プロセスマイニングに必要なデータ

生のデータは出発点にすぎません。プロセスマイニングには、整備され、適切に構造化されたイベントデータが必要です。信頼性の高いプロセス分析のために、データの評価、準備、改善を行う方法を説明します。

第1章：始めるために必要なデータ

レモネードスタンドを経営しているものの、記憶力がひどく悪いとします。スタンドの業績を把握するために、まず次の3つの基本情報を記録することにしました。

• 顧客ID（CaseID）：この番号で各顧客を識別します。同じ人がレモネードを買いに戻ってきたのか、酸っぱすぎる商品について苦情を言いに来たのかを確認できます。
• 実施したアクション（Activity）：何が起きたかを記録します。「注文を受ける」「レモネードを作る」「怒った顧客の苦情を解決する」などです。できれば、最後の対応はあまり多くないほうがよいでしょう。
• アクションの時刻（Timestamp）：各アクションがいつ起きたかを記録します。プロセスを理解するには、アクションの順序が必要です。

この3つのデータがあれば、プロセスマイニングはスタンドにいる小さな探偵のように働きます。基本的な顧客の流れを示し、レモネードの準備が遅いといったボトルネックを特定し、他の顧客よりも頻繁に苦情を申し立てる顧客がいるかどうかを明らかにします。これにより、改善に向けた明確な出発点が得られます。

データは、たとえば次のような表になります。*

情報量が少ないように見えても、プロセスマイニングがレモネードスタンドの効率について問いを立て、基本的な分析結果を見つけるには十分です。

第2章：消えたレモネード記録の謎

レモネードスタンドは大盛況でした。ほとんどのお客様が秘伝のレシピを気に入り、商売は順調でした。しかし、成功とともに新たな課題が生まれました。お客様が多すぎたのです。行列は長くなり、苛立つ人も増えました。しかも、なぜそうなったのかはまったく分かりませんでした。

覚えていますか。私たちが雇った小さな探偵、プロセスマイニングです。奇跡を起こせるわけではありません。信頼できる情報が必要でしたが、手元にあったのはナプキンに書かれた数枚のメモだけでした。状況が複雑になったのは、ここからです。

このデータの混乱を整理することが、新たなプロジェクトになりました。次の章では、少しの探偵仕事と、データを重視するプロセスマイニングソリューションの支援によって、レモネードスタンドを効率化し、近所の人々がうらやむ店になった方法を紹介します。

第3章：データを掘り起こす

レモネードスタンドは大盛況でしたが、行列は大変な状況でした。プロセスマイニングが役立つことは分かっていましたが、まずは信頼できるプロセスマイニングデータを用意する必要がありました。そこで、データ抽出に深く取り組みました。顧客に関する隠れた手がかりを見つけ、プロセスマイニングが解釈できる情報に変える作業です。

分かったことは次のとおりです。

• **宝探し：**データは、ウェブページ、メール、PDFなど、システムの古い場所に隠された埋蔵金のようなものでした。必要な情報を見つけるため、データ考古学者になったつもりで古いファイルを掘り起こし、スクリーンスクレイピングなどのツールを使いました。
• **意味のずれ：**データを見つけても、内容がいつも明確とは限りません。ナプキンに走り書きされた手がかりは非構造化データになっており、メタデータがないものもありました。すべてを解釈するには、データの標準化が必要でした。
• **焦点を絞ることが重要：**プロセスマイニングのデータソースには何千ものテーブルがあり、すべて集めたくなります。しかし、アイスクリーム店ですべての味の組み合わせを試さないのと同じように、答えたい問いに集中する必要がありました。顧客の注文に時間がかかっているのでしょうか。それとも、レモネードを作る私たちがボトルネックなのでしょうか。こうした問いをもとに、どのデータを抽出するかの優先順位を決めました。

手間はかかりましたが、好奇心を持って丁寧に作業した結果、価値のあるプロセスマイニングデータを見つけられました。次の章では、データを整理し、プロセスマイニングを役立てられる状態にした方法を紹介します。

第4章：データのデトックス

第3章でデータを抽出した結果、膨大な量のデータが集まりました。しかし、データセットにはばらつきがありました。役立つ顧客情報もあれば、ランダムなメモのような記録もあり、その多くは関係のないものでした。そこで、データのデトックスに取り組むことにしました。

新たな頼れる味方になったのが、フィルタリングです。散らかった工具箱の中身を整理するようなものだと考えてください。抽出時には、広く大まかな範囲を設定しました。ここでは、詳細で細かな範囲を設定する段階です。

フィルタリングの課題には、次のように取り組みました。

データの大部分を整理できたため、次の章ではプロセスマイニングを適用します。ディスカバリー、コンフォーマンス、エンハンスメントを通じて、レモネードスタンドの問題を診断し、業務効率を高めていきます。

第5章：データを整える

第4章で行ったデータのデトックスは役立ちましたが、プロセスマイニングを適用する前に、もう一つ重要な作業が残っていました。それがデータの整備です。しわの寄った紙幣を持った顧客が来店した場面を想像してください。その紙幣でも受け取れますが、ぱりっとしたきれいな紙幣のほうが扱いやすいはずです。データクリーニングも同じ考え方です。

必要な作業は次のとおりです。

• **ケースを確定する：**プロセスは、顧客の journey のようなものです。始まり、中間、終わりがあります。注文、待ち時間、最後のレモネードの受け渡しなど、1つの顧客ケースに関係するすべてのイベントを結び付ける必要がありました。1回の来店に関するすべてのレシートを整理するようなものです。
• **プロセスを表す：**データが常にプロセスを明確に表しているとは限りませんでした。アクティビティは、各顧客ケースにおける明確なステータスの変化を表す必要があります。たとえば、「顧客は満足しました」では曖昧すぎます。「レモネードを受け渡し済み」のように、明確なステータスが必要でした。

プロジェクトの中で華やかな作業ではありませんでしたが、丁寧なデータ準備と明確な定義によって、整ったデータセットを作成できました。変換したデータにプロセスマイニングを適用することで、行列が長くなる原因を明らかにし、レモネードスタンドの業務をより効率的に改善できました。