Pemecahan masalah data

Pemecahan masalah data

Masalah data biasanya terlihat dari gejala tertentu: kasus yang terpecah, urutan peristiwa yang salah, langkah yang hilang, atau angka yang tidak masuk akal. Halaman ini menelusuri gejala hingga penyebabnya, lalu menunjukkan cara mengatasinya, baik lewat pengaturan di ProcessMind maupun dengan memperbaiki file sumber jika pengaturan saja tidak cukup.

Untuk panduan lengkap menyiapkan data, mulai dari ciri data yang baik hingga cara menyiapkannya, lihat Pembersihan dan persiapan data. Untuk mengetahui pemeriksaan yang dilakukan platform terhadap data Anda, lihat Kualitas data.

Pemeriksaan awal

Sebelum memeriksa file sumber, lihat informasi yang sudah ditampilkan ProcessMind:

• Daftar merah di atas panel. Pada tab Umum di dataset, daftar merah menunjukkan masalah yang menghambat proses: ID kasus, Aktivitas, atau Waktu berakhir yang hilang; aktivitas tanpa data; atribut tanpa nilai; atau file yang diunggah ulang tidak sesuai dengan jenis proses saat pertama kali dimuat. Mulailah dari sini.
• Lencana kualitas model dan panelnya. Lencana menampilkan skor kesehatan proses dalam persentase. Panel menampilkan kebaruan data, cakupan atribut, dan analisis aktivitas.
• Rekomendasi data AI. Pemindaian dataset mencantumkan masalah yang ditemukan dan menyarankan pemetaan serta perbaikannya.
• Atribut dataset. Atur nama tampilan, jenis data, dan format stempel waktu, atau sembunyikan kolom tanpa perlu mengekspor ulang data.

Gejala pada grafik proses

Kasus terpecah menjadi beberapa kasus

Yang terlihat: satu instans proses muncul sebagai banyak kasus pendek, masing-masing hanya berisi satu atau dua langkah. Akibatnya, grafik hanya menampilkan deretan aktivitas yang datar.

Penyebab: kolom yang dipetakan sebagai ID kasus mengidentifikasi sesuatu yang lebih kecil daripada instans proses, misalnya item baris, nomor faktur, atau nomor dokumen dari satu sistem.

Solusi: petakan kolom yang mengidentifikasi seluruh instans, seperti pesanan, tiket, atau klaim. Jika tidak ada satu kolom yang mencakup semuanya, gabungkan pengenal di sistem sumber. Satukan pengenal menggunakan SQL atau tugas ETL agar setiap peristiwa dalam satu instans memiliki ID kasus yang sama, lalu unggah ulang datanya. Konvensi penamaan untuk setiap sistem dijelaskan di Sumber data.

Urutan peristiwa salah

Yang terlihat: aktivitas yang terjadi belakangan muncul sebelum aktivitas yang terjadi lebih awal, misalnya tanggal faktur lebih awal daripada tanggal pesanan.

Penyebab: biasanya ada tiga kemungkinan. Stempel waktu dibaca dengan format yang salah (nilai 03/04/2025 terbaca sebagai 4 Maret, bukan 3 April). Peristiwa dari sistem dengan zona waktu berbeda digabungkan tanpa konversi. Atau kolom yang salah dipetakan sebagai kolom waktu.

Solusi: periksa format di atribut dataset dan pastikan jenis datanya Timestamp, bukan teks. Konversikan semua sumber ke satu zona waktu sebelum menggabungkan ekspor, urutkan setiap kasus berdasarkan stempel waktunya, lalu periksa beberapa kasus dari awal hingga akhir.

Langkah tidak muncul

Yang terlihat: grafik melewatkan langkah yang seharusnya terjadi.

Penyebab: langkah tersebut tidak meninggalkan jejak dalam data, misalnya persetujuan lewat telepon atau tanda tangan di kertas. Aktivitasnya mungkin belum dipetakan, atau tersembunyi karena filter.

Perbaikan: tampilkan langkah yang benar-benar terjadi tetapi tidak tercatat dengan menandai aktivitas sebagai langkah aliran data, lalu petakan aktivitas lainnya menggunakan Memetakan dan membatalkan pemetaan aktivitas. Aktivitas yang belum dipetakan akan tampak transparan dengan koneksi putus-putus. Setelah itu, periksa filter yang aktif.

Kasus tidak pernah berakhir

Yang terlihat: banyak kasus berhenti begitu saja tanpa mencapai end event.

Penyebab: ekspor berhenti pada tanggal tertentu saat kasus masih berjalan, model tidak memiliki end event, atau aktivitas penutup tidak ada dalam dataset.

