Transparante financiële processen bij een discotheek

We hebben inmiddels al veel verschillende bedrijven in diverse branches geholpen met Process Mining. Maar sinds kort hebben we daar een unieke branche aan toegevoegd. Je zou het niet verwachten maar we hebben bij een Disco Process Mining ingezet.

disco process mining

Automatisering disco

Deze discotheek in midden Nederland heeft te maken met grote hoeveelheden financiële transacties. Bezoekers betalen voor de entree en hebben daarnaast muntjes nodig om een drankje te kopen. Enkele jaren geleden hebben ze naast de kassière een muntjesautomaat geïntroduceerd. Deze innovatie werd snel geadopteerd door bezoekers waardoor er een half jaar geleden is besloten om volledig over te gaan op automaten.

Use Case Disco Process Mining

De implementatie verliep soepel en na een opstartperiode leek het een geslaagd project. Echter na een tijd ontstonden er zeer lange wachtrijen voor deze automaten. Bezoekers waren geïrriteerd over het wachten. En de manier van muntjes kopen werd een bron van ergernis en de omzet liep terug. Dit was een goede reden voor deze disco om Process Mining (MonkeyMiner) toe te gaan passen.

Met Process Mining wil de disco onderzoek doen naar de interactie tussen de automaat en de bezoeker. Door de logfiles van de software die draait op de automaat uit te lezen, kun je inzicht creëren in het gedrag van de bezoekers. In principe zou je deze interactie kunnen zien als een proces voor het verkrijgen van muntjes.

Meer weten over Process Mining?

Schrijf je in voor de gratis Masterclass!

      Bevindingen Disco Process Mining

      Na het bewerken van de data en het inlezen in onze Process Mining tool kregen we de volgende bevindingen:

      Verbeteren keuze opties

      Zodra je gebruik gaat maken van de automaat krijg je een aantal opties. Hiermee kun je het aantal muntjes dat je wil kopen selecteren. Je krijgt de optie voor een bepaald aantal muntjes of voor het zelf kiezen van een aantal. Na analyse van de data blijkt dat het over grote deel van de gebruikers kiest voor een gekozen hoeveelheid munten. Dit neemt veel meer tijd in beslag dan het kiezen van de voor gedefinieerde aantallen. Logische aanpassing is dan ook de meest gekozen aantallen als standaard opties aan te bieden gecombineerd met de extra optie voor een zelf te kiezen aantal.

       

      Process Discovery

      De gemiddelde tijd die een gebruiker nodig heeft bij dit scherm is ook opvallend lang. Ook viel op dat een deel van de gebruikers snel door dit scherm ging en een deel veel meer tijd nodig had. De laatste groep werd gedurende de avond steeds minder. We hebben na deze observatie een steekproef gedaan bij de automaat en het bleek dat niet in een keer duidelijk is voor de gebruikers of in het scherm het aantal muntjes staat of het bedrag dat ze gaan besteden. Hier moesten ze langer over na denken voordat ze een keuze maken. Door dit duidelijk in beeld te brengen kun je in deze stap de doorlooptijd verkorten. Op deze manier kun je Process Mining toepassen als discovery tool om vervolgens met een meer traditionele manier op onderzoek uit te gaan naar het hoe en waarom.

       

      Doorlooptijd terugbrengen

      Het tweede scherm dat gebruikers te zien krijgen is een bevestigingsscherm. Stel je kiest voor 10 muntjes dan vraagt de automaat: “wil je 10 muntjes afreken voor € 25,-“. Het overgrote deel van de gebruikers kiest vervolgens voor JA. Om precies te zijn kiest bij deze Disco hier 99,3% van de mensen voor. Terwijl de gemiddelde tijd dat gebruikers bezig zijn met dit scherm 3,2 seconden is. Als je uitgaat van 3.500 transacties en je het scherm weg haalt bespaar je al 11.200 seconden. Dat zijn bijna 187 minuten oftewel meer dan 3 uur aan wachttijd dat je kunt reduceren door een scherm te verwijderen. Nadeel is wel dat 24,5 mensen later in het proces de transactie afbreken omdat ze een fout hebben gemaakt en een nieuwe transactie beginnen.

       

      Hoe later op de avond …….

      De laatste bevinding is misschien wel een logische maar toch grappig om te vermelden. Hoe later op de avond hoe langer de interacties tussen gebruiker en automaat duurde. Wellicht dat de gebruikers erg vermoeid waren maar het drankgebruik is ook niet helemaal uit te sluiten. Wellicht is een leuk vervolg Process Mining traject het combineren van data van de automaat met de data van de drankomzet!

       

      Je kunt je voorstellen dat hoe later op de avond des te gebruiksvriendelijk de muntautomaat moet zijn. 😉

        Zelf aan de slag met Process Mining binnen jouw organisatie?

        Schrijf je in voor de gratis Masterclass!

        Roderick Schreuder

        Roderick Schreuder

        Roderick Schreuder is een technologie entrepreneur en data science expert. Hij heeft + 20 jaar ervaring in verschillende sectoren bij organisaties zoals Philips, ING, Heerema, Achmea, NXP en Belastingdienst. Sinds 2006 is hij betrokken bij BiZZdesign en heeft zich recent gestort op de data science techniek ‘Process Mining’ bij MonkeyMining. Roderick is regelmatig gastspreker op conferenties en congressen en wordt regelmatig gevraagd om technologie inspiratiesessies voor directies en management teams te faciliteren. Daarnaast is hij verbonden aan de Hogeschool Utrecht, Avans Hogeschool en Business University Nyenrode.

        Ben je overtuigd?

        Begin gelijk met de MonkeyMiner!

        GRATIS MASTERCLASS