Root cause analysis

Wat is root cause analysis?

Root cause analysis onderzoekt welke onderliggende factoren een probleem of ongewenste uitkomst veroorzaken. Ze probeert verder te gaan dan het zichtbare symptoom.

In process mining kan het symptoom een lange doorlooptijd, herwerk, afwijzing of complianceafwijking zijn. Eventdata helpt patronen vinden in activiteiten, volgorde, timing en kenmerken van cases.

Een statistisch verband bewijst geen oorzaak. Root cause analysis combineert data met proceskennis, expliciete hypotheses en waar mogelijk experimenten of andere causale methodes.

Van symptoom naar hypothese

Begin met een precies probleem en vergelijkingsgroep. Trage facturen is te breed. Facturen die meer dan tien werkdagen tussen ontvangst en goedkeuring wachten, is meetbaar.

Breng mogelijke verklaringen in kaart met domeinexperts: ontbrekende bestelbon, afwijkend bedrag, nieuwe leverancier, bepaalde goedkeuringsroute of systeemstoring.

Bepaal welke data nodig is en wanneer de factor ontstond. Een kenmerk dat pas na de vertraging wordt vastgelegd, kan ongeschikt zijn als verklaring of voorspellende input.

Analyseer daarna associaties, tijdsvolgorde en alternatieve verklaringen. Een hypothese die alleen in één kleine groep past, vraagt extra onderbouwing.

Een uitgewerkt factuurvoorbeeld

Process mining toont dat facturen zonder bestelbon gemiddeld langer wachten. Het is verleidelijk om de ontbrekende bestelbon als hoofdoorzaak te benoemen.

Verdere segmentatie laat zien dat zulke facturen vooral van nieuwe leveranciers en voor niet-standaarddiensten komen. Ze volgen ook vaker juridische controle. Meerdere factoren lopen samen.

Het team formuleert drie hypotheses: ontbrekende bestelbon veroorzaakt extra matching, nieuwe leveranciers vragen stamdatacontrole en juridische beoordeling veroorzaakt een aparte wachtrij.

Met eventvolgorde, kenmerken en interviews wordt iedere hypothese getoetst. Een proef waarbij leveranciers eerder een bestelreferentie krijgen, kan meten of matchingtijd werkelijk daalt.

De uitkomst kan meerdere oorzaken en interacties bevatten. Eén universele root cause is bij bedrijfsprocessen niet altijd realistisch.

Root cause analysis versus afwijkingsanalyse

Afwijkingsanalyse vindt waar gedrag afwijkt van norm of vergelijkingsgroep. Root cause analysis onderzoekt waarom de afwijking of uitkomst ontstaat.

Een alignment kan tonen dat Goedkeuring heropend vaak voorkomt. De oorzaakanalyse onderzoekt of dit samenhangt met ontbrekende documenten, onduidelijke regels of een specifieke systeemroute.

De analyses volgen elkaar vaak op: detecteren, prioriteren, verklaren, ingrijpen en opnieuw meten.

Correlatie, voorspelling en causaliteit

Correlatie zegt dat twee kenmerken samen voorkomen. Een voorspellend model kan een uitkomst goed voorspellen zonder de oorzaak te kennen.

Causaliteit vraagt een geloofwaardige vergelijking van wat zou gebeuren met en zonder een ingreep. Randomisatie is in bedrijfsprocessen niet altijd haalbaar, maar gecontroleerde pilots, natuurlijke experimenten en causale modellen kunnen sterkere causale onderbouwing geven.

Let op confounders: factoren die zowel mogelijke oorzaak als uitkomst beïnvloeden. Complexe dossiers hebben misschien meer controles én langere doorlooptijd; de controles alleen zijn dan niet noodzakelijk de oorzaak.

Presenteer resultaten met hun bewijsniveau. Schrijf samenhang, aannemelijke verklaring of causaal effect volgens wat werkelijk is aangetoond.

Data en methodes

Combineer procesvolgorde met case- en eventattributen. Decision trees, rule mining en statistische modellen kunnen segmenten met afwijkende uitkomsten vinden.

Temporal logic kan hypotheses over volgorde en tijd expliciet maken. Causale machine-learningmethodes proberen behandelingen en uitkomsten onder voorwaarden te vergelijken.

Geen algoritme herstelt ontbrekende relevante variabelen. Interviews, documentatie en observatie blijven nodig om meetbare patronen aan het werkelijke proces te koppelen.

Van oorzaak naar verbetering

Kies een ingreep die de veronderstelde oorzaak rechtstreeks raakt. Bij ontbrekende bestelbonnen kan dat bronvalidatie zijn; meer herinneringen aan goedkeurders behandelt een ander symptoom.

Definieer vooraf welke uitkomst moet veranderen en welke neveneffecten worden bewaakt. Voer waar mogelijk gefaseerd in en vergelijk met een geschikte controlegroep of historische baseline.

Meet na implementatie opnieuw. Als de vertraging niet daalt, was de hypothese onvolledig, de ingreep te zwak of de uitvoering anders dan gepland.

Bewaar hypotheses, analyses, besluiten en resultaten. Root cause analysis is een leerproces waarin verklaringen mogen worden verworpen.