Process mining

Process mining или процессная аналитика — общее название ряда методов и подходов, предназначенных для анализа и усовершенствования процессов в информационных системах или бизнес-процессов на основании изучения системных данных о выполненных операциях в системе.

Интеллектуальный анализ процессов фокусируется на обнаружении, анализе и оптимизации бизнес-процессов на основе данных из журналов событий, представляя недостающее звено между классическим анализом бизнес-процессов с использованием их моделей и интеллектуальным анализом данных.

Позиционирование

Интеллектуальный анализ процессов использует данные для анализа бизнес-процессов, пренебрегая анализом самих данных. Другими словами, Process Mining, в отличие от Data Mining, не интересуется низкоуровневыми закономерностями в исходных данных и не пытается принимать решения на их основе, но ставит задачей оптимизацию бизнес-процессов (в особенности сквозных), вытекающих из исходных данных.

Process Mining, можно разбить на две группы:
Вопросы производительности (эффективности) процессов.
Вопросы согласованности процессов.

Использование

№ 1 Обнаружение реальных бизнес-процессов
Как выглядит процесс, который на самом деле (а не на словах и не в теории) описывает текущую деятельность? Согласованность
№ 2 Поиск узких мест в бизнес-процессах. Где в процессе расположены места, ограничивающие общую скорость его выполнения? Что вызывает появление подобных мест? Производительность
№ 3 Выявление отклонений в бизнес-процессах. Где реальный процесс отклоняется от ожидаемого (идеального) процесса? Почему происходят подобные отклонения? Согласованность
№ 4 Поиск быстрых/коротких путей выполнения бизнес-процессов. Как выполнить процесс быстрее всего? Как выполнить процесс за наименьшее количество шагов? Производительность
№ 5 Прогнозирование проблем в бизнес-процессах. Можно ли предсказать появление задержек/отклонений/рисков/… при выполнении процесса? Производительность / Согласованность

Исходные данные

Часто отправной точкой для интеллектуального анализа процессов являются данные из журналов событий. Рассмотрим подходящий нам журнал. Каждая строка в таком журнале соответствует отдельному событию. В свою очередь, каждое событие несет в себе информацию о породившем его случае, выполненной в его рамках деятельности и времени его регистрации. Подобные журналы событий можно рассматривать как совокупности случаев, а отдельные случаи — как последовательности ссылающихся на них событий.

Заручившись представленными выше предположениями, выделим основные атрибуты событий в журналах:
Идентификатор случая (case id): хранит случаи (объекты), для которых выстраиваются последовательности событий журнала.
Деятельность (activity name): хранит действия, выполняемые в рамках событий журнала.
Отметка времени (timestamp): хранит дату и время регистрации событий журнала.
Ресурс (resource): хранит основных действующих лиц событий журнала (тех, кто выполняет действия в рамках событий журнала).
Прочее (other data): сюда попадает вся оставшаяся в журнале (не интересная нам) информация.

Типы Process Mining

Интеллектуальный анализ процессов фокусируется на отношениях между моделями бизнес-процессов и данными о событиях. Выделяют три типа подобных отношений, которые и определяют типы анализа.

Play-Out

Начинаем с готовой модели процесса. Далее симулируем различные сценарии выполнения процесса (согласно модели) для наполнения журнала событий данными о регистрируемых при симуляции событиях.

Play-Out применяется для проверки разработанных моделей процессов на соответствие ожидаемым данным (последовательностям событий) от их выполнения.

Play-In

Начинаем с готовых данных в журнале событий. Далее получаем модель процесса, обеспечивающего выполнение представленных в журнале последовательностей событий (обучаем модель процесса на основе данных).

Play-In полезен при необходимости формального описания процессов, генерирующих известные данные.

Replay

Одновременно используем модель процесса (возможно, полученную при помощи Play-In) и данные в журнале событий (возможно, полученные при помощи Play-Out) для воспроизведения реальных последовательностей событий согласно модели.

Replay позволяет находить отклонения моделей от реальных процессов, но также может использоваться и для анализа производительности процессов — стоит при воспроизведении начать отмечать время регистрации событий, как станут видны места задержек и скоростные участки на путях выполнения процессов.

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *