Cosa serve per utilizzare il Process Mining?

Hai dati grezzi? È solo il primo ingrediente! Process Mining adora i dati puliti, quindi esplora, prepara e perfeziona i tuoi dati di evento. È la salsa segreta per ottenere preziose intuizioni di processo!

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 chiosco, decidi di tracciare alcune informazioni di base:

• ID Cliente (CaseID): È come un numero che dai a ogni cliente. Ti fa sapere che è la stessa persona che ritorna per più limonata (o magari si lamenta di una partita acre!).
• Azione Effettuata (Activity): È quello che è successo! Hai “Preso Ordine,” “Preparato Limonata,” o forse “Risolto Reclamo Cliente Arrabbiato” (si spera non troppo spesso!).
• Orario Azione (Timestamp): È quando hai eseguito le azioni. Conoscere l’ordine delle tue azioni è cruciale!

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

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

Può sembrare poca informazione, ma è abbastanza per cominciare con il Process Mining a fare domande e scoprire alcune intuizioni di base sull’efficienza del tuo chiosco di limonata!

1. Il caso dei registri di limonata mancanti

Il nostro chiosco di limonata era un successo clamoroso! I clienti amavano la nostra ricetta segreta (più o meno), e gli affari andavano a gonfie vele. Ma con il grande successo è arrivata una nuova sfida: eravamo sommersi dai clienti. Le file erano lunghe, gli animi si accendevano, e, cosa peggiore di tutte, non sapevamo perché!

Ricordi quel piccolo spia che abbiamo assunto (Process Mining)? Si è scoperto che non può fare miracoli. Ha bisogno di buone informazioni, e tutto quello che avevamo erano pochi scarabocchi su un tovagliolo. Ecco dove le cose sono diventate complicate:

• Il Detective dei Dati: Il nostro primo problema era trovare tutti i dettagli succosi. Gli ordini dei clienti erano sparsi tra post-it, scontrini volanti e perfino un tovagliolo accartocciato nella nostra tasca (che schifo!). Era come una storia di un detective, mettere insieme informazioni da tutte queste fonti casuali (database, file flat, log di messaggi, e così via!).
• Parlare la Stessa Lingua: Anche quando trovavamo i dati, non erano sempre chiari. Alcuni appunti dicevano “Cliente felice!” mentre altri avevano solo una faccina triste. Avevamo bisogno di un traduttore (standardizzazione dati) per assicurarci che la spia capisse cosa significava ogni scarabocchio.
• Porre le Domande Giuste: Infine, dovevamo capire cosa volevamo realmente sapere. Le file erano lunghe perché la gente era lenta a ordinare, o forse stavamo impiegando troppo tempo a fare la limonata? Porre le domande giuste ci ha aiutato a concentrare la nostra raccolta dati (diverse visualizzazioni sui dati).

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

2: La Grande Scavo dei Dati

Il nostro chiosco di limonata era un successo clamoroso, ma le file erano un incubo! Sapevamo che avevamo bisogno della nostra spia dei dati (Process Mining) per aiutarci, ma prima dovevamo darle delle informazioni decenti. Questo significava un’immersione profonda nel mondo dell’estrazione dei dati – essenzialmente, 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 tesori sepolti – nascosti negli angoli impolverati dei nostri sistemi (pagine web, email, PDF). Dovevamo diventare archeologi dei dati, scavando tra vecchi file e usando strumenti sofisticati (screen scraping) per riportare 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 chiusi in un codice segreto (metadati mancanti). Avevamo bisogno di un traduttore (standardizzazione dati) per decifrare tutto.
• Focalizzarsi è fondamentale: Con così tante fonti di dati (migliaia di tabelle!), era allettante prendere tutto. Ma proprio come non proveresti ogni combinazione di gusti in una gelateria, dovevamo concentrarci sulle domande che volevamo rispondere. I clienti impiegavano troppo tempo a ordinare, o eravamo noi il collo di bottiglia nella preparazione della limonata? Focalizzarci su queste domande chiave ci ha aiutato a prioritizzare quali dati estrarre.

Non è stato facile, ma con un po’ di olio di gomito e una sana dose di curiosità, siamo riusciti a scoprire un tesoro di dati. Nel prossimo capitolo, vedremo come abbiamo pulito questo disordine e finalmente messo al lavoro la nostra spia dei dati!

3: Il Detox dei Dati

Avevamo una montagna di dati, grazie ai nostri eroici sforzi di estrazione (vedi Capitolo 3). Ma tieni i cappelli ben saldi, perché questi dati erano un miscuglio – alcune informazioni utili sui clienti, alcuni scarabocchi casuali e un sacco di roba che non ci serviva. Era il momento di un detox dei dati!

Il filtraggio è diventato il nostro nuovo migliore amico. Pensalo come 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:

• Concentrare sugli Elementi Chiave: Immagina gli ordini dei clienti più frequenti come gli attrezzi nuovi nella nostra cassetta. Abbiamo deciso di concentrarci sulle 10 attività più comuni (ordinare, aspettare, ricevere limonata) per mantenere le cose gestibili per la nostra spia dei dati. Il resto poteva aspettare nel retro della baracca (per ora).
• L’Iterazione è Fondamentale: Il filtraggio non era una cosa da fare una volta sola. Mentre la nostra spia dei dati iniziava ad analizzare i dati puliti, ci indicava nuove aree su cui concentrarci. Era come un detective che seguiva le piste, affinando costantemente il nostro filtro basandoci su nuove intuizioni.

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

4: Il Rifacimento dei Dati

Il nostro detox dei dati (Capitolo 4) ha fatto meraviglie, ma c’era ancora un passo cruciale prima di liberare la nostra spia dei dati (Process Mining) – il rifacimento dei dati! Immagina un cliente che arriva al nostro chiosco con una banconota accartocciata. Non lo respingeremmo, ma sarebbe molto più facile da gestire se la banconota fosse fresca e pulita. È questa l’idea alla base della pulizia dei dati.

Ecco cosa dovevamo fare:

• Caso Risolto: 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 (caso) – il loro ordine, il tempo di attesa e, infine, la ricezione della loro limonata. Pensalo come organizzare tutte le ricevute per una singola visita del cliente.
• Parlare Processo: I nostri dati non parlavano sempre la lingua del processo. Le attività dovevano essere chiaramente definite come cambiamenti di stato per ogni viaggio del cliente (caso). Ad esempio, “Cliente Felice!” non era abbastanza specifico. Avevamo bisogno di uno stato chiaro come “Limonata Consegnata.”

Non è stata la parte più affascinante dell’avventura, ma con un po’ di maneggiamento dei dati e del pensiero chiaro, abbiamo finalmente ottenuto un dataset scintillante! Con questi dati trasformati dalla nostra spia dei dati, sveliamo i segreti dietro le nostre lunghe file e trasformiamo il nostro chiosco di limonata in un faro di efficienza (e delizia)!