Quem acompanha a operação de perto conhece a distância entre o processo que está no manual e o que acontece de fato no dia a dia: pedidos que tomam atalhos, aprovações que travam, tarefas refeitas sem que ninguém saiba o motivo. Process mining entra justamente nessa lacuna. O texto a seguir explica como a técnica funciona, o que ela revela sobre o fluxo real da empresa e quais critérios ajudam a decidir se ela se aplica ao seu problema.
O que é process mining: definição e o que ele revela
Process mining é uma técnica de análise de dados que reconstrói, a partir dos registros digitais de execução, o fluxo real de um processo de negócio. Em vez de mostrar como o processo deveria funcionar segundo o manual, ela revela como ele efetivamente acontece: por onde os pedidos passam, onde param, quem executa cada etapa e quanto tempo leva cada transição.
O ponto de partida são os event logs, registros que os sistemas corporativos geram automaticamente a cada ação: um pedido criado, uma nota emitida, uma aprovação concedida, um status alterado. O software de process mining lê esses registros, identifica sequências, variações e repetições, e devolve um mapa visual do processo real. Segundo a Wikipedia, essas ferramentas ajudam organizações a analisar e visualizar processos de negócio a partir de dados extraídos de fontes como logs de transação ou dados de evento, identificando padrões, gargalos e ineficiências.
O que o process mining revela costuma surpreender quem conhece o processo apenas pelo desenho oficial. Ele mostra, por exemplo, que 30% dos pedidos de compra seguem um caminho diferente do fluxo aprovado, que uma etapa de liberação de crédito concentra metade do tempo total, ou que determinada atividade é refeita três vezes antes de seguir adiante. Essa diferença entre o processo desenhado e o processo executado é a matéria-prima central da técnica.
Diferente de um levantamento feito por entrevistas ou observação, o process mining não depende da memória de quem executa a tarefa. Ele parte de evidências que já existem nos sistemas, o que permite enxergar padrões em larga escala, cobrindo milhares ou milhões de casos, sem interromper a operação.
Segundo o LUME, o process mining existe há mais de uma década, o que levanta a questão sobre o nível de adoção no Brasil.
Como funciona: do log de eventos ao mapa do processo real
O funcionamento do process mining segue uma sequência clara: extrair os dados de execução, estruturá-los como log de eventos e aplicar algoritmos que reconstroem o fluxo. O resultado é um modelo visual do processo, com caminhos, frequências e tempos, que serve de base para análise e decisão.
O que é um log de eventos e quais dados ele exige
Um log de eventos é uma tabela em que cada linha representa um acontecimento registrado por um sistema. Para que o process mining funcione, cada evento precisa trazer pelo menos três informações essenciais:
- Case ID: identificador único do caso, como número do pedido, da ordem de produção ou do chamado. É o que permite agrupar eventos de um mesmo processo ponta a ponta.
- Atividade: a ação executada naquele momento, como "pedido criado", "crédito aprovado", "nota emitida" ou "entrega despachada".
- Timestamp: data e hora em que a atividade ocorreu, com precisão suficiente para ordenar a sequência e calcular durações.
Além desses três campos mínimos, o log pode incluir atributos adicionais que enriquecem a análise: o recurso (usuário ou área que executou a atividade), o custo associado, o canal de origem ou o tipo de cliente. Quanto mais atributos consistentes, mais cortes a análise permite, como comparar o tempo de aprovação por filial ou por categoria de produto.
A qualidade do log define o teto da análise. Se o sistema não registra o momento em que uma tarefa começa e termina, ou se o mesmo campo é preenchido com critérios diferentes entre áreas, o mapa resultante terá lacunas e distorções. Por isso, a preparação do log costuma ser a etapa mais trabalhosa de um projeto, antes mesmo de rodar qualquer algoritmo.
De onde vêm os dados: ERP, CRM e sistemas operacionais
Os logs de eventos não são criados do zero. Eles já existem dentro dos sistemas que a empresa usa no dia a dia, apenas precisam ser extraídos e estruturados. As fontes mais comuns incluem:
- ERP (SAP, Protheus, Sankhya e similares): registram pedidos, faturas, movimentações de estoque, ordens de produção e aprovações financeiras.
