Was benötigt wird, um Process Mining zu starten?

Rohdaten vorhanden? Das ist nur die erste Zutat! Process Mining liebt saubere Daten, also erkunden, vorbereiten und Ihre Eventdaten zur Perfektion bringen. Das ist die Geheimzutat für leistungsstarke Prozess-Insights!

Welche Daten benötigt werden, um loszulegen

Stellen Sie sich vor, Sie betreiben einen Limonadenstand, aber Sie haben ein schreckliches Gedächtnis! Um zu verstehen, wie gut Ihr Stand läuft, entscheiden Sie sich, einige grundlegende Informationen zu verfolgen:

• Customer ID (CaseID): Dies ist wie eine Nummer, die Sie jedem Kunden geben. Sie lässt Sie wissen, dass es dieselbe Person ist, die für mehr Limonade zurückkommt (oder vielleicht über eine saure Charge beklagt!).
• Durchgeführte Aktion (Activity): Das ist passiert! Haben Sie “Bestellung entgegengenommen”, “Limonade zubereitet” oder vielleicht “Beschwerde eines verärgerten Kunden gelöst” (hoffentlich nicht zu oft!).
• Aktion Zeit (Timestamp): Dies ist, wann Sie die Aktionen durchgeführt haben. Die Reihenfolge Ihrer Aktionen zu kennen, ist entscheidend!

Mit nur diesen drei Datenpunkten kann Process Mining wie ein kleiner Spion an Ihrem Stand sein. Es kann den grundlegenden Ablauf der Kunden sehen, Engpässe identifizieren (vielleicht sind Sie langsam beim Limonade machen!) und Ihnen sogar sagen, ob einige Kunden häufiger unzufrieden sind als andere (Zeit, Ihr Rezept zu verbessern!).

Hier ist ein Beispiel, wie die Daten in einer Tabelle aussehen könnten:*

Das mag nach sehr wenigen Informationen klingen, aber es reicht aus, um mit Process Mining Fragen zu stellen und grundlegende Einblicke in die Effizienz Ihres Limonadenstands zu gewinnen!

1. Der Fall der fehlenden Limonade-Protokolle

Unser Limonadenstand war ein voller Erfolg! Die Kunden liebten unser Geheimrezept (zum größten Teil), und das Geschäft boomte. Doch mit großem Erfolg kam eine neue Herausforderung: Wir wurden von Kunden überrannt. Die Schlangen waren lang, die Gemüter erhitzt, und das Schlimmste: wir hatten keine Ahnung warum!

Erinnert ihr euch an den kleinen Spion, den wir engagiert haben (Process Mining)? Der kann keine Wunder vollbringen. Er braucht gute Informationen, und alles, was wir hatten, waren ein paar Kritzeleien auf einer Serviette. Hier wurde es chaotisch:

• Der Daten-Detektiv: Unser erstes Problem war, alle wichtigen Details zu finden. Kundenbestellungen waren verteilt auf Haftnotizen, lose Quittungen und sogar eine zerknitterte Serviette in unserer Tasche (eklig!). Es war wie eine Detektivgeschichte, die Informationen aus all diesen zufälligen Quellen zusammenzuführen (Datenbanken, Flat Files, Message Logs, was auch immer!).
• Eine gemeinsame Sprache sprechen: Selbst wenn wir die Daten fanden, waren sie nicht immer klar. Einige Notizen sagten “Kunde glücklich!”, während andere nur ein grimmiges Gesicht hatten. Wir brauchten einen Übersetzer (Datenstandardisierung), um sicherzustellen, dass der Spion verstand, was jede Kritzelei bedeutete.
• Die richtigen Fragen stellen: Schließlich mussten wir herausfinden, was wir eigentlich wissen wollten. Waren die Schlangen lang, weil die Leute langsam beim Bestellen waren, oder brauchten wir vielleicht zu lange, um die Limonade zu machen? Die richtigen Fragen halfen uns, unsere Datenerfassung zu fokussieren (verschiedene Sichten auf die Daten).

Es stellte sich heraus, dass das Aufräumen dieses Datendurcheinanders ein ganz neues Abenteuer war. Aber im nächsten Kapitel werdet ihr sehen, wie wir mit etwas Detektivarbeit und der Hilfe unseres datenliebenden Spions unseren Limonadenstand optimieren konnten und zum Neid der Nachbarschaft wurden!

2: Die große Datenjagd

Unser Limonadenstand war ein voller Erfolg, aber die Schlangen waren ein Albtraum! Wir wussten, dass wir unseren Datenspi on (Process Mining) brauchen würden, um uns zu helfen, aber zuerst mussten wir ihm einige anständige Informationen verschaffen. Das bedeutete, tief in die Welt der Datenextraktion einzutauchen – im Grunde genommen, alle versteckten Hinweise über unsere Kunden zu finden und sie in etwas zu verwandeln, das unser Spion verstehen konnte.

