Data pro process mining: co potřebujete na začátek

Pro process mining potřebujete tři údaje: ID případu, které propojí události, aktivitu, která popisuje, co se stalo, a časové razítko, které událost zařadí v čase. Většina týmů je najde v exportu, který už má k dispozici. Pak je třeba určit, které záznamy odpovídají na konkrétní otázku.

Stručně: jaká data potřebujete pro process mining?

Začněte s minimálním záznamem událostí: jeden řádek pro každou událost, s ID případu, aktivitou a časovým razítkem. Další atributy přidejte, pokud pomohou odpovědět na konkrétní otázku. Nečekejte na dokonalý dataset, než ověříte, zda z něj lze zjistit, jak práce skutečně probíhá.

Vše níže se týká toho, jak zajistit spolehlivost těchto tří údajů. Pokud jsou pro vás pojmy nové, začněte článkem co je process mining a tím, co vám záznam událostí ukáže, ještě než cokoli exportujete.

Povinná pole tvoří základ datového schématu pro process mining. Volitelná pole vám později pomohou vysvětlit rozdíly. Nejprve ověřte, zda export obsahuje všechna tři povinná pole a zda každý řádek představuje jednu událost. Praktický příklad struktury najdete v článku jak vytvořit záznam událostí. Nastavení jednotlivých polí popisuje dokumentace k mapování dat.

Jaká data potřebujete?

Představte si, že provozujete stánek s limonádou a chcete zjistit, proč zákazníci čekají. Nepotřebujete znát všechny podrobnosti o každém zákazníkovi. Potřebujete znát jednotlivé kroky každé objednávky.

U každé události zaznamenejte:

• ID případu: číslo objednávky propojí události, které patří ke stejné objednávce.
• Aktivita: název toho, co se stalo, například „Přijmout objednávku“, „Připravit limonádu“ nebo „Obsloužit zákazníka“.
• Časové razítko: kdy k události došlo. Díky němu lze události seřadit.

Figure 1 — Sledujte jednotlivé kroky, ne všechny podrobnosti každého případu.

Strukturu ukáže i jednoduchý příklad:

S těmito údaji uvidíte posloupnost kroků každé objednávky i dobu jejich trvání. Další pole, například typ objednávky nebo prodejní kanál, pomohou vysvětlit, proč některé objednávky trvají déle. Přidejte je, pokud vám pomohou odpovědět na konkrétní otázku.

Stejný princip platí i mimo stánek s limonádou. V procesu zpracování objednávek může být ID případu číslo objednávky, aktivity mohou představovat změny stavu a časová razítka mohou pocházet z historie událostí, nikoli z exportu sestavy. Po namapování polí načte ProcessMind existující export. Průběh procesu pak uvidíte v platformě process mining, aniž byste museli cokoli měnit ve zdrojovém systému.

Případ chybějících záznamů o limonádě

U stánku s limonádou je rušno a fronta se prodlužuje. Chcete zjistit, zda zákazníci čekají na objednání, na přípravu, nebo zda se někde objevil problém. Podklady jsou roztroušené mezi účtenkami, záznamy objednávek a poznámkami.

Figure 2 — Podklady k jedné objednávce se jen zřídka sejdou v jedné přehledné tabulce.

V reálných projektech je to běžné. Data existují, ale nejsou připravena jako záznam událostí. Je třeba spojit záznamy z různých tabulek nebo systémů a určit, která pole představují případ, aktivitu a časové razítko.

Nejprve si zapište, na jakou otázku chcete odpovědět. Pak najděte záznamy, které vám s tím pomohou.

• Chcete-li měřit dobu zpracování objednávky, najděte její identifikátor a časová razítka příslušných změn stavu.
• Chcete-li porovnat kanály, přidejte kanál jako další atribut.
• Chcete-li porozumět stížnostem, zahrňte související aktivity nebo výsledky, pokud se zaznamenávají jednotným způsobem.

Díky tomu zůstane první export zaměřený na podstatné údaje. Nemusíte sbírat všechna pole ze všech systémů. Potřebujete jen tolik dat, abyste mohli sestavit průběh procesu a prověřit svou otázku.

Pokud už máte export v Excelu nebo CSV, nejprve si ho prohlédněte a teprve potom požádejte datový tým o nový. Zjistíte, k čemu se dají využít stávající pole a co by přinesl lepší export.

Pátrání po datech

Zdrojem dat pro process mining bývají systémy, které zaznamenávají průběh práce: ERP, CRM, platforma ITSM, nástroj pro správu požadavků nebo jiná provozní aplikace. Potřebné záznamy mohou být v databázi, sestavě nebo exportu.

Zeptejte se vlastníka procesu a správce systému, kde se zaznamenávají důležité události. Pak sledujte několik skutečných případů od začátku do konce. Ověřte, zda u každého kroku najdete identifikátor případu, názvy událostí a časová razítka.

1. Vyberte jeden proces a jednu otázku

   Kde objednávky čekají nebo které předání zabere nejvíc času.