- CRM: guardam o histórico de oportunidades, propostas, follow-ups e conversões, útil para analisar o funil comercial real.
- Sistemas de atendimento e service desk: registram abertura, triagem, escalonamento e resolução de chamados.
- Plataformas de compras e portais de fornecedores: documentam cotações, aprovações e emissão de pedidos.
- Sistemas de qualidade e manutenção: apontam não conformidades, paradas de máquina e ordens de serviço.
Em muitos casos, o mesmo processo atravessa mais de um sistema. Um pedido pode nascer no CRM, ser faturado no ERP e despachado por um sistema logístico. O process mining permite consolidar esses eventos em um único log, desde que exista um identificador comum, como o número do pedido, que amarre as pontas.
Para quem trabalha em indústria, essa característica é especialmente relevante: o processo de ordem de produção, por exemplo, pode envolver o PCP no ERP, o apontamento de paradas em planilhas e o registro de qualidade em outro sistema. O process mining ajuda a enxergar o fluxo completo, inclusive onde a informação troca de mão e de ferramenta.
Os três tipos de análise: descoberta, conformidade e desempenho
O process mining se organiza em três frentes de análise complementares, cada uma respondendo a uma pergunta diferente sobre o processo:
- Descoberta (discovery): reconstrói o modelo do processo a partir do log, sem partir de um desenho prévio. Responde à pergunta "como o processo realmente acontece?". É o tipo mais comum de primeiro contato com a técnica.
- Conformidade (conformance): compara o processo real com um modelo de referência, como o fluxo aprovado em norma interna ou exigido por auditoria. Identifica desvios, etapas puladas e caminhos não previstos.
- Desempenho (enhancement): analisa tempos, custos, frequências e gargalos sobre o modelo descoberto. Responde a perguntas como "quanto tempo o pedido fica parado na aprovação de crédito?" ou "qual etapa concentra o maior retrabalho?".
Essas três perspectivas não são excludentes. Um projeto típico começa pela descoberta para entender o terreno, avança para a conformidade quando há um padrão esperado e usa a análise de desempenho para priorizar onde agir. A pesquisa acadêmica sobre o tema, consolidada no Process Mining Manifesto publicado pela IEEE Task Force on Process Mining, organiza esses tipos como pilares da disciplina.
Na prática industrial, a conformidade costuma ter peso alto: processos de qualidade, segurança e faturamento precisam seguir regras auditáveis. O process mining permite verificar, caso a caso, se a regra foi seguida, sem depender de amostragem manual.
O que a análise revela: gargalos, desvios e retrabalho
Quando o mapa do processo real está pronto, três tipos de achado aparecem com frequência e direcionam as decisões de melhoria:
- Gargalos: etapas em que os casos se acumulam e o tempo de espera cresce. O process mining mostra não apenas qual etapa é lenta, mas em que condições: por exemplo, aprovações de crédito acima de determinado valor demoram três vezes mais que as demais.
- Desvios: caminhos que fogem do fluxo padrão. Pedidos que pulam a checagem de estoque, notas emitidas sem a conferência de preço, ordens de produção liberadas sem a aprovação da engenharia.
- Retrabalho: loops em que uma atividade é repetida. Uma especificação técnica devolvida para correção, um cadastro recusado e refeito, uma rota recalculada após o fechamento.
Esses achados se traduzem em decisões concretas. Um gargalo de aprovação pode justificar a revisão da alçada ou a automação de uma checagem. Um desvio recorrente pode indicar regra mal comunicada ou sistema que não impede o caminho errado. O retrabalho aponta para causas-raiz de custo e atraso que raramente aparecem em relatórios gerenciais tradicionais.
O valor está em enxergar padrões com frequência e volume, não casos isolados. Um único pedido que pulou uma etapa pode ser exceção aceitável; 15% dos pedidos seguindo o mesmo atalho é um problema estrutural. O process mining dá a escala para separar ruído de sinal.
