¿Qué se necesita para usar Process Mining?
¿Qué se necesita para ejecutar Process Mining?
¿Tienes data en bruto? ¡Eso es solo el primer paso! Process Mining funciona mejor con data de eventos limpia y bien preparada. Explora, prepara y refina tu data para obtener insights valiosos sobre tus procesos.
¿Qué data necesitas para empezar?
Imagina que tienes un puesto de limonada, ¡pero tienes mala memoria! Para saber cómo va tu negocio, decides registrar algunos datos básicos:
- Customer ID (CaseID): Es como un número que le das a cada cliente. Así sabes si alguien regresa por más limonada (o se queja de un lote muy ácido).
- Action Taken (Activity): Es lo que pasó. ¿“Tomar pedido”, “Preparar limonada” o quizá “Resolver queja de cliente molesto” (¡esperemos que no muchas veces!)?
- Action Time (Timestamp): Es cuándo realizaste las acciones. ¡Saber el orden es clave!
Solo con estos tres datos, Process Mining puede ser como un pequeño ayudante en tu puesto. Ve el flujo básico de clientes, identifica cuellos de botella (quizá eres lento preparando limonada) e incluso te muestra si algunos clientes se molestan más seguido que otros (¡momento de mejorar la receta!).
Por ejemplo, la data podría lucir así en una tabla:
| Customer ID (CaseID) | Action Time (Timestamp) | Action Taken (Activity) |
|---|---|---|
| 1 | 10:00 AM | Tomar pedido |
| 1 | 10:02 AM | Preparar limonada |
| 1 | 10:05 AM | Servir cliente |
| 2 | 10:03 AM | Tomar pedido |
| 2 | 10:10 AM | Resolver queja de cliente molesto (¡ups!) |
| 2 | 10:12 AM | Preparar limonada |
| 2 | 10:15 AM | Servir cliente (esperemos que esta vez esté más feliz) |
Parece poca información, pero es suficiente para que Process Mining empiece a hacer preguntas y saque insights básicos sobre la eficiencia de tu stand de limonada.
1. El caso de los registros perdidos de limonada
¡El puesto de limonada fue un éxito! A los clientes les fascinaba nuestra receta secreta (casi todos) y el negocio iba viento en popa. Pero con tanto éxito apareció un reto: ¡los clientes nos sobrepasaban! Las filas eran largas, la gente se molestaba y lo peor, ¡no sabíamos por qué!
¿Recuerdas al pequeño espía que contratamos (Process Mining)? Resulta que no hace milagros. Necesita buena info, y solo teníamos algunos garabatos en una servilleta. Ahí empezó el lío:
Limpiar este desastre de datos fue toda una aventura. Pero en el próximo capítulo verás cómo, con trabajo de detective y ayuda de nuestro espía fan de la data, optimizamos el puesto y nos hicimos la envidia del barrio.
2. La gran excavación de data
Nuestro puesto de limonada fue un gran éxito, ¡pero las filas eran una pesadilla! Sabíamos que necesitábamos a nuestro espía de datos (Process Mining) para que nos ayudara, pero primero teníamos que darle buena información. Eso significaba sumergirnos en el mundo de la extracción de datos, básicamente encontrar todas las pistas ocultas sobre nuestros clientes y convertirlas en algo que nuestro espía pudiera entender.
Esto es lo que descubrimos:
- Búsqueda del Tesoro: A veces, los datos eran como un tesoro enterrado, escondidos en rincones polvorientos de nuestros sistemas (páginas web, correos electrónicos, PDFs). Tuvimos que convertirnos en arqueólogos de datos, escarbando en archivos antiguos y usando herramientas sofisticadas (screen scraping) para desenterrar la información que necesitábamos.
- Perdidos en la Traducción: Incluso cuando encontramos los datos, no siempre eran claros. Algunas pistas estaban garabateadas en servilletas (datos no estructurados) y otras estaban encerradas en un código secreto (metadata faltante). Necesitábamos un traductor (estandarización de datos) para descifrarlos.
- El Enfoque es Clave: Con tantas fuentes de datos (¡miles de tablas!), era tentador querer capturarlo todo. Pero al igual que no probarías todas las combinaciones de sabores en una heladería, necesitábamos centrarnos en las preguntas que queríamos responder. ¿Los clientes tardaban demasiado en ordenar, o éramos nosotros el cuello de botella haciendo limonada? Focalizarnos en estas preguntas clave nos ayudó a priorizar qué datos extraer.
No fue fácil, pero con un poco de esfuerzo y una dosis saludable de curiosidad, logramos desenterrar un tesoro de datos. En el próximo capítulo, veremos cómo limpiamos este lío ¡y finalmente logramos que nuestro espía de datos trabaje para nosotros!
3. La desintoxicación de la data
Teníamos una montaña de data, gracias a nuestra gran extracción (ver capítulo 3). Pero cuidado, porque la data era una mezcla: info útil de clientes, garabatos y mucho que no necesitábamos. ¡Hora de un data detox!
Filtrar fue nuestro mejor aliado. Es como ordenar una caja de herramientas desordenada. Primero vimos lo general (scoping amplio) al extraer la data. Ahora, tocaba afinar el detalle (scoping preciso).
Así resolvimos el filtrado:
Con la data casi limpia, llegó el momento de desatar el verdadero poder de nuestro espía (Process Mining) en el próximo capítulo. Descubriremos técnicas como discovery, conformance y enhancement para encontrar los problemas y ser el puesto de limonada más eficiente de la zona.
4. El cambio de imagen de la data
El data detox (Capítulo 4) hizo maravillas, pero aún faltaba un paso antes de usar nuestro espía (Process Mining): ¡el cambio de imagen de la data! Piensa en un cliente que viene con un billete arrugado. No lo rechazarías, pero sería más fácil si estuviera limpio. De eso se trata el data cleaning.
Esto teníamos que hacer:
- Case cerrado: Un proceso es como el recorrido de un cliente: inicio, medio y final. Había que unir todos los eventos de un cliente (case): pedido, espera, entrega de limonada. Como organizar todos los tickets de una sola visita.
- Hablar en procesos: Nuestra data no siempre hablaba el idioma de los procesos. Había que definir bien cada actividad como cambio de estatus en la experiencia del cliente (case). Por ejemplo, “¡Cliente feliz!” no era específico. Mejor, un estatus como “Limonada entregada”.
No fue la parte más vistosa, pero con trabajo y claridad logramos un dataset limpio. Así, con la data mejorada por Process Mining, podremos descubrir los secretos detrás de las colas y transformar el puesto en un ejemplo de eficiencia (¡y de buen sabor!).