Event log quality-driven PPI assessment in collaborative processes

Business process management represents a valuable discipline for organizations and, among its objectives, the evaluation of effectiveness and efficiency of managed business processes is crucial to pursue strategic and operational goals. Process Performance Indicators (PPIs), which are a particular class of Key Performance Indicators (KPIs), are responsible for performing this assessment and, by capturing relevant aspects of business processes, provide managers with insights on how to improve the process itself and, therefore, the performance of the organization. A peculiar type of business processes concerns the ones that regulate the relation between the organization and external actors, such as customers, suppliers, institutional bodies. These business processes are becoming more and more relevant since, in an increasingly dynamic and complex environment, companies need to work together with these actors to satisfy their needs, meet their expectations, as much as achieving organizational goals. The just mentioned collaboration leads to the establishment of the so-called interorganizational business process, i.e., a set of joint activities carried out by the different organizations to achieve a common business goal. With respect to the internal business processes, evaluating the interorganizational performances is more challenging because the computation of the PPI requires to collect data which are distributed among the participating organizations. The goal of this work is to apply the process mining approach to improve the measurability and reliability of Process Performance Indicators. Notably, event logs - or a portion of them - are supposed to be the elements used by the organization to share, after an agreement, the data required for the PPI computation. In this way, no additional modules are required to the organization as event logs are already produced by the running systems. Nevertheless, reliability of event logs can be corrupted by the low quality of the stored data. For this purpose, we propose a framework that identifies the problems associated with the error-prone data sharing, investigates their impact on the measurability of PPIs through the data quality dimensions of accuracy, completeness, and consistency, and finally suggests possible remedial actions to mitigate these issues. In particular, the remediations aim at providing reliable values for erroneous or unavailable data stored in the event logs of the partners involved in the collaboration. To this end, we define a set of Reliable Process Indicators (RPIs) within the framework that are able to summarize the impact of the remedial actions on the value of the PPIs and on the related data quality dimensions, by also indicating the degree of corrective actions applied and the type of remediations used. A case study from the telecommunication industry concerning the installation of a DSL line is used to show a practical application of the methodology proposed.

La gestione del processo aziendale rappresenta una disciplina di rilievo per le organizzazioni e, tra i suoi obiettivi, la valutazione dell'efficacia e dell'efficienza dei processi aziendali è fondamentale per perseguire gli obiettivi strategici e operativi. I Process Performance Indicators (PPI), che sono una particolare classe di Key Performance Indicators (KPI), hanno il compito di effettuare questa valutazione e, cogliendo gli aspetti rilevanti dei processi aziendali, forniscono ai manager spunti su come migliorare il processo stesso e, dunque, le prestazioni dell'organizzazione. Una tipologia particolare di processi aziendali riguarda quelli che regolano la relazione tra l'organizzazione e gli attori esterni, come clienti, fornitori e enti istituzionali. Questi processi stanno diventando sempre più significativi poiché, in un ambiente sempre più dinamico e complesso, le aziende devono collaborare con questi attori per soddisfare i loro bisogni, rispondere alle loro aspettative, oltre che per raggiungere gli obiettivi organizzativi. La collaborazione appena descritta porta alla creazione del cosiddetto processo inter-organizzativo, ossia un insieme di attività congiunte svolte dalle diverse organizzazioni per raggiungere un obiettivo comune. Rispetto ai processi aziendali interni, la valutazione delle prestazioni inter-organizzative risulta essere più impegnativa perché il calcolo del PPI richiede la raccolta di dati distribuiti tra le organizzazioni partecipanti. L'obiettivo di questo lavoro è considerare l'approccio del process mining per migliorare la misurabilità e l'affidabilità dei Process Performance Indicators. In particolare, si suppone che gli event log - o una parte di essi - siano gli elementi utilizzati dall'organizzazione per condividere, previa negoziazione, i dati necessari per il calcolo dei PPI. In questo modo, non sono richiesti moduli aggiuntivi all'organizzazione, poiché gli event log sono già prodotti dai sistemi in uso. Tuttavia, l'affidabilità di tali event log può essere compromessa dalla bassa qualità dei dati registrati. A tal fine, proponiamo un framework che identifica i problemi associati alla condivisione dei dati soggetta a errori, studia il loro impatto sulla misurabilità dei PPI attraverso le dimensioni di qualità - quali accuratezza, completezza e coerenza - e infine suggerisce possibili azioni correttive, le cosiddette “remediations”, per mitigare tali problemi. In particolare, i rimedi mirano a fornire dei valori affidabili da sostituire ai dati errati o non disponibili memorizzati negli event log dei partner coinvolti nella collaborazione. A tal fine, definiamo nel framework una serie di Reliable Process Indicators (RPI) che sono in grado di riassumere l'impatto delle remediations sul valore dei PPI e sulle relative dimensioni di qualità, indicando anche il grado di remediations applicate e il tipo di azioni correttive utilizzate. Per mostrare un'applicazione pratica della metodologia proposta, utilizziamo un caso di studio del settore delle telecomunicazioni relativo all'installazione di una linea DSL.