Process mining, BI, BPM, mapeamento e task mining: o que muda na decisão
Process mining é frequentemente confundido com outras abordagens de análise e gestão de processos. As diferenças importam porque cada uma resolve um problema distinto e exige recursos diferentes.
| Abordagem | O que faz | Base de dados | Pergunta central |
|---|---|---|---|
| Process mining | Reconstrói o fluxo real a partir de logs de execução | Eventos registrados por sistemas | Como o processo realmente acontece? |
| BI tradicional | Consolida indicadores e monta dashboards | Dados agregados de diversas fontes | Quais são os números do negócio? |
| BPM | Disciplina de gestão que desenha, executa e melhora processos | Modelos, regras e indicadores definidos pela organização | Como o processo deveria funcionar? |
| Mapeamento manual | Levanta o fluxo por entrevistas e observação | Conhecimento das pessoas | Como as pessoas dizem que o processo funciona? |
| Task mining | Captura ações do usuário na tela (cliques, digitação) | Registros de interação com aplicações | Como cada pessoa executa uma tarefa específica? |
O BI tradicional responde bem a perguntas de resultado: quantas notas foram emitidas, qual o faturamento por filial, qual o ticket médio. Mas ele não mostra a sequência de passos que levou a esses números. O process mining complementa o BI ao revelar o caminho, não apenas o destino.
O BPM é a disciplina de gestão que define como o processo deve ser. O process mining é uma técnica de análise que pode alimentar o ciclo de BPM, especialmente na fase de descoberta, que inclui também análise documental, observação e entrevistas.
O mapeamento manual depende de quem conhece o processo e de tempo para entrevistar, consolidar e validar. É útil para processos pouco digitalizados ou quando se quer captar regras não escritas, mas sofre de viés de memória e de versão oficial. O process mining parte do que o sistema registrou, sem depender de relato.
O task mining desce um nível abaixo: em vez de olhar o fluxo entre etapas, observa como cada pessoa executa uma tarefa na tela, capturando cliques, campos preenchidos e tempo por ação. É complementar ao process mining quando o gargalo está dentro de uma atividade específica, como o preenchimento manual de um cadastro.
Na decisão prática, a pergunta é: o processo já está digitalizado e gera registros de eventos? Se sim, process mining pode revelar o fluxo real com pouco esforço de coleta. Se o processo vive em planilhas soltas, e-mails e conversas, o mapeamento manual ou uma etapa de estruturação de dados vem antes.
Como começar um projeto de process mining sem alterar o ERP
Um ponto importante para quem está avaliando a técnica: process mining não exige trocar o ERP nem alterar a configuração dos sistemas atuais. Ele trabalha com dados que já existem, extraídos para análise em uma ferramenta separada. O projeto começa pela escolha do processo, passa pela preparação do log e chega à validação do mapa com quem executa a operação.
Escolha do processo e critérios para priorizar
Nem todo processo é um bom candidato para o primeiro projeto de process mining. Os critérios que ajudam a priorizar são:
- Volume de casos: processos com muitos registros, como pedidos de compra, notas fiscais ou ordens de serviço, geram logs ricos o suficiente para revelar padrões.
- Digitalização: o processo precisa estar registrado em sistemas, com eventos identificáveis e timestamps. Processos que vivem em e-mail e planilha exigem preparação prévia.
- Impacto financeiro ou operacional: priorize processos em que atraso, retrabalho ou desvio custam caro, como faturamento, aprovação de crédito ou liberação de produção.
- Diversidade de caminhos: processos com muitas variações e exceções tendem a revelar mais achados do que fluxos lineares e estáveis.
- Disponibilidade de um dono do processo: alguém que conheça a operação e possa validar os achados, sem o qual o mapa descoberto fica sem interpretação.
Um bom primeiro processo é aquele que combina alto volume, impacto relevante e um dono engajado. Processos de ordem de compra, faturamento e atendimento de chamados costumam atender bem a esses critérios em indústrias médias e grandes. Para organizar essa escolha, uma matriz de priorização ajuda a comparar os candidatos com critérios claros.
Pré-requisitos de dados e qualidade do log
Antes de rodar qualquer análise, é preciso garantir que o log atenda a requisitos mínimos de estrutura e consistência:
- Case ID íntegro: o identificador do caso precisa ser único e consistente entre sistemas. Se o número do pedido muda de formato entre o CRM e o ERP, a amarração falha.
