Data process mining: yang Anda butuhkan untuk memulai

Data process mining bertumpu pada tiga kolom: ID kasus untuk menghubungkan peristiwa, aktivitas untuk menjelaskan apa yang terjadi, dan stempel waktu untuk menunjukkan kapan peristiwa terjadi. Sebagian besar tim bisa menemukannya dalam data ekspor yang sudah tersedia. Tantangannya adalah menentukan catatan mana yang bisa menjawab pertanyaan Anda.

Jawaban singkat: data apa yang dibutuhkan untuk process mining?

Mulailah dengan log minimum yang bisa digunakan: satu baris untuk setiap peristiwa, berisi ID kasus, aktivitas, dan stempel waktu. Tambahkan atribut jika diperlukan untuk menjawab pertanyaan tertentu. Jangan menunggu dataset sempurna untuk memeriksa apakah data bisa menunjukkan cara kerja yang sebenarnya.

Bagian berikut membahas cara memastikan tiga kolom tersebut dapat dipercaya. Jika istilahnya masih baru, baca dulu apa itu process mining dan hal yang bisa ditunjukkan oleh log sebelum mengekstrak data.

Kolom wajib menjadi inti skema data process mining. Kolom opsional membantu Anda menjelaskan variasi nantinya. Mulailah dengan memeriksa apakah data ekspor Anda memuat tiga kolom wajib dan apakah setiap baris mewakili satu peristiwa. Untuk contoh struktur, lihat cara membuat log peristiwa. Untuk mengetahui cara mengatur kolom-kolom tersebut, lihat dokumentasi pemetaan data.

Data apa yang Anda butuhkan?

Bayangkan Anda berjualan limun dan ingin tahu mengapa pelanggan harus menunggu. Anda tidak perlu mengetahui semua detail setiap pelanggan. Anda hanya perlu tahu langkah-langkah dalam setiap pesanan.

Catat hal berikut untuk setiap peristiwa:

• ID kasus: nomor pesanan menghubungkan peristiwa yang berasal dari pesanan yang sama.
• Aktivitas: nama kejadian, seperti “Menerima pesanan”, “Menyiapkan limun”, atau “Melayani pelanggan”.
• Stempel waktu: waktu kejadian, yang menentukan urutan peristiwa.

Figure 1 — Perhatikan langkah-langkahnya, bukan setiap detail dari setiap kasus.

Contoh sederhana sudah cukup untuk menunjukkan strukturnya:

Dengan kolom-kolom ini, Anda bisa melihat urutan setiap pesanan dan durasi tiap langkah. Kolom tambahan, seperti jenis pesanan atau kanal penjualan, membantu menjelaskan mengapa beberapa pesanan memerlukan waktu lebih lama. Tambahkan kolom tersebut jika bisa menjawab pertanyaan Anda.

Prinsip yang sama berlaku di luar usaha limun. Dalam proses pemesanan, ID kasus bisa berupa nomor pesanan, aktivitas bisa berupa perubahan status, dan stempel waktu bisa berasal dari riwayat peristiwa, bukan dari data ekspor laporan. Setelah kolom-kolomnya dipetakan, ProcessMind membaca data ekspor yang sudah ada. Anda bisa melihat alurnya di platform process mining tanpa mengubah apa pun di sistem sumber.

Kasus log limun yang hilang

Lapak limun sedang ramai dan antrean terus bertambah. Anda ingin tahu apakah pelanggan menunggu untuk memesan, menunggu limun disiapkan, atau mengalami kendala. Buktinya tersebar di struk, catatan pesanan, dan berbagai catatan lain.

Figure 2 — Bukti untuk satu pesanan jarang tersaji dalam satu tabel yang rapi.

Situasi seperti ini lazim terjadi dalam proyek nyata. Datanya ada, tetapi belum tersusun sebagai log peristiwa siap pakai. Anda perlu menggabungkan catatan dari tabel atau sistem yang berbeda, lalu menentukan kolom mana yang menjadi kasus, aktivitas, dan stempel waktu.

Tuliskan dulu pertanyaan yang ingin Anda jawab, lalu cari catatan yang bisa membantu menjawabnya.

• Untuk mengukur waktu penyelesaian pesanan, cari pengenal pesanan dan stempel waktu untuk perubahan status yang relevan.
• Untuk membandingkan kanal, sertakan kanal sebagai atribut tambahan.
• Untuk memahami keluhan, sertakan aktivitas atau hasil terkait keluhan jika pencatatannya konsisten.

