Dolovanie procesov[1][2] (iné názvy: dolovanie v procesoch[3], vyťažovanie procesov[4], procesná ťažba[5], process mining; angl. process mining) je technika procesného riadenia, ktorá umožňuje analýzu podnikových procesov na základe zaznamenaných udalostí. Základnou myšlienkou je získať poznatky zo zaznamenaných udalostí pomocou informačného systému. Process mining má za cieľ zlepšiť získavanie dát tým, že poskytuje techniky a nástroje pre poznávanie procesu, kontroly, dát, organizačných a sociálnych štruktúr zo zaznamenaných udalostí. V priemysle je tiež známy ako Automated Business Process Discovery (ABPD).[6]

Techniky dolovania procesov sa často používajú, ak neexistuje žiaden oficiálny opis procesu, ktorý môže byť získaný inými spôsobmi, alebo keď kvalita existujúcej dokumentácie je sporná. Napríklad audit smerovania systému riadenia pracovného toku, transakčné záznamy z ERP systému (systém plánovania podnikových zdrojov) a elektronické záznamy pacienta v nemocnici môžu byť použité na získavanie modelov opisujúcich procesy, organizácie a produkty. Okrem toho tieto zaznamenané javy/udalosti môžu byť použité aj na porovnanie s predchádzajúcim modelom či pozorovanou realitou prispôsobenou nejakému perspektívnemu alebo deskriptívnemu modelu.

Dolovanie procesov sa často nesprávne interpretuje ako oblasť súvisiaca s dátovou vedou. Na dolovanie procesov by sa malo pozerať ako na most medzi dátovou vedou a procesnou vedou. Dolovanie procesov sa zameriava na transformáciu denníka udalostí na zmysluplnú reprezentáciu procesu, ktorá môže viesť k vzniku viacerých problémov spojených s dátovou vedou a so strojovým učením.[7]

Kategórie upraviť

Existujú tri kategórie techník procesnej ťažby.

Process Discovery: Prvý krok v procese ťažby. Hlavným cieľom zisťovania procesov je transformovať protokol udalostí na model procesu. Protokol udalostí môže pochádzať z akéhokoľvek systému na ukladanie údajov, ktorý zaznamenáva aktivity v organizácii spolu s časovými pečiatkami pre tieto aktivity. Takýto protokol udalostí musí obsahovať ID prípadu (jedinečný identifikátor na rozpoznanie prípadu, do ktorého aktivita patrí), popis aktivity (textový popis vykonanej aktivity) a časovú pečiatku vykonania aktivity. Výsledkom zisťovania procesov je vo všeobecnosti model procesu, ktorý predstavuje protokol udalostí. Takýto procesný model možno objaviť napríklad pomocou techník, ako je alfa algoritmus (didakticky riadený prístup), heuristický baník alebo induktívny ťažobník. Existuje mnoho zavedených techník na automatickú konštrukciu modelov procesov (napríklad Petriho siete, diagramy BPMN, diagramy aktivít, stavové diagramy a EPC) na základe protokolu udalostí.[8][9][10][11] Nedávno sa výskum procesného dolovania začal zameriavať na iné perspektívy (napr. údaje, zdroje, čas atď.). Jedným príkladom je technika opísaná v (Aalst, Reijers, & Song, 2005)[12], ktorú možno použiť na vytvorenie sociálnej siete. V súčasnosti sa vyvíjajú techniky ako „streaming process mining“, aby mohli pracovať s nepretržitými online údajmi, ktoré je potrebné spracovať na mieste.

Kontrola zhody: Pomáha pri porovnávaní denníka udalostí s existujúcim modelom procesu s cieľom analyzovať nezrovnalosti medzi nimi. Takýto procesný model môže byť skonštruovaný manuálne alebo pomocou vyhľadávacieho algoritmu. Procesný model môže napríklad naznačovať, že objednávky v hodnote viac ako 1 milión eur vyžadujú dve kontroly. Ďalším príkladom je kontrola takzvaného princípu „štyroch očí“. Kontrola zhody sa môže použiť na detekciu odchýlok (kontrola zhody), na vyhodnotenie algoritmov zisťovania alebo na obohatenie existujúceho modelu procesu. Príkladom je rozšírenie procesného modelu o výkonové dáta, t. j. na projektovanie potenciálnych úzkych miest sa používa nejaký a priori procesný model. Ďalším príkladom je rozhodovací baník opísaný v (Rozinat & Aalst, 2006b),[13], ktorý používa a priori procesný model a analyzuje každú voľbu v procesnom modeli. V denníku udalostí sa konzultuje každá možnosť, aby ste videli, ktoré informácie sú zvyčajne dostupné v momente výberu. Kontrola zhody má rôzne techniky, ako napríklad "prehrávanie založené na tokenoch", "kontrola zhody streamovania", ktoré sa používajú v závislosti od potrieb systému. Potom sa používajú klasické techniky dolovania údajov, aby sa zistilo, ktoré prvky údajov ovplyvňujú výber. V dôsledku toho sa pre každú voľbu v procese vygeneruje rozhodovací strom.