- Timestamps confiáveis: datas e horas precisam refletir o momento real da ação, não o momento do lançamento retroativo. Registros preenchidos em lote no fim do dia distorcem a análise de tempos.
- Atividades padronizadas: o mesmo tipo de ação deve ter o mesmo nome em todo o log. "Aprovar pedido", "Aprovação de pedido" e "Liberação" para a mesma etapa geram variações artificiais no mapa.
- Cobertura temporal suficiente: o período analisado precisa conter casos completos, do início ao fim, para que o modelo não corte processos no meio.
Quando o log tem lacunas, o caminho não é desistir, e sim tratar os dados antes da análise: padronizar nomes, corrigir identificadores, excluir casos incompletos ou complementar com fontes adicionais. Essa etapa de preparação costuma consumir boa parte do esforço de um projeto, e é onde a experiência com dados operacionais faz diferença. Uma análise de processos prévia ajuda a mapear onde estão os gargalos e quais dados merecem atenção.
Primeiros resultados e como validar o mapa com as áreas
O mapa descoberto pelo process mining é uma hipótese baseada em dados, não uma verdade definitiva. Antes de usar os achados para mudar o processo, é essencial validar com quem executa a operação. O roteiro prático inclui:
- Apresentar o mapa sem julgamento: mostrar o fluxo descoberto e perguntar se corresponde à realidade, em vez de apontar erros de imediato.
- Investigar as variações: para cada caminho inesperado, perguntar por que ele existe. Muitas vezes há uma regra de negócio legítima que não está documentada.
- Separar exceção de padrão: confirmar se um desvio é caso isolado ou prática recorrente, usando a frequência que o log fornece.
- Registrar as regras não escritas: a validação costuma revelar critérios que só existem na cabeça de quem executa, como "acima de 12 toneladas vai carga direta, abaixo vai fracionada".
Esse momento de validação é onde o process mining encontra o conhecimento de quem opera. O dado mostra o quê; as pessoas explicam o porquê. Pular essa etapa leva a decisões baseadas em mapas tecnicamente corretos, mas interpretados de forma errada.
Limites do process mining: o que o log não mostra
O process mining é poderoso, mas não é onisciente. Ele enxerga apenas o que ficou registrado nos sistemas, e isso impõe limites claros:
- Atividades fora do sistema não aparecem: uma negociação por telefone, uma conferência manual de estoque, uma decisão tomada em reunião. Se não gerou evento digital, não entra no mapa.
- Motivações e contexto não são capturados: o log mostra que uma aprovação demorou cinco dias, mas não explica se foi sobrecarga, ausência do aprovador ou espera por informação complementar.
- Qualidade do log limita a análise: dados incompletos, timestamps imprecisos ou identificadores inconsistentes geram mapas distorcidos. O process mining não corrige dados ruins; ele os reflete.
- Processos manuais ou pouco digitalizados ficam invisíveis: se a operação vive em planilhas soltas e e-mails, não há log de eventos para minerar sem antes estruturar os dados.
- O mapa descreve, não prescreve: o process mining mostra como o processo acontece, mas não diz como deveria ser. A decisão de mudar exige critérios de negócio, não apenas dados.
Reconhecer esses limites evita expectativas irreais. O process mining é uma ferramenta de diagnóstico baseada em evidências, não um substituto para o julgamento de quem conhece a operação. Ele reduz a incerteza sobre o que está acontecendo, mas não elimina a necessidade de decidir o que fazer com essa informação.
Para processos com baixa digitalização, o caminho pode ser primeiro estruturar os dados e registrar os eventos, para depois aplicar a técnica. A análise de processos tradicional, com entrevistas e observação, continua sendo o ponto de partida nesses casos. Segundo a Revista da CGU, a mineração de processos tem sido estudada como ferramenta para promover transparência em organizações públicas, o que reforça seu potencial em contextos com forte necessidade de auditoria e rastreabilidade.
O que define o custo de um projeto de process mining
O custo de um projeto de process mining não tem valor fixo e depende de fatores que variam muito entre empresas. Entender o que compõe esse custo ajuda a avaliar propostas e a dimensionar expectativas:
- Qualidade e dispersão dos dados: logs limpos e centralizados custam menos para preparar. Dados espalhados em vários sistemas, com identificadores inconsistentes e timestamps imprecisos, exigem mais horas de tratamento.
