Data Essentials 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!

Capitolo 1: Quali dati servono per partire con successo

Immagina di gestire una bancarella di limonata ma di non ricordarti mai nulla! Per capire se la tua attività funziona, devi raccogliere alcune informazioni di base:

• Customer ID (CaseID): Un numero che assegni a ogni cliente. Ti permette di capire se lo stesso cliente torna (o si lamenta!).
• Action Taken (Activity): Cosa è successo? Hai fatto “Take Order”, “Prepare Lemonade” oppure “Resolve Angry Customer Complaint” (speriamo poche volte!).
• Action Time (Timestamp): Quando hai fatto l’azione. L’ordine delle azioni è fondamentale!

Con solo questi tre dati, il Process Mining può essere il tuo aiutante invisibile. Può vedere il flusso dei clienti, identificare i colli di bottiglia (magari sei lento a preparare la limonata!) e perfino dirti se certi clienti sono spesso scontenti (forse è il momento di migliorare la ricetta!).

Ecco un esempio di come potrebbero presentarsi questi dati in una tabella:*

Sembrano poche informazioni, ma bastano al Process Mining per iniziare a farti domande e scoprire i primi insight sull’efficienza della tua bancarella!

Capitolo 2: Il caso dei Lemonade Log scomparsi

Il nostro chiosco di limonata era un vero successo! I clienti adoravano la nostra ricetta segreta (quasi tutti) e il business andava a gonfie vele. Ma, con il successo, è arrivata una nuova sfida: eravamo sommersi dai clienti. Le code erano lunghe, la pazienza scarseggiava e, peggio ancora, non capivamo il perché!

Ricordi quella piccola spia che abbiamo assunto (Process Mining)? Beh, non fa miracoli. Ha bisogno di informazioni valide, ma noi avevamo solo qualche scarabocchio su un tovagliolo. È qui che tutto si è complicato:

• Il Detective dei Dati: Il primo problema era trovare tutti i dettagli importanti. Gli ordini erano sparsi tra post-it, scontrini, e persino un tovagliolo stropicciato in tasca (che schifo!). Era un vero giallo, mettere insieme informazioni da fonti diverse (database, flat file, message log, eccetera).
• Parlare la Stessa Lingua: Anche trovando i dati, non era sempre tutto chiaro. Alcuni appunti dicevano “Cliente felice!”, altri avevano solo una faccina triste. Serviva un traduttore (data standardization) per aiutare la spia a capire ogni scarabocchio.
• Fare le Domande Giuste: Infine, dovevamo capire cosa volevamo sapere. Le code erano lunghe perché i clienti erano lenti a ordinare o perché noi eravamo lenti a preparare? Fare le domande giuste ci ha aiutato a indirizzare la raccolta dati (diverse viste sui dati).

Pulire questo caos di dati è stata una vera avventura. Ma nel prossimo capitolo scoprirai come, grazie a un po’ di fiuto e l’aiuto della nostra spia dei dati, abbiamo ottimizzato il chiosco e conquistato il 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 Data Detox

Avevamo una montagna di dati, raccolti con grande fatica (vedi Capitolo 3). Ma attenzione: quei dati erano un mix di informazioni utili, scarabocchi a caso e tante cose inutili. Era arrivato il momento di un vero data detox!

Il filtraggio è diventato il nostro alleato. Immagina di riordinare una cassetta degli attrezzi confusa. All’inizio abbiamo fatto una selezione grossolana (coarse-grained scoping), ora era il momento di entrare nei dettagli (fine-grained scoping).

Ecco come abbiamo affrontato la sfida del filtering:

• Focus sulle attività chiave: Gli ordini più frequenti sono i nostri attrezzi nuovi. Abbiamo deciso di concentrarci sulle 10 attività più comuni (ordinare, attendere, ricevere la limonata) così la nostra data spy poteva gestire meglio l’analisi. Il resto può aspettare (per ora).
• Iterazione continua: Il filtraggio non è mai una cosa da fare una volta sola. Analizzando i dati puliti la nostra spia ha trovato nuove aree su cui concentrarsi. Un vero percorso da detective: filtri sempre più precisi grazie ai nuovi insight.

Con i dati finalmente (quasi) brillanti era ora di sprigionare la vera forza della nostra data spy (Process Mining) nel prossimo capitolo! Esploreremo tecniche come discovery, conformance ed enhancement per capire i problemi e diventare il chiosco di limonata più efficiente del quartiere!

Capitolo 5: Il Data Makeover

Il nostro data detox (Capitolo 4) ha funzionato, ma rimaneva uno step chiave prima di mettere all’opera la nostra data spy (Process Mining): il vero data makeover! Immagina un cliente che paga con una banconota sgualcita: non la rifiuti, ma è più facile gestirla se è liscia. Ecco l’idea della data cleaning.

Ecco cosa serviva fare:

• Case chiuso: Un processo è come il percorso di un cliente: inizio, mezzo e fine. Dovevamo collegare tutti gli eventi di ogni cliente (case) — ordine, attesa, consegna della limonata. Un po’ come mettere insieme tutti gli scontrini di una visita.
• Parlare Process: I dati non parlavano sempre la lingua del process. Ogni attività andava definita chiaramente come passaggio di stato nel percorso cliente (case). Per esempio, “Cliente felice!” era troppo vago: meglio uno status come “Lemonade Delivered”.

Non è stato il momento più emozionante, ma con un po’ di data wrangling e idee chiare abbiamo ottenuto un dataset pulitissimo! Così, con la trasformazione della nostra spy dei dati, scopriamo il segreto delle code e rendiamo il chiosco una vera macchina di efficienza (e bontà)!