Solusi: tambahkan end event yang sesuai ke model, atau biarkan kasus tetap terbuka dan jangan sertakan dalam analisis waktu. metrik waktu hanya menghitung kasus yang sudah ditutup. Kasus yang belum selesai bukan berarti datanya salah.

Jumlah terlihat terlalu tinggi

Yang terlihat: satu aktivitas tampak terlalu sering dilakukan, atau jumlah kasus melebihi angka dalam laporan bisnis.

Penyebab: ada baris duplikat, yaitu peristiwa yang sama tercatat dua kali akibat integrasi atau ekstraksi berulang.

Solusi: hapus duplikat berdasarkan ID kasus, aktivitas, dan stempel waktu sebelum mengunggah data. alur kerja persiapan menjelaskan penyebab umum ekstraksi berulang.

Peta terlalu ramai

Yang terlihat: ada ratusan aktivitas, sebagian besar bersifat teknis.

Penyebab: aktivitas login, percobaan ulang, dan pekerjaan latar belakang tercampur dengan langkah bisnis dalam ekstrak yang sama.

Solusi: sembunyikan atribut yang tidak Anda analisis, saring peristiwa di luar proses, lalu kelompokkan peristiwa tingkat rendah ke aktivitas yang sesuai. Pakar proses yang menentukan batas antara detail yang berguna dan informasi yang tidak perlu.

Data dari beberapa sistem tidak selaras

Yang terlihat: ada bagian proses yang terputus, padahal seharusnya ada kontribusi dari salah satu sistem.

Penyebab: data dari sistem diekstrak pada waktu berbeda, nama untuk langkah yang sama tidak seragam, atau ada ekstrak yang terlewat.

Solusi: samakan rentang waktu ekstraksi dan istilah aktivitas sebelum menggabungkan data. Tetapkan peran setiap dataset melalui primary and comparison, bukan dengan menggabungkan file yang isinya tidak selaras.

Gejala pada dataset

Unggahan ditolak

Yang terlihat: proses unggah berakhir dengan pesan kesalahan, atau file terbaca sebagai satu kolom.

Penyebab: file tidak memenuhi salah satu persyaratan struktur. Masalah yang sering terjadi antara lain baris header tidak ada (header harus berada di baris pertama), ada baris kosong di antara data, angka tersimpan sebagai teks, atau data Excel berada di sheet kedua. Sistem hanya membaca sheet pertama.

Solusi: letakkan header di baris pertama, hapus baris kosong, pastikan angka tersimpan sebagai angka, dan pindahkan data peristiwa ke sheet pertama. Pemisah dan tanda kutip dalam CSV, TSV, dan TXT terdeteksi otomatis. Jika hasilnya hanya satu kolom, biasanya file tidak dapat dibaca. Ekspor ulang sebagai CSV atau Parquet.

Kolom atau tipe data keliru

Yang terlihat: ada kolom yang hilang, atau stempel waktu terbaca sebagai teks.

Penyebab: file berubah sejak unggahan terakhir, atau tipe datanya terdeteksi secara keliru.

Solusi: atur tipe dan format data secara manual, atau sembunyikan kolom tersebut. Setelah mengganti file, periksa daftar merah untuk melihat apakah file baru tidak cocok dengan dataset tempat file dimuat.

Stempel waktu tidak dikenali

Yang terlihat: kolom stempel waktu kosong, atau durasi yang dihasilkan jauh lebih lama dari seharusnya.

Penyebab: format yang tidak umum, urutan tanggal dan bulan yang berbeda menurut lokal, presisi yang bercampur (detik dan milidetik dalam satu kolom), atau konversi zona waktu yang diterapkan dua kali.

Solusi: tentukan format secara eksplisit di atribut dataset, pisahkan ekspor dengan presisi berbeda di sumbernya, dan gunakan satu zona waktu yang sama sebelum mengunggah.

Nilai kosong

Yang terlihat: cakupan atribut di panel kualitas menunjukkan data yang hilang, atau grafik menampilkan kategori null.

Penyebab: sistem sumber tidak mencatat nilai untuk setiap kasus, atau ekspor menghilangkan kolom kosong.

Solusi: lengkapi data yang hilang di sumber jika memungkinkan. Jika nilai kosong dapat diganti dengan nilai bawaan yang sesuai, gunakan fungsi penanganan null dalam atribut terhitung.

Nama aktivitas tidak konsisten

Yang terlihat: “Approve Order” dan “Order Approval” tercatat sebagai dua aktivitas berbeda, padahal artinya sama. Atau, nama untuk langkah yang sama berbeda di setiap negara.