2. Najděte systém a jeho správce

   Aplikace, ve které se práce zaznamenává, a tým, který ji spravuje.

3. Hledejte historii událostí

   Sestava nebo tabulka se změnami stavu, nikoli pouze snímek aktuálního stavu.

4. Ověřte ID případu

   Stejný identifikátor musí být uveden u každé události, kterou chcete propojit.

5. Nejprve exportujte malý vzorek

   Než požádáte o rozsáhlejší export, prohlédněte si nejprve tento.

Nestahujte všechny tabulky jen proto, že jsou k dispozici. Zaměřený export se snáze kontroluje, čistí i vysvětluje. Pokud proces probíhá v několika systémech, zaznamenejte, jak spolu jejich data souvisejí. Uveďte například, které číslo objednávky propojuje záznam v CRM se záznamem v ERP.

Přehled běžných zdrojů najdete v dokumentaci o tom, kde získat data. Pokud potřebujete data z několika systémů spojit nebo upravit, podívejte se na průvodce ETL pro process mining.

Čištění dat

Export může obsahovat duplicitní události, chybějící časová razítka, nejednotné názvy stavů, testovací objednávky nebo záznamy, které do sledovaného procesu nepatří. Neznamená to, že je export nepoužitelný. Než začnete výsledky vykládat, zjistěte, co přesně představuje každý řádek.

Data zkontrolujte v několika krocích:

• Duplicitní záznamy: ověřte, zda jde o skutečně opakované události, nebo o nechtěné kopie.
• Časová razítka: hledejte chybějící hodnoty, různé formáty, neočekávaná časová pásma a události v nesprávném pořadí.
• Aktivity a stavy: sjednoťte označení se stejným významem. Stavy, které představují různé kroky, ponechte oddělené.
• Testovací nebo zrušené záznamy: rozhodněte, zda patří do analýzy, a zaznamenejte, co a proč vylučujete.
• ID případů: hledejte prázdné nebo měnící se identifikátory, které by mohly rozdělit jeden případ na několik nebo spojit nesouvisející případy.

Nevyřazujte neobvyklé případy jen proto, že se liší. Nejprve zjistěte, zda jde o platné výjimky, nebo chyby v datech. Každou změnu zaznamenejte, abyste mohli připravený dataset porovnat se zdrojem a vysvětlit jeho úpravy.

Kvalita dat pro process mining se málokdy dá posoudit jen jako dobrá, nebo špatná. Důležité je, zda se pole, na kterých závisí vaše otázka, chovají konzistentně. Proto má vzorek větší hodnotu než pouhý příslib. ProcessMind zobrazuje kvalitu přímo u datasetu: ukazatel kvality modelu s procentuálním skóre a panel, který vysvětluje, co ho ovlivňuje, včetně chybějících či nejednotných hodnot a problémů s časovými razítky. Ještě před rozhodnutím uvidíte, nakolik se můžete na výsledek spolehnout, a při opravách můžete sledovat, jak se skóre mění. Podrobnosti najdete v dokumentaci ke kvalitě dat.

Kontrola probíhá postupně: začněte vzorkem, namapujte pole, prohlédněte si výsledný proces a prověřte vše, co vypadá nesprávně. Běžné kroky a kontroly popisuje průvodce čištěním a přípravou dat.

Úprava dat

Jakmile záznamy najdete a zkontrolujete, namapujte sloupce ze zdroje na pole potřebná pro analýzu procesu. Zdrojový systém může používat jiné názvy, ale význam polí musí být jasný.

Aktivita by měla popisovat událost v procesu, ne neurčitou poznámku. „Zákazník spokojen“ může být názor nebo komentář. „Objednávka doručena“ je jasnější událost, pokud systém tento stav zaznamenává. Zvolte časové razítko, které odpovídá okamžiku události, ne pouze času exportu sestavy.

Sloupce nemusíte přiřazovat jeden po druhém ručně. Při mapování datasetu ProcessMind navrhuje odpovídající pole. AI Data Recommendations pak doporučí pravděpodobná mapování a uvede míru jistoty. Navrhne také atributy, aktivity nebo zdroje, které mohou analýzu zpřesnit. Návrhy zkontrolujete a potvrdíte, místo abyste procházeli dlouhé seznamy polí. Rozdíl je mezi odpolednem a celým týdnem stráveným mapováním. Více najdete v článku AI doporučení pro data.

Dobré mapování pomůže lidem, kteří práci znají, porozumět procesu. Názvy aktivit zkontrolujte s vlastníkem procesu a ověřte, zda se ID případů a časová razítka chovají podle očekávání. Dokumentace k mapování dat vysvětluje nastavení datasetu. Průvodce mapováním aktivit se věnuje definicím aktivit.

Kolik dat potřebujete?

Neexistuje jediný správný počet případů ani délka historie, které by vyhovovaly každému procesu. Potřebné množství závisí na tom, jak často proces probíhá, jaké rozdíly očekáváte a co chcete porovnávat.