Dengan begitu, ekstrak pertama tetap terarah. Anda tidak perlu mengumpulkan semua kolom dari setiap sistem. Cukup kumpulkan data yang diperlukan untuk menyusun kembali proses dan menyelidiki pertanyaan Anda.

Jika Anda sudah memiliki data ekspor Excel atau CSV, periksa dulu sebelum meminta tim data membuat ekstrak baru. Anda bisa melihat hal yang dapat dijawab oleh kolom-kolom yang tersedia dan tambahan yang diperlukan dari ekstrak yang lebih baik.

Menggali data yang dibutuhkan

Sumber data process mining biasanya berupa sistem yang mencatat pekerjaan saat berlangsung, seperti ERP, CRM, platform ITSM, alat tiket, atau aplikasi operasional lainnya. Catatan yang Anda butuhkan mungkin tersimpan di database, laporan, atau data ekspor.

Tanyakan kepada pemilik proses dan pemilik sistem tempat peristiwa penting dicatat, lalu telusuri beberapa kasus nyata dari awal hingga akhir. Periksa apakah ID kasus, nama peristiwa, dan stempel waktu tersedia untuk setiap langkah.

1. Pilih satu proses dan satu pertanyaan

   Di mana pesanan menunggu, atau serah terima mana yang paling banyak membuang waktu.

2. Temukan sistem dan pemiliknya

   Aplikasi yang mencatat pekerjaan dan tim yang mengelolanya.

3. Cari riwayat peristiwa

   Laporan atau tabel yang berisi perubahan status, bukan hanya gambaran kondisi saat ini.

4. Periksa ID kasus

   Pengenal yang sama harus tercantum pada setiap peristiwa yang ingin Anda hubungkan.

5. Ekspor sampel kecil terlebih dahulu

   Periksa sampel sebelum meminta ekstrak yang lebih besar.

Jangan mengambil semua tabel hanya karena tersedia. Ekstrak yang terarah lebih mudah diperiksa, dibersihkan, dan dijelaskan. Jika proses mencakup beberapa sistem, catat cara menghubungkan catatannya, misalnya nomor pesanan yang menghubungkan catatan CRM dengan catatan ERP.

Untuk melihat sumber data yang umum digunakan, baca dokumentasi tentang sumber data. Jika Anda perlu menggabungkan atau mengubah data dari beberapa sistem, panduan ETL untuk process mining membahas tahap tersebut.

Merapikan data

Data ekspor bisa berisi peristiwa duplikat, stempel waktu yang hilang, nama status yang tidak konsisten, pesanan uji coba, atau catatan yang tidak terkait dengan proses yang ingin Anda pelajari. Hal-hal tersebut tidak membuat data ekspor menjadi sia-sia. Namun, Anda perlu memahami arti setiap baris sebelum menarik kesimpulan dari hasilnya.

Periksa data dalam beberapa tahap:

• Duplikat: periksa apakah baris berulang menunjukkan peristiwa yang memang terjadi berulang kali atau hanya salinan yang tidak sengaja.
• Stempel waktu: cari nilai yang hilang, format yang beragam, zona waktu yang tidak terduga, dan peristiwa yang urutannya keliru.
• Aktivitas dan status: samakan label yang memiliki arti sama, tetapi pisahkan status yang menunjukkan langkah berbeda.
• Catatan uji coba atau pembatalan: tentukan apakah catatan tersebut perlu disertakan dalam analisis, lalu catat apa yang dikecualikan dan alasannya.
• ID kasus: periksa apakah ada pengenal yang kosong atau berubah, karena hal ini bisa memecah satu kasus menjadi beberapa kasus atau menggabungkan kasus yang tidak terkait.

Jangan menghapus kasus yang tidak biasa hanya karena terlihat berbeda. Pastikan dulu apakah kasus tersebut merupakan pengecualian yang valid atau kesalahan data. Catat setiap perubahan agar dataset yang sudah disiapkan bisa dijelaskan dengan merujuk ke data sumber.

