Процесс майнинг что это

Все о Process Mining от ProcessMi

Все о технологии Process Mining — кейсы, термины, решения и аналитика. Российский и зарубежный опыт от группы экспертов ProcessMi

Process mining (PM) — процессная аналитика

Process mining (процессная аналитика) — это технология получения новых знаний на основе информации, извлеченной из данных журналов событий информационных систем; автоматизированная визуализация реально протекающих бизнес-процессов организации на основе логов, полученных из информационных систем; общее название методов и технологий, направленных на анализ и оптимизацию бизнес-процессов на основе данных информационной системы.

История возникновения

Первые работы, где были расписаны шаги построения моделей процессов из протоколов работы при помощи программной инженерии, появились в 1995 году, авторами выступили Александр Вольф и Джонатан Кук. Однако основой современной процессной аналитики считается труд «Process mining: discovery, conformance and enhancement of business processes» Вила ван дер Аальст (Willibrordus Martinus Pancratius van der Aalst), профессора Эйндховенского технического университета (Нидерланды), почетного профессора Высшей школы экономики.

Содержание и принципы работы технологии

В основе технологии лежит принцип: при выполнении того или иного бизнес-процесса в информационной системе остаются некие “хлебные крошки”, следы его исполнения, по которым можно восстановить реальную цепочку действий и событий, что досконально точно и в деталях покажет его фактическую модель выполнения.

Process mining позволяет уйти от метода длительных интервьюирований сотрудников и ручного моделирования, которое может содержать фактические ошибки или неверные трактования на основе некорректных данных. Достаточно выгрузить необходимую информацию из журналов событий, которые выступают агрегатором данных из различных источников. Каждая строка = отдельное событие. Событие содержит в себе информацию об определенном “случае”. Отдельно можно выделить следующие атрибуты подобных событий в журналах:

• идентификатор случая (id);
• активность (activity name);
• метка времени (timestamp);
• ресурс (resource).

Вся ненужная информация выводится отдельным атрибутом – other data.

Системы класса Process Mining, анализируя логи, группируют все события по их идентификаторам и времени, создавая модель реально протекающего бизнес-процесса. Визуализация процесса дает возможность увидеть лишние циклы и действия, “временные петли” и потери, переброс задач на разных исполнителей, “форс-мажорные” ситуации, исправление которых отнимает много времени и ресурсов. Процесс в динамике, изменения по его совершенствованию также можно отследить посредством фильтрации временных периодов. К тому же, несмотря на то, что процессная аналитика использует собранные (т.е. уже произошедшие) данные, результаты анализа можно применять к бизнес-процессам, протекающим в организации в данный момент.

Специализированные программные решения позволяют не только увидеть структуру процесса, но и всю “внутреннюю кухню”. Например, действия каждого участника, которые привели к увеличению временных затрат. Это дает возможность провести бенчмаркинг между всеми работниками, задействованными в процессе.

Вся неидеальность организации работы, все неэффективные и попросту ненужные действия, ошибки и задержки при выполнении процесса показаны именно с точки зрения имеющихся фактов. Ошибки или намеренные искажения данных, вызванные человеческим фактором, исключены.

Результаты внедрения

Применение технологии process mining позволяет:

• детально визуализировать процесс;
• увидеть отличия между моделью реального процесса и образцами, прописанными во внутренних регламентах;
• провести анализ ключевых показателей (KPI);
• найти “узкие места” в существующих бизнес-процессах.

Особенно заметен экономический эффект от внедрения инструментов процессной аналитики в двух случаях:

• когда идет анализ массовых простейших процессов, которые ежедневно многократно повторяются (самый очевидный пример – обслуживание клиентов крупного банка, имеющего множество филиалов в стране). Существует вертикаль действий, все последовательности выверены, поэтому акцент будет не на изменении самой “механики” процесса, а нахождении операций, роботизация которых позволит сэкономить денежные, временные и человеческие ресурсы;
• отдельный процесс, который затрагивает работу нескольких отделов/служб/департаментов. В данном случае процессная аналитика, визуализируя процесс, позволит отказаться от вовлечения в него лишних участников, оптимизирует количество шагов, даст возможность избежать лишних циклов и согласований.

