Elementi Essenziali dei Dati per un Process Mining Efficace

Hai dati grezzi? È solo il primo ingrediente! Il Process Mining adora i dati puliti, quindi esplora, prepara e condisci i tuoi event data alla perfezione. È la salsa segreta per creare potenti insights sui processi!

Quali dati sono necessari per iniziare

Immagina di gestire un chiosco di limonata, ma hai una memoria terribile! Per capire come sta andando il tuo stand, decidi di monitorare alcune informazioni di base:

• ID Cliente (CaseID): È come un numero che dai a ciascun cliente. Ti consente di sapere che è la stessa persona che torna per più limonata (o forse per lamentarsi di un lotto acido!).
• Azione Svolta (Activity): Questo è ciò che è successo! Hai “Preso Ordine”, “Preparato Limonata”, o forse “Risolto Reclamo Cliente Arrabbiato” (si spera non troppo spesso!).
• Tempo Azione (Timestamp): Questo è quando hai effettuato le azioni. Sapere l’ordine delle tue azioni è cruciale!

Con solo questi tre elementi, il Process Mining può essere come una piccola spia al tuo stand. Può vedere il flusso di base dei clienti, identificare eventuali colli di bottiglia (forse sei lento a fare la limonata!), e persino dirti se alcuni clienti sono più scontrosi di altri (tempo di migliorare la tua ricetta!).

Ecco un esempio di come potrebbero apparire i dati in una tabella:*

Questo può sembrare pochissima informazione, ma è sufficiente per il Process Mining per iniziare a fare domande e scoprire alcune intuizioni di base sull’efficienza del tuo chiosco di limonata!

Capitolo 2: Il Caso dei Log di Limonata Scomparsi

Il nostro chiosco di limonata era un successo straordinario! I clienti adoravano la nostra ricetta segreta (quasi tutti), e il business andava a gonfie vele. Ma con il grande successo è arrivata una nuova sfida: eravamo sommersi dai clienti. Le code erano lunghe, gli animi si scaldavano e, peggio di tutto, non avevamo idea del perché!

Ricordi quella piccola spia che abbiamo assunto (Process Mining)? A quanto pare non può fare miracoli. Ha bisogno di buone informazioni, e noi avevamo solo qualche scarabocchio su un tovagliolo. Qui è dove le cose si sono complicate:

• Il Detective dei Dati: Il nostro primo problema era trovare tutti i dettagli succosi. Gli ordini dei clienti erano sparsi su post-it, ricevute sparse e persino un tovagliolo stropicciato nella nostra tasca (che schifo!). Era come una storia di detective, mettendo insieme informazioni da tutte queste fonti casuali (database, file flat, log dei messaggi, e via dicendo!).
• Parlare la Stessa Lingua: Anche quando trovavamo i dati, non erano sempre chiari. Alcuni appunti dicevano “Cliente Felice!” mentre altri avevano solo una faccina imbronciata. Ci serviva un traduttore (standardizzazione dei dati) per assicurare che la spia capisse cosa significava ogni scarabocchio.
• Porre le Domande Giuste: Infine, dovevamo capire cosa volevamo sapere realmente. Le code erano lunghe perché i clienti ordinavano lentamente, o forse ci mettevamo troppo a fare la limonata? Fare le domande giuste ci ha aiutato a focalizzare la nostra raccolta dati (diverse viste sui dati).

Si scopre che ripulire questo caos di dati è stata tutta una nuova avventura. Ma nel prossimo capitolo, vedrai come, con un po’ di lavoro da detective e un po’ di aiuto dalla nostra spia amante dei dati, siamo riusciti ad ottimizzare il nostro chiosco di limonata e a diventare l’invidia del quartiere!

Capitolo 3: La Grande Scoperta dei Dati

Il nostro chiosco di limonata era un grande successo, ma le code erano un incubo! Sapevamo di aver bisogno della nostra spia dei dati (Process Mining) per aiutarci, ma prima dovevamo fornirle delle informazioni decenti. Questo significava immergersi a fondo nel mondo dell’estrazione dati - in pratica, trovare tutti gli indizi nascosti sui nostri clienti e trasformarli in qualcosa che la nostra spia potesse capire.

