Algoritmi paljastaa ongelmat

Liiketoiminnan kehittäminen on haastavaa varsinkin, jos ei tiedä, miten oma organisaatio toimii.

Vielä 15 vuotta sitten tavallisin keino kuvata ison organisaation toimintaprosesseja oli tilata paikalle konsulttiarmeija.

– Silloin prosesseja kuvattiin manuaalisesti. Mentiin kysymään vaikkapa sairaalan lääkäreiltä ja hoitajilta, että mitä teet, kun potilas tulee käsi poikki vastaanotolle, kertoo ohjelmistoyritys QPR:n Vice President Teemu Lehto.

Automaatio voi korjata prosessia jopa omin päin.

Tuolloin organisaation prosessikaavio kertoi ideaalitilanteen: miten homman kuviteltiin toimivan.

Tästä on päästy jo pitkälle. Nyt algoritmi mallintaa toimintaprosessin, prosessilouhintaohjelmisto analysoi datan ja näyttää pullonkaulat. Eikä algoritmia tarvitse muokata erikseen eri organisaatioita varten mitenkään.

– Algoritmien avulla me löydämme nykyään myös ongelmien juurisyyt ja pystymme ennustamaan tulevaisuutta, Lehto kertoo.  

Bisneksen pullonkaulat esiin

Teemu Lehdon tuore väitöskirja kertoo, miten prosessilouhinnan juurisyyanalyysi kannattaa toteuttaa.

QPR:n prosessilouhintaohjelmiston ensimmäinen versio osasi mallintaa organisaation toimintaprosessit ja näyttää niiden ongelmakohdat.

Uudet ohjelmistoversiot ovat saaneet paljon lisää älyä Lehdon väitöskirjan algoritmeista.

Mitä väitöskirjan algoritmi oikein tekee? Lehto ottaa esimerkiksi asiakastilaukset, joiden toimitukset myöhästyvät silloin tällöin.

– Algoritmi kertoo, mitkä ovat epäonnistumisten tärkeimmät tekijät: johtuuko myöhästyminen esimerkiksi asiakkaasta, tuotteesta, maantieteellisestä sijainnista tai tilauksen ajankohdasta.

Pystyimme selittämään, mitä tekoäly oikein on ajatellut.

Automaattinen juurisyyanalyysi helpottaa bisneksen pullonkauloihin puuttumista. Se paljastaa myös ajan myötä tapahtuvat muutokset. Prosessit ja toimintaympäristö kun tapaavat olla jatkuvassa muutoksessa.

QPR oli Lehdon mukaan ensimmäinen yritys, joka toi ominaisuuden ohjelmistoonsa. Nyt analyysin perusversio löytyy myös useiden kilpailijoiden tuotteista. Yksi QPR:n ohjelmiston ensimmäisistä käyttäjistä oli suomalainen Metsä Board.

Ohjelmisto on jo vuosia analysoinut yrityksen SAP-toiminnanohjausjärjestelmän dataa ja etsinyt parannuskohteita pakkausmateriaalien toimitusprosessissa.

Jo ensimmäiset analyysit johtivat siihen, että yrityksen tilaus-toimitusprosessi uusittiin entistä joustavammaksi.

Uusikaan prosessi ei lähtenyt heti rullaamaan aivan oppikirjan mukaan. Tässäkin auttoi QPR:n ohjelmisto, joka näytti pullonkaulat ja vanhat käytännöt.

– Se tunnisti pienetkin yksittäiset ongelmat: mitkä juna- tai laivayhteydet tökkivät, missä pitäisi olla välivarasto, Lehto kertoo.

Liiketoimintaprosessien parantaminen on pitkäjänteistä työtä. Nyt vuosien työ Metsä Boardilla on palkittu.

– He ovat saaneet toimitusvarmuuden korkeaksi ja kasvattaneet liikevaihtoa entisellä henkilöstöllä. Kehitystyössä on jo seuraavien askelien aika.

Prosessilouhintaohjelmisto sopii esimerkiksi tilausten käsittelyn automatisointiin.

– Automaatio voi ongelmien juurisyyt tunnistettuaan korjata prosessia jopa omin päin.

Softajulkaisu ajoi jatko-opiskelijaksi

Jatko-opiskelijaksi Teemu Lehto kirjautui vuonna 2011 pari päivää QPR:n prosessilouhintaohjelmiston julkaisun jälkeen. Ajatus väitöskirjasta oli kytenyt takaraivossa jo vuosia.

– Olin odottanut tutkimuksellisesti sopivan haastavaa kokonaisuutta, missä voisin yhdistää työn ja tutkimuksen.

Uuden ohjelmiston jatkokehitys edisti työnantajan bisnestä, mutta myös akateemisen maailman kiinnostus prosessilouhintaan kasvoi kovaa.

Lehdon oma väitöskirja keskittyi juurisyiden tunnistamisalgoritmeihin, ja kollegansa Markku Hinkan kanssa he ryhtyivät myös tutkimaan prosessilouhinnan käyttöä prosessien ongelmien ennustamisessa.

Työt etenivät samaa tahtia, ja miesten väitöstilaisuudetkin järjestettiin peräkkäisinä päivinä marraskuussa 2020.

– Nyt me pystymme paitsi selittämään, mistä liiketoimintaprosessien ongelmat johtuvat, myös ennustamaan tulevia ongelmia prosessilouhinnan avulla. Me olemme Markku Hinkan kanssa tehneet aika uraauurtavaa tutkimusta ja kehittäneet näitä algoritmeja eteenpäin, Lehto kehaisee.

Ohjelmistot analysoivat, mistä prosessin ongelmat johtuvat.

Väitöstyön heureka-hetkiä oli se, kun Lehto huomasi juurisyyalgoritminsa osaavan selittää myös tekoälyn  aivoituksia. Tekoäly on hyvä löytämään toimintaprosessien ongelmakohtia, mutta se ei oikein osaa kertoa mistä ongelmat johtuvat.

– Sairaalaprosessissa tekoäly saattaa esimerkiksi tunnistaa 10 000 potilaan joukosta muutamia erikoistapauksia. Mutta me ihmiset haluamme tietää, miksi juuri nämä ovat erikoistapauksia. Juurisyyanalyysillä pystyimme selittämään, mitä tekoäly oikein on ajatellut, Lehto kertoo.

Kasvuala vailla vertaa​

Prosessilouhintaa tutkitaan tätä nykyä kymmenissä yliopistoissa ympäri maailmaa.  Aluksi prosessien automaattinen kuvaaminen oli akateemista tutkimusta, mutta kehitys on tehnyt liiketoiminnan kehittäjiä auttavista ohjelmistoista nopeasti kasvavaa liiketoimintaa. QPR:n vuosikertomus  ennustaa 50 prosentin vuotuisia kasvulukuja.

– Enää ohjelmistot eivät vain esitä, miten organisaation prosessi toimii, vaan myös analysoivat mistä prosessin ongelmat johtuvat.

Lehto arvioi, että jo valtaosa Suomen suurimmista yrityksistä on tehnyt prosessilouhinnalla ainakin kertaluontoisen analyysin, jota voisi verrata omakotitalon kuntoarvioon.

– Nyt ollaan siirtymässä prosessilouhinnan jatkuvaan käyttöön. Kun maailma muuttuu, organisaatio saa näin jatkuvasti tietoa joka päivä ilmaantuvista uusista ongelmista.

• Lue edellinen Tie tohtoriksi -juttu: Nanopinnoite tekee ihmeitä