Process Mining: Melihat Bottleneck yang Tidak Terlihat

Perusahaan biasanya memiliki gambaran tentang bagaimana sebuah proses seharusnya berjalan.

Pesanan masuk. Sales melakukan verifikasi. Finance memberikan approval. Warehouse menyiapkan barang. Kemudian pesanan dikirim.

Di dalam SOP, alurnya terlihat sederhana.

Namun, proses yang benar-benar dijalankan pengguna setiap hari dapat sangat berbeda.

Satu pesanan menunggu approval selama dua hari. Pesanan lain dikembalikan ke sales karena data tidak lengkap. Beberapa transaksi melewati jalur khusus. Sebagian pekerjaan diselesaikan melalui spreadsheet atau chat karena sistem dianggap terlalu lambat.

Pada akhirnya, perusahaan memiliki dua proses:

proses yang dirancang dan proses yang benar-benar terjadi.

Perbedaan inilah yang ingin ditemukan melalui process mining.

Process mining menggunakan data aktivitas yang tersimpan pada sistem seperti ERP, CRM, procurement, ticketing, atau aplikasi operasional untuk merekonstruksi perjalanan sebuah proses.

Microsoft menjelaskan process mining sebagai teknologi untuk memahami bagaimana proses benar-benar dijalankan dan menemukan peluang improvement, automation, serta digitalization berdasarkan event data dari system of record. (Microsoft Process Mining)

Dengan kata lain:

Process mining tidak bertanya bagaimana proses seharusnya bekerja. Process mining melihat bagaimana proses benar-benar bekerja berdasarkan data.

Bagaimana Process Mining Bekerja?

Setiap aktivitas digital biasanya meninggalkan jejak.

Saat order dibuat, sistem menyimpan waktu pembuatan.

Saat invoice disetujui, sistem mencatat approval.

Saat pembayaran diterima, status berubah.

Jejak tersebut disebut event log.

SAP menjelaskan bahwa proses organisasi terus meninggalkan data pada sistem seperti ERP dan CRM. Process mining menganalisis jejak tersebut untuk memahami aliran proses aktual, root cause masalah, dan performance bottleneck. (SAP Signavio Process Intelligence)

Secara sederhana, event log biasanya membutuhkan setidaknya:

• Case ID — transaksi atau objek yang sedang dianalisis.
• Activity — aktivitas yang terjadi.
• Timestamp — kapan aktivitas dilakukan.

Contohnya:

Satu order merupakan satu case.

Process mining kemudian menggabungkan ribuan atau jutaan case untuk memperlihatkan pola yang sebenarnya terjadi.

Hasilnya dapat menunjukkan bahwa 70% transaksi mengikuti jalur normal, sementara sebagian lainnya berputar melalui approval, koreksi, atau aktivitas tambahan.

Inilah bagian yang sering tidak terlihat dari dashboard biasa.

Dashboard Menunjukkan Hasil, Process Mining Menunjukkan Perjalanan

Dashboard mungkin memberi tahu bahwa:

Rata-rata order selesai dalam tiga hari.

Informasi tersebut berguna.

Namun, dashboard belum tentu menjelaskan kenapa waktu tersebut mencapai tiga hari.

Process mining dapat menunjukkan:

• Tahap mana yang paling lama.
• Berapa transaksi yang mengalami rework.
• Jalur apa yang menghasilkan keterlambatan.
• Divisi atau kategori mana yang paling sering mengalami masalah.
• Aktivitas mana yang sebenarnya tidak diperlukan.
• Variasi proses apa yang terjadi.

SAP bahkan menggunakan analisis process mining untuk metrik seperti cycle time, conformance, dan rework.

Karena itu, process mining lebih dekat dengan X-ray terhadap proses bisnis daripada dashboard performa biasa.

Bottleneck Tidak Selalu Berada di Tempat yang Terlihat

Misalkan perusahaan mengetahui proses procurement membutuhkan waktu tujuh hari.

Asumsi awalnya mungkin:

Procurement team terlalu lambat.

Namun setelah proses dianalisis, masalah sebenarnya bisa berbeda.

Purchase request dibuat dalam satu hari.

Procurement juga bekerja cepat.

Tetapi 35% request dikembalikan karena cost center atau dokumen pendukung tidak lengkap.

Artinya, bottleneck sebenarnya berada sebelum procurement menerima pekerjaan.

Solusinya bukan menambah orang di procurement.

Solusinya mungkin:

• Membuat validation saat request dibuat.
• Menyederhanakan form.
• Mengintegrasikan master data.
• Memberikan warning sebelum submission.
• Mengubah approval rule.

Process mining membantu perusahaan menghindari optimasi pada titik yang salah.

Rework: Biaya yang Sering Tidak Terlihat

Salah satu insight yang sangat bernilai dari process mining adalah rework.

Rework terjadi ketika sebuah aktivitas harus dilakukan kembali.

