TECNOLOGÍA archivos - Reingeniería Digital

Tecnología para la digitalización de procesos (XIII): Business Activity Monitoring (BAM)

Publicada en 11 abril, 201911 abril, 2019 por Ignacio G.R. Gavilán

Continuamos con nuestra revisión de tecnologías usadas en digitalización de procesos de negocio y continuamos con el camino iniciado en el post anterior dedicado a Business Intelligence en que, más que tecnologías orientadas a la implementación y automatización de procesos, miramos a las que nos permiten conocer, analizar y decidir sobre esos procesos. Hoy, en concreto, hablamos de Business Activity Monitoring (BAM).

¿Qué es el Business Activity Monitoring?

El término Business Activity Monitoring fue acuñado por Gartner y se refiere a la monitorización en tiempo real de indicadores y parámetros de negocio.

Es muy importante, y diferencial, lo del funcionamiento en tiempo real ya que en muchos sentidos eso es lo que diferencia al Business Activity Monitoring del Business Intelligence que veíamos en el artículo anterior.

De hecho, en ambos casos, BAM y Business Intelligence, tenemos una herramienta que recopila datos de otros sistemas, digamos BPMS (‘Business Process Management Systems’) o Sistemas de Gestión empresarial (ERP/CRM), los une, procesa y muestra como conjunto de indicadores y gráficos en un cuadro de control digital (‘dashboard‘) más o menos navegable mediante ‘drill-down’ y otros mecanismos.

Sin embargo, tradicionalmente, el Business Intelligence, dada la voluminosa carga de datos que tiene que realizar, trabaja con un cierto decalaje, con frecuencia con datos del día anterior. Sin embargo, el objetivo de BAM es trabajar en tiempo real.

¿Cómo se consigue?

Funcionamiento de BAM

Muchas soluciones BAM están ligadas a soluciones BPMS. Lo que hacen es, de alguna manera, introducir una suerte de sondas en el proceso, es decir, puntos en que cuando se pasa por ellos se genera un mensaje que es recibido por la herramienta BAM. A partide ahí la herramienta BAM trabaja de forma parecida a un Business Intelligence: integra datos de diversas fuentes, los unifica y procesa y obtiene indicadores, gráficos e informes.

Esta forma de trabajar tiene alguna consecuencia. Por un lado, que para introducir esas sondas debe modificarse el flujo, lo cual hace que sea un mecanismo invasivo y que, además, la monitorización posterior deba tenerse en cuenta en el diseño e implementación del flujo.

Por otro lado, que en general trabaja con mucha menos información que el Business Intelligence. De alguna forma, ese es el precio a pagar por la disponibilidad de indicadores en tiempo real.

Esto que hemos comentado, y que es el funcionamiento tradicional de Business Activity Monitoring, puede hoy en día plantearse de otras formas. Se puede, por ejemplo, trabajar de forma desacoplada sobre logs generados por los sistemas, de forma que no sea necesario introducir esas sondas en el diseño, aunque siempre hay que asegurarse de que esos logs disponen de la información que se precisa.

Sobre todo, y más importante, con el avance en computación distribuida ligada a Big Data y con técnicas de Complex Event Processing (CEP) se puede cada vez conseguir mayor información en tiempo real o cuasi real y sin tener que modificar los flujos.

Acerca del futuro del BAM

Por todo lo anterior, el futuro del BAM como concepto, es decir la monitorización en tiempo real es muy grande, por no decir que casi, casi es una realidad, por lo menos a nivel de capacidad tecnológica (no tanto de implementación u adopción reales).

Eso si, la implementación parece lógico que tienda a alejarse del mecanismo de sondas del procesos y escasos datos que describíamos hace un momento, para centrarse en tecnologías más avanzadas capaces de manejar más datos de forma no invasiva y en tiempo real o cuasi real.

Conclusiones

BAM, Business Activity Monitorig es un tipo de soluciones que proporcionan información en tiempo real del negocio, fundamentalmente de la ejecución de sus procesos.

En su implementación, se ha partido de mecanismos invasivos y que manejan pocos datos pero se avanza hacia soluciones no invasivas y capaces de tratar más información.

Artículos anteriores relacionados

Imagen de cabecera: asawin en PxHere

Tecnología para la digitalización de procesos (XII). Business Intelligence

Publicada en 28 marzo, 201911 abril, 2019 por Ignacio G.R. Gavilán

Puede parecer que el Business Intelligence no es exactamente una tecnología para digitalización de procesos. Y es cierto que no es una tecnología específica del mundo de los procesos y la automatización, y es cierto también que no entra en el núcleo de lo que son los procesos (la coordinación de actividades para conseguir un resultado de negocio) y la automatización completa o parcial de sus tareas.

Sin embargo, el Business Intelligence, como alguna otra tecnología que veremos en futuros artículos, permite conocer y analizar el estado y desempeño de los procesos y, en ese sentido, la consideramos una tecnología más que relevante en la digitalización de los procesos.

¿Qué es Business Intelligence?

El Business Intelligence lo podemos considerar como las tecnologías que permiten obtener informes, indicadores y análisis a partir de grandes cantidades de datos.

¿En qué se ha traducido eso históricamente desde un punto de vista tecnológico?

Casi cualquier sistema, y en concreto, cualquier sistema que automatice procesos, dispone de una base de datos, una base de datos que históricamente ha sido predominantemente de tipo relacional.

En teoría, podemos obtener informes e indicadores, simplemente, consultando vía SQL esa base de datos. Esto, sin embargo, presenta dos tipos de problemas:

Prestaciones: ya que, el hacer informes implica consultas ‘pesadas’ que bloquean muchos registros de la base de datos y ralentizan, por tanto, otras inserciones y actualizaciones y, por ende, la ejecución de los procesos. Además, la estructura interna de una base de datos relacional no es la más adecuada para las necesidades de elaboración de gran parte de los informes habituales.
Usabilidad: ya que acceder a los datos mediante consultas SQL está al alcance de desarrolladores y algún usuario avanzado, pero no del público general.

Para atacar el problema de las prestaciones lo que se hace es algún tipo de réplica en una base de datos que es la que se utiliza realmente para la elaboración de informes y análisis en profundidad. En el caso más sencillo, es una réplica exacta del modelo relacional, y estaríamos hablando de un ODS (‘Operational Data Store‘).

Con frecuencia, además, la base de datos para informes transforma el modelo de datos a lo que se denomina un modelo dimensional que es el más apropiado para informes del tipo ‘Dame las ventas tanto por país, como producto y segmento de clientes‘ donde un mismo dato (que se llama ‘hecho‘), en nuestro caso las ventas, se mira desde múltiples perspectivas (que se llaman ‘dimensiones‘), en nuestro caso paises, productos y segmentos.

Este tipo de base de datos es la que se utiliza habitualmente en los denominados datamarts y datawarehouses.

El problema de la usabilidad se resuelve, habitualmente, mediante la creación de una capa intermedia de objetos con significado de negocio y herramientas que los manejan de una forma gráfica, semigráfica o, al menos, asistida. Ese nivel intermedio sería lo que, por ejemplo, en su momento se denominó ‘universos’ en la herramienta Business Objects.

Hoy en día existen también herramientas que resuelven de forma muy satisfactoria, tanto por la facilidad de uso como por la potencia gráfica, la visualización de datos con base en unos datos externos a los que se conectan o que importan de manera sencilla. Sería el caso de, por poner algún ejemplo, el PowerBI de Microsoft o Tableau.

¿Qué puede aportar Business Intelligence a la digitalización de procesos?

