Процессный майнинг

Process mining — это метод добычи данных, основанный на анализе файлов журналов. Как метод управления процессами, процессный анализ дает возможность анализировать бизнес-процессы и выявлять потенциал для оптимизации.

Process mining включает в себя методы в области управления бизнес-процессами, которые служат для анализа бизнес-процессов. Существуют методы анализа процессов, основанные на данных, которые сосредоточены на оценке журналов событий — информации, хранящейся в ИТ-системах об отдельных этапах процесса. Приложения для анализа процессов применяют специальные алгоритмы анализа данных к файлам журналов и данным транзакций для выявления тенденций и закономерностей. Цель — получить лучшее понимание соответствующих бизнес-процессов, чтобы сделать их более эффективными.

В целях защиты вашей конфиденциальности видео не будет загружаться, пока вы не нажмете на него.

В научных исследованиях процессный майнинг также называется «автоматизированным обнаружением бизнес-процессов» (ABPD) и описывает методы, используемые для создания, оценки и расширения моделей процессов. В Манифесте процессного майнинга, подготовленном Целевой группой IEEE по процессному майнингу, различаются три типа методов процессного майнинга:

• Обнаружение: Методы обнаружения процессов используются для идентификации процессов и создания моделей процессов.
• Соответствие: Методы поиска соответствия процессов позволяют оценить соответствие существующих моделей процессов текущим данным.
• Расширение/совершенствование: Методы поиска процессов расширения (также известные как усовершенствования) используются для улучшения существующих моделей процессов.

Процессный анализ объединяет методы интеллектуального анализа данных и вычислительной техники (CI) с моделированием и анализом процессов. Процесс описывается как серия логически связанных этапов процесса, которые могут быть записаны как события.

Отправной точкой для любого метода интеллектуального анализа процессов являются данные о событиях в виде файлов журналов, которые воспроизводят события в хронологическом порядке и могут быть отнесены как к этапу процесса, так и к его экземпляру.

IEEE определила стандартную схему для каждого типа процесса.

Методы поиска процессов «обнаружения» предоставляют алгоритмы распознавания образов, которые позволяют получать модели из существующих данных журнала событий. Они основаны на информации, записанной в виде журнальных файлов ИТ-системами.

Результатом такого типа поиска процессов обычно является модель процесса. Например, на производственном предприятии такая модель может быть получена из временных меток, которые показывают, когда каждый продукт проходит через определенный этап производства.

Распространенными методами представления моделей процессов являются:

• BPMN (модель и нотация бизнес-процессов).
• EPC (цепочка процессов, управляемых событиями)
• HIPO-диаграммы
• Анализ коммуникационной структуры
• Модели сетей Петри
• SOM (Семантическая объектная модель)
• UML (унифицированный язык моделирования)
• BPEL (WS-Business Process Execution Language)

Методы поиска процессов «соответствия» используются для валидации моделей процессов. Если модель процесса уже существует, рекомендуется регулярно сравнивать ее с новыми данными журнала событий, чтобы убедиться, что модель соответствует тому, как документируются реальные процессы. Методы анализа процессов используются для сравнения существующей модели процесса с текущими данными о событиях, чтобы определить различия между моделью и реальностью. Результирующий диагноз подобного теста на соответствие позволяет сделать выводы о качестве исследуемой модели процесса. Тест на соответствие может применяться как к описательным, так и к нормативным моделям процессов.

Методы «расширения» процессов направлены на расширение и улучшение существующих моделей процессов с помощью вновь полученной информации. Результатом является новая, расширенная модель процесса.

Анализ процессов охватывает четыре различных уровня наблюдения:

• Перспектива потока управления: Анализ процесса с точки зрения потока управления направлен на представление последовательности действий в рамках процесса в виде модели процесса (например, в виде диаграммы деятельности сети Петри UML, EPC или модели BPMN.
• Организационная перспектива: Анализ процессов с организационной точки зрения показывает, как люди и ИТ-системы связаны друг с другом посредством участия в бизнес-процессе. Профили деятельности и роли определяются и сравниваются друг с другом. Результатом такого анализа является социальная сеть, которая визуализирует сеть взаимоотношений.
• Перспектива случая: Анализ процессов с точки зрения случая используется для анализа отдельных экземпляров процесса. Они описываются и классифицируются как случаи в соответствии с их свойствами. Классификация происходит в соответствии со значениями данных, зарегистрированных для соответствующего экземпляра процесса — например, в соответствии с тем, какие действующие лица вовлечены в процесс.
• Временная перспектива: При анализе процессов с временной перспективой пристально рассматривается абсолютный или относительный момент времени и частота событий. Необходимым условием для этого является наличие временной метки во всех журналах событий. Анализ такого рода позволяет проводить моделирование, которое позволяет сделать выводы о закономерностях, тенденциях и препятствиях в потоке процесса. Например, можно выявить узкие места в технологической цепочке.

