Řešení problémů s daty

Řešení problémů s daty

Problémy s daty se projevují konkrétně: případy se rozpadají, události jsou ve špatném pořadí, chybí kroky nebo čísla nedávají smysl. Na této stránce postupujeme od příznaku k příčině a od příčiny k řešení. Pokud stačí změnit nastavení, vyřešíte problém v ProcessMind. Jinak je potřeba upravit exportovaná data.

Celý postup přípravy dat, včetně toho, jak mají kvalitní data vypadat a jak je připravit, najdete v části Čištění a příprava dat. Kontroly, které platforma nad vašimi daty provádí, popisuje stránka Kvalita dat.

První kontroly

Než začnete zkoumat zdrojový soubor, podívejte se, jaké informace už vám ProcessMind zobrazuje:

• Červený seznam nad panely. Na kartě datové sady Obecné červený seznam uvádí, co brání pokračování: chybějící ID případu, Aktivita nebo Čas ukončení, aktivity bez dat, atributy bez hodnot nebo nesoulad mezi znovu nahraným souborem a typem procesu, pro který byl původně načten. Začněte zde.
• Ukazatel kvality modelu a panel. Ukazatel zobrazuje skóre zdraví procesu v procentech. Panel obsahuje informace o aktuálnosti dat, pokrytí atributů a analýze aktivit.
• AI doporučení pro data. Analýza datové sady vypíše nalezené problémy a navrhne mapování i opravy.
• Atributy datové sady. Můžete nastavit zobrazovaný název, datový typ a formát časového razítka nebo sloupec skrýt, aniž byste museli data znovu exportovat.

Příznaky v grafu procesu

Případy jsou rozdělené do několika částí

Co vidíte: Jedna instance procesu se zobrazuje jako mnoho krátkých případů, z nichž každý obsahuje jen jeden nebo dva kroky. Graf proto tvoří rovná řada činností.

Proč: sloupec namapovaný jako ID případu označuje něco menšího než instanci procesu, například položku, číslo faktury nebo číslo dokladu z jednoho systému.

Řešení: Namapujte sloupec, který označuje celou instanci, například objednávku, požadavek nebo pojistnou událost. Pokud žádný sloupec neobsahuje tento údaj, sjednoťte identifikátory ještě před nahráním. Spojte je v SQL nebo v úloze ETL tak, aby všechny události jedné instance měly stejné Case ID, a pak data nahrajte znovu. Konvence názvů pro jednotlivé systémy popisuje stránka Kde získat data.

Události jsou ve špatném pořadí

Co vidíte: Činnosti, které proběhly později, se zobrazují před těmi dřívějšími, například faktura je datovaná před objednávkou.

Příčina: Nejčastější jsou tři důvody. Časové razítko se načetlo v nesprávném formátu (hodnota 03/04/2025 se vyhodnotila jako 4. března místo 3. dubna). Události ze systémů v různých časových pásmech se spojily bez převodu. Nebo byl jako časové pole namapován nesprávný sloupec.

Řešení: Zkontrolujte formát v části atributy datové sady a ověřte, že je typ nastavený na Timestamp, nikoli na text. Před spojením exportů převeďte všechny zdroje do stejného časového pásma, seřaďte události v každém případu podle časového razítka a namátkově zkontrolujte několik případů od začátku do konce.

Chybí kroky

Co vidíte: Graf vynechává krok, o kterém víte, že probíhá.

Proč: tento krok v datech nezanechá stopu (schválení po telefonu, podpis na papíře), aktivita nebyla namapována nebo ji skryl filtr.

Oprava: kroky, které v procesu existují, ale nejsou zaznamenané, ponechte viditelné tak, že aktivitu označíte jako krok průchodu dat. Ostatní aktivity namapujte podle pokynů v části Mapování a zrušení mapování aktivit. Nenamapované aktivity se zobrazí průsvitně a jejich spojení budou tečkovaná. Potom zkontrolujte, které filtry jsou aktivní.

Případy nikdy nekončí

Co vidíte: mnoho případů se jednoduše zastaví, aniž by dosáhly koncové události.

Proč: export končí k určitému datu, přestože případy stále probíhají, model nemá koncovou událost nebo závěrečná aktivita v datasetu chybí.