Misalnya:

Submit → Review → Reject → Edit → Submit → Review

Secara administratif, proses tetap selesai.

Namun, setiap loop menambah:

• Waktu.
• Pekerjaan manusia.
• Kemungkinan error.
• Biaya koordinasi.
• Frustrasi pengguna.

Jika perusahaan hanya mengukur jumlah transaksi selesai, rework tersebut dapat tidak terlihat.

Microsoft pada roadmap Process Mining 2026 secara eksplisit menyediakan kemampuan seperti rework detectors, root cause analysis, process comparison, dan custom metrics untuk membantu menemukan pola tersebut.

Rework sering menjadi salah satu target terbaik sebelum automation diterapkan.

Karena mengotomatisasi proses yang penuh rework hanya membuat kesalahan bergerak lebih cepat.

Process Mining Sebelum Automation

Perusahaan sering memulai automation dengan pertanyaan:

“Bagian mana yang bisa kita otomatisasi?”

Pertanyaan yang lebih baik adalah:

“Bagian mana yang sebenarnya perlu terjadi?”

Bayangkan proses approval memiliki tujuh tahap.

Perusahaan dapat membuat automation agar seluruh tujuh tahap berlangsung lebih cepat.

Namun, process mining mungkin menemukan bahwa dua tahap hampir selalu memberikan keputusan yang sama dan tidak lagi memiliki fungsi kontrol yang jelas.

Solusi terbaik mungkin bukan mengotomatisasi tujuh approval.

Solusinya adalah menghapus dua approval, memperbaiki rule, lalu mengotomatisasi sisanya.

Ini sejalan dengan pendekatan Custom Enterprise Software Crocodic, di mana sistem dibangun mengikuti workflow bisnis yang memang dibutuhkan, bukan sekadar mendigitalkan proses manual apa adanya.

Process Mining dan AI Agent

Hubungan process mining dengan AI menjadi semakin penting.

AI agent dapat:

• Membaca data.
• Menentukan tindakan.
• Memanggil API.
• Mengirim approval.
• Memperbarui sistem.
• Menjalankan workflow.

Namun, sebelum memberikan agent kemampuan tersebut, perusahaan perlu memahami proses yang akan dijalankannya.

Survei Celonis 2026 terhadap lebih dari 1.600 business leader menemukan bahwa 85% organisasi ingin menjadi lebih agentic dalam tiga tahun, tetapi 76% mengakui proses mereka saat ini masih menjadi hambatan. (Celonis 2026 Process Optimization Report)

Ini menunjukkan masalah penting:

AI agent membutuhkan process context, bukan hanya data access.

Agent perlu mengetahui:

• Urutan aktivitas.
• Exception.
• Business rule.
• Approval.
• Dependency.
• Kondisi eskalasi.
• SLA.
• Batas authority.

Process mining dapat membantu menemukan bagian proses yang stabil dan cukup matang untuk automation atau agentic workflow.

SAP juga mulai memosisikan process mining sebagai cara memberikan end-to-end visibility dan membantu organisasi mengidentifikasi proses yang siap untuk AI agent.

Process Mining vs Task Mining

Keduanya sering dianggap sama.

Padahal fokusnya berbeda.

Process Mining

Melihat proses lintas sistem dan transaksi berdasarkan event log.

Contoh:

Order-to-Cash

Order → Approval → Fulfillment → Invoice → Payment

Task Mining

Melihat aktivitas pengguna pada level desktop atau pekerjaan individual.

Contoh:

Untuk memproses invoice, pengguna:

1. Membuka email.
2. Download PDF.
3. Membuka ERP.
4. Menyalin nomor invoice.
5. Membuka spreadsheet.
6. Memeriksa vendor.
7. Memasukkan informasi ke ERP.

Microsoft membedakan process mining untuk menemukan inefficiency pada proses organisasi, sedangkan task mining lebih cocok memahami aktivitas desktop atau tugas yang dilakukan pengguna.

Keduanya dapat digunakan bersama.

Process mining menemukan di mana masalah berada.

Task mining membantu memahami apa yang dilakukan pengguna di titik tersebut.

Apa yang Bisa Ditemukan?

Beberapa pola yang dapat dianalisis:

Cycle Time

Berapa lama sebuah proses selesai dari awal hingga akhir?

Waiting Time

Berapa lama transaksi berhenti tanpa aktivitas?

Rework

Berapa banyak aktivitas yang harus dilakukan kembali?

Process Variants

Berapa banyak jalur berbeda yang digunakan?

Conformance

Apakah proses aktual mengikuti aturan yang ditentukan?

Bottleneck

Aktivitas atau transisi mana yang memperlambat proses?

Root Cause

Apa karakteristik transaksi yang paling sering mengalami keterlambatan?

Automation Opportunity

Aktivitas mana yang berulang, stabil, dan memiliki volume tinggi?

Kapan Perusahaan Membutuhkan Process Mining?