- Complexidade do processo: processos com muitas variações, exceções e interações entre áreas geram mapas mais complexos, que demandam mais esforço de análise e validação.
- Número de sistemas envolvidos: integrar eventos de ERP, CRM e sistemas satélites é mais trabalhoso do que analisar um único sistema.
- Ferramenta utilizada: existem plataformas comerciais de process mining, com licenças e infraestrutura próprias, e abordagens baseadas em bibliotecas abertas, que exigem mais trabalho técnico. A escolha depende do orçamento e da equipe disponível.
- Profundidade da análise e das recomendações: um projeto pode parar no mapa descoberto ou avançar para diagnóstico de causas, priorização de melhorias e desenho de ações. Quanto mais longe, maior o investimento.
- Validação e acompanhamento: envolver as áreas para validar achados e acompanhar a implementação de melhorias adiciona horas, mas aumenta a chance de o projeto gerar resultado.
O ponto central é que o maior custo raramente está na ferramenta, e sim na preparação dos dados e na interpretação dos resultados com as áreas. Um projeto bem dimensionado começa pequeno, com um processo prioritário, e expande a partir dos primeiros achados.
Perguntas frequentes
Process mining substitui o mapeamento de processos tradicional?
Não. O process mining complementa o mapeamento tradicional, mas não o substitui. A técnica reconstrói o fluxo a partir de logs de eventos, mostrando como o processo realmente acontece nos sistemas. O mapeamento manual, por entrevistas e observação, capta regras não escritas, motivações e atividades que não geram registro digital. Em processos pouco digitalizados, o mapeamento continua sendo o ponto de partida. O ideal é combinar as duas abordagens: o process mining revela padrões em escala, e a validação com as áreas explica o porquê.
Preciso trocar de ERP para usar process mining?
Não. O process mining trabalha com dados que já existem nos sistemas atuais, extraídos para análise em uma ferramenta separada. Não é necessário trocar o ERP nem alterar sua configuração. A extração pode ser feita por consultas, exportações ou conectores, dependendo da ferramenta escolhida. O pré-requisito real é que o processo esteja digitalizado e gere registros de eventos com identificador de caso, atividade e timestamp. Se o ERP atual já registra essas informações, ele é suficiente para começar.
Quanto tempo leva para ver os primeiros resultados de um projeto de process mining?
O que costuma alongar o prazo é a preparação dos dados, quando há inconsistências, e a validação com as áreas, que exige agenda das pessoas envolvidas. Um escopo enxuto, com um processo prioritário e um dono engajado, é a forma mais rápida de chegar a achados acionáveis.
Process mining funciona para processos que usam planilhas de Excel?
Depende. Se a planilha é usada como apoio, mas o processo principal está registrado no ERP ou em outro sistema, o process mining pode funcionar usando os logs do sistema. Se o processo inteiro vive em planilhas soltas, sem registro estruturado de eventos com timestamps, não há log para minerar. Nesse caso, o caminho é primeiro estruturar os dados, padronizando registros e criando um histórico confiável, para depois aplicar a técnica. A qualidade da análise está diretamente ligada à qualidade do registro digital disponível.
Qual a diferença entre process mining e automação de processos?
Process mining analisa e revela como o processo acontece; automação executa tarefas dentro do processo. O process mining é uma técnica de diagnóstico, que reconstrói o fluxo real a partir de logs e identifica gargalos, desvios e retrabalho. A automação, por sua vez, substitui trabalho manual por execução automática, seja por regras programadas ou por agentes de IA. As duas se complementam: o process mining ajuda a escolher onde automatizar, mostrando com dados quais etapas concentram esforço manual e retrabalho. A decisão de automatizar, porém, exige critérios de negócio que vão além do mapa descoberto.
Precisa de ajuda com isso?
Se você quer entender onde o trabalho manual está drenando tempo e margem da sua operação, o diagnóstico da Artemis parte exatamente desse ponto: mapear os processos com quem executa, achar as regras que nunca foram escritas e identificar o que vale automatizar primeiro. Converse com a equipe da Artemis para começar.
