Process Mining in combinatie met Lean heeft voor verschillende functies, afdelingen en branches al bewezen effectief te zijn. Zo kan bijvoorbeeld in kaart gebracht worden hoe je software wordt gebruikt, wat de klantreis is die klanten afleggen langs verschillende afdelingen en wat het klikgedrag op je website is. Met deze informatie kun je vervolgens je product of dienstverlening verbeteren.
Process Mining kan ook ingezet worden voor het inzichtelijk maken en analyseren van telefoniedata. Veel organisaties hebben regelmatig telefonisch klantcontact, of je nou een klantenservice hebt of dat klanten je organisatie zelf bellen. Organisaties hebben hierdoor een hoop data over het externe en interne telefoonverkeer en vaak ook mooie dashboards die data inzichtelijk maken: hoe lang staan klanten gemiddeld in de wachtrij, hoe vaak worden klanten doorverbonden, hoe lang duurt een gesprek gemiddeld bij medewerker X, en zo kun je nog wel even doorgaan.
Op deze manier kunnen problemen gedetecteerd worden die misschien niet waarneembaar zijn met het blote oog. Zo kan bijvoorbeeld zichtbaar worden dat medewerker X gemiddeld sneller telefoontjes afhandelt of meer doorverbindt dan medewerker Y. Maar wat doe je hier vervolgens mee? Je zou de medewerker trainingen kunnen aanbieden of sturen op het inkorten van zijn of haar gesprekken, maar wat nou als dit het probleem niet oplost? Je wilt eigenlijk weten wat de oorzaak is van de gevonden verschillen en wat er écht fout gaat, in plaats van dat je meteen met (misschien wel loze) beschuldigingen gaat gooien. Dit kan door in de aanwezige data te graven en zo feiten over het proces te achterhalen.
En je raadt het misschien al, de oplossing hiervoor is Process Mining! Met behulp van deze software kun je telefoniedata omzetten in nuttige informatie om zo tot nieuwe inzichten te komen. Aan de hand hiervan kun je vervolgengs interne processen verbeteren: Welke route volgen de meeste calls? Waar liggen de bottlenecks? Tussen welke medewerkers wordt veel doorgeschakeld? Je kunt hiervoor naar de werknemers zelf gaan, maar het is nauwkeuriger om de data het verhaal te laten vertellen. Op deze manier kun je op basis van feiten ingrijpen in plaats van op je onderbuikgevoel.
Casus: telefoonverkeer bij een serviceorganisatie
Kortgeleden heeft één van onze klanten gevraagd of wij hun telefonieverkeer konden analyseren en hun konden helpen processen te verbeteren waar nodig. Deze klant, een grote serviceorganisatie, had de twee volgende doelen voor zichzelf opgesteld:
- het First Time Right (FTR) percentage, het percentage klanten dat in één keer naar de juiste persoon doorverbonden wordt, verhogen naar 95%;
- de wachttijd verlagen naar 15 seconden in 95% van de gevallen.
Process Mining, als tool van Lean Six Sigma, kan je helpen om deze doelen te behalen. Hieronder leggen wij uit hoe wij deze case hebben aangepakt en wat de uitkomsten hiervan waren.
Voorbereiding
De hoeveelheid logdata die wij voor dit project aangeleverd kregen had voordelen, maar ook zeker nadelen (voor ons dan). Door de hoeveelheid data konden wij tot in detail de processen in beeld brengen en analyseren, wat uiteraard een voordeel is. De hoeveelheid datalabels maakte het echter wel erg ingewikkeld voor ons. Want tja, wat betekenen alle verschillende tijdvariabelen en welke zijn relevant en hebben wij nodig voor onze analyse? Maar het is wel noodzakelijk om de data eerst volledig te begrijpen voordat je deze gaat analyseren. Want anders kun je er natuurlijk niet zo veel waardevols over zeggen. Dit kost veel tijd, maar het voorkomt wel dat je data verkeerd wordt geanalyseerd of dat verkeerdere aannames de basis voor je analyses vormen. Pas wanneer je de data volledig begrijpt, ga je het opschonen en klaarmaken voor de analyse.
Analyse
De software van Process Mining kan de processen eenvoudig inzichtelijk maken en doet dit ook nog eens visueel, waardoor meteen te zien is hoe het proces eruit ziet. Door de aanwezige data in de software te zetten zagen wij dus meteen wat de gangbare route was van het telefoonverkeer.
