Il Problema: Ogni Azienda Pensa di Conoscere i Propri Processi
Chiedi al responsabile operations di una PMI italiana come funziona il processo di evasione degli ordini, e riceverai una risposta precisa: dall'ordine cliente alla spedizione in X giorni, con questi passaggi, con queste responsabilità. Il processo è documentato, le procedure sono chiare, il team le segue.
Poi guardi i dati reali. E la realtà è quasi sempre molto diversa dal modello teorico. Una parte degli ordini viene gestita con una variante del processo "standard" che non è documentata da nessuna parte. Un'altra parte passa attraverso eccezioni manuali che richiedono molto più tempo. Alcuni ordini tornano indietro almeno una volta per correzioni. E il collo di bottiglia principale non è dove tutti pensano che sia, ma in un passaggio di approvazione intermedio che nessuno aveva considerato critico.
Questa è la rivelazione tipica che emerge da un progetto di process mining: non che l'azienda faccia le cose in modo sbagliato, ma che le faccia in modo molto più complesso, variabile e costoso di quanto chiunque all'interno credesse. E che le opportunità di miglioramento più grandi si trovino esattamente dove nessuno stava guardando.
Cos'è il Process Mining e Come Funziona
Il process mining è una disciplina che usa i dati transazionali già presenti nei sistemi informativi aziendali (ERP, CRM, software gestionali) per ricostruire automaticamente come i processi vengono effettivamente eseguiti. Non si basa su interviste ai manager o su documentazione teorica, ma su tracce digitali reali: ogni volta che un utente compie un'azione nel sistema — crea un ordine, approva una fattura, chiude un ticket — lascia un timestamp e un identificativo che il processo mining usa per ricostruire il flusso completo.
Le tre fasi fondamentali del process mining sono:
- Process Discovery (Scoperta): a partire dagli event log dei sistemi, l'algoritmo ricostruisce automaticamente il grafico di tutti i percorsi reali seguiti dai casi (ordini, richieste, ticket, fatture). Il risultato è spesso sorprendente: invece del processo lineare che ci si aspettava, emerge una rete complessa di varianti, loop e bypass.
- Conformance Checking (Verifica di Conformità): il processo reale viene confrontato con il processo "as-should-be" definito dalle procedure aziendali. Il sistema identifica automaticamente dove e con quale frequenza il processo reale devia da quello atteso, e quantifica l'impatto di ogni deviazione.
- Enhancement (Potenziamento): usando i dati sul tempo, le risorse e i costi associati a ogni step, il sistema identifica i colli di bottiglia, le attività a basso valore e le opportunità di ottimizzazione prioritizzate per impatto potenziale.
riduzione possibile dei tempi di gestione ordini con l'automazione — dato di mercato (Anitec-Assinform 2025)
ore/mese per persona liberabili da attività ripetitive di back-office (Anitec-Assinform/Confindustria 2025)
le aziende che usano già l'AI tutti i giorni con almeno il 40% degli esperimenti portati in produzione: per le altre la maggior parte degli esperimenti si ferma prima (Deloitte 2026, p.8)
I 3 Tipi di Inefficienza che il Process Mining Trova Sempre
Applicato ai processi delle PMI, il process mining fa emergere sistematicamente tre categorie di inefficienza, indipendentemente dal settore o dalla dimensione aziendale:
1. Colli di Bottiglia Nascosti
Ogni processo ha un punto in cui il lavoro si accumula e rallenta. Il process mining lo trova sempre, e quasi sempre è in un posto diverso da quello in cui i manager pensano che sia. Tipicamente si tratta di un passaggio di approvazione, di un trasferimento tra reparti o di una dipendenza da una risorsa condivisa che non è stata identificata come critica.
2. Rework e Loop Nascosti
Il rework — fare e rifare lo stesso lavoro — è uno degli sprechi più costosi e meno visibili. Nella gestione ordini una parte degli ordini richiede almeno una modifica dopo l'inserimento; nella fatturazione una quota di fatture viene respinta e riemessa. Sono sprechi che quasi nessuno tiene sotto controllo: il process mining li quantifica, misurando volume e costo reale di questo rework nascosto.
3. Process Drift e Varianti Non Autorizzate
Nel tempo, i processi tendono a "derivare" rispetto al loro design originale. I collaboratori trovano scorciatoie, sviluppano workaround per problemi ricorrenti, creano varianti informali del processo standard. Alcune di queste varianti sono intelligenti e andrebbero formalizzate; altre sono rischiose e andrebbero corrette. Il process mining le identifica tutte, con la frequenza e l'impatto di ciascuna.
Dal Dato alla Decisione: Come Usare i Risultati
Il process mining produce un volume di insight che può essere travolgente se non si ha un framework per la prioritizzazione. Il metodo che consigliamo è semplice: per ogni inefficienza identificata, calcolare due metriche — l'impatto economico stimato (tempo perso × costo orario × frequenza) e la complessità di intervento — e costruire una matrice 2x2 per identificare i quick win ad alto impatto e bassa complessità.
I quick win tipici del process mining includono: eliminazione di step di approvazione ridondanti (poche settimane di redesign per una riduzione concreta del lead time), automazione di attività di data entry ripetitive, standardizzazione delle varianti del processo che producono lo stesso output ma con tempi molto diversi.
"Non puoi ottimizzare ciò che non vedi. Il process mining ti fa vedere tutto: non come vuoi che sia, ma come è davvero."