Business Intelligence aporta en la digitalización de procesos lo mismo que a cualquiera de sus otros ámbitos de aplicación: informes, indicadores, análisis…conocimiento, en definitiva.

Específicamente, en el mundo de los procesos podemos obtener indicadores típicos de proceso como tiempos medios de operación extremo a extremo, tiempos de cada actividad, ejecuciones de cada rama de proceso, número de casos por tipologías, etc,

Además, y para cada proceso concreto, se podrían obtener datos propios de aquella parte del negocio que estén gestionando. Así, por ejemplo, para un proceso de gestión de reclamaciones, podríamos hacer análisis del volumen de reclamaciones por región, segmento de cliente, causa raíz, etc o en la gestión de averías de equipos de cualquier tipo, podr´´iamos analizar los fabricantes o modelos con más averías.

Las posibilidades son inmensas y lo que aporta al negocio y a la gestión por un lado, y al propio entendimiento del proceso real y posibilidades de mejora, es enorme.

Por eso, sin ser Business Intelligence una disciplina específica de procesos, la consideramos como una herramienta más, y muy potente, para la digitalización de procesos.

La evolución del Business Intelligence

Aunque con los mismos objetivos y utilidad que las expresadas más arriba, desde el punto de vista tecnológico y de capacidades, el Business Intelligence ha evolucionado con los años.

Así, por ejemplo, y con la aparición del Big Data se incorporan con fuerza bases de datos no relacionales (como, por ejemplo, MongoDB o ElasticSearch), la capacidad de tratar con mayor facilidad datos semiestructurados y la viabilidad de tratar en tiempo real o cuasi real volúmenes de datos mucho mayores. De eso nos ocuparemos en otro artículo.

Igualmente, el análisis de datos específicos de los procesos a partir de ‘logs’ da lugar a una disciplina, con cada vez mayor fuerza: el Process Mining de la que también nos ocuparemos próximamente.

Otras tecnologías de monitorización, análisis y reporting

Aparte de Business Intelligence, existe alguna otra forma de gestionar desde un punto de vista tecnológico la información de procesos. Así, y como hemos visto en la sección anterior, tenemos el BigData o el Process Mining, a lo que podemos añadir, por ejemplo, la monitorización en tiempo real mediante BAM (‘Business Activity Monitoring‘).

Hay, por tanto, toda una serie de tecnologías complementarias que nos permiten, no tanto el automatizar o digitalizar el proceso en sí como monitorizarlo, analizarlo y conocerlo, especialmente desde el punto de vista de negocio y de su operación.

Conclusiones

Business Intelligence es una disciplina, ya con años de historia, que se utiliza para obtener indicadores, informes y análisis de datos.

No se trata de una tecnología específica para procesos pero puede aportar muchísimo en materia de seguimiento ejecutivo, monitorización así como conocimiento y análisis aunque no es la única tecnología en esta faceta.

Artículos anteriores relacionados

Tecnología para la digitalización de procesos (XI): Sistemas de Gestión de Reglas de Negocio (BRMS)

Publicada en 14 marzo, 201914 marzo, 2019 por Ignacio G.R. Gavilán

En este ya largo paseo por las tecnologías utilizadas en digitalización de procesos, hoy nos detenemos en un tipo de soluciones que nos permiten gestionar de forma independiente y más flexible las llamadas reglas de negocio: los Sistemas de Gestión de Reglas de Negocio o Business Rules Management Systems (BRMS).

Se trata de soluciones con una ya larga historia pero que, en cierto modo, continúan siendo soluciones de nicho

Primero, lo primero: ¿Qué es una regla de negocio?

De forma sencilla, podemos decir que una regla de negocio es un criterio claro de decisión que, con base a una información o parámetros de entrada, adopta una decisión como salida.

Imaginemos, por ejemplo un call center virtual que, de cara a una atención 7×24, dispone de equipos de agentes en España, América e India, algunos de ellos capaces de hablar de forma fluida en Castellano, Catalán, Gallego, Euskera e Inglés y que, además, se encuentran agrupados por su conocimiento en distintos temas.

Si queremos estructurar a qué grupo de agentes pasar una llamada entrante deberemos saber el origen de la llamada para intentar deducir si proviene de España (y de qué región) y con ello seleccionar un agente con capacidad de hablar en el idioma adecuado. Además, nos importa la hora de llamada porque según sea ésta, se atenderá la llamada desde el equipo del país que se encuentre en horario laboral. Finalmente, es relevante el asunto (que el cliente elegiría de un menú corto en un IVR) para poder asignar un agente con los conocimientos técnicos adecuados.

Es decir, ante una llamada entrante tenemos tres parámetros; origen de la llamada, hora de la llamada y asunto a tratar. Y la decisión a tomar es, con base en esos parámetros, qué agente o grupo de agentes debería atender la llamada. Los criterios que marcan la decisión serían las reglas de negocio. Una de esas reglas nos diría que si la llamada se produce a entre las 9:00 y las 17:00 hora española, desde un número fijo de prefijo +034 983 y como asunto una reclamación de facturación, la llamada se pasaría al Call Center de España y, en concreto, al grupo de reclamaciones y, dentro de éste a uno de los agentes con dominio del Catalán.

Otros ejemplos de reglas de negocio nos podrían marcar, por ejemplo, los criterios para conceder un préstamo, la prioridad a asignar a una avería, la concesión de un día libre y así un larguísimo etcétera.

Este tipo de decisiones se encuentran de alguna forma empotradas en multitud de procesos de negocio, por lo que al automatizar o digitalizar esos procesos, debemos también automatizar este tipo de decisiones o aplicación de reglas de negocio.

¿Y qué es un BRMS?

Un BRMS (Business Rule Management System) no es más que un software dedicado, específicamente a la definición y ejecución de reglas de negocio.

Es decir, se trata de un software donde un usuario con los conocimientos y permisos adecuados, puede definir en detalle las reglas de negocio que aplican a una situación concreta (en nuestro ejemplo, todas las opciones posibles de asignación de llamadas entrantes) y, una vez definidas esas reglas, ese mismo software las ejecutará cada vez que se produzca la situación o evento (en nuestro caso la llamada entrante) que fuerza la decisión.

La lógica tras los BRMS

Las reglas de negocio siempre existen y cuando automatizamos, de una forma u otra, las tenemos que introducir en el software de automatización. Si no hacemos nada especial, esas reglas de negocio estarían escritas ‘a fuego‘ en el código que gestiona el proceso de que se trate (gestión de llamadas, concesión de préstamos, gestión de averías, etc).

Lo que aporta la existencia de BRMS como producto diferenciado es que esas reglas pasan a tener entidad propia y, sobre todo, a ser configurables y por personas de negocio (que son quienes tienen los conocimientos y la autoridad sobre esas reglas), no por los desarrolladores del software. Se independiza la gestión de las reglas del desarrollo software.

En cierto sentido, los BRMS son a las reglas de negocio, lo que los BPMS a los procesos de negocio.

¿Cómo funciona un BRMS?

Para entender cómo funciona un BRMS, acudimos a la figura de abajo, procedente de la documentaci´ón de OpenRules que, además, en la figura, lo pone en relación con un BPMS.

Vemos que tenemos, abajo en la parte central un repositorio de reglas (business rules repository) que no deja de ser una base de datos donde almacenamos las reglas definidas.

Existe una herramienta para la edición de reglas de negocio (rules authoring and maintenance). Una herramienta que es importante que sea lo más sencilla posible en su interfaz, que hable el lenguaje del negocio y que pueda ser usada cómodamente por responsables de negocio.

