture pagate dopo la scadenza del termine di sconto.
• Duplicati: pagamenti emessi due volte per la stessa fattura.

Order to cash (O2C)

Dall’ordine cliente all’incasso. Punti tipici:

• Holding: ordini bloccati per credit check, evasione, disponibilità.
• Modifiche pre-spedizione: numero medio di modifiche per ordine come indicatore di scarsa qualità del dato in ingresso.
• Cycle time dall’ordine alla consegna, segmentato per cliente, prodotto, sede.
• Reclami: correlazione tra deviazioni di processo e reclami successivi.

Customer service / IT service management

Tempo medio di risoluzione, percentuale di ticket riaperti, distribuzione del lavoro tra agenti, ticket che attraversano più gruppi (handoff). Il process mining è ideale per ITSM perché ServiceNow, Jira Service Desk e Zendesk producono eventlog già pronti.

Altri ambiti maturi nel 2021: produzione manifatturiera (con eventlog dal MES), hire to retire HR, record to report finance, processi di onboarding clienti in banche e assicurazioni.

5. Le 6 piattaforme leader del 2021

Il mercato process mining nel 2021 è dominato da sei vendor, con posizionamenti differenti.

Celonis

Leader indiscusso. Fondata a Monaco nel 2011, nel 2021 raccoglie il round D da 1 miliardo di dollari a valutazione 11 miliardi (giugno 2021). La piattaforma Execution Management System (EMS) integra discovery, conformance, signal-action automation e centinaia di connettori prebuilt per SAP, Oracle, Salesforce, ServiceNow. Forza: ecosistema di app verticali (P2P, O2C, ITSM). Debolezza: prezzo enterprise, complessità di setup. Sito ufficiale: celonis.com.

UiPath Process Mining (ex ProcessGold)

UiPath ha acquisito ProcessGold (vendor olandese) nel 2019 e nel 2021 lo ha integrato nella piattaforma di automation. Forza: integrazione nativa con UiPath Studio per chiudere il cerchio mining→RPA. Buona scelta se l’azienda ha già investito in UiPath per l’RPA.

ABBYY Timeline

Acquisita da ABBYY (Timeline da TimelinePI nel 2019) e integrata con la piattaforma Digital Intelligence. Punto di forza: combina process mining con task mining (analisi di cosa fanno gli utenti sul desktop) e document intelligence. Buon compromesso prezzo/funzionalità per il mid-market.

Signavio

Vendor tedesco partito dal BPM disegno-centrico. Nel gennaio 2021 SAP annuncia l’acquisizione, completata a marzo. Conseguenza: Signavio diventa il process mining “ufficiale” dell’ecosistema SAP. Forza: ottima integrazione con S/4HANA, Process Manager, Workflow Accelerator. Da considerare se l’azienda è SAP-centrica.

Software AG ARIS Process Mining

Software AG ha rilanciato ARIS, suite storica di BPM, integrandola con motore di mining cloud nel 2020-2021. Forza: governance e architettura enterprise per chi già usa ARIS per modeling. Approccio meno “data-driven puro” e più ibrido modellazione + mining.

Apromore (open source)

Spinoff accademico (università di Tartu, Melbourne, Politecnico di Milano). Edizione community gratuita e edizione enterprise commerciale. Forza: trasparenza algoritmica, ottimo per ricerca, PoC, progetti accademici, PMI con vincoli di budget. Debolezza: meno connettori prebuilt, richiede competenze data engineering interne.

6. Process mining vs BPM tradizionale

Confusione frequente: process mining e BPM (Business Process Management) non sono sinonimi né alternative. Sono complementari e vanno entrambi integrati in una strategia di operational excellence.

Il BPM tradizionale parte dall’alto: si modella il processo to-be in BPMN, si simula, si implementa con un motore di workflow (Camunda, Bonita, jBPM, Activiti, IBM BPM), si esegue. È un approccio top-down, design-centrico, normativo. Funziona bene per processi nuovi o per situazioni in cui la conformità prescrittiva è obbligatoria (banche, assicurazioni, pharma).

Il process mining parte dal basso: si raccolgono i log di sistemi esistenti, si scopre il processo as-is, si confrontano con il to-be, si migliorano iterativamente. È un approccio bottom-up, data-driven, descrittivo. Funziona bene per processi che già girano in produzione e di cui si vuole capire il comportamento reale, oppure quando il processo è eseguito da più sistemi senza un workflow engine unificato.