Das haben wir entdeckt:

• Schatzsuche: Manchmal waren die Daten wie vergrabene Schätze – versteckt in staubigen Ecken unserer Systeme (Webseiten, E-Mails, PDFs). Wir mussten zu Datenarchäologen werden, alte Dateien durchforsten und mit ausgeklügelten Werkzeugen (Screen Scraping) die Informationen ans Tageslicht bringen, die wir brauchten.
• Verloren in der Übersetzung: Selbst wenn wir die Daten fanden, waren sie nicht immer klar. Einige Hinweise waren auf Servietten gekritzelt (unstrukturierte Daten) und andere in einem geheimen Code versteckt (fehlende Metadaten). Wir brauchten einen Übersetzer (Datenstandardisierung), um alles zu entziffern.
• Fokus ist entscheidend: Bei so vielen Datenquellen (tausende von Tabellen!) war es verlockend, einfach alles zu greifen. Aber wie man in einer Eisdiele nicht jede Geschmackskombination versucht, mussten wir uns auf die Fragen konzentrieren, die wir beantwortet haben wollten. Nahmen die Kunden zu viel Zeit, um zu bestellen, oder waren wir der Engpass bei der Limonade? Der Fokus auf diese Schlüsselfragen half uns zu priorisieren, welche Daten wir extrahieren sollten.

Es war nicht einfach, aber mit ein wenig Ellbogenschmalz und einer gesunden Dosis Neugier gelang es uns, einen Schatz an Daten freizulegen. Im nächsten Kapitel werden wir sehen, wie wir dieses Durcheinander bereinigt haben und schließlich unseren Datenspi on für uns arbeiten lassen!

3: Der Daten-Detox

Wir hatten einen Berg von Daten, dank unserer heldenhaften Extraktionsbemühungen (siehe Kapitel 3). Aber haltet eure Hüte fest, denn diese Daten waren ein gemischter Beutel – einige nützliche Kundeninfos, einige zufällige Kritzeleien und jede Menge Zeug, das wir einfach nicht brauchten. Es war Zeit für einen Daten-Detox!

Filtering wurde unser neuer bester Freund. Stellen Sie sich vor, Sie sortieren eine unordentliche Werkzeugkiste. Wir begannen mit dem großen Ganzen (grob gekörntes Scoping), als wir die Daten extrahierten. Jetzt war es Zeit, ins Detail zu gehen (fein gekörntes Scoping).

So haben wir die Herausforderung der Filterung bewältigt:

• Im Fokus die Stars: Stellen Sie sich die häufigsten Kundenbestellungen als die glänzenden neuen Werkzeuge in unserer Werkzeugkiste vor. Wir beschlossen, uns auf die 10 häufigsten Aktivitäten zu konzentrieren (Bestellen, Warten, Limonade empfangen), um die Dinge für unseren Datenspi on überschaubar zu halten. Der Rest konnte (vorerst) im Hintergrund warten.
• Iteration ist der Schlüssel: Die Filterung war keine einmalige Sache. Als unser Datenspi on begann, die sauberen Daten zu analysieren, wies es uns auf neue Bereiche hin, auf die wir uns konzentrieren sollten. Es war wie ein Detektiv, der Spuren folgt und unseren Filter ständig basierend auf neuen Erkenntnissen verfeinert.

Mit den Daten funkelnd sauber (na ja, größtenteils sauber) war es endlich an der Zeit, die wahre Macht unseres Datenspi ons (Process Mining) im nächsten Kapitel zu entfesseln! Wir würden verschiedene Techniken wie Discovery, Conformance und Enhancement erforschen, um die Probleme unseres Limonadenstands zu diagnostizieren und die effizienteste Limonadenoperation im Block zu werden!

4: Das Daten-Makeover

Unser Daten-Detox (Kapitel 4) wirkte Wunder, aber es gab noch einen entscheidenden Schritt, bevor wir unseren Datenspi on (Process Mining) entfesseln konnten – das Daten-Makeover! Stellen Sie sich vor, ein Kunde kommt mit einem zerknitterten Geldschein zu unserem Stand. Wir würden ihn nicht ablehnen, aber es wäre viel einfacher zu handhaben, wenn der Schein frisch und sauber wäre. Das ist die Idee hinter der Datenreinigung.

Das mussten wir tun:

• Fall abgeschlossen: Ein Prozess ist wie die Reise eines Kunden – er hat einen Anfang, eine Mitte und ein Ende. Wir mussten alle Ereignisse verknüpfen, die mit einem einzelnen Kunden (Fall) zusammenhängen – seine Bestellung, Wartezeit und schließlich der Erhalt seiner Limonade. Stellen Sie sich vor, Sie organisieren alle Quittungen für einen einzigen Kundenbesuch.
• Prozesse sprechen: Unsere Daten sprachen nicht immer die Prozesssprache. Aktivitäten mussten klar als Statusänderungen für die Reise jedes Kunden (Fall) definiert werden. Zum Beispiel war “Kunde glücklich!” nicht spezifisch genug. Wir brauchten einen klaren Status wie “Limonade geliefert.”

Es war nicht der glamouröseste Teil des Abenteuers, aber mit ein wenig Datenarbeit und klarem Denken hatten wir endlich ein funkelnd sauberes Datenset! Mit diesen Daten, die unser Datenspi on transformiert hat, entdecken wir die Geheimnisse hinter unseren langen Schlangen und verwandeln unseren Limonadenstand in ein sprudelndes Wahrzeichen der Effizienz (und Köstlichkeit)!