На практике процессный анализ сегодня используется в основном для обнаружения потоков управления. На первый план выходят методы «обнаружения» процессов с точки зрения потока управления, которые позволяют определить хронологическую последовательность отдельных этапов процесса и сравнить их с желаемым целевым состоянием.

IEEE разработала модель жизненного цикла L* в качестве эталонной модели для применения методов поиска процессов. В соответствии с ней процедура реализации проектов по анализу процессов делится на пять фаз:

Процессный анализ может использоваться везде, где с помощью ИТ-систем записывается и постоянно хранится подробная информация об отдельных этапах соответствующих бизнес-процессов. Например, он может использоваться в компаниях:

• обрабатывают рабочие процессы с помощью систем управления рабочими процессами
• осуществляют транзакции с помощью ERP-систем
• управляют запросами поддержки с помощью билетной системы
• Обеспечивают качество медицинского обслуживания с помощью клинических путей лечения.

Это делает процессный майнинг подходящим для использования в розничной торговле и OEM, банковском деле, развитии, продажах и страховой индустрии для улучшения бизнес-процессов, таких как процессы заказа, производственные процессы или движение денежных средств.

Управление рабочими процессами и управление знаниями являются центральными областями применения методов интеллектуального анализа процессов. Кроме того, знания, полученные в ходе проектов по анализу процессов, используются при разработке вспомогательных систем.

Многие компании используют такие технологии, как базы данных, ERP-системы и системы управления знаниями для сохранения фактических знаний. Как правило, знания о процессах не обрабатываются. Именно здесь на помощь приходит процессный майнинг с методами, которые позволяют сделать неявные знания о процессах явными.

Системы управления рабочими процессами описывают бизнес-процессы на формальном уровне и автоматизируют координацию и контроль отдельных этапов процесса. Система предоставляет пользователям пользовательские интерфейсы для общения и доступа к данным и программам. Управление рабочими процессами основано на моделировании рабочих процессов, что позволяет системе распознавать события (например, ввод документа по электронной почте) и автоматически реагировать на них. Такая автоматизация основана на моделях процессов, которые можно создавать, проверять и расширять с помощью методов интеллектуального анализа процессов.

Методы интеллектуального анализа процессов можно использовать везде, где отдельные этапы важных для бизнеса процессов записываются в виде журналов. Алгоритмы из области интеллектуального анализа данных и вычислительной техники позволяют анализировать даже сложные данные о событиях и получать представление о том, как можно повысить эффективность и безопасность бизнес-процессов.

Высокая степень автоматизации отличает процессный майнинг от классических методов создания моделей процессов. Извлекая информацию о реальных событиях из оперативного бизнеса, методы интеллектуального анализа процессов реалистично воспроизводят последовательность процессов. По сравнению с ручными методами, процессное моделирование выигрывает в скорости и точности. Кроме того, растущий объем данных уже невозможно обрабатывать вручную.

Еще одним преимуществом профессиональных приложений для интеллектуального анализа процессов являются широкие возможности визуализации. Модели процессов представляются квалифицированным работникам и менеджерам на интерактивных приборных панелях, которые позволяют динамично просматривать потоки процессов и иногда предоставляют дополнительные инструменты анализа.

Компании сталкиваются с трудностями при внедрении методов анализа процессов, когда база данных, подлежащих анализу, непостоянна из-за неоднородной ИТ-инфраструктуры. Если отсутствуют единые описания событий, необходимо сначала обработать соответствующие файлы журналов. Это не только требует дополнительных усилий, но и может привести к искажению данных, которые, строго говоря, уже не представляют собой реальные данные.

Кроме того, компании сталкиваются с техническими препятствиями при внедрении. Использование интеллектуального анализа данных эффективно только в том случае, если соответствующие приложения имеют доступ ко всем соответствующим ИТ-системам. Это требует наличия соответствующих интерфейсов и правильной конфигурации подключенных систем, а также тесного сотрудничества с поставщиком приложения для анализа процессов.

Усилия, необходимые для внедрения, также возрастают, когда компании сочетают стандартные приложения для управления бизнес-процессами с инструментами, которые они разработали самостоятельно, чтобы адаптировать их к индивидуальным потребностям.