Formatos de datos compatibles con los registros de eventos

Compatibilidad de archivos para cargar datos

ProcessMind admite varios formatos de archivo para cargar registros de eventos. Puede cargarlos tanto desde la interfaz de la aplicación como mediante la API.

Formatos de texto

• .csv: valores separados por comas. Es un formato común y ligero que la mayoría de los sistemas, como Excel y los ERP, pueden exportar. Los delimitadores se detectan automáticamente.
• .tsv: valores separados por tabulaciones. Similar al CSV, pero usa tabulaciones en lugar de comas. Es útil cuando los datos contienen comas.
• .txt: archivos de texto sin formato. Se pueden usar si los datos tienen una estructura coherente y delimitadores.
• .xes: formato estándar para los registros de eventos que usan las herramientas de Process Mining. Es ideal para registrar actividades con detalle, marcas de tiempo e ID de caso.

Formatos de Excel

• .xls: formato de hoja de cálculo de Excel de una versión anterior. Es compatible, pero puede cargarse más lentamente que los formatos recientes.
• .xlsx: formato moderno de Excel. Es de uso extendido y totalmente compatible; suele ser la opción preferida para datos estructurados.
• .xlsb: libro binario de Excel. Se carga más rápido y gestiona mejor los conjuntos de datos grandes que .xlsx, pero no es tan compatible con otros sistemas.

Formatos de datos binarios y columnares

• .parquet: formato Apache Parquet, un formato de almacenamiento columnar optimizado para análisis. Es ideal para conjuntos de datos grandes y, con grandes volúmenes de datos, es mucho más rápido que CSV. Admite cargas incrementales (delta).
• .orc: formato Optimized Row Columnar (ORC), otro formato columnar eficiente y habitual en los ecosistemas Hadoop y Spark. Admite cargas incrementales (delta).
• .jsonl / .ndjson: formato JSON Lines, en el que cada línea es un objeto JSON independiente. Es ideal para exportar datos en streaming desde API y sistemas de registro. Admite cargas incrementales (delta).

Archivos comprimidos

• .gz: archivos comprimidos con gzip. Puede comprimir cualquiera de los formatos anteriores con gzip (por ejemplo, data.csv.gz, data.parquet.gz). ProcessMind detecta automáticamente el formato interno y descomprime el archivo cuando es necesario. La compresión gzip puede reducir el tiempo de carga de los archivos grandes.

Requisitos generales de estructura de los archivos

Para que Process Mining funcione correctamente en ProcessMind, los archivos que cargue, ya sean de Excel, de texto o XML, deben cumplir ciertos requisitos de estructura. Así, la aplicación podrá interpretar los datos correctamente y realizar un análisis preciso.

1. Fila de encabezados (Excel o archivos de texto)

• El archivo debe comenzar con una fila de encabezado, que debe estar en la primera línea (por ejemplo, en la celda A1 en archivos de Excel o en la línea 1 en archivos CSV, TSV o TXT). El encabezado define los nombres de las columnas y debe indicar claramente el tipo de datos de cada una (por ejemplo, «ID del caso», «Actividad» y «Marca de tiempo»).
• En los formatos CSV, TSV y TXT, los delimitadores y las comillas se detectan automáticamente, por lo que puede cargar sus datos sin especificar estos ajustes manualmente.
• En los formatos Parquet y ORC, los nombres de las columnas y los tipos de datos se leen directamente del esquema integrado en el archivo, por lo que no se necesita una fila de encabezado.
• En los formatos JSONL/NDJSON, los nombres de las columnas se obtienen de las claves JSON de la primera línea del archivo.

2. Conjunto mínimo de atributos

Para que el archivo tenga la estructura de un registro de eventos de Process Mining, debe incluir como mínimo los siguientes atributos (columnas). No es necesario que los nombres de las columnas coincidan con estos (ID del caso, Actividad, etc.), pero sí deben contener la información indicada.

• ID del caso: esta columna identifica de forma única cada instancia del proceso (o caso). Todas las filas de una misma instancia deben tener el mismo ID del caso.
• Actividad: esta columna debe describir la actividad o el evento registrado (por ejemplo, «Pedido creado» o «Pago procesado»).
• Marca de tiempo: cada actividad debe tener una marca de tiempo que indique la fecha o la hora exacta en que ocurrió el evento.
• Nota: el formato de la marca de tiempo se detectará automáticamente en la medida de lo posible. Se reconocen automáticamente los formatos habituales, como yyyy-MM-dd HH:mm:ss, MM/dd/yyyy y otros.
• Atributos opcionales: puede incluir columnas adicionales para mejorar el análisis, por ejemplo:
• Recurso: identifica quién realizó la actividad (por ejemplo, una persona usuaria o un departamento).
• Costo: los costos asociados a la actividad.
• Otros datos personalizados: puede incluir campos personalizados relevantes para su proceso, siempre que estén presentes las columnas obligatorias.

Las columnas exactas dependen del proceso que analice. Nuestras guías para mejorar procesos describen el esquema necesario para cada proceso: los campos obligatorios, las actividades que debe registrar y una plantilla de datos para completar.

3. Formato de los datos

• Asegúrese de que los datos tengan un formato coherente en todas las columnas:
• Las marcas de tiempo deben tener un formato estándar y reconocible (por ejemplo, yyyy-MM-dd HH:mm:ss), aunque ProcessMind intentará detectar automáticamente el formato de fecha si es distinto.
• Evite dejar filas vacías entre los datos, ya que podrían interrumpir la importación.
• Asegúrese de que los datos numéricos (por ejemplo, costos y duraciones) tengan formato de número en Excel o el formato correcto en archivos de texto (CSV, TSV y TXT).
• En los formatos CSV, TSV y TXT, ProcessMind detectará automáticamente los delimitadores (comas, tabulaciones, punto y coma, etc.) y procesará el texto entre comillas.

4. Selección de hoja (solo para archivos de Excel)

• ProcessMind procesa automáticamente los datos de la primera hoja del archivo de Excel (XLS, XLSX o XLSB), independientemente de su nombre. Asegúrese de colocar en ella los datos necesarios del registro de eventos, ya que las hojas adicionales no se incluyen en la importación.

5. Formato XES

El formato .xes (eXtensible Event Stream) es un tipo de archivo estándar para los registros de eventos de Process Mining. Recopila información detallada sobre las instancias de proceso, como los ID de caso, las actividades, las marcas de tiempo y otros atributos relevantes.

Las herramientas de Process Mining lo admiten ampliamente, y es ideal para reconstruir con precisión el comportamiento real de los procesos.

Para consultar las especificaciones técnicas y todos los detalles, visite el sitio web oficial del estándar XES.

6. Formatos Parquet, ORC y JSONL

Parquet y ORC son formatos binarios columnares muy utilizados en los procesos de ingeniería de datos (Apache Spark, AWS Glue, Databricks, etc.). Incluyen información del esquema, por lo que ProcessMind detecta automáticamente los nombres de las columnas y los tipos de datos, sin necesidad de configuración manual.

Los archivos JSONL (JSON Lines, también conocido como NDJSON) contienen un objeto JSON por línea. Cada objeto representa un evento y sus claves se convierten en nombres de columnas. Este formato es habitual al exportar datos de API, sistemas de registro o plataformas de streaming.

Los tres formatos:

• Permite cargar datos desde la interfaz de usuario y desde la API de ProcessMind
• Admite cargas incrementales (delta)
• Puede comprimirse con gzip (.gz) para transferir los datos más rápido

7. Consejos