Řešení: přidejte do modelu skutečnou koncovou událost, nebo otevřené případy ponechte bez koncové události a nezahrnujte je do časové analýzy. Časové metriky počítají pouze uzavřené případy. Nedokončený případ není chyba v datech.

Počty vypadají příliš vysoké

Co vidíte: jedna aktivita se provádí podezřele často nebo je počet případů vyšší, než uvádějí firemní reporty.

Proč: v datech jsou duplicitní řádky. Stejnou událost zaznamenala dvakrát integrace nebo opakovaný export.

Řešení: před nahráním odstraňte duplicity podle ID případu, aktivity a časového razítka. Workflow přípravy vysvětluje, kde duplicitní exporty nejčastěji vznikají.

Mapa je nepřehledná

Co vidíte: stovky aktivit, z nichž většina je technického charakteru.

Proč: přihlášení, opakované pokusy a úlohy na pozadí jsou ve stejném exportu jako procesní kroky.

Řešení: skryjte atributy, které neanalyzujete, odfiltrujte události mimo proces a seskupte události na nízké úrovni pod odpovídající aktivitu. O tom, kde končí užitečný detail a začíná šum, rozhodují odborníci na proces.

Data z různých systémů na sebe nenavazují

Co vidíte: v procesu jsou mezery v místech, kde měl přispět některý ze systémů.

Proč: data ze systémů se exportují v různou dobu, stejný krok má v každém systému jiný název nebo některý export úplně chybí.

Řešení: před spojením sjednoťte období exportu a názvy aktivit. Každému datasetu určete roli pomocí nastavení primární a srovnávací místo spojování souborů, které si odporují.

Problémy v datasetu

Nahrání se nezdaří

Co vidíte: nahrávání skončí chybou nebo se soubor načte jako jediný sloupec.

Proč: soubor nesplňuje některý z požadavků na strukturu. Nejčastěji chybí řádek záhlaví (musí být první), mezi datovými řádky jsou prázdné řádky, čísla jsou uložená jako text nebo jsou data v Excelu na druhém listu. Načítá se pouze první list.

Řešení: vložte záhlaví do prvního řádku, odstraňte prázdné řádky, zkontrolujte, že čísla jsou uložená jako čísla, a přesuňte data událostí na první list. Oddělovače a uvozovky v souborech CSV, TSV a TXT se rozpoznávají automaticky. Pokud se soubor načte jako jediný sloupec, obvykle ho nelze správně interpretovat. Exportujte ho znovu jako CSV nebo Parquet.

Sloupce nebo datové typy nesouhlasí

Co vidíte: chybí sloupec nebo se časové razítko považuje za text.

Proč: soubor se od posledního nahrání změnil nebo byl datový typ rozpoznán nesprávně.

Řešení: nastavte datový typ a formát ručně nebo sloupec skryjte. Po výměně souboru zkontrolujte červený seznam, zda nový soubor odpovídá datasetu, do kterého byl načten.

Časová razítka se nerozpoznávají

Co vidíte: sloupec s časovými razítky je prázdný nebo jsou vypočtené doby příliš dlouhé.

Proč: neobvyklý formát, místní pořadí dne a měsíce, různá přesnost (sekundy i milisekundy v jednom sloupci) nebo dvojí převod časového pásma.

Řešení: nastavte formát přímo v atributech datasetu, exporty s různou přesností rozdělte už ve zdrojovém systému a před nahráním sjednoťte časové pásmo.

Hodnoty jsou prázdné

Co vidíte: panel kvality ukazuje mezery v pokrytí atributů nebo graf obsahuje kategorii null.

Proč: zdrojový systém nezaznamenává hodnotu u každého případu nebo export prázdná pole vynechal.

Řešení: pokud možno doplňte chybějící hodnoty ve zdroji. Tam, kde lze prázdnou hodnotu nahradit vhodnou výchozí hodnotou, použijte funkce pro práci s null hodnotami ve vypočítaném atributu.

Názvy aktivit se liší

Co vidíte: „Approve Order“ a „Order Approval“ jsou uvedené jako dvě aktivity se stejným významem nebo se stejný krok v každé zemi jmenuje jinak.