Un Esempio Tipico: la Gestione Ordini E-commerce
Prendiamo un processo comune nelle PMI: l'evasione degli ordini e-commerce. Quando si applica il process mining a un flusso del genere, il tipo di criticità che emerge è quasi sempre lo stesso — e quasi mai dove ci si aspetta:
- Gli ordini vengono assegnati a magazzinieri già sovraccarichi, perché il sistema di assegnazione non considera il carico di lavoro in tempo reale.
- Un passaggio di "verifica disponibilità" resta obbligatorio su tutti gli ordini, anche quando è ridondante per i prodotti sempre a stock.
- Le eccezioni — per esempio gli ordini con prodotti in backorder — vengono gestite manualmente via email, accumulando ore di ritardo.
Una volta viste, queste criticità si aggrediscono con redesign e automazione mirati. Quanto si recupera dipende dai dati e dal processo, e va misurato prima e dopo l'intervento: è il nostro metodo, non una promessa a priori. Per dare un ordine di grandezza pubblico su cosa può muoversi quando l'AI aggredisce un singolo collo di bottiglia operativo, sull'attività di preventivazione i tempi possono scendere del 40-90%, con il caso limite documentato di Pusterla 1880 (packaging) intorno al -90% (Anitec-Assinform 2025). Non è un nostro cliente: è un dato da report pubblico, utile per calibrare le aspettative su basi reali.
Prerequisiti Tecnici e Organizzativi per Iniziare
Il process mining non richiede infrastrutture particolari, ma ha alcune condizioni necessarie:
- Event log di qualità: i sistemi informativi devono registrare eventi con timestamp precisi e identificativi univoci dei casi. La maggior parte degli ERP e CRM moderni lo fa già nativamente.
- Almeno 6-12 mesi di dati: per avere un campione statisticamente significativo che copra le variazioni stagionali e le eccezioni rare ma rilevanti.
- Sponsor interno con autorità decisionale: i risultati del process mining spesso evidenziano inefficienze che hanno cause organizzative o politiche. Serve qualcuno con l'autorità per intervenire.
- Apertura al cambiamento: il process mining mostra la realtà senza filtri. Non tutte le organizzazioni sono pronte ad accettare che i propri processi siano significativamente diversi da come li descrivono le procedure ufficiali.
Founder di KEONSE e Lean Six Sigma Green Belt. Aiuto le PMI italiane a portare l'AI nei processi reali: prima misuro dove si perde tempo e margine, poi automatizzo con l'AI e misuro i risultati, prima e dopo.
Domande frequenti
Che cos'è il process mining e perché dovrebbe interessare a una PMI?
Il process mining usa i dati che i tuoi sistemi (ERP, CRM, gestionale) già registrano per ricostruire come i processi funzionano davvero, non come sono descritti nelle procedure. Ogni volta che qualcuno crea un ordine o approva una fattura lascia una traccia con data e ora: il process mining unisce queste tracce e mostra il flusso reale. Serve perché quasi sempre la realtà è più complessa, variabile e costosa di quanto in azienda si creda.
Il process mining scopre inefficienze che non riesco a vedere da solo?
Sì, è esattamente il suo scopo. Emergono in modo sistematico tre tipi di spreco: colli di bottiglia nascosti, quasi sempre in un punto diverso da dove i responsabili pensano; rework, cioè lavoro rifatto più volte, come ordini da correggere o fatture respinte e riemesse; e process drift, le varianti informali che il team crea nel tempo. Alcune vanno formalizzate, altre corrette. Il process mining le misura tutte, con frequenza e impatto di ciascuna.
Serve un software costoso o nuovi sistemi per iniziare?
No, il process mining non richiede infrastrutture particolari. Lavora sui dati transazionali che ERP, CRM e gestionali moderni già registrano nativamente. Le condizioni reali sono altre: event log affidabili con data, ora e identificativo del caso, almeno 6-12 mesi di storico per coprire stagionalità ed eccezioni rare, e uno sponsor interno con l'autorità per intervenire dove emergono i problemi. Prima misuriamo il processo esistente, poi decidiamo cosa vale la pena ottimizzare.
Da dove arrivano i dati e devo cambiare come lavora il mio team?
I dati arrivano dalle tracce digitali che il team lascia già lavorando: ogni azione nei sistemi, come creare un ordine, approvare una fattura o chiudere un ticket, registra un timestamp e un identificativo del caso. Il process mining le ricostruisce senza interviste e senza cambiare il modo di lavorare delle persone. Non si parte da come pensi che funzioni il processo, ma dai fatti registrati. È il presupposto per ottimizzare su basi reali, non su impressioni.
Una volta trovate le inefficienze, come arrivo a risultati concreti?
Si prioritizza. Per ogni inefficienza si stima l'impatto economico, cioè tempo perso per costo orario per frequenza, e la complessità di intervento, poi si parte dai quick win ad alto impatto e bassa complessità: eliminare approvazioni ridondanti, standardizzare le varianti, automatizzare il data entry ripetitivo. È il nostro metodo: prima misuriamo il processo, poi ottimizziamo, infine automatizziamo con supervisione umana. Sulla gestione ordini le automazioni possono ridurre i tempi del 30-60% (Anitec-Assinform 2025).
Se vuoi scoprire dove si nascondono le inefficienze nei tuoi processi chiave, prenota un confronto operativo con KEONSE e partiamo dai tuoi dati reali.