Kualitas data process mining jarang bisa dinilai hanya dengan jawaban ya atau tidak. Yang penting, apakah kolom yang dibutuhkan untuk menjawab pertanyaan Anda konsisten. Karena itu, memeriksa sampel lebih berguna daripada sekadar mengandalkan janji. ProcessMind menampilkan kualitas pada dataset itu sendiri: lencana kualitas dengan persentase dan panel yang menjelaskan faktor di balik skor, termasuk nilai yang hilang, nilai yang tidak konsisten, dan masalah stempel waktu. Anda bisa melihat seberapa jauh hasilnya dapat dipercaya sebelum mengambil tindakan, lalu memantau perubahan skor saat Anda memperbaiki data. Baca dokumentasi kualitas data untuk detailnya.

Pemeriksaan data dilakukan bertahap: mulai dari sampel, petakan kolom, lihat proses yang dihasilkan, lalu selidiki hal yang tampak keliru. Panduan pembersihan dan persiapan data membahas langkah dan pemeriksaan yang umum dilakukan.

Menata ulang data

Setelah menemukan dan memeriksa catatan yang diperlukan, petakan kolom dari sistem sumber ke kolom yang dibutuhkan untuk analisis proses. Nama kolom di sistem sumber mungkin berbeda, tetapi artinya harus jelas.

Aktivitas harus menjelaskan peristiwa dalam proses, bukan komentar yang samar. “Pelanggan senang” bisa berupa opini atau catatan. “Pesanan diantar” lebih jelas sebagai peristiwa jika sistem mencatat status tersebut. Pilih stempel waktu yang menunjukkan kapan peristiwa terjadi, bukan sekadar waktu laporan diekspor.

Anda juga tidak perlu memetakan setiap kolom secara manual. Saat Anda memetakan dataset, ProcessMind menyarankan kolom yang cocok. Rekomendasi Data AI menunjukkan kemungkinan pemetaan beserta skor keyakinannya, lalu menyarankan atribut, aktivitas, atau sumber data yang dapat mempertajam analisis. Anda cukup meninjau dan mengonfirmasi, tanpa harus mencari satu per satu di daftar kolom. Bedanya, pemetaan bisa selesai dalam satu sore, bukan satu minggu. Lihat rekomendasi data AI.

Pemetaan yang baik membantu orang yang memahami pekerjaan mengerti prosesnya. Tinjau nama aktivitas bersama pemilik proses, lalu pastikan ID kasus dan stempel waktu berfungsi sesuai harapan. Dokumentasi pemetaan data menjelaskan cara mengatur dataset, sedangkan panduan pemetaan aktivitas membahas definisi aktivitas.

Berapa banyak data yang Anda butuhkan?

Tidak ada jumlah kasus atau rentang riwayat yang cocok untuk semua proses. Jumlah yang tepat bergantung pada seberapa sering proses berlangsung, seberapa banyak variasi yang Anda perkirakan, dan hal yang ingin dibandingkan.

Untuk pemeriksaan awal, gunakan cukup banyak kasus agar mencakup pekerjaan rutin dan pengecualian yang ingin Anda periksa. Sertakan riwayat yang cukup untuk melihat siklus proses yang relevan dan perubahan penting dari waktu ke waktu. Jika Anda hanya memiliki data untuk periode singkat atau sampel kecil, Anda tetap bisa menguji skema dan pemetaan. Namun, jangan langsung menganggap hasilnya mewakili keseluruhan proses.

Data yang lebih banyak bisa menunjukkan jalur yang jarang terjadi, tetapi perlu waktu lebih lama untuk disiapkan dan dianalisis. Mulailah dengan periode yang terarah, lalu perluas jika hasil awal memunculkan pertanyaan baru. Jika Anda menggunakan log peristiwa berukuran besar, baca panduan kinerja dan skalabilitas process mining sebelum menentukan rentang riwayat yang akan dimuat.

Format dan opsi unggah

Untuk proyek pertama, gunakan data ekspor yang bisa dibuat dan diperiksa oleh tim Anda. ProcessMind mendukung format spreadsheet dan file berpemisah yang umum, termasuk CSV dan Excel. Untuk log yang lebih besar, Anda bisa menggunakan Parquet atau ORC. Proses unggah hanya perlu beberapa menit: tambahkan file, periksa kolom yang terdeteksi, lalu lihat prosesnya sebelum memutuskan apakah perlu menggunakan konektor. Ikuti langkah-langkah di cara mengunggah dataset.

Anda juga bisa memuat data secara bertahap jika ingin menambahkan catatan terbaru tanpa membuat ulang seluruh dataset. Cara yang tepat bergantung pada cara data sumber dihasilkan dan seberapa sering datanya berubah. Lihat dokumentasi format data yang didukung dan pemuatan data bertahap untuk detailnya.