Process mining menjadi menarik ketika:

• Volume transaksi tinggi.
• Proses berjalan pada ERP atau aplikasi enterprise.
• Banyak divisi terlibat.
• Waktu penyelesaian sulit dijelaskan.
• Banyak exception.
• SLA sering tidak tercapai.
• Manajemen memiliki laporan berbeda tentang penyebab masalah.
• Perusahaan ingin melakukan automation atau AI.
• Transformasi besar sedang direncanakan.

Contohnya:

• Order-to-cash.
• Procure-to-pay.
• Customer onboarding.
• Claims processing.
• Service ticket.
• Manufacturing.
• Logistics.
• Accounts payable.
• Loan processing.

Tetapi Tidak Semua Perusahaan Membutuhkannya

Process mining bukan selalu langkah pertama.

Jika perusahaan memiliki satu workflow sederhana dengan volume rendah dan seluruh masalah sudah terlihat jelas, workshop bersama process owner mungkin lebih efisien.

Process mining juga membutuhkan data historis yang memadai.

Microsoft menjelaskan bahwa database sering hanya menyimpan kondisi terakhir suatu record, sementara process mining membutuhkan histori event yang terjadi selama lifecycle proses.

Jika sistem tidak menyimpan timestamp dan event dengan baik, perusahaan mungkin perlu memperbaiki logging terlebih dahulu.

Jangan membeli platform process mining hanya karena teknologinya menarik.

Gunakan ketika kompleksitas dan volume proses membuat observasi manual tidak lagi cukup.

Cara Memulai Process Mining

1. Pilih Satu Proses Bernilai Tinggi

Jangan langsung menganalisis seluruh perusahaan.

Pilih proses dengan:

• Volume tinggi.
• Dampak finansial.
• Banyak keluhan.
• SLA bermasalah.
• Potensi automation.

2. Tentukan Case

Tentukan objek yang akan diikuti.

Misalnya:

• Order.
• Invoice.
• Purchase request.
• Customer ticket.
• Shipment.

3. Identifikasi Event

Tentukan aktivitas yang terjadi selama lifecycle objek tersebut.

4. Ambil Event Log

Data dapat berasal dari ERP, CRM, aplikasi custom, data warehouse, atau beberapa sistem sekaligus.

5. Temukan Variant dan Bottleneck

Jangan hanya melihat proses rata-rata.

Cari jalur dengan:

• Durasi panjang.
• Rework tinggi.
• Volume besar.
• Exception berulang.

6. Validasi Bersama Process Owner

Data menunjukkan apa yang terjadi.

Tim bisnis membantu menjelaskan mengapa hal tersebut terjadi.

7. Tentukan Action

Setelah bottleneck diketahui, solusinya dapat berupa:

• Menghapus aktivitas.
• Mengubah policy.
• Memperbaiki data.
• Mengintegrasikan sistem.
• Menambahkan validation.
• Membuat automation.
• Mengembangkan custom workflow.
• Menambahkan AI agent.

Checklist Kesiapan Process Mining

Kesimpulan

Process mining membantu perusahaan melihat perbedaan antara proses yang dirancang dan proses yang benar-benar terjadi.

Melalui event log, perusahaan dapat menemukan bottleneck, waiting time, rework, process variant, dan exception yang sulit terlihat melalui SOP atau dashboard biasa.

Namun, tujuan process mining bukan menghasilkan diagram yang lebih kompleks.

Nilainya muncul ketika insight digunakan untuk memperbaiki proses.

Kadang hasilnya adalah automation.

Kadang integrasi sistem.

Kadang perubahan policy.

Dan dalam beberapa kasus, solusi terbaik justru menghapus aktivitas yang tidak lagi memberikan nilai.

Ini semakin penting ketika perusahaan mulai menggunakan AI agent.

Sebelum mengotomatisasi proses, pastikan perusahaan memahami proses yang sebenarnya sedang dijalankan.

Karena AI yang sangat cepat tetap akan menghasilkan hasil buruk jika proses yang diberikan kepadanya sejak awal memang tidak efisien.

Optimalkan Proses dan Sistem Bersama Crocodic

Crocodic membantu perusahaan memetakan workflow, data, dependency, dan bottleneck sebelum menentukan bentuk sistem atau automation yang perlu dikembangkan.

Melalui layanan Enterprise System Upgrade, proses yang masih bergantung pada pekerjaan manual dapat diperkuat melalui API integration, workflow automation, multi-user access, dan AI automation tanpa selalu mengganti seluruh sistem.

Untuk proses yang membutuhkan sistem khusus, Custom Enterprise Software memungkinkan workflow, approval, monitoring, dan integrasi dibentuk mengikuti kebutuhan operasional perusahaan.

Pendekatan dimulai dari strategic discovery: memahami bagaimana pekerjaan berjalan saat ini, di mana bottleneck berada, dan bagian mana yang benar-benar membutuhkan teknologi.

Diskusikan proses bisnis dan peluang automation perusahaan Anda bersama Crocodic.