Analýza výkonnosti: Používa sa, keď existuje apriórny model. Model je rozšírený o ďalšie informácie o výkone, ako sú časy spracovania, časy cyklov, čakacie doby, náklady atď., takže cieľom nie je kontrola zhody, ale skôr zlepšenie výkonu existujúceho modelu s ohľadom na určitý výkon procesu. Opatrenia. Príkladom je rozšírenie procesného modelu o výkonové údaje, t. j. nejaký predchádzajúci procesný model dynamicky anotovaný údajmi o výkone. Je tiež možné rozšíriť procesné modely o ďalšie informácie, ako sú pravidlá rozhodovania a organizačné informácie (napr. roly).

Dolovanie procesov vs. iné prístupy k analýze procesov[14] upraviť

Ako sa dolovanie procesov odlišuje od metód:

  1. business process management
  2. Lean Six Sigma
  3. data mining
  4. business intelligence
  5. Simulácia
  6. big data
  7. Excel

Business process management upraviť

BPM prebieha niekoľkými fázami: navrhovaním, vykonávaním, analyzovaním a opätovným navrhovaním procesov. Dolovanie procesov zapadá do analytickej fázy životného cyklu BPM. Zatiaľ čo tradičné prístupy BPM sa začínajú modelovaním procesu, dolovanie procesov sa začína pochopením procesov pomocou získavania dát zo skutočných procesov.

Lean Six Sigma upraviť

Dolovanie procesov ako technológiu možno využiť v spojitosti so špecifickými metódami zlepšovania procesov. Populárna metóda používaná v praxi je Lean Six Sigma s využívanou metodológiou DMAIC (Define - Definuj, Measure - Meraj, Analyze - Analyzuj, Improve - Zlepšuj, Control - Riaď).

Process mining môže byť použitý v „as-is“ fáze k identifikácii plytvania a príležitostí k zlepšovaniu oveľa rýchlejšie a presnejšie ako by to bolo možné s manuálnym mapovaním procesu. Poskytuje tiež príležitosť k opakovaniu procesnej analýzy a pomáha s controllingom a udržaním prijatých zmien.

Data mining upraviť

Data mining (dolovanie v údajoch) je oveľa staršie než dolovanie procesov a zriedkavo sa zameriava na procesy. Dolovanie procesov, tak ako data mining, využíva dáta, ale preskúmava a analyzuje procesné modely, aby sa pochopilo ako „as-is“ procesy vyzerajú. Z vedeckého hľadiska dolovanie procesov vychádza viac z prístupu BPM než data mining.

Business intelligence upraviť

Nástroje business intelligence sa musia vysporiadavať s rovnakými výzvami, s akými sa zaoberá dolovanie procesov pri analýze end-to-end procesov. Napríklad je v prípade business intelligence potrebné spojiť dáta z niekoľkých IT systémov, z čoho môže ťažiť dolovanie procesov, ktorý takéto dáta využíva.

BI analyzuje špecifické ukazovatele výkonu procesov (KPI), ktoré však neukazujú ako procesy fungujú. Process mining je komplementárny nástroj, ktorý umožňuje analyzovať procesy a zistiť prečo sú ukazovatele KPI mimo stanovené tolerančné hranice.

Simulácie upraviť

Ľudia často zamieňajú animácie vytvorené v softvéroch pre dolovanie procesov so simuláciou, nie je to však správne. Dolovanie procesov sa začína analýzou súčasnej situácie a automaticky odhaľuje to, ako proces skutočne vyzerá. Simulácia sa začína modelom a umožňuje skúmať alternatícne „what-if“ scenáre.

Veľká výzva pre simuláciu procesov je to, že pre začiatok je potrebné mať dobrý model zachycujúci skutočnosť. Simulácia v kombinácii s Process mining poskytuje veľkú príležitosť získať lepšiu východziu pozíciu pre simulácie.

Big data upraviť

Hlavným problém metódy big data je to, že z takto získaných dát ťažko ťažíme pridanú hodnotu[15]. Dolovania procesov, ako nová technika analýzy dát, ktorá sa zameriava na procesy, poskytuje jasné výhody pre kohokoľvek kto rozumie významu podnikových procesov v kontexte množstva dát, ktoré sa neustále akumulujú.

Excel upraviť

MS Excel, prípadne iné tabuľkové editory, môžu byť dobrým nástrojom na zodpovedanie už známych otázok. Neposkytujú však možnosť skúmať nové veci, na ktoré by sme inak neprišli. A podobne ako data mining (dolovanie v údajoch) alebo nástroje business intelligence, Excel neposkytuje procesnú perspektívu.