Ecco cosa abbiamo scoperto:

• Caccia al Tesoro: A volte, i dati erano come un tesoro nascosto – nascosti in angoli polverosi dei nostri sistemi (pagine web, email, PDF). Dovevamo diventare archeologi dei dati, scavando tra vecchi file e usando strumenti sofisticati (screen scraping) per portare alla luce le informazioni di cui avevamo bisogno.
• Persi nella Traduzione: Anche quando trovavamo i dati, non erano sempre chiari. Alcuni indizi erano scarabocchiati su tovaglioli (dati non strutturati) e altri erano nascosti in un codice segreto (metadata mancanti). Ci serviva un traduttore (standardizzazione dei dati) per decifrarlo tutto.
• Focalizzazione è la chiave: Con così tante fonti di dati (migliaia di tabelle!), era allettante voler raccogliere tutto. Ma proprio come non proveresti ogni combinazione di gusti da una gelateria, dovevamo concentrarci sulle domande a cui volevamo rispondere. I clienti impiegavano troppo tempo a ordinare o eravamo noi il collo di bottiglia nel fare la limonata? Concentrarsi su queste domande chiave ci ha aiutato a stabilire le priorità sui dati da estrarre.

Non è stato facile, ma con un po’ di olio di gomito e una buona dose di curiosità, siamo riusciti a portare alla luce un vero tesoro di dati. Nel prossimo capitolo, vedremo come abbiamo ripulito questo disordine e finalmente messo in azione la nostra spia dei dati!

Capitolo 4: Il Detox dei Dati

Avevamo una montagna di dati, grazie ai nostri eroici sforzi di estrazione (vedi Capitolo 3). Ma attenzione, perché questi dati erano un miscuglio – alcune informazioni utili sui clienti, alcuni scarabocchi casuali e un sacco di materiale che non ci serviva. Era ora di un detox dei dati!

Il filtro è diventato il nostro nuovo migliore amico. Pensalo come il mettere ordine in una cassetta degli attrezzi disordinata. Abbiamo iniziato con le cose generali (scoping a grana grossa) quando abbiamo estratto i dati. Ora era il momento di essere dettagliati (scoping a grana fine).

Ecco come abbiamo affrontato la sfida del filtraggio:

• Focus sulle Stelle: Immagina gli ordini dei clienti più frequenti come i nuovi attrezzi brillanti nella nostra cassetta degli attrezzi. Abbiamo deciso di concentrarci sulle 10 attività più comuni (ordinare, aspettare, ricevere la limonata) per mantenere le cose gestibili per la nostra spia dei dati. Il resto poteva aspettare in fondo al magazzino (per ora).
• Iterazione è la Chiave: Il filtraggio non è stato un’operazione una tantum. Man mano che la nostra spia dei dati ha iniziato ad analizzare i dati puliti, ci ha indicato nuove aree su cui concentrarsi. È stato come un detective che segue piste, affinando costantemente il nostro filtro sulla base di nuovi approfondimenti.

Con i dati scintillanti di pulizia (beh, quasi puliti), era finalmente ora di liberare il vero potere della nostra spia dei dati (Process Mining) nel prossimo capitolo! Esploreremo diverse tecniche come discovery, conformance ed enhancement per diagnosticare i problemi del nostro chiosco di limonata e diventare l’operazione di limonata più efficiente del quartiere!

Capitolo 5: Il Makeover dei Dati

Il nostro detox dei dati (Capitolo 4) ha fatto miracoli, ma c’era ancora un passaggio cruciale prima di liberare la nostra spia dei dati (Process Mining) – il makeover dei dati! Immagina un cliente che entra nel nostro stand con una banconota stropicciata. Non li respingeremmo, ma sarebbe molto più facile da gestire se la banconota fosse croccante e pulita. Questa è l’idea alla base della pulizia dei dati.

Ecco cosa dovevamo fare:

• Caso Chiuso: Un processo è come il viaggio di un cliente – ha un inizio, un mezzo e una fine. Dovevamo collegare tutti gli eventi relativi a un singolo cliente (case) – il loro ordine, il tempo di attesa, e infine, ricevere la loro limonata. Pensala come l’organizzazione di tutte le ricevute di una singola visita del cliente.
• Parlare Processo: I nostri dati non parlavano sempre la lingua dei processi. Le attività dovevano essere chiaramente definite come cambiamenti di stato per il viaggio di ciascun cliente (case). Ad esempio, “Cliente Felice!” non era abbastanza specifico. Ci serviva uno stato chiaro come “Limonata Consegnata.”

Non era la parte più glamour dell’avventura, ma con un po’ di gestione dei dati e pensando chiaramente, abbiamo finalmente avuto un dataset pulito e brillante! Con questi dati trasformati dalla nostra spia, sveliamo i segreti dietro le nostre lunghe code e trasformiamo il nostro chiosco di limonata in un’efficiente operazione scintillante (e deliziosa)!