Il combinato disposto è la formula vincente del 2021: process mining come diagnosi continua dell’as-is, BPM tradizionale o RPA come motore di esecuzione del to-be ottimizzato. Le aziende mature stanno passando dal “miglioramento a progetti” a un’execution loop continua che coinvolge entrambe le discipline.

7. Integrazione con ERP/CRM esistenti

Il process mining vive sui dati dell’ERP e del CRM. Per questo l’integrazione tecnica con il proprio stack è il primo problema operativo. Tre approcci:

1. Connettori nativi prebuilt: tutte le piattaforme commerciali offrono connettori per SAP ECC/S4HANA, Oracle EBS, Microsoft Dynamics, Salesforce, ServiceNow, Workday. Trasformano automaticamente le tabelle transazionali in eventlog. Vantaggio: tempo a valore di settimane invece di mesi. Svantaggio: licenza inclusa nei costi enterprise.
2. ETL custom: si estraggono le tabelle con script Python, dbt, Talend, Informatica, le si trasformano in eventlog conforme allo standard XES (eXtensible Event Stream) e si caricano nella piattaforma. Approccio tipico per ERP Odoo o per gestionali personalizzati dove non esistono connettori commerciali. Richiede skill di data engineering.
3. Streaming real-time: per use case di monitoring continuo si usa Kafka o equivalenti per pubblicare eventi appena accadono e alimentare la piattaforma in tempo reale. Soluzione enterprise di alto livello, raramente necessaria nelle PMI.

Per la maggior parte delle PMI italiane il punto di partenza realistico è un batch giornaliero o settimanale con ETL custom su database transazionale: estrazione notturna, trasformazione XES, caricamento. Tempi di latenza accettabili, costi di infrastruttura contenuti.

8. Costi indicativi 2021

I prezzi del process mining variano enormemente in funzione di volume di dati, numero di processi analizzati, utenti, modalità (cloud SaaS o on-premise). Cifre indicative 2021 raccolte da casi pubblici e listini di vendor:

• Celonis EMS: licenza enterprise full tipicamente da 150.000 a 500.000 euro/anno per medie aziende, oltre 1 milione per grandi gruppi. Pricing a “events per year” o per modulo.
• UiPath Process Mining: bundle con piattaforma RPA, da 80.000 a 300.000 euro/anno per medio-grandi.
• ABBYY Timeline: 50.000-200.000 euro/anno indicativo, modulare.
• Signavio: prezzo SAP, generalmente bundle con S/4HANA o Workflow Accelerator.
• ARIS Process Mining: licenze Software AG, bundle con ARIS Designer.
• Apromore Community: gratuito (open source). Edizione Enterprise dai 30.000 euro/anno.

A questi vanno sommati i costi di implementazione (consulenza, integrazione, modellazione casi d’uso), tipicamente da 50.000 a 200.000 euro nel primo anno. Il ROI tipico riportato dai vendor è 5-10x nel triennio, con payback di 6-18 mesi sui primi 1-2 use case.

9. Casi d’uso PMI italiane

Il process mining nel 2021 è spesso percepito come tecnologia da grande corporate. In realtà ha già trovato spazio in PMI italiane medie (50-500 dipendenti) per use case mirati e ad alto valore.

Un caso ricorrente: PMI manifatturiera con ERP custom o con Odoo, processo di evasione ordini distribuito su 4-5 sistemi (CRM, ERP, MES, gestionale spedizioni, fatturazione). Discovery su 6 mesi di ordini storici evidenzia che il 35% del cycle time è in attese tra sistemi (passaggi manuali via Excel) e che esistono 60+ varianti per un processo che si pensava avere 8 percorsi standard. Action: API tra ERP e gestionale spedizioni, regole di routing automatico, riduzione cycle time del 28% in sei mesi.

Altro caso tipico: studio professionale o società di servizi con processo di onboarding cliente su CRM + gestionale. Discovery rivela che il 22% dei nuovi clienti aspetta più di 5 giorni per il primo contatto post-firma e che le pratiche con più di 3 handoff hanno tre volte più probabilità di avere reclami. Action: workflow di onboarding strutturato, riduzione handoff, recupero di NPS.

Per approfondire la cornice metodologica generale dell’operational excellence data-driven puoi leggere la guida all’automazione dei processi aziendali e l’analisi sui workflow di approvazione documenti già pubblicati sul nostro blog.

10. Errori frequenti

Cinque errori che vediamo ricorrere nei progetti di process mining mal implementati.

