Waar je data voor process mining vindt en structureert

Waar de data vandaan komt

Elk proces laat sporen achter in de systemen waarin het wordt uitgevoerd: orders worden aangemaakt in een ERP, tickets doorlopen een servicedesk en goedkeuringen worden vastgelegd in een workflowtool. Process mining leest die sporen. Op deze pagina lees je waar je ze vindt en hoe je er een event log van maakt. Voor de verplichte velden in elk log, zie Welke data heb je nodig voor process mining?. De geaccepteerde bestandstypen vind je bij Ondersteunde dataformaten. Is het log klaar? Start een gratis proefperiode om het te uploaden en het proces te bekijken.

Met twee vragen bepaal je of een systeem geschikt is om data uit te halen:

• Legt het systeem een timestamp van de processtap vast, en niet alleen de huidige status?
• Legt het systeem een identificatie vast die je als Case-ID voor het hele proces kunt gebruiken?

Toont een systeem alleen de meest recente status? Zoek dan naar de geschiedenis of het auditspoor. De meeste bedrijfssystemen bewaren die gegevens.

Waar events meestal worden vastgelegd

Systeemtype	Voorbeelden	Waar de events staan
ERP	SAP, Oracle E-Business Suite of Fusion, Microsoft Dynamics	Document- en wijzigingstabellen. Inkooporders, facturen en materiaaldocumenten bevatten elk een aanmaak- of wijzigingsdatum en de gebruiker die de handeling uitvoerde
Servicedesk en ITSM	ServiceNow, Jira, Zendesk	Audit- en geschiedenistabellen waarin elke veldwijziging wordt vastgelegd, bijvoorbeeld sys_audit in ServiceNow, plus de eigen aanmaak- en wijzigingstimestamps van elke taak
CRM	Salesforce, Microsoft Dynamics	Geschiedenistabellen van objectvelden met de oude en nieuwe waarde, een timestamp en de gebruiker
Workflow- en BPM-tools	Camunda, Power Automate, eigen workflow-engines	De geschiedenis van voltooide stappen voor elk procesexemplaar
Interne applicaties	Eigen webapps, verouderde systemen	Applicatielogboeken of een audittabel. Vraag het team dat de app beheert in welke tabel statuswijzigingen worden vastgelegd
Spreadsheets	Handmatige overdrachten, offline goedkeuringen	De export zelf, zolang de kolommen voor Case-ID en timestamp consequent zijn ingevuld

Voorbeeld: van inkoop tot betaling in SAP

Een proces van inkoop tot betaling is verdeeld over verschillende SAP-tabellen, één per stap:

Stap	SAP-tabel
Inkoopaanvraag	EBAN
Inkooporder	EKKO (kop), EKPO (regels)
Goederenontvangst	MKPF (kop), MSEG (regels)
Ontvangst van factuur	BKPF (kop), BSEG (regels)
Betaling	PAYR, REGUH

In SAP ECC kun je deze tabellen uitlezen met een ABAP-rapport of een eigen programma. Gebruik in SAP S/4HANA CDS-views, een OData-service of SAP Datasphere. Maak per stap een compacte query met een activiteitsnaam, de Case-ID en de timestamp. Voeg eventueel de gebruiker, het bedrag of de leverancier toe. Combineer de resultaten vervolgens in één event log:

SELECT 'PO Created' AS Activity, EBELN AS CaseID, AEDAT AS Timestamp FROM EKKO
UNION
SELECT 'Goods Receipt', EBELN, BUDAT FROM MSEG JOIN MKPF ON MSEG.MBLNR = MKPF.MBLNR
UNION
SELECT 'Invoice Posted', BELNR, BUDAT FROM BKPF
ORDER BY CaseID, Timestamp;

Beperk de data-export voordat die te groot wordt: filter op bedrijfsnummer, documenttype of boekjaar in plaats van alles te exporteren.

Structureer de export

• Eén rij per event: leg een statuswijziging vast, niet een hele case. Neem de kolommen Case ID, Activity en Timestamp op, plus eventuele optionele kolommen die je wilt analyseren, zoals gebruiker, kosten of bedrag.
• Consistente Case-ID’s in alle systemen: als een proces door een ERP- en CRM-systeem loopt, stem de identificaties dan op elkaar af. Zo hoort elk event bij dezelfde case.
• Eén tijdzone: zet timestamps om naar UTC of één andere tijdzone, zodat events uit verschillende systemen in de juiste volgorde staan.
• Consistente activiteitsnamen: ‘Order goedkeuren’ en ‘Goedkeuring van order’ zijn dezelfde stap. Kies per stap één naam.
• Laat overbodige data weg: testdocumenten, geannuleerde records en interne systeemstappen voegen rijen toe, maar geen inzicht.

De kopregel, scheidingstekens en timestamp-indelingen worden bij het uploaden automatisch herkend. Bekijk Ondersteunde data-indelingen voor alle vereisten. Ontbreekt een processtap helemaal in je systemen? In Data opschonen en voorbereiden lees je hoe je dat oplost.

Verwerk persoonsgegevens voordat je exporteert

Event logs bevatten vaak namen, klantnummers of gebruikers-ID’s. Anonimiseer of maskeer gegevens die niet nodig zijn voor de analyse, beperk wie de export kan downloaden en volg de bewaartermijnen die voor je organisatie gelden, bijvoorbeeld volgens de AVG. ProcessMind bewaart datasets per tenant. Toegang hangt af van de rol en licentieplaats van de gebruiker. Zie Gebruikers, rollen en rechten.

Volgende stap: uploaden en koppelen

Is het event log gestructureerd? Upload het dan en koppel de kolommen aan de dataset:

1. Configureer je dataset: koppel Case-ID, Activiteit en Timestamp en controleer de badge Datakwaliteit.
2. Koppel je data aan het model: verbind attributen met activiteiten en verbindingen.
3. Groeit de dataset voortdurend? Gebruik dan incrementele uploads (delta-uploads) in plaats van alles opnieuw te laden.

Voorbeeldlogs staan klaar onder Voorbeeldbestanden. Daarmee kun je de stappen uitproberen voordat je eigen data exporteert.

Gerelateerde onderwerpen

• Welke data heb je nodig voor process mining? - de drie kolommen die elk log nodig heeft
• Ondersteunde dataformaten - bestandstypen en vereiste structuur
• Data opschonen en voorbereiden - maak de extractie schoon en los veelvoorkomende problemen op voordat je uploadt
• Je dataset configureren - koppel de upload en controleer de gegevens