Además, existen otras herramientas de gestión, por ejemplo, para gestionar el ciclo de vida o aprobación de reglas.

Existe, además, el motor de reglas (rule engine) que es el que sabe interpretar el contenido del repositorio de reglas y, ante un evento que marca la necesidad de decidir, localizar y ejecutar la regla aplicable a ese caso concreto y proporcionar la decisión que aplique.

No es del todo evidente en la figura pero en general, los BRMS deben proporcionar capacidades de integración para ser invocados externamente, por ejemplo, por un BPMS usando servicios SOA.

¿Còmo funcionaría este típico escenario de integración BPMS y BRMS?

El BPMS ejecutaría normalmente el proceso que tiene definido. Cuando el proceso llegase a una actividad que implicase una decisión basada en reglas, invocaría, a través de los servicios de interacción SOA, al motor de ejecución de reglas pasándole el valor de los parámetros que aplican a esta decisión concreta. El motor de reglas, usando esos datos, buscaría en el repositorio de reglas cuál es la aplicable en este caso y, una vez localizada, la ejecutaría con los parámetros concretos del caso. Con ello obtendría una decisión que comunicaría, de nuevo a través de los servicios SOA, a la tarea del BPMS… y éste continuaría aplicando en el proceso la decisión que el BRMS le ha indicado.

Presentaciones de un BRMS

La idea de un BRMS la podemos encontrar en la práctica de diversas formas.

Puede ser, en primer lugar, un producto diferenciado, tanto comercial como de software libre y es cuando mejor hace honor al nombre BRMS (porque, realmente, sería un sistema con personalidad propia).

Sin embargo, es también frecuente que, más que tratarse de un producto diferenciado, constituya un módulo integrado en un BPMS, en una Suite SOA o incluso en un sistema de gestión empresarial ERP o CRM.

También es posible encontrarlos en forma de APIs reutilizables.

En algún caso muy especial, como el ejemplo de la gestión de llamadas, lo podemos encontrar dentro del software de gestión de un ACD (Automatic Call DIstributor).

No obstante, sea cual sea la presentación, si se respeta el que las reglas son entidades sometidas a gestión y que son configurables en tiempo de ejecución, preferiblemente por personas de negocio, lo podríamos seguir considerando un BRMS, puesto que aporta las principales características y ventajas que de ellos se esperan.

Mirando al futuro: qué puede aportar la inteligencia artificial

Decíamos al principio que las reglas de negocio implicaban criterios claros de decisión. Eso quiere decir que las reglas son estrictas, formulables de forma indudable y de una aplicación que no ofrece dudas.

Así es lo normal y, en general, así es como debemos esperar encontrarlas.

Sin embargo, el auge de la inteligencia artificial y el machine learning abren la puerta a un tipo de BRMS especial, que podríamos denominar cognitivo, donde el motor de ejecución sea esencialmente un algoritmo de machine learning, las reglas más que editarlas se ‘enseñen’ aplicando los algoritmos de aprendizaje propios del algoritmo de machine learning seleccionado y el repositorio de reglas, más que las reglas propiamente dichas, tendría el ajuste de parámetros del algoritmo.

El funcionamiento de cara al sistema externo que invoca al BRMS, digamos el BPMS, es exactamente igual y la función del BRMS también. Sin embargo, el funcionamiento interno sería completamente diferente y, seguramente, las decisiones que adoptaría también lo serían en muchos casos.

Conclusiones

Los BRMS son elementos software (sean sistemas por derecho propio o módulos de sistemas de más alcance) cuya misión es gestionar de manera explícita las reglas de negocio, haciéndolas configurables en tiempo de ejecución por personas de negocio y desligándolas, por tanto, del desarrollo software.

Aunque se trata de un tipo de software ya con una larga historia, el auge actual de la inteligencia artificial y el machine learning los puede hacer evolucionar hacia mecanismos cognitivos mucho más avanzados.

Artículos anteriores relacionados

Tecnología para la digitalización de procesos (X): Data Capture

Publicada en 7 marzo, 20197 marzo, 2019 por Ignacio G.R. Gavilán

En este post vamos a mencionar, siquiera brevemente, un conjunto de tecnologías que se conocen como Data Capture o, en sus versiones más avanzadas Intelligent Data Capture, un tipo de soluciones orientadas a capturar información y datos de todo tipo de fuentes, digitales o no, y estructuradas o no, e integrarlas en un procesamiento informático.

¿Qué es Data Capture?

Sin pretender una definición académica, podemos decir que Data Capture es la obtención de información apta para su procesamiento digital a partir de todo tipo de fuentes, sean éstas digitales o no.

De lo que se trata es de incorporar a nuestros sistemas, la información procedente de fuentes diversas tal y como correos electrónicos, documentos en papel, documentos ofimáticos, social media, etc

Esta información, una vez digitalizada, analizada y convertida a datos estructurados, puede ser ya procesada normalmente por los sistemas de información habituales entre los que se encuentran muchos de los usados en automatización de procesos de negocio y que hemos comentado en este mismo blog como, por ejemplo, los sistemas de gestión empresarial (ERP o CRM), los sistemas de gestión documental, los sistemas de gestión de procesos de negocio (BPMS), o los sistemas de gestión de casos.

Tecnologías en Data Capture

En realidad, Data Capture no es una tecnología sino un conjunto variado de tecnologías que se suelen incorporar en productos o soluciones que las integran. Algunas de estas tecnologías son:

Escaneado: Simplemente, el ya conocido y ampliamente utilizado mecanismo de escaneado y digitalización de documentos.
Bar Code Recognition: Lectura de códigos de barras, donde podríamos incluir tambiñen, y como extensión natural, la lectura de códigos QR.
OCR (Optical Character Recognition): Es decir, el reconocimiento de caracteres producidos por una máquina.
ICR (Intelligent Character Recognition): Reconocimiento de caracteres escritos manualmente por humanos.
OMR (Optical Mark Recognition): Reconocimiento de marcas como, en su caso más típico, tendríamos en el caso de los exámenes tipo test automatizados.
IDR (Intelligent Document Recognition): Un tipo de soluciones de más alto nivel capaz de reconocer y clasificar tipos de documentos con base a información como metadatos, logos, etc.
etc

Intelligent Data Capture: ¿Qué aporta la Inteligencia Artificial?

Algunas de las tecnologías incluidas en data Capture ya llevan muchos años entre nosotros, como por ejemplo el OCR, la lectura de códigos de barras o el procesamiento de marcas..

Sin embargo, en los últimos años, con el desarrollo y la aplicación de técnicas procedentes de la inteligencia artificial y el machine learning, han aumentado sus capacidades para el tratamiento y entendimiento del lenguaje natural (contenido, por ejemplo, en correos electrónicos), para la obtención de información a partir de imágenes y, en general, para el tratamiento de información en fuentes desestructuradas o débilmente estructuradas.

Data Capture y Automatización Robótica de Procesos

Las tecnologías de captura de datos colaboran especialmente bien dentro de las soluciones de automatización robótica de procesos (RPA), dado que el trabajo más frecuente de los robots tiene que ver con el trabajo con pantallas de aplicaciones por un lado y con documentos por otro. En esta segunda parte, documentos, las soluciones de Data Capture juegan un papel esencial.

Como ejemplo de esta colaboración, la plataforma de UiPath, el líder en RPA y del cual Reingeniería Digital es partner, incorpora la solución de Data Capture de ABBYY (Abbyy Flexicapture).

