Cartographier les datasets

Cartographier les datasets dans ProcessMind

La cartographie des datasets est essentielle pour transformer les data brutes en insights exploitables dans ProcessMind. L’une des grandes forces de ProcessMind, c’est sa flexibilité : vous pouvez ajouter, supprimer, activer ou désactiver les data à tout moment. Il n’y a pas d’ordre imposé ni de méthode contraignante pour intégrer des data à vos processus.

Vous pouvez aborder vos data de deux façons principales :

1. Ajouter des data après avoir défini un process : commencez par une structure de process, puis intégrez des data pour identifier les informations manquantes et affiner votre analyse.
2. Commencer par les data : utilisez vos data d’event pour créer une MAP initiale, puis développez-la.

Cette flexibilité vous permet d’adopter l’approche la plus adaptée à vos besoins.

Dans ce guide, nous supposons que vous commencez sur un canvas vide et que vous construisez votre processus et votre analyse étape par étape. Si vous préférez utiliser un processus existant, vous pouvez importer un modèle BPMN existant  puis mapper les données sur les tasks et events du modèle importé  directement.

Étape 1 : Commencez avec un canvas vide

Créez un nouveau process ou ouvrez-en un existant. Le canvas est la base de votre modèle, là où vous mappez et organisez vos datasets. Si vous n’avez pas uploadé vos data dans la section dédiée, vous pouvez aussi les uploader directement dans la vue process, via le panneau droit, en accédant à la section dataset du modal comme illustré ci-dessous.

Sélectionnez votre dataset

Dès que votre dataset est uploadé et traité, le système vous informe qu’il est prêt à l’emploi. Vous pouvez alors le sélectionner dans la Dataset List (voir l’exemple ci-dessus). Le dataset le plus récemment chargé s’affiche toujours en haut pour un accès rapide.

Quand vous survolez un dataset, une info-bulle donne des détails utiles :

• Nom du dataset
• Nombre de lignes identifiées
• Taille et nom du fichier
• Date et heure d’upload

Cela vous aide à choisir le bon dataset à mapper sur votre process.

Après la sélection, le système effectue un pré-traitement, signalé par une icône de chargement à côté du nom du dataset.

Pour clarifier son usage dans ce process, vous pouvez renommer le dataset si besoin, afin de le repérer plus facilement ensuite. Le switch vous permettra d’activer ou de désactiver le dataset pour les processus concernés.

Options du dataset

Le menu des paramètres du dataset propose plusieurs options pour gérer et personnaliser efficacement vos datasets. Voici un aperçu des options disponibles :

• Éditer le dataset :
  Accédez rapidement à l’option Éditer le dataset pour modifier ou affiner directement le dataset.

• Dissocier les data :
  Si le dataset n’est plus utile dans votre process, utilisez l’option Dissocier les data. Toutes les références sont supprimées du canvas, mais le dataset reste listé dans la Dataset List.
  Note : ce dataset n’est pas supprimé, il reste accessible dans la liste de vos datasets.

• Couleurs du dataset :
  Changez la couleur du dataset pour une meilleure distinction visuelle. Cette couleur s’appliquera aussi aux activités issues du dataset, pour mieux les repérer sur le canvas.

• Auto Map Dataset :
  Map automatiquement les activités du dataset avec celles déjà présentes dans votre modèle. Un gain de temps pour garder la cohérence.

• Supprimer tous les mappings :
  Effacez tous les mappings existants entre le dataset et votre modèle de process. Utile si vous voulez recommencer ou faire des modifications importantes.

• Réinitialiser la disposition :
  Organise automatiquement les activités et leurs relations sur le canvas pour une meilleure clarté visuelle.

• Emplacement :
  Choisissez où afficher le modèle généré automatiquement.

  • AI (détection intelligente) : positionnement optimal automatique.
  • Inside Model : place le modèle sur le canvas process.
  • Outside Model : affiche le modèle à l’extérieur du design process pour une séparation plus nette.

• Afficher dans le modèle :
  Permet de masquer les activités présentes dans le dataset mais pas mappées dans le modèle. Activez ou désactivez pour gérer la visibilité des activités non mappées.

• Statistiques :
  Consultez des statistiques détaillées sur le dataset, telles que :

  • Nombre de cases et events : aperçu rapide de la taille du dataset,
  • Nom de la source originale : indique la provenance du dataset pour s’y retrouver facilement.

Grâce à ces options, vous gérez l’intégration, la représentation et le comportement des datasets dans vos modèles, pour un workflow fluide et organisé.

Mapper les data sur le process

Une fois votre dataset chargé, le système affiche automatiquement le résultat de Process Mining sur le canvas. Cette première MAP de process est un modèle flottant, non fixé. Pour l’ajouter à votre design de process et le rendre éditable, mappez-le sur un modèle ou une activité existants, ou convertissez-le en modèle fixé.

Fixer le modèle sur le canvas

Il existe deux méthodes pour fixer les activités du modèle flottant sur le canvas :

1. Sélectionner les activités individuellement :
   Sélectionnez les activités à mapper une par une.

2. Sélection multiple :
   Utilisez l’outil de sélection ou les raccourcis clavier pour choisir plusieurs activités à la fois :

   • Shift + glisser la souris : sélectionnez plusieurs activités avec un cadre.
   • Tout sélectionner : faites Ctrl + A (Windows) ou Command + A (MacOS) pour tout sélectionner.

Après sélection, un menu contextuel s’affiche près des activités. Choisissez Ajouter au modèle pour fixer les activités sélectionnées sur le canvas. Vous pourrez alors :

• Ajouter du contexte à ces activités,
• Les relier à d’autres attributs,
• Mapper ou retirer d’autres attributs selon vos besoins.

En fixant la MAP de votre dataset au canvas, vous enrichissez votre process grâce à des attributs détaillés, des relations et du contexte, et transformez vos data brutes en insights opérationnels.

Activités non mappées

Les activités non mappées sont présentes dans le dataset mais pas encore rattachées à des attributs du modèle. Elles signalent des points à intégrer pour compléter votre Design de process.

En activant l’option Unmapped Activities, ces activités seront affichées avec des lignes pointillées pour les distinguer facilement des activités déjà mappées.

L’exemple ci-dessous montre l’état avant et après le basculement de l’option :

• Avant : les activités non mappées sont cachées sur le canvas.
• Après : elles sont visibles avec des lignes pointillées, pour montrer ce qui reste à mapper.

Grâce à cette fonctionnalité, vous pouvez rapidement pointer et traiter les data non mappées, afin d’obtenir un modèle de process complet et fiable.

Conclusion

La cartographie de vos datasets dans ProcessMind transforme vos data en un outil puissant d’analyse des processus. Que vous commenciez par un process défini ou par des data brutes, la flexibilité de la plateforme vous permet de construire et d’ajuster votre modèle à tout moment. En suivant ces étapes, vous créez un modèle complet qui révèle des insights actionnables et favorise l’amélioration des processus.