Источник

Process Mining: знакомство

В этой статье я постараюсь приоткрыть завесу над интересной технологией из области управления бизнес-процессами ( BPM). Интеллектуальный анализ процессов ( Process Mining) фокусируется на обнаружении, анализе и оптимизации бизнес-процессов на основе данных из журналов событий (англ. event logs), представляя недостающее звено между классическим анализом бизнес-процессов с использованием их моделей и интеллектуальным анализом данных ( Data Mining).

Рисунок 1. Позиционирование Process Mining.

Далее мы разовьем тему позиционирования, коснемся вариантов использования, поговорим об исходных данных и рассмотрим различные типы интеллектуального анализа процессов.

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.

Вопросы, на которые отвечает Process Mining, можно разбить на две группы (см. стрелки влево и вправо на рисунке 1):

• Вопросы производительности (эффективности) процессов.
• Вопросы согласованности процессов.

Варианты использования

В таблице ниже указаны некоторые варианты использования интеллектуального анализа процессов, а также связанные с ними вопросы, разбитые по вышеуказанным группам.

№	Вариант использования	Вопросы	Группа вопросов
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 (англ. bottlenecks) 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.

Рисунок 2. Журнал событий — данные о приеме пациентов.

Конечно, выбор указанных выше атрибутов зависит от целей анализа. Например (смотрим на рисунок 2), если нас интересует процесс, описывающий порядок получения пациентами надлежащего лечения, то в качестве идентификаторов случаев используем пациентов (столбец patient), деятельностями называем получаемые пациентами процедуры (столбец activity), а ресурсами обозначаем выполняющих данные процедуры врачей (столбец doctor). Если же нам интересен другой процесс, описывающий порядок выполнения врачами процедур, то идентификаторами событий будут сами врачи (столбец doctor), деятельностями — выполняемые данными врачами процедуры (столбец activity), а ресурсами — внимание, также станут врачи (столбец doctor).

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.

Рисунок 3. Пример Play-Out.

На рисунке 3 показан пример симуляции по готовой модели рабочего процесса (англ. workflow). Модель процесса выполнена с использованием упрощенной нотации BPMN. Красным показаны шаги на одном из возможных путей выполнения процесса, а журнал внизу наполнен данными о событиях в порядке их регистрации при прохождении данного пути.

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).

Рисунок 4. Пример Play-In.

На рисунке 4 показан пример получения модели процесса по готовым последовательностям событий (указаны красным). Если приглядеться, то можно заметить, что все последовательности событий на рисунке начинаются с шага a и заканчиваются шагом g или h. Результирующая модель процесса в точности соответствует подмеченным особенностям, что иллюстрирует основной принцип ее вывода из 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.

Рисунок 5. Пример Replay.

На рисунке 5 представлен пример попытки воспроизведения имеющейся последовательности событий согласно готовой модели процесса. Попытка закончилась неудачей по причине того, что модель требует прохождения шага d прежде, чем будет открыт переход к шагу e (подробнее разобраться с причинами неудачи поможет изучение шлюзов (англ. gateways) нотации BPMN).

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.

Дополнительно

Для тех, кто желает самостоятельно попробовать применить полученные знания на практике, спешу сообщить об инструменте, который позволит воплотить ваши смелые начинания в жизнь. ProM — это свободный фреймворк, включающий все необходимое для выполнения интеллектуального анализа процессов. Стабильная версия ProM доступна для скачивания под Windows и под другие ОС. Общая информация (включая примеры исходных данных, руководства и упражнения) расположена на сайте ProM Tools.

Заключение

Существующий разрыв между анализом моделей бизнес-процессов и данных затрудняет поиск решений множества интересных и сложных задач современного мира, где значение данных давно сравнивается со значением нефти (см. Data is the new oil). Process Mining призван ликвидировать данный разрыв, поднимая анализ бизнес-процессов на новый уровень.

Благодарю за внимание и категорически рекомендую продолжить изучение темы самостоятельно! Отличным началом станет вышеупомянутый онлайн курс Process Mining: Data Science in Action.

Источник