API bisa menjadi pilihan untuk pengaturan pemuatan data yang berulang. Baca dokumentasi API data untuk mengetahui opsi yang tersedia. Jika Anda sedang menentukan cara mengekstrak, mengubah, dan memuat data, mulailah dari panduan ETL.

Data yang sebaiknya tidak Anda unggah

Sertakan hanya data yang dibutuhkan untuk menjawab pertanyaan tentang proses. Informasi pribadi bisa muncul di kolom yang tidak Anda duga, terutama catatan teks bebas, komentar, atau deskripsi. Periksa data ekspor sebelum mengunggah, lalu hapus atau samarkan kolom yang tidak diperlukan untuk analisis.

Bekerja samalah dengan tim privasi, keamanan, dan tata kelola data untuk memastikan hal yang diizinkan oleh organisasi Anda. Pertimbangkan apakah nama atau pengenal langsung lainnya benar-benar diperlukan. Untuk banyak analisis, nama tim, peran, atau pengenal samaran sudah cukup, selama sesuai dengan tujuan dan kebijakan Anda.

Jangan jadikan analisis proses sebagai alasan untuk mengumpulkan lebih banyak data pribadi. Batasi dataset pada kolom yang diperlukan untuk memahami proses, lalu ikuti aturan organisasi Anda tentang akses, penyimpanan, dan penanganan data. ProcessMind memisahkan tenant dan mengatur akses berdasarkan peran. Log audit mencatat siapa yang bisa melihat apa, sehingga Anda dapat menjawab pertanyaan tersebut di kemudian hari. Lihat pengguna, peran, dan izin, log audit, dan kebijakan privasi kami.

Libatkan tim data Anda

Permintaan yang jelas membantu tim data memperkirakan pekerjaan dan menghindari ekstraksi yang tidak perlu. Kirim ringkasan satu halaman yang memuat informasi berikut:

• Proses: Sebutkan nama proses serta titik awal dan akhirnya.
• Pertanyaan: Jelaskan hal yang ingin Anda ketahui, misalnya di mana pesanan menunggu.
• Cakupan: Sebutkan sistem, rentang tanggal, dan jenis kasus yang perlu disertakan.
• Kolom wajib: Minta ID kasus, aktivitas, dan stempel waktu untuk setiap peristiwa.
• Kolom yang berguna: Cantumkan hanya atribut yang diperlukan untuk menjawab pertanyaan.
• Contoh: Sertakan beberapa kasus yang mewakili proses, dan hapus informasi sensitif jika perlu.
• Pemeriksaan: Minta tim menandai ID atau stempel waktu yang hilang, peristiwa duplikat, dan nilai status yang tidak jelas.
• Privasi: Pastikan kolom mana yang boleh dibagikan dan apakah ada yang perlu dihapus atau disamarkan.

Anda juga bisa membagikan panduan log peristiwa agar tim memiliki contoh konkret tentang struktur data yang dibutuhkan. Jika ekstrak harus berasal dari sistem tertentu, sertakan panduan perbaikan proses yang sesuai. Setelah mendapatkan data ekspor, ikuti panduan memulai untuk memuat data dan melihat prosesnya.

Langkah berikutnya: unggah dan petakan data Anda

Anda tidak memerlukan data ekspor yang sempurna untuk mengetahui apakah data yang tersedia bisa mendukung analisis awal. Mulailah dengan data ekspor yang sudah ada, periksa tiga kolom wajib, lalu cari tahu hal yang perlu diperbaiki sebelum berinvestasi dalam proyek data yang lebih besar.

Manfaatnya tidak berhenti pada peta proses pertama. Setelah dataset dimuat, ProcessMind langsung memberi skor pada proses melalui Process Health: satu skor yang bisa digunakan secara konsisten untuk setiap proses, berdasarkan lima dimensi dalam kerangka CURES, yaitu Conformance, Uniformity, Rework, Efficiency, dan Smoothness. Skor ini menunjukkan bagian yang perlu diperiksa lebih dulu. Dasbor yang sama juga menunjukkan hal yang perlu diperbaiki, sehingga dataset pertama menghasilkan daftar pekerjaan, bukan sekadar gambaran proses. Process Health dan skornya tersedia bersama lisensi Process Intelligence.