Te zien was dat ruim de helft van de inkomende telefoontjes direct door de eerste werknemer afgehandeld wordt: First Time Right. Hieraan was dus meteen te zien dat dit niet overeenkomt met hun doelstelling, namelijk een FTR-percentage van 95%.
Om te kijken hoe dit FTR-percentage verhoogd kan worden doken wij dieper de data in. Hierin was te zien dat een specifiek team onevenredig veel telefonie doorgeschakeld krijgt. Dit zou drie oorzaken kunnen hebben: een onduidelijk keuzemenu, onduidelijkheid binnen afdelingen over de verantwoordelijkheden van andere teams of een verouderd doorschakelsysteem. Als er een onduidelijk keuzemenu is, weten klanten niet goed welke optie zij moeten kiezen en kunnen zij al snel bij de verkeerde afdeling terecht komen. Het zou ook kunnen dat afdelingen zelf niet weten welk team waarvoor verantwoordelijk is en dus zelf ook vaak verkeerd doorverbinden. Het was namelijk te zien dat teams vaak doorschakelen naar verschillende andere teams. En dit misschien een beetje met het idee van ‘’’die weet het vast wel’’. Als laatste is het ook mogelijk dat de nummers die in een doorschakelsysteem staan oud zijn en dat er eigenlijk naar een ander team of werknemer doorgeschakeld moet worden.
De reden hierachter kan tot in detail nagegaan worden met behulp van Process Mining en de vele analysemogelijkheden die de software biedt. Het is hierbij echter wel van belang dat er genoeg geschakeld wordt met werknemers om de uitkomsten van de analyse bij hen te verifiëren en hier verder op in te gaan. Process Mining is dus niet een oplossing die je op zichzelf moet gebruiken, maar alleen als onderdeel van een geheel verbeteringsproces. Zo wordt bij deze serviceorganisatie nu hard gewerkt aan het verhogen van het FTR-percentage. Zij geven trainingen aan de werknemers zodat zij ook taken van elkaar kunnen overnemen, leggen duidelijk uit wat wiens verantwoordelijkheid is zodat er goed doorgeschakeld gaat worden en zij vernieuwen het doorschakelsysteem.
Met Process Mining is het mogelijk om het proces per beller inzichtelijk te maken, waardoor eenvoudig te herleiden is waardoor de wachttijd wordt veroorzaakt. Na onze eerste analyse werd duidelijk dat ongeveer een kwart van de inkomende telefoontjes binnen de streeftijd van 15 seconden wordt opgenomen. Dit is ver onder het doel van 95%. Maar hoe komt dit dan precies? Het blijkt dat dit grotendeels door het huidige telefoniesysteem komt. Het kost dit systeem te lang om de telefoontjes te verwerken, waardoor de telefoon pas te laat overgaat bij een werknemer. Dus het systeem maakt het voor de werknemers heel moeilijk om binnen 15 seconden op te nemen. Daarnaast was te zien dat de pieken in oproepen niet overeenkomen met de pieken in de beschikbaarheid van werknemers, wat leidt tot onderbezetting en langere wachttijden.
Maar wat is dan de beste aanpak om deze problemen op te lossen? Onze klant heeft ervoor gekozen om met werknemers in gesprek te gaan om het gemakkelijker te maken om telefonisch beschikbaar te zijn als er vanuit huis wordt gewerkt en zijn er vaste telefoniediensten per team opgericht. Met onze rootsin Lean Six Sigma zoeken wij altijd eerst naar de eenvoudigste en goedkoopste oplossingen voor problemen die zich voordoen. Pas als deze niet effectief genoeg zijn, gaan wij over op duurdere oplossingen, zoals een nieuw telefoniesysteem in dit geval.
En wat betekent dit dan voor mijn organisatie?
Door de inzichten die verkregen zijn met de analyses van Process Mining kan deze serviceorganisatie werkelijk feiten gebruiken om hun doelen te behalen. Het was voorheen zeer ingewikkeld om telefoniedata te analyseren, maar met Process Mining wordt dit een stuk eenvoudiger. Wil jij ook vergaande inzichten krijgen in je processen? Denk dan eens na over de optie van Process Mining en Lean Six Sigma! Wij geven hier verschillende trainingen in. Voor overige vragen kun je natuurlijk ook altijd contact met ons opnemen.
