Process mining-eventlog maken: zo doe je dat

Methode 2: Een eventlog maken met SQL

Voor grotere datasets of periodieke extracties is SQL efficiënter en beter herhaalbaar. De kerntechniek is UNION ALL: daarmee combineer je meerdere queries tot één resultset.

UNION ALL uitgelegd

UNION ALL stapelt de resultaten van meerdere SELECT-instructies onder elkaar. Elke SELECT wordt een set rijen in je eindresultaat. Alle SELECT-instructies moeten hetzelfde aantal kolommen hebben en compatibele datatypen.

Volledig SQL-voorbeeld

Hier staat een SQL-query die het event log van Pizza Palace opbouwt:

-- Event Log Extraction for Pizza Palace
-- This query combines multiple event types into a single event log
-- Each SELECT block represents one activity type

-- Event 1: Order Placed
-- Source: orders table
-- This captures when customers submit their orders
SELECT 
    o.id AS case_id,                          -- The order ID is our case identifier
    o.created_at AS timestamp,                -- When the order was placed
    'Order Placed' AS activity,               -- The activity name (hardcoded)
    o.customer_name AS customer,              -- Case attribute: who ordered
    o.total_amount AS order_value,            -- Case attribute: order value
    NULL AS driver,                           -- Not applicable for this event
    NULL AS payment_method                    -- Not applicable for this event
FROM orders o
WHERE o.created_at >= '2025-01-01'            -- Filter to your desired date range

UNION ALL

-- Event 2: Payment Received
-- Source: payments table
-- This captures successful payment processing
SELECT 
    p.order_id AS case_id,
    p.payment_time AS timestamp,
    'Payment Received' AS activity,
    o.customer_name AS customer,              -- Join to get case attributes
    o.total_amount AS order_value,
    NULL AS driver,
    p.payment_method AS payment_method        -- Event-specific attribute
FROM payments p
JOIN orders o ON p.order_id = o.id            -- Join to get order details
WHERE p.payment_time >= '2025-01-01'
  AND p.status = 'successful'                 -- Only include successful payments

UNION ALL

-- Event 3: Order Sent to Kitchen
-- Source: kitchen_queue table
-- This captures when the kitchen starts working on the order
SELECT 
    k.order_id AS case_id,
    k.queue_entry_time AS timestamp,
    'Order Sent to Kitchen' AS activity,
    o.customer_name AS customer,
    o.total_amount AS order_value,
    NULL AS driver,
    NULL AS payment_method
FROM kitchen_queue k
JOIN orders o ON k.order_id = o.id
WHERE k.queue_entry_time >= '2025-01-01'

UNION ALL

-- Event 4: Order Ready
-- Source: kitchen_queue table (different timestamp field)
-- This is an inferred event based on when the kitchen marked it complete
SELECT 
    k.order_id AS case_id,
    k.completed_time AS timestamp,            -- Different timestamp than entry
    'Order Ready' AS activity,
    o.customer_name AS customer,
    o.total_amount AS order_value,
    NULL AS driver,
    NULL AS payment_method
FROM kitchen_queue k
JOIN orders o ON k.order_id = o.id
WHERE k.completed_time >= '2025-01-01'
  AND k.completed_time IS NOT NULL            -- Only include completed orders

UNION ALL

-- Event 5: Assigned to Driver
-- Source: delivery_assignments table
-- This captures when a driver is assigned to deliver the order
SELECT 
    d.order_id AS case_id,
    d.assigned_at AS timestamp,
    'Assigned to Driver' AS activity,
    o.customer_name AS customer,
    o.total_amount AS order_value,
    d.driver_name AS driver,                  -- Event-specific attribute
    NULL AS payment_method
FROM delivery_assignments d
JOIN orders o ON d.order_id = o.id
WHERE d.assigned_at >= '2025-01-01'

UNION ALL

-- Event 6: Delivery Completed
-- Source: delivery_assignments table (different timestamp field)
-- This captures when the order was delivered to the customer
SELECT 
    d.order_id AS case_id,
    d.delivered_at AS timestamp,
    'Delivery Completed' AS activity,
    o.customer_name AS customer,
    o.total_amount AS order_value,
    d.driver_name AS driver,
    NULL AS payment_method
FROM delivery_assignments d
JOIN orders o ON d.order_id = o.id
WHERE d.delivered_at >= '2025-01-01'
  AND d.delivered_at IS NOT NULL              -- Only include completed deliveries

-- Final ordering: by case, then by time
-- This makes the event log easy to read and follow
ORDER BY case_id, timestamp;

Zo breid je deze query uit

Zo voeg je extra events toe aan je log:

1. Kopieer een van de SELECT-blokken als sjabloon
2. Vervang de tabelnaam door je brontabel
3. Pas het timestamp-veld aan naar de juiste kolom
4. Wijzig de activiteitsnaam zodat die het event beschrijft
5. Pas de attributen aan waar nodig
6. Voeg passende WHERE-voorwaarden toe om de data te filteren

Voorbeeld: zo voeg je een ‘Delivery Attempted’-event toe:

UNION ALL

-- Event 7: Delivery Attempted
-- Add this to track failed delivery attempts
SELECT 
    d.order_id AS case_id,
    d.attempt_time AS timestamp,
    'Delivery Attempted' AS activity,
    o.customer_name AS customer,
    o.total_amount AS order_value,
    d.driver_name AS driver,
    NULL AS payment_method
FROM delivery_attempts d
JOIN orders o ON d.order_id = o.id
WHERE d.attempt_time >= '2025-01-01'

En nu verder? Laad je event log in een process mining-tool

Als je je event log als CSV-bestand of database-export heeft aangemaakt, kun je het laden in een process mining-tool. De meeste tools volgen een vergelijkbaar stappenplan:

1. Upload je bestand of koppel de process mining-tool aan je geëxtraheerde data.
2. Koppel je kolommen (Case ID, Timestamp, Activity)
3. Configureer eventuele extra attributes
4. Genereer je proceskaart

Moderne process mining-tools zoals ProcessMind  maken dit proces eenvoudig. Upload je event log en de tool visualiseert je proces automatisch, met inzicht in knelpunten, varianten en verbeterkansen.

Conclusie

Voor het opzetten van een process mining event log heb je geen specialistische tools of diepgaande technische kennis nodig. In de kern zet je de data in één tabel met drie essentiële kolommen: Case ID, Timestamp en Activity.

Of je nu Excel gebruikt voor kleinere datasets of SQL voor grotere, complexere extracties, de principes blijven hetzelfde:

1. Bepaal welke events je wilt volgen
2. Zoek de juiste timestamp voor elk type event
3. Voeg alles samen in één tabel
4. Voeg attributes toe om je analyse te verdiepen

Het lastigste is niet de technische extractie, maar je proces zo goed begrijpen dat je weet welke events echt tellen. Begin met de voor de hand liggende events (bestelling geplaatst, bestelling afgerond) en voeg gaandeweg meer detail toe naarmate je ziet welke inzichten je process mining-tool oplevert.

Klaar voor de volgende stap? Bekijk onze pagina’s over continue procesverbetering  met uitgebreide toelichting op activiteiten en datavereisten voor populaire processen zoals Purchase to Pay , Order to Cash  en Accounts Payable . Deze bronnen bevatten data templates voor bekende systemen zoals SAP, Oracle en Microsoft Dynamics, zodat je sneller aan de slag kunt met je event log.