Erfaringer med Process Mining i sagssystemer

 

Er det muligt at anvende Process Mining til at løfte både kvalitet og kapacitet af sagsbehandlingen på beskæftigelsesområdet?

Dette spørgsmål er en række kommuner gået sammen om at undersøge i projektet ”En effektiv og helhedsorienteret indsats gennem AI databaseret Process Mining”. Projektet er et AI-signaturprojekt med deltagelse fra Syddjurs, Sønderborg, Randers, Vejle og Kolding Kommune, som med midler fra investeringsfonden skal afprøve kunstig intelligens i den offentlige sektor. Fokus er på at udnytte de muligheder, som Process Mining giver og få indsigt i de begrænsninger og udfordringer, der måtte være.

Denne artikel samler op på de erfaringer, deltagerne har gjort sig her halvvejs igennem projektet.

  

Tilpasning til sagsstyrede systemer

I den første halvdel af projektet har fokus været på at etablere indhentningen af data. En af de store udfordringer i denne fase har været at få Process Mining-værktøjet tilpasset de sagssystemer, deltagerkommunerne benytter. Det skyldes, at Process Mining i sagssystemer er langt mere komplekst end i transaktionssystemer, hvor erfaringsgrundlaget også er større.

Transaktionssystemer er kendetegnede ved, at samtlige handlinger i systemet registreres individuelt, som såkaldte transaktioner. Transaktionssystemer indeholder typisk en række forhåndsdefinerede kategorier og masterdata. De bliver blandt andet brugt inden for økonomistyring og ordresystemer, hvor der typisk er en helt fastlagt struktur, hvilket gør det lettere at høste data.

Inden for beskæftigelsesområdet benyttes sagssystemer, som for eksempel Schultz Fasit eller KMD Momentum. Et sagssystem indeholder - i modsætning til et transaktionssystem - en langt større mængde ustruktureret data i form af fritekst. Sammen med en række andre faktorer gør det, at det bliver mere komplekst at høste relevant data.

”I sagssystemer bruger man ofte fritekst, og det er svært at finde mønstre i. Derfor har vi brugt meget tid på at dykke dybt ned i Fasit og Momentum, for at blive i stand til at trække de nødvendige data ud af systemerne,” fortæller Henrik Vester, co-founder af Breakawai, som er leverandør af Process Mining-værktøjet. ”I denne type Process Mining skal vi kunne høste tre typer data for at kunne opbygge et procesforløb: et case-id, en aktivitet og et time-stamp. Særligt time-stamps har været udfordrende i forhold til dette projekt, da man ikke arbejder ud fra enkeltsagsprincippet.”

”En borger på dagpenge, kan hoppe mange gange ind og ud af arbejdsmarkedet, f.eks. som ferieafløser. I Fasit registreres dette sådan, at den samme sag genaktiveres, hvilket modstrider enkeltsagsprincippet. Derfor skal man ind og se på antallet af ledighedsuger for den enkelte borger, frem for varigheden af selve sagen, da sagen kan have været i dvale og genaktiveret flere gange,” uddyber projektleder Lone Smedegaard Krings fra Syddjurs Kommune, som videre konkluderer: ”Vi er lykkedes med at kunne hente relevant data, men processen har taget længere tid og krævet flere ressourcer, end vi oprindeligt havde forventet.”

 

Krydsfelter og kompleksitet i interaktioner

I tillæg til kompleksiteten i kommunernes sagssystemer kommer kompleksiteten i at både borger, sagsbehandler og a-kasse arbejder i forskellige systemer, som samles igennem STAR (Styrelsen for Arbejdsmarked og Rekruttering) og DFDG (Det Fælles Datagrundlag). De mange interaktioner imellem forskellige aktører og systemer gør det svært at skabe et samlet overblik over hvem, der har gjort hvad, hvornår.

I projektet fokuserer man på to forskellige grupper af ledige: forsikrede ledige og ledige i ressourceforløb.  “For gruppen med forsikrede ledige er vi nu på et stadie, hvor vi har data, som gør os i stand til at se borgernes forløb fra start til slut. Men for gruppen af ledige i ressourceforløb, skal vi til at indhente yderligere data fra datakilder på social- og familieområdet,” fortæller Lone Smedegaard Krings, som fortsætter: “Des mere data vi skal hente, des mere komplekst bliver det at skabe et fuldt overblik i procesanalysen - særligt når der er tale om flere forskellige datakilder.” Kort sagt: Kompleksitet avler kompleksitet.

 

Skiftende lovgivning udfordrer datakvalitet

”Vi har at gøre med et felt, hvor der formentlig altid vil være jævnligt skiftende lovgivning,” konstaterer Henrik Vester. Hver gang der indføres nye lov- eller procedureændringer på beskæftigelsesområdet, skaber det potentielt udfordringer for korrekt registrering af processer i systemerne.

Eksempel:

Politikerne vedtager en ny lovændring op til jul. Lovændringen, som træder i kraft efter nytår, kræver både at sagsbehandlerne ændrer praksis, men også at deres sagssystemer understøtter de nye regler. Ændringen i sagssystemet bliver i værste fald først implementeret et halvt år efter lovgivningen er trådt i kraft. I den mellemliggende periode er sagsbehandlerne nødt til at arbejde udenom systemet, for eksempel ved at lave notater i fritekstfelter. I fritekstfelterne bliver indsatserne ikke opfanget af procesanalyseværktøjet, hvilket resulterer i uoverensstemmelser imellem praksis og data. Når først ændringerne er implementeret i sagssystemerne skal procesanalyseværktøjet tilpasses – en proces der også tager tid at gennemføre.

”At sikre datakvaliteten kræver løbende opdateringer og vedligehold. Det kan vi godt håndtere, men hele processen tager relativt lang tid på så lovtungt et område,” fortæller Henrik Vester. Forsinkelsen fra det tidspunkt hvor en ny lov træder i kraft til det tidspunkt, hvor den er fuldt implementeret, og korrekt kan registreres igennem procesanalyseværktøjet, vil løbende skabe udfordringer i forhold til datakvaliteten.

 

Opsamling

Det er endnu for tidligt at komme med endelige konklusioner for projektet. Foreløbigt viser erfaringerne, at det er meget tids- og ressourcekrævende at høste data på beskæftigelsesområdet.

“Hvis man overvejer at give sig i kast med Process Mining, er det vigtigt at have for øje, at de fleste erfaringer indtil videre er gjort på baggrund af transaktionsstyrede sagssystemer. Sagsstyrede systemer er langt mere komplekse, og derfor tager det væsentligt mere tid og kræver også mere vedligehold sammenlignet med Process Mining i transaktionsstyrede systemer,” fortæller Lone Smedegaard Krings.

I tillæg til kompleksiteten i de sagsstyrede systemer, kommer kompleksiteten fra de mange forskellige aktører og datakilder på beskæftigelsesområdet, samt problematikken i den skiftende lovgivning, som løbende vil udfordre datakvaliteten.

I den anden halvdel af projektperioden arbejder deltagerkommunerne videre med analysen af den data, de har høstet. Her vil de fokusere på at finde frem til forandringstiltag, der kan bidrage til at løfte både kvalitet og kapacitet af beskæftigelsesindsatsen.