Conclusiones

Data Capture es un conjunto variado de tecnologías orientadas a digitalizar, analizar, y reconocer información procedente de fuentes diversas, en formato estructurado o no estructurado, e incorporarla al tratamiento informático.

Este tipo de soluciones, aunque también se ofrecen por separado, pueden venir incrustadas como parte de otros productos como, por ejemplo, plataformas de RPA.

Artículos anteriores relacionados

Tecnología para la digitalización de procesos (IX): Workforce management y field service

Publicada en 14 febrero, 20197 marzo, 2019 por Ignacio G.R. Gavilán

En el post de hoy nos vamos a detener en lo que, quizá, más que una tecnología como tal, es una funcionalidad basada en tecnología y presente en las soluciones de mercado con distintos formatos. Hablamos de las soluciones de Workforce management (gestión de fuerza de trabajo) que, muchas veces, adoptan la forma de soluciones de servicio de campo (‘field service‘).

¿Qué es una solución de workforce management?

Cuando hablamos de fuerza de trabajo en este contexto, pensamos en grupos humanos de bastante tamaño (decenas o centenas de personas), que ejecutan tareas masivas más o menos homogéneas, de corta duración y que, con frecuencia, la ejecución implica desplazamiento físico de las personas al lugar donde deben realizar la tarea.

Estamos hablando, por ejemplo, de flotas dedicadas a entregas de paquetería, de equipos de técnicos dedicados a la realización de instalaciones o resolución de averías en campo, de técnicos que realizan mediciones in situ de gas o electricidad, o incluso de fuerzas de ventas que visitan a gran numero de clientes. Y también aplicaría a alguna situación que no se realiza en campo, como podría ser la gestión de los trabajos en un Contact Center.

El objetivo de las soluciones de workforce management es registrar, gestionar, monitorizar y, sobre todo, optimizar ese tipo de trabajos. Dado que estamos hablando de tareas masivas y que implican a muchas personas, son actividades con alto coste para la empresa y en las que, por tanto, es muy importante conseguir la máxima eficiencia.

Eso sí, dado el carácter homogéneo de las tareas a realizar, se prestan bien a una automatización al menos parcial y también a la aplicación de algoritmia procedente del campo de la investigación de operaciones.

A esas tareas homogéneas y de corta duración a gestionar, las vamos a denominar, en lo que sigue, órdenes de trabajo (nomenclatura frecuente en estos ámbitos).

Funcionalidad habitual

¿Qué debe hacer una solución de workforce management?

Funcionalidades que podemos considerar habituales de este tipo de soluciones son:

Administración de los trabajadores y recursos asociados: por una parte debe poderse administrar la plantilla asociada a estos trabajos. Esa administración incluiría, por supuesto, el alta y baja de trabajadores, pero también la configuración de grupos, horarios y turnos, la gesti´´ón de habilidades y capacidades de la plantilla que sean relevantes para la asignación de órdenes de trabajo, la gestión de indisponibilidades por enfermedad, incapacidad temporal, etc. En el apartado de recursos asociados podríamos hablar del censo y asignación de recursos tales como vehículos, herramientas especializadas, etc.

Gestión automatizada de la asignación de tareas: unos de los focos de las soluciones de workforce management es la automatización de distribución y asignación de las órdenes de trabajo (en ocasiones denominado despacho) entre los profesionales disponibles. Aunque el objetivo debe ser la automatización completa, también suelen proveer de herramientas informáticas para la asignación manual de tareas por un usuario haciendo labores de coordinación de equipos.

Gestión del ciclo de vida de las órdenes de trabajo: gestión de la creación y cierre de las órdenes de trabajo, así como otras acciones intermedias como retención, reasignación, etc.

Optimización de rutas: para aquellos casos en que los profesionales deban moverse fuera de oficina, en entornos tanto rurales como urbanos, algunas soluciones aportan algoritmos de optimización de las rutas a seguir, acortando distancias y, sobre todo, tiempos de desplazamiento y, eventualmente, consumo de combustible.

Monitorización e informes: es decir, seguimiento operativo por un lado de la actividad diaria, detección de incumplimientos de SLA, detección de sobrecargas, etc Y análisis más ejecutivo y estratégico de la actividad a nivel semanal, mensual, etc incluyendo medidas de tiempos de operación, eficiencia, satisfacción de cliente, etc

¿Cómo se puede presentar una solución de workforce management?

Las soluciones de workforce management las podemos encontrar en diversas presentaciones y formatos.

Lo más común es que se presenten como módulos específicos dentro de sistemas de gestión empresarial, tanto ERPs como CRMs, donde suelen adoptar un nombre que, de alguna forma, incluye el término ‘field service‘ ya que normalmente están orientados a trabajos en calle.

Pero también es posible, encontrarlas como productos especializados, tanto como aplicaciones como, de forma muy especializada, tal vez como librerías o APIs con los algoritmos más complejos de investigación de operaciones.

Y, aunque quizá no le sea el campo más propio, lo podríamos ver como un caso especial de Case Management.

De todas formas, y aunque la funcionalidad que ofrecen es muy importante, no se ven demasiado frecuentemente como una categoría de producto diferenciado por lo que puede ser necesaria una cierta investigación de mercado.

Elementos habituales y diferenciales

Desde un punto de vista tecnico, los elementos más diferenciales de este tipo de soluciones respecto a otras con las que guardan bastante similitudes, serían:

Algoritmia de optimización: es lo que realmente las hace más diferenciales. Lo realmente especial de estas soluciones es disponer de los algoritmos (como hemos dicho, normalmente procedentes del campo de la investigación de operaciones) para la asignación óptima y automatizada de órdenes de de trabajo y optimización de rutas que consigan una verdadera eficiencia.

Geolocalización y georouting: para el caso más habitual, a saber, que estemos gestionando una fuerza de trabajo de campo, si queremos poder seguir en tiempo real dónde se encuentra cada unidad, necesitamos geolocalización pero, además, si queremos optimizar rutas de desplazamiento, debemos complementarlo con georouting que optimice rutas con información, incluso, de naturaleza topográfica.

Movilidad: evidentemente, para el caso de fuerzas de campo, es importante poder trabajar en movilidad, desde smartphone, tablet, o laptop, con una interfaz de usuario muy ergonómica y lo más sencilla posible y previendo que, según el ámbito de aplicación, pueden perderse las comunicaciones por lo que el sistema debería ser capaz de funcionar tanto en modo conectado como desconectado.

Conclusiones

En resumen, las soluciones de Workforce management y field service, están orientadas a la gestión y, sobre todo, optimización de grupos humanos de trabajo que gestionan muchas tareas pero homogéneas y de corta duración.

Se suelen presentar como módulos de otro tipo de soluciones y una adecuada explotación de sus capacidades puede conducir a grandes eficiencias, mejoras de tiempos de operación y ahorros en costes.

Artículos anteriores relacionados

Tecnologías de proceso y tecnologías de tarea

Publicada en 7 febrero, 20196 febrero, 2019 por Ignacio G.R. Gavilán

Hacemos un breve alto en el camino antes de proseguir con unos pocos artículos más en que continuaremos hablando de las tecnologías que se pueden utilizar en la digitalización de procesos.

Y hacemos ese alto para hacer una diferenciación que no tiene sitio en la literatura especializada pero que nosotros quisiéramos reseñar, especialmente a tenor de las tecnologías que revisaremos en próximos artículos.