Rozdelenie procesov v rámci dolovania procesov[16] upraviť

Jedna možnosť chápania procesov, ktoré môžu byť analyzované, je použitie Porterovej analýzy hodnotového reťazca. Tu je pár príkladov procesov, ktoré boli zanalyzované metódou dolovania procesov:

Primárne procesy upraviť

Existuje niekoľko primárnych procesov, ktoré majú podniky spoločné, napríklad:

  • Procesy predaja (podporované systémom Salesforce)
  • Zákaznícky servis (podporované Sieblovým CRM systémom)
  • Správa materiálu (podporované Skladovým systémom)

Taktiež existujú procesy, ktoré sú špecifické pre daný podnik alebo odvetvie, napríklad:

  • Proces žiadania o úver v banke
  • Nariadenia procesov prekladov v EU
  • Diagnóza a proces liečby v nemocnici
  • Nárok na náhradu škody v poisťovni
  • Spracovávanie žiadostí o dotácie vládou
  • Vývoj softvéru pre softvérového partnera

Podporné procesy upraviť

Sekundárne procesy sú napr.:

  • procesy na oddelení ľudských zdrojov (napr. podporované systémom case managementu)
  • procesy na oddelení IT (napr. podporované systémom ITSM)
  • procesy nákupu (napr. podporované ERP systémom)

Procesy používania upraviť

Keď spoločnosť predá produkt, je nevyhnutné, aby vedela, ako ho zákazníci využívajú. Napríklad výrobca zdravotníckych zariadení ako Phillips Healthcare chce analyzovať procesy používania röntgenu doktorom, aby sa zlepšila spoľahlivosť a použiteľnosť ich zariadenia. Ďalší druh procesu v tejto kategórii je takzvaná "zákazníkova jazda", ktorá sleduje, ako zákazníci interagujú so spoločnosťou cez viacero možných kanálov. Predstavte si napríklad zákazníka, ktorý používa internet banking cez webovú stránku a potom volá na zákaznícku podporu, pretože nevie nájsť potrebnú informáciu, ktorú hľadá.

Procesy dodávateľa upraviť

Pre výrobné spoločnosti, ktoré veľmi spoliehajú na externých dodávateľov, ako napríklad automobilové spoločnosti, je často dôležité spolupracovať s ich dodávateľmi už vo fáze výskumu a vývoja a usporiadať ich procesy, aby boli úspešní.

Outsourcované procesy upraviť

Zvyšujúci sa počet podporných procesov je outsourcovaný špeciálnym podnikom, ktoré sú schopné poskytnúť tieto procesy efektívnejšie a za nižšie ceny. Napr. IT je často aspoň z časti riadená externými podnikmi. Iné príklady outsourcingu sú call-centrá, logistické procesy, strážne služby a iné.

Softvér na dolovanie procesov upraviť

Komerčné nástroje na dolovanie procesov:

  • minit[17] je moderný Process Mining softvér vytvorený spoločnosťou Minit j. s. a.

Referencie upraviť

  1. Cecília Havrilová, Ján Paralič. Dolovanie procesov a jeho vplyv na tvorbu odporúčaní produkto. 2015 [1]
  2. Výskum v oblasti bezpečnosti prenosu rozsiahlych dát mobilných zariadení a príprave automatizovaných nástrojov udržiavania súkromia a privátnosti dát (pilotný projekt)[2]
  3. [3]
  4. [4]
  5. Process Mining usage for potential insider threat identification utilizing PM4Py [5]
  6. Archivovaná kópia [online]. [Cit. 2015-04-08]. Dostupné online. Archivované 2015-04-06 z originálu.
  7. Jared Dean. Big Data, Data Mining, and Machine Learning. [s.l.] : Wiley, 2014. Dostupné online.
  8. Agrawal, R., Gunopulos, D., & Leymann, F. (1998). Mining Process Models from Workflow Logs. In Sixth international conference on extending database technology (pp. 469–483).
  9. Cook, J., & Wolf, A. (1998). Discovering Models of Software Processes from Event-Based Data. ACM Transactions on Software Engineering and Methodology, 7 (3), 215–249.
  10. Datta, A. (1998). Automating the Discovery of As-Is Business Process Models: Probabilistic and Algorithmic Approaches. Information Systems Research, 9 (3), 275–301.
  11. Weijters, A., & Wil van der Aalst|Aalst, W. van der (2003). Rediscovering Workflow Models from Event-Based Data using Little Thumb. Integrated Computer-Aided Engineering, 10 (2), 151–162.
  12. Wil van der Aalst|Aalst, W. van der, Beer, H., & Dongen, B. van (2005). Process Mining and Verification of Properties: An Approach based on Temporal Logic. In R. Meersman & Z. T. et al. (Eds.), On the Move to Meaningful Internet Systems 2005: CoopIS, DOA, and ODBASE: OTM Confederated International Conferences, CoopIS, DOA, and ODBASE 2005 (Vol. 3760, pp. 130–147). Springer-Verlag, Berlin.
  13. Rozinat, A., & Wil van der Aalst (2006a). Conformance Testing: Measuring the Fit and Appropriateness of Event Logs and Process Models. In C. Bussler et al. (Ed.), BPM 2005 Workshops (Workshop on Business Process Intelligence) (Vol. 3812, pp. 163–176). Springer-Verlag, Berlin.
  14. http://fluxicon.com/blog/2014/02/how-is-process-mining-different-from/
  15. Big Data: Stručná história [online]. 2022-12-11. Dostupné online. (po anglicky)
  16. http://www.bptrends.com/the-added-value-of-process-mining/
  17. minit