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 :

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.
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 votre dataset de manière efficace. Voici le détail des options disponibles :

Edit Dataset :
Accédez rapidement à l’option Edit Dataset pour modifier ou affiner le dataset directement.
Unlink Data :
Si le dataset ne vous est plus utile dans votre process, utilisez Unlink Data pour retirer toutes ses références et le retirer du canvas.
Remarque : Cette action ne supprime pas le dataset lui-même ; il reste disponible dans la liste des Datasets.
Couleurs du Dataset :
Changez la couleur des datasets pour une meilleure distinction visuelle. La couleur choisie sera aussi appliquée aux activités issues de ce dataset, facilitant leur identification sur le canvas.
Auto Map Dataset :
Cette option tente de mapper automatiquement les activités du dataset aux activités déjà présentes dans votre modèle de process. Cela vous fait gagner du temps et aide à garder la cohérence.
Supprimer tous les mappings :
Utilisez cette option pour effacer tous les mappings d’activités entre le dataset et votre modèle de process. Pratique pour recommencer ou effectuer des changements importants.
Reset Layout :
L’option Reset Layout réorganise automatiquement les activités et leurs relations sur le canvas pour une meilleure clarté.
Emplacement :
Déterminez où le modèle généré sera affiché.
- AI (Smart Detection) : Décide automatiquement du placement optimal.
- Inside Model : Place le modèle dans le canvas du process.
- Outside Model : Affiche le modèle en dehors du design du process pour une meilleure séparation.
Show in Model :
Cette option permet de masquer les activités du dataset qui ne sont pas directement mappées dans le modèle. Activez-la pour gérer la visibilité des activités non mappées.
Statistiques :
Consultez les détails statistiques du dataset, notamment :
- Nombre de cases et d’events : Résumé rapide de la taille du dataset.
- Nom de la source data d’origine : Affiche la source du dataset pour référence facile.

En utilisant ces options, vous gérez facilement l’intégration, la représentation et le comportement des datasets dans vos modèles de process 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 :

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

Cartographier les datasets