Lo cierto es que casi cualquier tecnología digital es susceptible de ser utilizada, de alguna manera, para digitalizar procesos o, más bien, alguna parte de ellos. Por eso quisiéramos distinguir entre lo que denominamos tecnologías de proceso de aquellas tecnologías que denominaremos de tarea, insistiendo que es una visión particular nuestra.

Llamamos tecnología de proceso a aquellas tecnologías que tienen como objetivo los procesos vistos extremo a extremo y con una cierta ‘conciencia’ de la existencia de ese proceso. La tecnología por excelencia que cumple con esa definición es, sin lugar a duda, la de los BPMS. Probablemente sea la única que, dicho con rigurosidad, se pueda considerar una tecnología de proceso. Sin embargo, no parece descabellado incluir dentro de este paraguas, también, a los sistemas de gestión empresarial (ERPs, y CRMs), al Case Management o al ITSM.

Por el contrario, hay tecnologías que sirven para realizar ciertos trabajos, ciertas tareas específicas. Pero, en general, esas tareas formarán parte, sea esto más o menos explícito, de algún proceso. En la medida que esas tecnologías ayudan a digitalizar o automatizar tareas de un proceso, se deben tener en cuenta como candidatas a ser usadas en la automatización y en la digitalización. Pero preferimos, en este caso, denominarlas tecnologías de tarea. Dentro de este paraguas incluiríamos también a tecnologías que, quizá, automatizan varias tareas, o una secuencia de ellos o, incluso, algún subproceso, pero no procesos extremo a extremo. Aquí cabría casi cualquier tecnología pero, de las que hemos visto, hablaríamos de los chatbots (tareas de interfaz con usuario), de Complex Evennt Processing (tratamiento de eventos), la inteligencia artificial, y algunas otras que iremos viendo como workforce management, blockchain/smart contracts, etc.

Las fronteras no son claras, pero en general no cuesta trabajo, creemos, entender la diferenciación, al menos en su filosofía subyacente.

Quizá la tecnología de más difícil clasificación sea Robotic Process Automation (RPA). En su aplicación más natural, tiende a ser una tecnología de tarea, aunque con cierta tendencia a asumir subprocesos y no sólo tareas simples. Sin embargo, RPA tiene el potencial técnico de, aunque sea forzando un poco su filosofía, llegar a digitalizar procesos extremo a extremo. De momento nos parece más acertado clasificarla como tecnología de tarea… y estar muy atentos a su evolución.

Se trata, no obstante, esta distinción entre tecnologías de proceso y de tarea, más bien una forma de entenderse y ayudar a entender las tecnologías y lo que significan. A la hora de la aplicación en una reingeniería digital de procesos, no importan tanto su clasificación sino su impacto en el negocio, su adecuación a la labor de digitalización que se pretende y su facilidad o no de implantación.

Continuemos…

Tecnología para la digitalización de procesos (VIII). Qué tiene que decir la Inteligencia Artificial.

Publicada en 24 enero, 201924 enero, 2019 por Ignacio G.R. Gavilán

Aunque la Inteligencia Artificial no es propiamente una tecnología orientada a procesos de negocio, sí que está ya realizando más que interesantes aportaciones al campo de la automatización y las perspectivas son de que puede ganar mucho más peso específico.

Vamos a ver en este artículo algunas ideas sobre lo que puede hacer la inteligencia artificial en el mundo de los procesos.

Primero lo primero: ¿Qué es la inteligencia artificial?

Lo primero es centrar qué es eso de la inteligencia artificial.

Lo cierto es que se trata de un área tecnológica de fronteras poco definidas y que agrupa algoritmias de muy diferente naturaleza con el objetivo común de emular, de alguna manera, capacidades cognitivas propias de los humanos. Dentro de la inteligencia artificial se suele incluir el Machine Learning, a su vez un conjunto heterogéneo de algoritmos con la característica común en todos ellos de su capacidad para aprender, ya sea a través de pares (entrada-resultado correcto), aprendizaje supervisado, ya sea mediante el descubrimiento autónomo de patrones, aprendizaje no supervisado, o ya sea mediante el ensayo y error ligado a una recompensa/castigo, aprendizaje por refuerzo.

Dentro del campo del Machine Learning se incluyen algoritmos como las redes bayesianas, regresión logística, seuencias temporales, K-means y, lo que son la ‘estrella’ hoy día, las redes neuronales incluyendo su variante Deep Learning.

Quizá, lo más diferencial de los algoritmos de Inteligencia Artificial sea, precisamente, su capacidad de aprendizaje y adaptación autónoma así como la resolución de problemas complejos de fronteras poco claras.

Tareas automatizables con la ayuda de la inteligencia artificial

Como sabemos, en un proceso de negocio se encadenan diferentes tareas o actividades que, coordinadamente, producen un valor de negocio. Existen soluciones tecnológicas para automatización orientadas hacia una visión del proceso extremo a extremo (siendo el caso paradigmático el de los Business Process Management Systems (BPMS) de los que ya hemos hablado. En otros casos, las tecnologías nos ayudan a automatizar algunas de esas tareas específicas, sin preocuparnos de la visión extremo a extremo.

Ahora mismo, la Inteligencia Artificial está en esta última situación: la de permitir automatizar tareas concretas, dentro de un proceso de negocio.

¿Qué tipo de tareas?

Aunque existen posibilidades adicionales, el gran éxito de los últimos años de la Inteligencia Artificial se centra mucho en la ‘sustitución’ de las capacidades sensoriales y lingüísticas de los humanos, es decir, más que el pensamiento como tal, hablamos de visión artificial, hablamos de reconocimiento de voz y del tratamiento del lenguaje natural (NLP, Natural Language Processing) y del entendimiento de ese lenguaje natural (NLU, Natural Language Understanding). Y añadiríamos también, la capacidad de clasificar correctamente las entradas (lo que se puede utilizar, por ejemplo, ligado a la visión para la clasificación de imágenes). Todas estas capacidades están ya muy desarrolladas y maduras y, en cualquier proceso en que hoy día necesitemos que un humano reconozca imágenes (por ejemplo, lectura de matrículas de automóviles, reconocimiento facial, etc) o que reciba instrucciones por voz, podemos pensar en sustituir la labor humana o las soluciones software más primitivas, por módulos basados en inteligencia artificial.

Robots software e inteligencia artificial

En la práctica, una de las formas más comunes de emplear la inteligencia artificial en la digitalización de procesos, no es directamente sino a través de otras tecnologías más amplias que se apoyan en ella. En concreto, ya en este blog hemos hablado de las dos más relevantes y que tiene que ver con los bots, los robots software.

Por un lado tenemos la Automatización Robótica de Procesos (RPA, Robotic Process Automation) que utiliza elementos de inteligencia artificial para tareas como reconocimiento óptico de caracteres (OCR, Optical Character Recognition) inteligente, normalmente para la lectura y extracción de información de documentos poco estructurados o reconocimiento de imágenes, también para el tratamiento de documentos poco estructurados o para trabajo con aplicaciones a las que accedemos mediante escritorios virtualizados, tipo Citrix.

Por otro lado, hablaríamos de chatbots e interfaces conversacionales donde se utiliza la inteligencia artificial muy especialmente para las interfaces por voz, incluyendo el reconocimiento de voz, el tratamiento y entendimiento del lenguaje natural y la síntesis de voz aunque puede encontrar otros usos como el análisis de sentimiento y de intenciones o la gestión de conversaciones complejas.

Hacia una inteligencia superior

Sin embargo, la aspiración, y lo que más excita la fantasía, es que podamos introducir de alguna forma la capacidad de análisis y de pensamiento en los procesos, que podamos automatizar aquellas decisiones que suponen un análisis complejo y que actualmente, con frecuencia, se realizan por personas o mediante aplicación de reglas de negocio configurables que tienden a simplificar el problema.

