Section Données du Dataset
Cette section affiche le dataset réel sous forme de tableau, montrant un aperçu de la façon dont les données seront traitées :
1. Noms de Colonnes
- Le tableau affiche trois colonnes principales :
- ACTIVITY : Les activités ou événements capturés dans le dataset.
- Case ID : Identifiants uniques pour chaque instance de processus ou cas dans le dataset.
- EVENTTIME : Timestamps indiquant quand chaque activité a eu lieu.
2. Aperçu des Données
- Les lignes de données montrent le contenu réel de votre dataset. Par exemple :
- ACTIVITY : Inclut des actions comme “Scan Invoice”, “Send Purchase Order” et “Receive Goods.”
- Case ID : Identifiants numériques pour différents cas (ex. : “1116788”, “1116789”).
- EVENTTIME : Timestamps indiquant quand l’activité a été réalisée (ex. : “9 Août 2016 02:00”).
3. Structure des Données
- Le tableau offre un aperçu structuré du dataset, vous aidant à vérifier si les données correctes sont chargées et alignées avec les noms de colonnes (Activity, Case ID, Event Time).
- Cet aperçu est utile pour s’assurer que le dataset est prêt pour l’analyse de Process Mining.
Mises à Jour Futures
Dans les futures versions, cet écran inclura davantage de fonctionnalités, telles que la possibilité de :
- Modifier les données directement : Vous pourrez éditer ou mettre à jour les données depuis cet écran.
- Appliquer des filtres : Filtrer le dataset selon des critères spécifiques comme le type d’activité, le Case ID ou le temps.
- Effectuer des mises à jour en masse : Modifier plusieurs lignes ou attributs à la fois pour rationaliser la gestion des données.
Étapes Finales
- Utilisez cet Aperçu des Données pour vous assurer que votre dataset est correctement formaté et que les activités, Case IDs, et timestamps sont alignés avec vos attentes.
- Une fois satisfait du dataset, passez à l’utilisation dans votre analyse de Process Mining.
En fournissant cet aperçu, l’écran Données du Dataset aide à s’assurer que votre dataset est prêt pour un process mining précis et des modifications futures des données.