Les incontournables des données pour un Process Mining efficace

Des données brutes ? Ce n’est que le premier ingrédient ! Le Process Mining adore les données propres, alors explorez, préparez et épicez vos données d’événements à la perfection. C’est la sauce secrète pour obtenir de puissants insights sur vos processus !

Quelles données sont nécessaires pour démarrer

Imaginez que vous tenez un stand de limonade, mais vous avez une mémoire terrible ! Pour comprendre comment votre stand fonctionne, vous décidez de suivre quelques infos de base :

• Numéro Client (CaseID) : C’est comme un numéro que vous donnez à chaque client. Il vous permet de savoir que c’est la même personne qui revient pour plus de limonade (ou peut-être se plaint d’un lot trop acide !).
• Action Réalisée (Activity) : C’est ce qui s’est passé ! Avez-vous “Pris la Commande”, “Préparé la Limonade”, ou peut-être “Résolu une Plainte de Client Mécontent” (espérons que pas trop souvent !).
• Heure de l’Action (Timestamp) : C’est quand vous avez effectué les actions. Connaître l’ordre de vos actions est crucial !

Avec seulement ces trois éléments de données, le Process Mining peut être comme un petit espion à votre stand. Il peut voir le flux de base des clients, identifier les goulots d’étranglement (peut-être que vous êtes lent à faire la limonade !), et même vous dire si certains clients sont plus souvent grincheux que d’autres (il est temps d’améliorer votre recette !).

Voici un exemple de l’apparence que pourraient avoir les données dans un tableau :*

Cela peut sembler être très peu d’informations, mais c’est suffisant pour que le Process Mining commence à poser des questions et à découvrir certains insights de base sur l’efficacité de votre stand de limonade !

Chapitre 2 : L’affaire des journaux de limonade manquants

Notre stand de limonade était un succès retentissant ! Les clients adoraient notre recette secrète (la plupart du temps), et les affaires étaient en plein essor. Mais avec le grand succès est venu un nouveau défi : nous étions submergés de clients. Les files d’attente étaient longues, les esprits s’échauffaient, et pire encore, nous n’avions aucune idée pourquoi !

Vous vous souvenez de ce petit espion que nous avons engagé (Process Mining) ? Il s’avère qu’il ne peut pas faire de miracles. Il a besoin de bons renseignements, et tout ce que nous avions était quelques griffonnages sur une serviette. Voici où les choses se sont compliquées :

• Le Détective des Données : Notre premier problème était de trouver tous les détails juteux. Les commandes des clients étaient éparpillées sur des post-it, des reçus égarés, et même une serviette pliée dans notre poche (beurk !). C’était comme une histoire de détective, reconstituant des informations à partir de toutes ces sources aléatoires (bases de données, fichiers plats, journaux de messages, tout y est !).
• Parler la Même Langue : Même lorsque nous avons trouvé les données, elles n’étaient pas toujours claires. Certains notes disaient “Client Heureux !” tandis que d’autres affichaient une mine renfrognée. Nous avions besoin d’un traducteur (normalisation des données) pour nous assurer que l’espion comprenne ce que chaque gribouillis signifiait.
• Poser les Bonnes Questions : Enfin, nous devions comprendre ce que nous voulions réellement savoir. Les files étaient-elles longues parce que les gens étaient lents à commander, ou peut-être est-ce que nous prenions trop de temps pour préparer la limonade ? Poser les bonnes questions nous a aidés à cibler notre collecte de données (différentes vues sur les données).

Il s’avère que nettoyer ce désordre de données était une toute nouvelle aventure. Mais dans le prochain chapitre, vous verrez comment, avec un peu de travail de détective et de l’aide de notre espion amateur de données, nous avons pu optimiser notre stand de limonade et devenir l’envie du quartier !

Chapitre 3 : La Grande Fouille de Données

Notre stand de limonade était un succès retentissant, mais les files étaient un cauchemar ! Nous savions que nous avions besoin de notre espionne de données (Process Mining) pour nous aider, mais d’abord, nous devions lui fournir de bons renseignements. Cela signifiait plonger dans le monde de l’extraction de données - en gros, trouver tous les indices cachés sur nos clients et les transformer en quelque chose que notre espionne pourrait comprendre.