En este área nos debería de ayudar toda la algoritmia incluida en el campo del Machine Learning. No parece lejano (de hecho, seguramente ya existen algunas implementaciones, al menos incipientes), aplicar inteligencia artificial en temas como el ‘scoring‘ de riesgo en el sector de asegurador o al diagn´óstico de averías en infraestructuras técnicas como, por ejemplo, redes de telecomunicaciones o equipos complejos, por ejemplo del ámbito industrial. Y ya se habla también del diagnóstico de enfermedades, aunque se plantea más como una ayuda al médico que como una solución autónoma.

Mucho por ver

Hemos visto ya avances increíbles en el campo de la inteligencia artificial en los últimos años y no cabe duda de que aún nos queda mucho por ver.

A medida que la inteligencia artificial progrese, veremos, seguramente, aparte de la consolidación de las soluciones como las actuales de tratamiento de imágenes, voz y lenguaje natural, el crecimiento de soluciones de, si se nos permite decirlo, ‘auténtica inteligencia‘, que permitirán automatizar, probablemente mejorando incluso las capacidades actuales, tareas hasta ahora reservadas a los humanos.

Con ello, podríamos ir eliminando cada vez más las denominadas tareas de usuario en los procesos y sustituirlas por tareas automáticas, consiguiendo espectaculares mejoras en tiempos de operación, pero también en precisión, en eliminación de errores y en calidad.

Conclusiones

La inteligencia Artificial es un campo algo borroso y heterogéneo de técnicas que permiten emular el pensamiento humano incluyendo, sobre todo, el aprendizaje y la capacidad de adaptación autónomos.

No se trata de una tecnología específica de automatización de procesos pero sí que permite automatizar tareas específicas de los procesos. En concreto, hoy día ya se utiliza mucho en lo relativo a la visión artificial, reconocimiento de voz y tratamiento del lenguaje natural. En muchos casos, estos usos se hacen a través de otras tecnologías como RPA y chatbots.

De cara al futuro cabe esperar, aparte de otras posibles sorpresas, avances y aplicaciones más orientadas al pensamiento, el análisis y la decisión.

Sin duda, nos queda mucho por ver y mucho por lo que sorprendernos.

Artículos anteriores relacionados

Imagen de cabecera: Gerd Leonhard en Flickr.

Tecnología para la digitalización de procesos de negocio (VII): IT Service Management

Publicada en 17 enero, 201917 enero, 2019 por Ignacio G.R. Gavilán

En esta nuestra singladura a lo largo de las diferentes soluciones tecnológicas para digitalizar procesos de negocio, hoy tratamos unas soluciones que podríamos considerar de nicho en cuanto al área de aplicación, aunque no por ello pensemos que se trata de un tipo de soluciones marginales, porque sí cabe encontrarlas con cierta frecuencia en departamentos de tecnología o sistemas. Nos referimos a las soluciones denominadas IT Service Management (ITSM).

¿Qué es el IT Service Management?

Podemos decir que el IT Service Management es una disciplina orientada a la gestión del ciclo de vida completo de servicios basados en Tecnologías de la Información incluyendo desde su diseño y desarrollo hasta su despliegue y operación.

Esto es aplicable, por ejemplo, a la gestión del ciclo de vida de un sistema desarrollado a medida dentro de una gran organización, o a la gestión de un software ofrecido en modo SaaS (Software as a Service) en la nube, o al mantenimiento de la planta microinformática (desktop y laptop) de una compañía… y así un largo etcétera.

Como parte del IT Service Mangement se definen políticas, buenas prácticas, procedimientos, funciones, etc. Pero, sin duda, la estrella del IT Service Management, y lo que más nos interesa a nosotros, son los procesos de negocio para la gestión del ciclo de vida de servicios TI.

¿De qué procesos hablamos?

Aunque en teoría puede haber otras alternativas, la mayor parte de las soluciones de ITSM se centran en los procesos definidos en ITIL. En ITIL se reconocen una veintena larga de procesos agrupados en cinco áreas de proceso, tal y como se puede observar en la figura:

No vamos a revisarlos todos pero, a modo de ejemplo, comentaremos brevemente estos cuatro que son la columna vertebral de la operación de los servicios:

Incident management: gestiona las incidencias en el servicio, típicamente denunciadas por el usuario recurriendo a la función denominada service desk. El objetivo fundamental de este proceso es restaurar cuanto antes el normal funcionamiento del servicio, incluso si para ello tiene que recurrir a soluciones transitorias (‘workarounds‘) que se deben revisar posteriormente.

Problem management: este proceso se relaciona bastante con el anterior, pero en este caso lo que se trata es de resolver problemáticas profundas (que en general se manifiestan en forma de incidentes) mediante un análisis más riguroso en busca de lo que se denomina la ‘causa raíz‘ (digamos que el verdadero motivo de todos los males) y encontrar para ella una solución que debe ser ya definitiva.

Event Management: Es el tratamiento de lo que se denomina eventos, es decir, las alertas o notificaciones que se generan normalmente por una solución de monitorización de las infraestructuras TI. Estos eventos pueden ser meros avisos perfectamente descartables, pero también nos pueden estar indicando la presencia de incidentes y/o problemas.

Request fulfillment: Es el proceso mediante el cual se atiende a peticiones del cliente / usuario (por ejemplo, la instalación en un PC de una nueva aplicación corporativa o el aumento de memoria en un entorno virtualizado)

Las soluciones ITSM

Existen en el mercado varias soluciones ITSM. En su concepción heredan en cierto sentido la filosofía de los sistemas de gestión empresarial, en el sentido de ofrecer unos procesos y una funcionalidad ‘predefinidos’ que luego se parametrizan para su adaptación a una empresa concreta. Pero en su construcción suelen proceder del desarrollo sobre una herramienta de case management o de BPMS/workflow. y en teoría, aunque no podemos considerarlo práctica común, en lo relativo a Event Management también pueden apoyarse en tecnología CEP (Complex Event Processing).

Adicionalmente, y aparte de la implementación de los procesos, deben incluir más cosas para dar un verdadero soporte ITIL / ITSM. Así, por ejemplo, incluyen el módulo CMDB (‘Configuration Management Data Base‘) el cual podemos entender como un inventario de infraestructura TI (hardware y software) aunque cualquier entendido en ITIL nos dirá, con razón, que es algo más que eso, conteniendo, por ejemplo, información también sobre niveles de servicio.

Además, este tipo de soluciones que, tradicionalmente, y como es lógico, se instalaban ‘on-premises‘, es decir, en el Centro de Proceso de Datos de la empresa, cada vez más tienden a prestarse desde la nube según el modelo SaaS (Software as a Service).

La ventaja de una solución ITSM

Las ventajas e inconvenientes de una solución ‘paquetizada’ que sólo debemos parametrizar, como suele ser el caso de las soluciones ITSM, son las mismas que para cualquier otro paquete como pueden ser los de software empresarial.

Por un lado, disponemos de unas mejores prácticas ya construidas en los procesos y una, en teoría, mayor rapidez de despliegue. Por contra, tenemos una cierta rigidez en la funcionalidad disponible, la dificultad para diferenciarnos y, desgraciadamente, un precio que no suele ser bajo.

