การขุดกระบวนการ: วิทยาศาสตร์ข้อมูลในการกระทำ

รายละเอียด

Process mining เป็นลิงค์ที่ขาดหายไประหว่างการวิเคราะห์กระบวนการตามโมเดลและเทคนิคการวิเคราะห์เชิงข้อมูล ผ่านชุดข้อมูลที่เป็นรูปธรรมและซอฟต์แวร์ที่ใช้งานง่ายหลักสูตรจะให้ความรู้ด้านข้อมูลวิทยาศาสตร์ที่สามารถนำไปใช้โดยตรงในการวิเคราะห์และปรับปรุงกระบวนการในหลากหลายโดเมน

วิทยาศาสตร์ข้อมูลเป็นอาชีพแห่งอนาคตเนื่องจากองค์กรที่ไม่สามารถใช้ข้อมูล (ขนาดใหญ่) อย่างชาญฉลาดจะไปไม่รอด ไม่เพียงพอที่จะมุ่งเน้นไปที่การจัดเก็บข้อมูลและการวิเคราะห์ข้อมูล นักวิทยาศาสตร์ข้อมูลยังต้องเชื่อมโยงข้อมูลเพื่อประมวลผลการวิเคราะห์ การทำเหมืองในกระบวนการเชื่อมช่องว่างระหว่างการวิเคราะห์กระบวนการแบบจำลองแบบดั้งเดิม (เช่นการจำลองและเทคนิคการจัดการกระบวนการทางธุรกิจอื่น ๆ ) และเทคนิคการวิเคราะห์ข้อมูลเป็นศูนย์กลางเช่นการเรียนรู้ของเครื่องและการขุดข้อมูล การขุดในกระบวนการแสวงหาการเผชิญหน้าระหว่างข้อมูลเหตุการณ์ (เช่นพฤติกรรมที่สังเกตได้) และแบบจำลองกระบวนการ (ทำด้วยมือหรือค้นพบโดยอัตโนมัติ) เทคโนโลยีนี้มีให้บริการเมื่อไม่นานมานี้ แต่สามารถนำไปใช้กับกระบวนการปฏิบัติงานประเภทใดก็ได้ (องค์กรและระบบ) ตัวอย่างการใช้งาน ได้แก่ การวิเคราะห์กระบวนการรักษาในโรงพยาบาลการปรับปรุงกระบวนการบริการลูกค้าใน บริษัท ข้ามชาติการทำความเข้าใจพฤติกรรมการเรียกดูของลูกค้าโดยใช้เว็บไซต์การจองการวิเคราะห์ความล้มเหลวของระบบการจัดการสัมภาระและการปรับปรุงส่วนต่อประสานผู้ใช้ของเครื่องเอ็กซ์เรย์ แอปพลิเคชันทั้งหมดนี้มีเหมือนกันที่พฤติกรรมแบบไดนามิกจำเป็นต้องเกี่ยวข้องกับแบบจำลองกระบวนการ ดังนั้นเราจึงเรียกสิ่งนี้ว่า "วิทยาศาสตร์ข้อมูลในการดำเนินการ"

หลักสูตรนี้จะอธิบายถึงเทคนิคการวิเคราะห์ที่สำคัญในกระบวนการขุด ผู้เข้าร่วมจะได้เรียนรู้อัลกอริทึมการค้นพบกระบวนการต่างๆ สิ่งเหล่านี้สามารถใช้เพื่อเรียนรู้แบบจำลองกระบวนการโดยอัตโนมัติจากข้อมูลเหตุการณ์ดิบ จะนำเสนอเทคนิคการวิเคราะห์กระบวนการอื่น ๆ ที่ใช้ข้อมูลเหตุการณ์ นอกจากนี้หลักสูตรนี้ยังมีซอฟต์แวร์ที่ใช้งานง่ายชุดข้อมูลในชีวิตจริงและทักษะการปฏิบัติเพื่อนำทฤษฎีมาใช้โดยตรงในหลากหลายโดเมน

หลักสูตรนี้เริ่มต้นด้วยภาพรวมของวิธีการและเทคโนโลยีที่ใช้ข้อมูลเหตุการณ์เพื่อสนับสนุนการตัดสินใจและการออกแบบกระบวนการทางธุรกิจ จากนั้นหลักสูตรจะเน้นไปที่การทำเหมืองกระบวนการเป็นสะพานเชื่อมระหว่างการทำเหมืองข้อมูลและการสร้างแบบจำลองกระบวนการทางธุรกิจ หลักสูตรนี้อยู่ในระดับเริ่มต้นพร้อมการมอบหมายภาคปฏิบัติต่างๆ

หลักสูตรนี้ครอบคลุมการทำเหมืองกระบวนการสามประเภทหลัก

1. การขุดกระบวนการแบบแรกคือการค้นพบ เทคนิคการค้นพบใช้บันทึกเหตุการณ์และสร้างแบบจำลองกระบวนการโดยไม่ใช้ข้อมูลก่อน ตัวอย่างคืออัลกอริทึมที่ใช้บันทึกเหตุการณ์และสร้างแบบจำลองกระบวนการ (สุทธิ Petri) อธิบายพฤติกรรมที่บันทึกไว้ในบันทึก

