Визуализација процеса помоћу софтвера: Шта тачно стоји иза Процесс Мининга?

Anonim

Извор технологије аналитике великих података Процесс Мининг налази се у Холандији. Холандски професор рачунарске науке Вил ван дер Аалст већ је истраживао системе за управљање током рада и управљање пословним процесима (БПМ) почетком 2000-их на Техничком универзитету у Еиндховену. Открио је јаз у анализи трансакционих података: До сада су се фокусирали на анализу података, не додељујући их процени процеса.

Process Mining kann Unternehmen dabei helfen, den Durchblick in ihren Abläufen zu behalten.
Ископавање процеса може помоћи компанијама да прате своје пословање.
Фото: ПРОКОПЕВА ИРИНА - схуттерстоцк.цом

Процес рударјења је осмишљен тако да затвори овај јаз између традиционалних, заснованих на моделима анализа процеса и техника усмерених на податке, као што је вађење података. За разлику од ископавања података, Процесс Мининг се фокусира на употребу имплицитних процесних знања у подацима - иде даље од традиционалних решења пословне интелигенције која су усредсређена пре свега на појединачне метрике, испоручујући резултате и процесе од тачке до тачке предизбор није холистички.

За то време, ПроМ је развио прву технологију рударства процеса као софтвер отвореног кода у ТУ Еиндховен, који је пре свега био намењен употреби у науци и истраживању. Од 2011. године, Процесс Мининг је такође доступан компанијама - са софтверским решењима која постижу нову комбинацију података о догађајима и модела процеса.

споодс.де

Опремљен за дигитални корпоративни свет

Да би се суочиле са изазовима дигитализације и задовољиле све већу потражњу купаца за персонализованим корисничким искуством, компанијама је потребно јако добро разумевање сопствених процеса. Овде вам може помоћи процес рударства. У поређењу са класичним методама вађења података, процесно ископавање не започиње на нивоу података, већ на нивоу процеса, а технологија чини сваки корак процеса, ако је потребно, на бази докумената. Ово ће открити одступања и уска грла која процес чине неефикасним - а самим тим и потенцијалом за оптимизацију.

Процес рударства анализира записнике који су идентификовани као догађаји, тј. Активности у процесу. Ови догађаји су заузврат додијељени процесној инстанци. Процес процеса пресликава се као пут до хронолошких догађаја. Поред тога, могу се додати додатне информације, попут информација о улози извршења запослених, објектима који су обрађени у процесу или временском жигу извршења. Помоћу ових евиденција догађаја корисници могу препознати стварне процесе у компанији, упоредити их са циљаним моделима процеса и из њих извући мере.

Ископавање процеса следеће генерације

У временима када се дневно генерише више од 2, 5 милијарди гигабајта података, више се не ради о прикупљању, већ о разумијевању и кориштењу тих гигантских количина података. Кроз прогресивни развој и интеграцију машинског учења и вештачке интелигенције у процес рударства, постаје могуће генерисати препоруке за деловање и одлуке на основу огромних скупова података процеса.

Све што вреди прочитати о Биг Дата-у можете пронаћи у нашим Великим мрежним подацима

дисплеј

Шта нас очекује у 2030. години

Was uns 2030 erwartet - Foto: Dell

Иновативне технологије доводе до поремећаја. Ово истраживање открива шта лидери водећих светских компанија очекују од дигиталне будућности.

Преузмите студију

У машинском учењу знање се ствара из историје: систем учи из токова процеса, препознаје корелације између узрока и последица и може препознати и објаснити одступања. Машинско учење омогућава „предвиђање процеса ископавања“. Које мере се предузимају у овом конкретном случају, није препуштено у потпуности субјективној процени корисника: Процесс Мининг препознаје обрасце у огромним скуповима података, процену и примену мера у одговарајућој организацији обављају људи.

У будућности ће анализа процеса све више бити подржана машинским учењем и вјештачком интелигенцијом. Међутим, централни аспект остаје пријатељски према корисницима - само на тај начин могуће је радити у компанијама без стручног знања.

Прочитајте како раде вештачка интелигенција и машинско учење