En el caso de ITSM, sin embargo, conviene decir que realmente no suele ser muy necesaria una diferenciación, ya que los procesos de gestión TI no suelen ser los que influyen en la posición competitiva y lo que se quiere realmente es que sean muy efectivos y muy eficientes, pero sin especiales originalidades.

Por otro lado, el cumplimiento con ITIL que estas herramientas traen consigo, lleva como consecuencia inmediata la facilidad para conseguir una certificación ISO 20000 muy valorada por ciertos clientes.

Conclusiones

Las soluciones IT Service Management ofrecen productos parametrizables para soportar los procesos propios de la gestión de servicios TI, normalmente siguiendo las buenas prácticas establecidas por ITIL.

En su filosofía y construcción se suelen apoyar en otras tecnologías de gestión de procesos de negocio y constituyen una buen punto de apoyo para conseguir una certificación ISO 20000.

Artículos anteriores relacionados

Imagen de cabecera: Blue Coat en Flickr

Tecnología para la digitalización de procesos (VI). Gestión de casos (case management)

Publicada en 29 noviembre, 201829 noviembre, 2018 por Ignacio G.R. Gavilán

Aunque cuando hablamos en procesos de negocio y automatización, tendemos a pensar, y con buenos motivos para ello, en una estructuración de tareas muy clara, con unos pasos y unas secuencias muy bien definidas, lo cierto es que existen procesos de negocio que no permiten esa identificación rigurosa y a priori de las tareas que se van a realizar sino que éstas se van determinando a medida que avanza el proceso. Por eso surge la Gestión de casos (‘Case Management‘ o ‘Adaptive Case Management‘) que es de lo que nos ocupamos en este artículo.

Procesos que se definen sobre la marcha

Cuando gestionamos un caso, sabemos qué tarea tenemos que hacer en ese momento y, cuando la hemos finalizado, sabemos cuál va a ser la siguiente. Sin embargo, al comienzo del proceso no podemos conocer cuál va a ser la secuencia completa de tareas que lo van a conformar.

Veamos un ejemplo.

Un caso puede ser una persona, un paciente, que acude a un centro sanitario con algún tipo de molestia o síntoma. Cuando el paciente llega al centro sanitario, podemos saber que lo primero que hay que hacer es registrarle y lo siguiente es que un médico realice una primera valoración. Sin embargo, hasta que no se realice esa valoración, no sabemos qué es lo siguiente que puede pasar. A lo mejor el médico le receta algún tipo de medicamento y le indica que puede volver a su casa. O, tal vez, el médico decida solicitar una o varias pruebas diagnósticas. ¿Qué sucede una vez se recibe el resultado de esas pruebas? De nuevo, depende. Según el resultado, es posible que el médico decida solicitar nuevas pruebas, o pueda concluir que no hay ningún problema grave y se puede permitir al paciente volver a su casa o, por el contrario, puede decidir que es necesario ingresar. Y así sucesivamente…

Dado que hasta que no se termina una tarea no se puede saber cuál es la siguiente y dado que además, las posibles opciones son muy abundantes (piénsese, por ejemplo, cuántas pruebas puede solicitar un médico), no tiene sentido definir y automatizar un workflow riguroso y perfectamente estructurado como haríamos normalmente tanto en un sistema de gestión empresarial como, sobre todo, en un BPMS.

¿Qu´é otros procesos reales se construyen sobre la marcha y pertenecen por tanto al ámbito de la gestión de casos? Sin ánimo de ser exhaustivos, algunos otros escenarios que llevan a una gestión de casos podrían ser:

Tratamiento de averías de redes de telecomunicaciones u otras infraestructuras complejas
Tratamiento de reclamaciones de cliente
Una investigación policial
Un caso judicial
etc

La metáfora de la carpeta

Una forma de entender un caso es algo así como un expediente o una carpeta en donde vamos introduciendo toda la nueva información de que vamos disponiendo y con base en esa información, vamos realizando nuevas acciones.

Todo el que trabaja en ‘el caso’ tiene accesos a la información de la carpeta y la puede enriquecer con nuevos documentos

¿Cómo se automatizan los casos?

Cuando queremos automatizar el tratamiento de casos lo fundamental que tenemos que hacer es, por una parte, ofrecer una forma de almacén ordenado de toda la información que se va recogiendo del caso (del paciente, de la avería, de la investigación). Esto vendría a ser, hacer el correlato informático de la carpeta. Por otro lado, necesitamos una manera estructurada de crear y asignar nuevas tareas al actor que corresponda para continuar con el tratamiento del caso.

Visto como usuario, el tratar con un sistema de gestión de casos no es muy diferente a tratar con un BPMS o un workflow. La cosa sería más o menos como sigue:

El usuario entra en el sistema. Allí dispone de una bandeja de tareas donde recibe todos los trabajos que tiene que realizar para los diferentes casos en curso y que le afectan (por ejemplo, si se trata de un laboratorio de un hospital, todas las pruebas diagnósticas pendientes).

Cuando decide acometer una tarea, accede a ella desde la lista de tareas y, en general, se le abrirá una ventana/formulario donde el usuario conocerá toda la información relevante del caso y tendrá claro qué es lo que debe hacer. Ese usuario acometerá la tarea (que con frecuencia implicar hacer acciones fuera del sistema) y, cuando finaliza, actualiza la información nueva que sea de interés e indica que ha terminado y, tal vez, quien tiene que hacer qué a continuación.

En algunos escenarios, el usuario necesitará delegar tareas en otros usuarios (por ejemplo, ante una reclamación, el responsable de gestionarla puede necesitar información del departamento legal, o del de contabilidad o del comercial)

Cuando finaliza su tarea, es posible que el sistema tenga definidas unas reglas que, en función de la información disponible, puedan decidir qué es lo siguiente que hay que hacer. En otros casos será el propio usuario el que indique cuál es el siguiente paso y quién lo debe hacer.

Incluso, en ocasiones, el usuario, tras analizar la información disponible puede decidir que no es él la persona o grupo adecuado para gestionarlo. Así por ejemplo, en un esquema de atención a cliente (Call Center) con dos niveles, el operador de nivel 1 que realiza una primera valoración del problema denunciado por el cliente (supongamos, por ejemplo, una queja de no funcionamiento de un servicio de telecomunicación) asigna el caso a un grupo de nivel 2 (digamos a un departamento técnico) que ese operador de nivel 1 entiende es el más adecuado para tratar la denuncia del cliente. Sin embargo, cuando ese nivel 2 examina el caso observa que no hay tales problemas técnicos y sin embargo, no se ha comprobado si el cliente está al corriente de pago, así que decide pasar el expediente, la tarea, al departamento de cobros).

Al final, y como se desprende de todo lo anterior, la automatización de casos se apoya en un sistema que:

Permite abrir, evolucionar y cerrar casos
Permite almacenar y consultar de forma estructurada la información de los casos
Permite generar tareas asociadas para gestionar los casos. Esas tareas en algunas situaciones se pueden determinar automáticamente según reglas pero en otros escenarios son los propios usuarios los que deciden su creaci`ón
Permite asignar tareas a personas o grupos que se pueden configurar en el sistema. De nuevo, esa asignación de tareas a personas o grupos pueden en ciertas situaciones determinarse con base en reglas y, en otros, por contra, decidirlo el propio usuario.
Permite a los usuarios o grupos acceder a sus tareas pendientes mediante una lista de tareas o mecanismo similar.