2. การขุดกระบวนการแบบที่สองคือความสอดคล้อง ที่นี่แบบจำลองกระบวนการที่มีอยู่จะถูกเปรียบเทียบกับบันทึกเหตุการณ์ของกระบวนการเดียวกัน การตรวจสอบความสอดคล้องสามารถนำมาใช้เพื่อตรวจสอบว่าความจริงตามที่บันทึกไว้ในบันทึกสอดคล้องกับรูปแบบและในทางกลับกัน

3. การขุดกระบวนการที่สามเป็นการปรับปรุง ที่นี่แนวคิดคือการขยายหรือปรับปรุงรูปแบบกระบวนการที่มีอยู่โดยใช้ข้อมูลเกี่ยวกับกระบวนการจริงที่บันทึกไว้ในบันทึกเหตุการณ์บางอย่าง ในขณะที่การตรวจสอบความสอดคล้องมาตรการการจัดตำแหน่งระหว่างแบบจำลองและความเป็นจริงการทำเหมืองกระบวนการแบบที่สามนี้มีจุดมุ่งหมายที่การเปลี่ยนแปลงหรือการขยายแบบจำลองล่วงหน้า ตัวอย่างคือส่วนขยายของตัวแบบกระบวนการที่มีข้อมูลประสิทธิภาพเช่นแสดงคอขวด เทคนิคการขุดกระบวนการสามารถใช้แบบออฟไลน์ แต่ยังตั้งค่าออนไลน์ หลังเรียกว่าสนับสนุนการดำเนินงาน ตัวอย่างคือการตรวจจับการไม่สอดคล้องในขณะที่การเบี่ยงเบนเกิดขึ้นจริง อีกตัวอย่างหนึ่งคือการคาดการณ์เวลาสำหรับกรณีและปัญหาที่เกิดขึ้นเช่นกรณีที่ถูกดำเนินการบางส่วนเวลาในการประมวลผลที่เหลือจะถูกประเมินตามข้อมูลประวัติของกรณีที่คล้ายกัน

การขุดกระบวนการไม่เพียง แต่เป็นสะพานเชื่อมระหว่างการขุดข้อมูลและการจัดการกระบวนการทางธุรกิจ นอกจากนี้ยังช่วยระบุความแตกต่างระหว่าง "ธุรกิจ" และ "ไอที" แบบคลาสสิก การจัดการกระบวนการทางธุรกิจที่ใช้หลักฐานตามการขุดกระบวนการช่วยสร้างพื้นฐานร่วมสำหรับการปรับปรุงกระบวนการทางธุรกิจและการพัฒนาระบบสารสนเทศ

หลักสูตรใช้ตัวอย่างมากมายโดยใช้บันทึกเหตุการณ์ในชีวิตจริงเพื่อแสดงแนวคิดและอัลกอริธึม หลังจากเรียนหลักสูตรนี้แล้วเราสามารถดำเนินการโครงการการทำเหมืองแร่กระบวนการและมีความเข้าใจที่ดีเกี่ยวกับ Business Process Intelligence

หลังจากลงเรียนหลักสูตรนี้แล้วคุณควร:
- มีความเข้าใจในเทคนิค Business Process Intelligence เป็นอย่างดี (โดยเฉพาะการขุดในกระบวนการ)
- เข้าใจบทบาทของ Big Data ในสังคมปัจจุบัน
- สามารถเชื่อมโยงเทคนิคการทำเหมืองกระบวนการกับเทคนิคการวิเคราะห์อื่น ๆ เช่นการจำลองระบบธุรกิจอัจฉริยะการขุดข้อมูลการเรียนรู้ของเครื่องและการตรวจสอบ
- สามารถใช้เทคนิคการค้นหากระบวนการพื้นฐานเพื่อเรียนรู้รูปแบบกระบวนการจากบันทึกเหตุการณ์ (ทั้งด้วยตนเองและโดยใช้เครื่องมือ)
- สามารถใช้เทคนิคการตรวจสอบความสอดคล้องพื้นฐานเพื่อเปรียบเทียบบันทึกเหตุการณ์และแบบจำลองกระบวนการ (ทั้งด้วยตนเองและโดยใช้เครื่องมือ)
- สามารถขยายรูปแบบกระบวนการด้วยข้อมูลที่ดึงมาจากบันทึกเหตุการณ์ (เช่นแสดงปัญหาคอขวด)
- มีความเข้าใจเป็นอย่างดีเกี่ยวกับข้อมูลที่จำเป็นในการเริ่มโครงการขุดกระบวนการ
- สามารถระบุลักษณะของคำถามที่สามารถตอบได้ตามข้อมูลเหตุการณ์ดังกล่าว
- อธิบายว่าการขุดในกระบวนการสามารถใช้เพื่อสนับสนุนการปฏิบัติงานได้อย่างไร (การคาดคะเนและคำแนะนำ) และ
- สามารถดำเนินโครงการเหมืองแร่อย่างมีแบบแผน