Pro první kontrolu použijte dostatek případů, aby vzorek zahrnoval běžný průběh i výjimky, které vás zajímají. Zahrňte dostatečně dlouhé období, abyste zachytili příslušné cykly procesu a významné změny v čase. I krátké období nebo malý vzorek vám poslouží k ověření schématu a mapování. Výsledky ale nepovažujte automaticky za reprezentativní.

Větší množství dat může odhalit méně časté průběhy, jejich příprava a analýza však trvá déle. Začněte s kratším, cíleně vybraným obdobím a rozšiřte ho, pokud se po prvních výsledcích objeví další otázky. Pokud pracujete s rozsáhlým záznamem událostí, před rozhodnutím o délce historie si přečtěte doporučení k výkonu a škálovatelnosti process mining.

Formáty a možnosti nahrání

Pro první projekt použijte export, který váš tým dokáže připravit a zkontrolovat. ProcessMind podporuje běžné tabulkové a textové formáty včetně souborů CSV a Excel. Pro větší záznamy můžete použít Parquet nebo ORC. Nahrání zabere několik minut: přidáte soubor, zkontrolujete rozpoznané sloupce a zobrazíte si proces. O konektorech se můžete rozhodnout později. Postup najdete v návodu jak nahrát dataset.

Data můžete načítat také postupně, pokud potřebujete přidat novější záznamy bez opětovného sestavení celého datasetu. Vhodný postup závisí na tom, jak vznikají data ve zdrojovém systému a jak často se mění. Podrobnosti najdete v dokumentaci k podporovaným formátům dat a postupnému načítání dat.

Pro opakované načítání dat může být vhodné API. Dostupné možnosti popisuje dokumentace k Data API. Pokud se rozhodujete, jak data extrahovat, transformovat a načítat, začněte průvodcem ETL.

Jaká data nenahrávat

Zahrňte pouze data potřebná k zodpovězení otázky o procesu. Osobní údaje se mohou objevit i v polích, kde byste je nečekali, zejména v textových poznámkách, komentářích nebo popisech. Před nahráním export zkontrolujte a nepotřebná pole odstraňte nebo anonymizujte.

Ověřte s týmy odpovědnými za ochranu soukromí, bezpečnost a správu dat, co vaše organizace povoluje. Zvažte, zda vůbec potřebujete jména nebo jiné přímé identifikátory. V mnoha analýzách stačí tým, role nebo pseudonymní identifikátor, pokud to odpovídá vašemu účelu a interním pravidlům.

Nepoužívejte analýzu procesu jako důvod ke sběru většího množství osobních údajů. Dataset omezte na pole potřebná k porozumění procesu a dodržujte pravidla organizace pro přístup, uchovávání a nakládání s daty. ProcessMind odděluje jednotlivé tenanty a řídí přístup podle rolí. Auditní záznam eviduje, kdo měl k čemu přístup, takže to můžete později ověřit. Více informací najdete v článcích uživatelé, role a oprávnění, auditní záznam a v našich zásadách ochrany osobních údajů.

Jak získat podporu datového týmu

Jasně formulovaný požadavek pomůže datovému týmu odhadnout rozsah práce a vyhnout se zbytečnému exportu. Pošlete mu stručné zadání na jednu stránku s těmito informacemi:

• Proces: Uveďte název procesu a jeho začátek a konec.
• Otázka: Napište, co chcete zjistit, například kde objednávky čekají.
• Rozsah: Určete systémy, časové období a typy případů, které chcete zahrnout.
• Povinná pole: Požádejte o ID případu, aktivitu a časové razítko u každé události.
• Užitečná pole: Uveďte pouze atributy potřebné k zodpovězení otázky.
• Příklady: Přidejte několik typických případů. Citlivé hodnoty podle potřeby odstraňte.
• Kontroly: Požádejte tým, aby označil chybějící ID, chybějící časová razítka, duplicitní události a nejasné hodnoty stavů.
• Ochrana soukromí: Ověřte, která pole lze sdílet a která je třeba odstranit nebo anonymizovat.

Můžete sdílet také průvodce záznamem událostí, který týmu ukáže konkrétní příklad požadované struktury. Pokud je třeba data získat z konkrétního systému, připojte odpovídající průvodce zlepšováním procesů. Jakmile budete mít export, podle úvodního průvodce ho načtěte a zobrazte si proces.

Další krok: nahrajte a namapujte data

K prvnímu ověření nepotřebujete dokonalý export. Začněte s tím, který už máte, zkontrolujte tři povinná pole a zjistěte, co je třeba upravit, než investujete do rozsáhlejšího datového projektu.

První mapa procesu není jediným přínosem. Po načtení datasetu ProcessMind automaticky vyhodnotí proces pomocí funkce Process Health. Pro každý proces vypočítá opakovatelné skóre podle pěti dimenzí rámce CURES: shoda, jednotnost, přepracování, efektivita a plynulost. Skóre ukáže, kde začít, a stejné dashboardy upozorní, co je třeba napravit. Z prvního datasetu tak získáte seznam úkolů, nejen obrázek procesu. Process Health a jeho skóre jsou součástí licence Process Intelligence.