1. Eventlog di scarsa qualità: timestamp errati, case ID non univoci tra sistemi, attività con nomi diversi nei vari ambienti. Il garbage in – garbage out vale al massimo grado nel process mining. Investire 60-70% del tempo del primo progetto sulla pulizia del log non è eccessivo.
2. Troppi processi insieme: provare a fare discovery su tutto l’ERP simultaneamente. Meglio iniziare con un singolo processo end-to-end (es. ordine cliente da CRM a incasso) e propagare dopo i primi successi.
3. Mancanza di sponsor business: progetti guidati dall’IT senza un owner di processo (CFO, COO, responsabile operations) finiscono in dashboard belle ma inutilizzate. Il process mining è uno strumento di management, non un giocattolo IT.
4. Ignorare il cambio organizzativo: vedere che il 30% del lavoro di un team è rilavorazione genera resistenza. Servono comunicazione, training, gestione del cambiamento. Il dato fa paura senza contesto.
5. Dimenticare la conformance dopo il go-live: il process mining va usato in continuous monitoring, non solo nel progetto iniziale. Senza un piano di adoption (KPI dashboard, alerting, review periodiche) il valore decade rapidamente.

11. Roadmap di implementazione in 5 fasi

Un percorso realistico di adozione process mining per una PMI italiana media:

Fase 1 – Selezione use case (2-4 settimane): workshop con responsabili di area per identificare 1-2 processi candidati (alto volume, dolore percepito, dati disponibili). Tipicamente: O2C, P2P, ITSM, customer service.

Fase 2 – Estrazione e preparazione eventlog (4-8 settimane): query SQL sul database transazionale, definizione case ID e attività, pulizia, trasformazione in formato XES o equivalente. Coinvolgere DBA, data engineer, knowledge worker del processo.

Fase 3 – Discovery e analisi (3-6 settimane): importazione eventlog nella piattaforma, generazione modello as-is, identificazione varianti, KPI, hotspot. Output: report con top 10 opportunità di miglioramento prioritizzate.

Fase 4 – Conformance e action (4-8 settimane): implementazione delle azioni (regole automatizzate, modifiche di processo, integrazioni mancanti), monitoraggio della conformance al nuovo to-be, misura del delta.

Fase 5 – Continuous monitoring (ongoing): dashboard live, alert su deviazioni, review trimestrali con il process owner, estensione progressiva ad altri processi. La piattaforma diventa parte integrante del controllo di gestione.

Tempo totale per il primo use case: 4-6 mesi tra kickoff e prime azioni misurabili. Tempo per arrivare a una pratica matura su 4-5 processi: 18-24 mesi.

12. Domande frequenti

Process mining e RPA sono la stessa cosa?

No. RPA (robotic process automation) automatizza task ripetitivi su interfacce utente (clic, copia-incolla, lettura schermo). Process mining analizza l’eventlog di sistemi backend per capire come funziona un processo. Sono complementari: spesso il process mining identifica dove l’RPA può portare valore, e l’RPA esegue le azioni proposte.

Serve un data scientist per fare process mining?

Per use case standard con piattaforme commerciali, no. I tool moderni hanno UI guidate. Servono però skill di data engineering per estrazione e pulizia dell’eventlog, e skill di processo per interpretare i risultati. Una buona squadra mista è IT + business + un consulente esperto.

Process mining su database custom funziona?

Sì, ma richiede più lavoro di integrazione rispetto ai connettori nativi. Per database personalizzati il pattern è: query SQL → ETL → XES → piattaforma. Apromore o le edition cloud-native delle piattaforme commerciali sono spesso la scelta migliore per stack non standard.

Quanto storico serve per una buona analisi?

Almeno 3-6 mesi, idealmente 12 mesi. Volume tipico: 100k-10M case in funzione del processo. Volumi inferiori a 10k case rendono la statistica fragile.

Posso fare process mining senza acquistare una piattaforma?

Sì, con tool open source come Apromore Community, ProM (versione accademica), o pacchetti R/Python come bupaR e pm4py. Buon punto di partenza per PoC o progetti piccoli, ma manca la scalabilità e i connettori delle piattaforme commerciali.

Qual è la differenza tra process mining e task mining?

Process mining usa log di sistema (database transazionali). Task mining cattura ciò che gli utenti fanno sul desktop (clic, applicazioni aperte, copy-paste). Sono complementari: il process mining vede il processo end-to-end, il task mining vede i micro-task. ABBYY Timeline e Celonis offrono entrambi.

Per approfondire i fondamenti accademici della disciplina puoi consultare la voce process mining su Wikipedia.