Existen soluciones en el mercado que disponen de todas estas funcionalidades y que no difieren en exceso de un BPMS (de hecho, puede ser perfectamente una funcionalidad ofrecida por un BPMS). Hay soluciones que se posicionan como de gestión de casos pero también hay muchos productos que, sin hablar explícitamente de gestión de casos, lo soportan para ciertos escenarios. Así, existe gestión de casos embebida en software empresarial de tipo ERP y CRM y también software especializado para ciertos ámbitos y que, en el fondo, no es más que una forma de tratamiento de casos como, por ejemplo, los sistemas que automatizan los procesos ITIL, varios de cuyos procesos realmente son gestión de casos.

En el fondo, la gestión de casos es casi más una tipología de procesos de negocio que un problema tecnológico. La gestión de casos nos habla de procesos de negocio, orientados a trabajadores del conocimiento, que no pueden ser completamente definidos a priori en tiempo de definición o análisis sino que se construyen sobre la marcha en tiempo de ejecución. Desde un punto de vista tecnológico, y aunque existen herramientas especializadas, la gestión de casos puede venir incluida como parte de otras soluciones de digitalización de procesos.

Conclusiones

La gestión de casos es una forma de tratamiento de procesos de negocio fundamentalmente orientados a trabajadores del conocimiento y que se caracterizan porque el proceso no puede ser completamente definido a priori sino que se construye sobre la marcha en tiempo de ejecución.

De cara a su automatización, existen en el mercado productos especializados en gestión de casos pero también es común que entre las capacidades de software empresarial, BPMS o productos especializados se incluya la gestión de casos.

Artículos anteriores relacionados

Imagen: Mike en Pexels

Tecnología para la digitalización de procesos (V). Complex Event Processing (CEP)

Publicada en 22 noviembre, 201822 noviembre, 2018 por Ignacio G.R. Gavilán

En nuestro recorrido por las soluciones tecnológicas para la automatización y digitalización de procesos de negocio, hoy le toca el turno a una tecnología compleja y bastante especializada: el procesamiento de eventos complejos o Complex Event Processing (CEP).

¿Qué es el Procesamiento de Eventos Complejos?

Si atendemos a la definición de Wikipedia, el procesamiento de eventos (event processing) sería:

un método de trazado y análisis (procesado) de flujos de información (datos) acerca de cosas sucesos que ocurren (eventos).

Al añadir el adjetivo complejo la definición pasaría a ser:

El procesamiento de eventos que combina datos de muchas fuentes para inferir patrones u otros eventos que sugieren circunstancias más complejas que las evidentes.

Es decir, al mero procesamiento de eventos, añadimos el que éstos pueden provenir de muchas fuentes y, sobre todo, que de ellos se pueden inferir patrones de comportamiento u otros eventos más complejos y menos evidentes.

Se trata de un conjunto de técnicas que se aplican en general, para el tratamiento de eventos masivos (en el sentido de que se producen a una tasa muy alta) y entre los que puede existir una cierta correlación ya sea con los eventos en curso o con los ocurridos en el pasado.

Para intentar hacer el concepto algo más comprensible digamos que los eventos de que podemos estar hablando pueden ser, por ejemplo, llamadas a un call center, alarmas en elementos de redes de comunicaciones, variaciones en cotizaciones de acciones, publicaciones en medios sociales como Twitter, etc.

En los casos anteriores cada llamada, cada alarma, cada modificación en una cotización o cada mensaje es por sí mismo un evento. Pero se trata de eventos que se producen en gran cantidad (hay muchísimas llamadas, alarmas de red, variaciones de cotización o tweets) y es posible que existan correlaciones o tendencias que nos permitan conocer de una forma más completa patrones subyacentes en cuanto al estado de la red, las tendencias en las cotizaciones o qué las afecta, o los trending topic y qué los crea.

Así, y en un ejemplo fácil de entender, si detectamos repentinamente muchas alarmas de red en una zona, estamos ante una avería masiva (quizá porque se ha cortado una fibra de transporte) o si repentinamente las cotizaciones de todos los valores en un mercado comienzan a caer, es fácil pensar que ha ocurrido algo o quizá incluso que un robot se está dedicando a vender masivamente.

Relación con BPM

No es que CEP (Complex Event Processing) sea específicamente una técnica de gestión de procesos de negocio pero sí se puede aplicar en este ámbito de una forma muy fructífera.

Se puede aplicar como herramienta de análisis a posteriori para estudiar las relaciones entre diferentes instancias de procesos disparados por eventos e intentar deducir mejoras o estrategias hacia una visión más holística.

Pero también se puede aplicar en tiempo real en una instancia de proceso para intentar correlar el evento que ha disparado el proceso con otros similares e intentar dar una respuesta coordinada.

Así, por ejemplo, en el mundo de la monitorización de infraestructuras (sean éstas redes de comunicaciones o eléctricas o sistemas de información, etc) las sondas que monitorizan esas infraestructuras generan abundancia de eventos alertando de errores o de condiciones sospechosas o que requieren atención, como la superación de umbrales predefinidos (temperatura, humedad, presión…), congestiones, cambios de estado, etc.

Estos eventos deben ser procesados por las instancias de proceso correspondiente. Sin embargo, con frecuencia, diferentes eventos tienen una misma causa raíz, por lo que es muy interesante aplicar CEP para correlar eventos y realizar análisis de diagnóstico y resolución coordinados en caso de que la causa raíz sea la misma o la forma de solucionarlo sea común.

También, en el caso por ejemplo de que una avalancha de eventos se determine que corresponde a una avería masiva con afectación para muchos clientes, se pueden disparar medidas proactivas para avisar, bien directamente a los clientes, bien emitir un comunicado público o bien avisar a los canales de atención a cliente.

Algunas aplicaciones

Ya hemos mencionado algunas aplicaciones de CEP en el ámbito de la gestión de procesos, como es el caso del mantenimiento de infraestructuras.

En una línea muy parecida, se entiende CEP como un habilitador importante de Internet de las Cosas y, en general, de los sistemas ciber-físicos de amplia utilización en el ámbito de la llamada Industria 4.0. La idea es muy similar a la vista en mantenimiento de infraestructuras: tenemos una multitud de sensores y sondas enviando información sobre eventos. Un tratamiento inteligente de esos eventos implicar un análisis y correlación que es el objetivo precisamente de CEP.

Otros posibles usos sería en los mercados de activos financieros, fundamentalmente acciones, que hoy en día operan en tiempo real. Un análisis de lo que está ocurriendo y, sobre todo, una respuesta automatizada (compra, venta o emisión de alarmas para humanos) se beneficia enormemente del uso de CEP.

Hoy en día, el mundo de los medios sociales ofrecen otro campo muy interesante para el uso de CEP ya sea como análisis a posteriori ya sea para, por ejemplo, detectar tendencias e incluso, y unido a técnicas de análisis de sentimiento, crisis de reputación. Esto puede llevar a acciones automatizadas, ya sea de respuesta, ya sea de escalado preventivo a responsables humanos.

Y éstos son tan solo algunos ejemplos.

Conclusiones

Complex Event Processing es una técnica algorítmica compleja que permite el tratamiento de flujos de eventos masivos entre los cuales pueden existir correlaciones y patrones ocultos cuyo descubrimiento nos permite un mayor conocimiento y, sobre todo, un mejor tratamiento de esos eventos.

Sin ser una técnica excluiva de la gestión de procesos, sí que ofrece interesantísimas aplicaciones en el mundo de la monitorización de infraestructuras, intercambios de activos financieros, Internet de las Cosas y, en general, en el caso de procesos de negocio que reaccionan ante eventos que se producen en flujos masivos y no independientes.

Artículos anteriores relacionados

Imagen: Pixabay. Dominio Público.