Voici ce que nous avons découvert :

• Chasse au Trésor : Parfois, les données ressemblaient à des trésors enfouis - cachés dans les coins poussiéreux de nos systèmes (pages web, emails, PDFs). Nous devions devenir des archéologues de données, fouillant dans de vieux fichiers et utilisant des outils sophistiqués (screen scraping) pour déterrer les informations dont nous avions besoin.
• Perdu en Traduction : Même lorsque nous avons trouvé les données, elles n’étaient pas toujours claires. Certains indices étaient griffonnés sur des serviettes (données non structurées) et d’autres étaient verrouillés dans un code secret (métadonnées manquantes). Nous avions besoin d’un traducteur (standardisation des données) pour tout déchiffrer.
• Concentration est la clé : Avec tant de sources de données (des milliers de tables !), il était tentant de tout prendre. Mais tout comme vous n’essaieriez pas toutes les combinaisons de saveurs à la boutique de glaces, nous devions nous concentrer sur les questions auxquelles nous voulions répondre. Les clients prenaient-ils trop de temps à commander, ou étions-nous le goulot d’étranglement dans la préparation de la limonade ? Se concentrer sur ces questions clés nous a aidés à prioriser les données à extraire.

Ce n’était pas facile, mais avec un peu d’huile de coude et une bonne dose de curiosité, nous avons réussi à déterrer un trésor de données. Dans le prochain chapitre, nous verrons comment nous avons nettoyé ce désordre et finalement fait fonctionner notre espionne de données pour nous !

Chapitre 4 : Le Détox de Données

Nous avions une montagne de données, grâce à nos efforts héroïques d’extraction (voir Chapitre 3). Mais accrochez-vous à vos chapeaux, car ces données étaient un mélange - des infos clients utiles, des griffonnages aléatoires, et beaucoup de choses dont nous n’avions tout simplement pas besoin. Il était temps pour un détox de données !

Le filtrage est devenu notre nouveau meilleur ami. Pensez-y comme à un tri dans une boîte à outils désordonnée. Nous avons commencé avec des éléments globaux (cadrage grossier) lors de l’extraction des données. Maintenant, il était temps de se concentrer sur les détails (cadrage fin).

Voici comment nous avons relevé le défi du filtrage :

• Se concentrer sur les Stars : Imaginez les commandes clients les plus fréquentes comme les nouveaux outils brillants de notre boîte à outils. Nous avons décidé de nous concentrer sur les 10 activités les plus courantes (commande, attente, réception de limonade) pour garder les choses gérables pour notre espionne de données. Le reste pouvait attendre au fond du hangar (pour l’instant).
• L’Itération est Essentielle : Le filtrage n’était pas une chose ponctuelle. Alors que notre espionne de données commençait à analyser les données propres, elle nous pointait vers de nouvelles zones sur lesquelles nous concentrer. C’était comme un détective suivant des pistes, affinant constamment notre filtre basé sur de nouvelles informations.

Avec les données briquées propres (eh bien, principalement propres), il était enfin temps de libérer la véritable puissance de notre espionne de données (Process Mining) dans le prochain chapitre ! Nous explorerons différentes techniques comme la découverte, la conformité et l’amélioration pour diagnostiquer les problèmes de notre stand de limonade et devenir l’opération de limonade la plus efficace du quartier !

Chapitre 5 : Le Relooking de Données

Notre détox de données (Chapitre 4) a fait des merveilles, mais il restait encore une étape cruciale avant de libérer notre espionne de données (Process Mining) - le relooking des données ! Imaginez un client qui arrive à notre stand avec un billet froissé. Nous ne le refuserions pas, mais ce serait beaucoup plus facile à gérer si le billet était net et propre. C’est l’idée derrière le nettoyage des données.

Voici ce que nous devions faire :

• Affaire Classée : Un processus est comme le parcours d’un client – il a un début, un milieu et une fin. Nous devions connecter tous les événements liés à un seul client (case) - sa commande, son temps d’attente, et enfin la réception de sa limonade. Pensez-y comme à organiser tous les reçus d’une visite unique d’un client.
• Parler Process : Nos données ne parlaient pas toujours le langage des processus. Les activités devaient être clairement définies comme des changements de statut pour chaque parcours client (case). Par exemple, “Client Heureux !” n’était pas assez précis. Nous avions besoin d’un statut clair comme “Limonade Livrée.”

Ce n’était pas la partie la plus glamour de l’aventure, mais avec un peu de jonglage de données et une réflexion claire, nous avons enfin eu un jeu de données étincelant de propreté ! Avec ces données que notre espionne de données a transformées, nous découvrons les secrets derrière nos longues files et transformons notre stand de limonade en un phare bouillonnant d’efficacité (et de délice) !