La Process Intelligence a supporto dell'analisi della performance aziendale: potenzialità e condizioni di efficacia

La crescente digitalizzazione delle attività operative genera una quantità sempre maggiore di dati sull’esecuzione dei processi. Questa disponibilità, tuttavia, non si traduce automaticamente in una conoscenza altrettanto accurata del loro funzionamento effettivo: le rappresentazioni organizzative descrivono spesso il processo atteso, mentre l’esecuzione reale viene osservata attraverso indicatori aggregati o strumenti che ne restituiscono solo una parte. La Process Intelligence nasce per colmare questa distanza, ricostruendo il comportamento effettivamente registrato a partire dai dati-evento generati dai sistemi informativi. La disciplina è ormai consolidata sul piano metodologico e strumentale, ma la sua applicazione organizzativa dipende da condizioni che non sono soltanto tecniche. Il presente lavoro adotta quindi una prospettiva gestionale e affronta una domanda che precede quella dell’efficacia degli algoritmi: cosa la Process Intelligence renda effettivamente visibile di un processo e a quali condizioni tale visibilità possa essere utilizzata per decidere. Dopo aver costruito il quadro concettuale attraverso l’analisi della letteratura, la tesi sviluppa un caso applicativo relativo a un processo di assistenza tecnica post-vendita, basato su un event log sintetico e analizzato attraverso una pipeline Python sviluppata con PM4Py. I risultati mostrano che le diverse prospettive di analisi producono evidenze complementari e che il loro significato dipende anche da decisioni assunte prima della misurazione, come la definizione del perimetro, del modello di riferimento e degli indicatori. Tali decisioni non sono direttamente ricavabili dai dati né pienamente visibili negli output, ma condizionano ciò che la Process Intelligence rende osservabile e, di conseguenza, l’utilizzabilità gestionale dei risultati.