Damit die interne oder auch externe Unterstützung gegenüber den Kunden strukturiert und nachvollziehbar abgewickelt werden kann, werden Ticketsysteme eingesetzt. Ticketsysteme helfen dabei, die wachsende Menge an Anfragen oder Störungsmeldungen im Überblick zu behalten. Dabei müssen Ticketsysteme nicht nur IT-bezogene Themen beinhalten, sondern können je nach Geschäftskontext auch sonstige Kundenanfragen adressieren.
Die Tickets werden von einem 1st-Level-Team bearbeitet. Sobald das Team nicht weiter weiss, werden Tickets an den 2nd- oder gar 3rd-Level-Support weitergeleitet. Für die Verantwortlichen gilt es bei solchen Anfrage- oder Störungsprozessen zu schauen, dass die Durchlaufzeit möglichst gering ist. So wird sichergestellt, dass Kundenanfragen zeitnah beantwortet und Störungen gelöst werden. Aber wie erkennt man, ob eine Anfrage oder Störung effizient bearbeitet wurde? Reicht ein Blick auf die durchschnittliche Bearbeitungszeit, oder kann eine tiefere Analyse Probleme im Prozess offenlegen?
An ein Ticketsystem werden grosse Anforderungen gestellt. Es soll bei der Erfüllung der Herausforderungen, welche an die Organisation gestellt werden, helfen: Effizienz steigern, Produktivität verbessern, Kundenzufriedenheit erhöhen usw. Aber ein Ticketsystem allein schafft dies nicht. Es bedarf Analysen!
Möglichkeiten von Ticketsystem Analysen
Klassischerweise analysiert man ein Ticketsystem nach den betroffenen Applikationen (um bei IT-Systemen zu bleiben), man schaut, welche Prioritäten die Tickets haben, allenfalls ob ein Trend feststellbar ist (nehmen die Tickets über die Zeit eher zu oder ab) und schaut sich dann an, innerhalb welcher Zeit die Tickets gelöst werden konnten.
Diese Auswertungen helfen, sich einen Überblick zu verschaffen. Welchen Einfluss der Ticket-Lösungs-Prozess dabei hat, lässt sich mit den üblichen Analysen nur erahnen. Mittels Process Mining aber lässt sich auch diese fehlende Dimension analysieren. Sobald der durchlaufene Prozess mit der jeweilig verstrichenen Zeit zwischen zwei Prozess-Schritten sichtbar wird, ergibt sich zusammen mit den zuvor genannten Analysen ein vollständiges Bild. Engpässe, unnötige Arbeitsschritte und sonstige Probleme im Prozess werden so offengelegt.
Das Beispiel oben zeigt ein sehr einfaches Power BI-Dashboard einer Ticketsystem-Analyse. Je nach Filter (klicken Sie auf eine Kategorie, eine Priorität oder ein einzelnes Ticket) wird der durchlaufene Prozess gezeigt. Das hier verwendete Visual von PAFnow (limitierte gratis-Version) zeigt jeweils nur den Prozess, der am häufigsten durchlaufen wurde. Mittels dem Schieberegler unten können weitere Prozess-Varianten eingeblendet werden.
Mit der Analyse startet die Optimierung
Verschiedene Analyse-Instrumente für eine Problemstellung zu verbinden, bringen somit entscheidende Vorteile. Die in diesem Beispiel gewonnenen Einsichten helfen, nicht nur an den betroffenen Applikationen Verbesserungen zu planen, sondern erlauben auch den gelebten Prozess besser zu verstehen und Optimierungen zu diskutieren.
Die Analyse zeigt Optimierungspotential in vielerlei Hinsicht: Vielleicht müssen Prozessschritte überdacht werden, vielleicht sind Schlaufen im Prozess vorhanden, welche so nicht stattfinden sollten, vielleicht bietet es sich an, bei einzelnen Aktivitäten über Robotic Process Automation oder eine andere Art der Prozess-Automatisierung zu diskutieren. Viele Process-Mining-Tools bieten auch die Möglichkeit der Simulation. Damit lassen sich Optimierungsmassnahmen vor der Einführung auf deren Wirksamkeit prüfen: Was passiert, wenn wir mehr Mitarbeiter für einen bestimmten Prozess-Schritt einplanen? Löst das einen Engpass, oder verschiebt das ein problem nur zum nächsten Prozess-Schritt? Solche Szenarien lassen sich so einfach durchspielen, um die ideale Verbesserungsmassnahme zu finden.