Pré-requis pour lancer le Process Mining

Conditions requises pour lancer le Process Mining

Vous disposez de données brutes ? Ce n’est que la première étape ! Le process mining délivre tout son potentiel avec des données d’événements fiables, propres et bien structurées. Explorez, préparez et optimisez vos données pour révéler des insights puissants sur vos processus.

Quelles données pour se lancer ?

Imaginez que vous tenez un stand de limonade et que vous avez une mauvaise mémoire ! Pour suivre la performance de votre activité, il vous suffit de collecter quelques infos clés :

• Identifiant client (CaseID) : Un numéro unique par client – cela permet de suivre chaque parcours.
• Action (Activity) : Ce qu’il s’est passé ! Par exemple « Prendre commande », « Préparer limonade », ou même « Gérer réclamation client » (à limiter !).
• Horodatage (Timestamp) : Le moment où chaque action a eu lieu. L’ordre est fondamental !

Avec juste ces trois types de données, Process Mining peut jouer son rôle d’observateur. Il analyse le flow client, repère les goulots d’étranglement (ex : lenteur à préparer la limonade), et montre si certains clients râlent plus que d’autres (à corriger !).

Voici un exemple de structure de données :

Cela semble peu, mais c’est suffisant pour que le Process Mining pose de bonnes questions et révèle les premiers insights sur l’efficacité de votre stand !

1. Les journaux de limonade disparus

Notre stand de limonade a eu un succès fou ! Les clients adoraient notre recette secrète (en grande partie) et le business explosait. Mais tout ce succès a amené un nouveau défi : impossible de gérer le flux de clients. Les files s’allongeaient, l’ambiance s’échauffait, et surtout, on ne savait même pas pourquoi !

Vous vous souvenez de notre mini espion engagé (Process Mining) ? Il ne fait pas de miracles : il lui faut des bonnes infos, et on n’avait que quelques gribouillages sur une serviette. Voilà où ça s’est compliqué :

• Le Data Detective : Notre premier vrai souci : retrouver toutes les infos utiles. Les commandes clients étaient éparpillées sur des post-it, des tickets volants et même une serviette froissée dans la poche (pas top !). C’était un vrai travail de détective, à reconstituer les infos depuis toutes ces sources aléatoires (bases de données, fichiers plats, logs de message, etc.).
• Parler le même langage : Même quand on trouvait les données, ce n’était pas toujours clair. Certaines notes disaient « Client content ! », d’autres montraient juste un smiley triste. Il a fallu un traducteur (standardisation des données) pour que l’espion comprenne ce que chaque note voulait dire.
• Se poser les bonnes questions : Il a aussi fallu décider ce qu’on voulait vraiment savoir. Les files étaient-elles longues car les clients hésitaient à commander, ou parce qu’on mettait trop de temps à préparer ? En posant les bonnes questions, on a pu cibler notre collecte de données (multiples angles de vue sur les data).

Finalement, nettoyer tout ce bazar a été une aventure à part entière. Mais au prochain chapitre, vous verrez comment, avec un peu de flair et notre espion Process Mining, on a pu optimiser notre stand pour devenir l’exemple à suivre du quartier !

2. Le grand chantier des données

Notre stand cartonnait, mais les files d’attente étaient interminables ! Impossible de comprendre sans notre espion Process Mining. Mais avant, il nous fallait de vraies infos. Direction une exploration en profondeur : il fallait extraire tous les indices cachés sur nos clients et les rendre exploitables.

Voici ce qu’on a découvert :

• Chasse au Trésor : Parfois, nos data étaient des trésors enfouis – cachées au fond des systèmes (sites web, emails, PDF…). On est devenus des archéologues du data, fouillant de vieux fichiers et utilisant des outils avancés (screen scraping, etc.) pour déterrer l’essentiel.
• Perdus dans la traduction : Même lorsqu’on trouvait les data, ce n’était pas gagné. Certains indices étaient griffonnés sur des serviettes (données non structurées), d’autres bloquées par des métadonnées absentes. On a dû standardiser pour tout décoder.
• Cibler, c’est la clé : Avec tant de sources (des milliers de tables !), la tentation était grande de tout prendre. Mais comme au glacier, on ne goûte pas tous les parfums : il fallait se concentrer sur les vraies questions à traiter. Les clients mettent-ils trop de temps à commander, ou sommes-nous le goulot d’étranglement ? Se focaliser sur ces questions nous a permis de prioriser l’extraction.

Ce n’était pas simple, mais avec de l’énergie et de la curiosité, on a mis la main sur un vrai trésor de données. Dans le prochain chapitre, on vous montre comment on a tout nettoyé avant de laisser notre Process Mining faire son show !

3. Le grand nettoyage des données

Grâce à notre extraction héroïque, on avait une vraie montagne de données ! Mais attention : beaucoup d’infos utiles, d’autres inutiles, et pas mal de données parasites. Il était temps de filtrer tout ça !

Le filtrage est devenu notre meilleur atout, un peu comme ranger une caisse à outils en désordre. On a commencé large (scoping macro) lors de l’extraction ; maintenant, place au tri détaillé (scoping fin).

Voici notre stratégie de filtrage:

• Se concentrer sur l’essentiel : Les commandes les plus fréquentes sont comme les meilleurs outils de notre boîte. On a choisi de cibler le top 10 des activités (commande, attente, réception de limonade…) pour garder un flux simple à analyser. Le reste pourra attendre.
• L’itération, c’est la clé : Un seul passage ne suffit pas. Notre Process Mining nous oriente vers de nouvelles zones à explorer au fur et à mesure. On affine le filtrage à chaque itération, en mode détective.

Avec des données propres (ou presque), il était enfin temps de libérer la vraie puissance du Process Mining ! Prochain chapitre : découverte, conformance, amélioration… pour transformer notre stand en opération modèle d’efficacité !

4. Le relooking des données

Notre data detox (chapitre précédent) a fait du bien, mais il restait une étape clé avant de libérer l’espion Process Mining : le relooking des données ! Imaginez un client qui paie avec un billet froissé – on ne va pas le refuser, mais c’est plus simple si tout est net. C’est le principe du data cleaning.

Voici notre checklist :

• Case Closed : Un process, c’est un parcours client : début, étapes, fin. On devait relier tous les events d’un même client (case) – commande, attente, réception. Comme réunir tous les tickets d’une visite.
• Parler Process : Les activités doivent exprimer clairement les étapes du process de chaque client (case). Par exemple, « Client content » n’est pas assez précis ; « Limonade livrée » donne un vrai statut.

Ce n’est pas la partie la plus fun, mais avec un peu d’organisation et de logique, on obtient enfin un jeu de données nickel ! Grâce à ces données traitées, notre Process Mining révèle les secrets des files d’attente et fait rayonner notre stand en modèle d’efficacité (et de gourmandise) !