Penyebab: setiap sistem sumber menggunakan nama sendiri untuk pekerjaan yang sama.

Solusi: sepakati satu nama untuk setiap langkah. Lalu, seragamkan nilainya dalam ekstrak atau tambahkan atribut terhitung untuk memetakan berbagai nama ke satu nama, kemudian petakan aktivitas berdasarkan nama tersebut.

Gejala pada angka

Rata-rata tampak terlalu rendah

Yang terlihat: rata-rata durasi kasus tidak masuk akal menurut tim bisnis.

Penyebab: metrik waktu hanya menghitung kasus yang sudah ditutup, sehingga kasus yang belum selesai tidak disertakan. Kasus yang selesai sering kali merupakan kasus yang cepat, terutama dalam periode terbaru.

Solusi: bandingkan hal yang setara. Batasi periode pada kasus yang memiliki cukup waktu untuk selesai. Sebelum menarik kesimpulan dari satu angka rata-rata, baca definisi di Metrik Waktu dan periksa distribusinya, bukan hanya nilai rata-ratanya.

Rata-rata dipengaruhi kasus ekstrem

Yang terlihat: nilai rata-rata jauh lebih tinggi daripada durasi kasus pada umumnya.

Penyebab: sejumlah kecil kasus ekstrem menaikkan nilai rata-rata. Terkadang kasus tersebut memang pengecualian, terkadang datanya keliru.

Solusi: periksa kelompok kasus berdurasi paling lama (P90 dibandingkan median), bukan hanya nilai rata-rata. Pastikan kasus ekstrem memang nyata, dan keluarkan hanya data yang benar-benar keliru. Pengecualian yang jarang terjadi tetapi nyata tetap memberi wawasan. Metrik Waktu menjelaskan setiap ukuran.

Perbandingan tidak menampilkan hasil

Yang terlihat: dataset pembanding menampilkan Tidak tersedia (0 kasus, cakupan 0%).

Penyebab: filter aktif atau periode yang dipilih tidak mencakup kasus dari dataset tersebut, atau aktivitasnya belum dipetakan ke model.

Solusi: perluas periode, periksa pemetaan dataset pembanding, dan pastikan dataset mana yang ditetapkan sebagai primary.

Jika masalahnya adalah ukuran data

Beberapa masalah bukan disebabkan oleh kesalahan data, melainkan oleh ukurannya:

• Unggahan lambat: pilih Parquet atau ORC. Untuk file Excel, gunakan XLSB, bukan XLSX. Lihat Format Data yang Didukung.
• File terus bertambah: tambahkan periode baru dengan unggahan inkremental (delta), bukan mengganti seluruh file.
• Analisis lambat: hapus kolom yang tidak dianalisis, saring alur normal saat mencari pengecualian, dan periksa satu periode atau wilayah dalam satu waktu. panduan performa menjelaskan dampak ukuran data.
• Dataset yang tidak lagi diperlukan: arsipkan dataset yang tidak lagi dianalisis agar ruang kerja hanya memuat data yang benar-benar Anda gunakan.

Perbaiki masalah dari sumbernya

Setiap perbaikan yang dilakukan di ProcessMind menghemat satu kali bolak-balik. Namun, beberapa masalah hanya bisa diatasi dari sumbernya, seperti sistem sumber yang tidak tersedia, zona waktu yang bercampur, atau ID yang tidak diseragamkan oleh proses ekspor. Atasi masalah tersebut dalam ekstrak dan, jika terus berulang, di sistem yang menghasilkannya. Lihat Sumber Data untuk mengetahui cara mengambil data dari tiap sistem, dan ETL untuk Process Mining untuk praktik yang menjaga keandalan ekstrak.

Masih belum menemukan solusinya?

Jika pemeriksaan di atas belum menjelaskan masalahnya, hubungi tim dukungan. Sertakan nama dataset, kasus yang sedang Anda periksa, hasil yang diharapkan, dan hasil yang muncul. Tangkapan layar grafik dan panel kualitas biasanya membantu tim menemukan penyebab lebih cepat daripada penjelasan tertulis.

Coba process mining dengan data Anda sendiri

Topik terkait

• Kualitas Data - arti lencana dan cara membaca panel
• Mengonfigurasi Dataset - daftar validasi merah dan kolom wajib
• Format Data yang Didukung - baris header, sheet, dan jenis file
• Pembersihan dan Persiapan Data - panduan lengkap alur kerja persiapan
• Pemuatan Data Inkremental - menambah data ke dataset tanpa mengunggah ulang
• FAQ - jawaban atas pertanyaan yang paling sering diajukan