Proč: každý zdrojový systém používá pro stejnou činnost vlastní název.

Řešení: dohodněte se na jednom názvu pro každý krok. Pak buď sjednoťte hodnoty v exportu, nebo přidejte vypočítaný atribut, který různé názvy převede na jeden. Aktivitu pak namapujte podle sjednoceného názvu.

Problémy v číslech

Průměrné hodnoty jsou příliš nízké

Co vidíte: průměrná doba případu neodpovídá tomu, co firma považuje za realistické.

Proč: časové metriky počítají pouze uzavřené případy, takže nedokončené případy vynechávají. Dokončené případy bývají často rychlejší, zejména v nedávném období.

Řešení: porovnávejte srovnatelné případy. Omezte období na případy, které měly dost času na dokončení, před vyvozováním závěrů z jediného průměru si přečtěte definice v části Časové metriky a sledujte rozložení hodnot, ne pouze průměr.

Průměr zkreslují odlehlé případy

Co vidíte: průměrné hodnoty jsou výrazně vyšší než u typického případu.

Proč: několik extrémních případů zvyšuje průměr. Někdy jde o skutečné výjimky, jindy o chyby v datech.

Řešení: místo průměru sledujte pomalý konec rozložení (P90 ve srovnání s mediánem), ověřte, zda jsou extrémní případy skutečné, a vyřazujte jen ty, které jsou opravdu chybné. I vzácná, ale skutečná výjimka přináší užitečné poznatky. Časové metriky vysvětlují jednotlivé ukazatele.

Srovnání nic neukazuje

Co vidíte: u srovnávacího datasetu se zobrazuje Není k dispozici (0 případů, 0% pokrytí).

Proč: aktivní filtry nebo vybrané období neobsahují žádné případy z tohoto datasetu, případně jeho aktivity nejsou namapované na model.

Řešení: rozšiřte období, zkontrolujte mapování srovnávacího datasetu a ověřte, který dataset je primární.

Když je problém ve velikosti dat

Některé problémy nesouvisí s chybami v datech, ale s jejich objemem:

• Pomalé nahrávání: upřednostněte formáty Parquet nebo ORC. U souborů Excel použijte XLSB místo XLSX. Další informace najdete v části Podporované formáty dat.
• Rostoucí soubory: přidávejte nová období pomocí přírůstkového nahrání (delta) místo nahrazení celého souboru.
• Pomalá analýza: odstraňte sloupce, které nikdo neanalyzuje, při hledání výjimek odfiltrujte běžný průběh a zaměřte se vždy jen na jedno období nebo jeden region. Průvodce výkonem ukazuje, jaký vliv má velikost dat.
• Datasety, které už nepotřebujete: archivujte data, která už neanalyzujete, aby pracovní prostor obsahoval jen data, se kterými skutečně pracujete.

Oprava ve zdroji

Každá oprava přímo v ProcessMind vám ušetří další krok, ale některé problémy lze odstranit jen ve zdrojovém systému: chybějící zdrojový systém, různá časová pásma nebo identifikátory, které žádný export nesjednocuje. Tyto problémy řešte v exportu, a pokud se opakují, v systému, který ho vytváří. Přehled možností pro jednotlivé systémy najdete v části Kde získat data. Doporučené postupy pro spolehlivý export popisuje ETL pro process mining.

Stále si nevíte rady?

Pokud vám uvedené kontroly nepomohly zjistit příčinu, obraťte se na tým podpory. Uveďte název datasetu, případ, který kontrolujete, co jste očekávali a co vidíte místo toho. Snímek grafu a panelu kvality obvykle pomůže problém vyřešit rychleji než samotný popis.

Vyzkoušejte process mining s vlastními daty

Související témata

• Kvalita dat - co ukazuje ukazatel kvality modelu a jak číst panel
• Konfigurace datasetu - červený seznam při ověření a povinná pole
• Podporované formáty dat - řádky záhlaví, listy a typy souborů
• Čištění a příprava dat - celý workflow přípravy
• Přírůstkové načítání dat - rozšiřování datasetů bez opakovaného nahrávání
• Časté dotazy - odpovědi na nejčastější otázky