Process Mining için veri temelleri

Ham veri yalnızca başlangıç noktasıdır. Process Mining, temiz ve iyi yapılandırılmış olay verilerine dayanır. Güvenilir süreç içgörüleri elde etmek için verilerinizi nasıl değerlendireceğinizi, hazırlayacağınızı ve iyileştireceğinizi öğrenin.

1. Bölüm: Başlamak için hangi verilere ihtiyacınız var?

Bir limonata standı işlettiğinizi, ancak hafızanızın çok kötü olduğunu düşünün. Standınızın ne kadar iyi çalıştığını anlamak için üç temel ayrıntıyı takip etmeye karar veriyorsunuz:

• Müşteri kimliği (CaseID): Bu numara her müşteriyi tanımlar. Aynı kişinin daha fazla limonata almak veya ekşi bir partiden şikâyet etmek için geri gelip gelmediğini gösterir.
• Gerçekleştirilen işlem (Activity): Ne olduğunu kaydeder. “Sipariş al,” “Limonata hazırla” veya “Öfkeli müşteri şikâyetini çöz” mü yaptınız? Umarız sonuncusunu çok sık yapmamışsınızdır.
• İşlem zamanı (zaman damgası): Her işlemin ne zaman gerçekleştiğini kaydeder. Süreci anlamak için işlemlerin sırasını bilmeniz gerekir.

Bu üç veri noktasıyla Process Mining, standınızda çalışan küçük bir dedektif gibi davranır. Temel müşteri akışını gösterir, yavaş limonata hazırlama gibi darboğazları belirler ve bazı müşterilerin diğerlerinden daha sık şikâyet edip etmediğini ortaya çıkarır. Bu da iyileştirme için net bir başlangıç noktası sunar.

Verilerin tabloda nasıl görünebileceğine dair bir örnek:*

Bu çok az bilgi gibi görünebilir, ancak Process Mining’in sorular sormaya başlaması ve limonata standınızın verimliliğine ilişkin temel içgörüleri ortaya çıkarması için yeterlidir.

2. Bölüm: Kayıp limonata kayıtlarının gizemi

Limonata standımız büyük bir başarı yakalamıştı. Müşteriler gizli tarifimizi çoğunlukla beğeniyor, işler de hızla büyüyordu. Ancak başarı yeni bir sorun getirdi: müşteri yoğunluğu altında eziliyorduk. Kuyruklar uzundu, gerginlik artıyordu ve en kötüsü, nedenini bilmiyorduk.

İşe aldığımız küçük dedektif Process Mining’i hatırlıyor musunuz? Mucize yaratamazdı. Güvenilir bilgilere ihtiyacı vardı, ancak elimizde peçeteye karalanmış birkaç nottan başka bir şey yoktu. İşte işler burada karıştı:

Bu veri karmaşasını temizlemek yeni bir projeye dönüştü. Bir sonraki bölümde, biraz dedektiflik çalışmasının ve veri odaklı Process Mining çözümümüzün yardımıyla limonata standını nasıl optimize ettiğimizi ve mahallede herkesin imrendiği bir işletme haline nasıl geldiğimizi göreceksiniz.

3. Bölüm: Büyük veri kazısı

Limonata standımız büyük bir başarıydı, ancak kuyruklar kâbusa dönmüştü. Process Mining’in yardımcı olabileceğini biliyorduk, fakat önce güvenilir process mining verileri sağlamamız gerekiyordu. Bu da veri çıkarma sürecine derinlemesine inmeyi, müşterilerimizle ilgili gizli ipuçlarını bulmayı ve bunları Process Mining’in yorumlayabileceği bilgilere dönüştürmeyi gerektiriyordu.

Şunları keşfettik:

• Hazine avı: Veriler bazen web sayfaları, e-postalar ve PDF’ler dahil olmak üzere sistemlerimizin tozlu köşelerinde saklanan bir hazine gibiydi. İhtiyacımız olan bilgileri bulmak için veri arkeologlarına dönüştük, eski dosyaları kazdık ve ekran kazıma gibi araçlar kullandık.
• Çeviride kaybolmak: Verileri bulduktan sonra bile her şey net değildi. Bazı ipuçları peçetelere karalanmıştı ve bu onları yapılandırılmamış veri haline getiriyordu, bazılarında ise meta veriler eksikti. Tümünü yorumlayabilmek için veri standardizasyonuna ihtiyacımız vardı.
• Odaklanmak önemlidir: Process mining veri kaynaklarımızda binlerce tablo varken her şeyi toplamak cazip geliyordu. Ancak bir dondurmacıda her lezzet kombinasyonunu denemeye çalışmayacağınız gibi, yanıtlamak istediğimiz sorulara odaklanmamız gerekiyordu. Müşterilerin sipariş vermesi çok mu uzun sürüyordu, yoksa limonata hazırlarken darboğazı biz mi oluşturuyorduk? Bu sorular, hangi verileri çıkaracağımıza öncelik vermemize yardımcı oldu.

Emek gerektirdi, ancak merakımız ve dikkatli çalışmamız sayesinde değerli bir process mining veri seti ortaya çıkardık. Bir sonraki bölümde bunu nasıl temizlediğimizi ve Process Mining’i bizim için nasıl çalışır hale getirdiğimizi göreceksiniz.

4. Bölüm: Veri detoksu

Üçüncü bölümdeki veri çıkarma çalışmalarımızın ardından elimizde dağ gibi veri vardı. Ancak veri seti tutarsızdı: müşteri bilgilerinin bir kısmı faydalıydı, bazı kayıtlar rastgele notlardı ve büyük bir kısmı konuyla ilgisizdi. Artık bir veri arındırma zamanıydı.

Filtreleme, yeni en iyi yardımcımız oldu. Bunu dağınık bir alet çantasını düzenlemeye benzetebilirsiniz. Veri çıkarma sırasında geniş ve kaba kapsam belirlemeyle başlamıştık. Şimdi ayrıntılı ve hassas kapsam belirleme zamanıydı.

Filtreleme sorununu şöyle ele aldık:

Veriler büyük ölçüde temizlendiğine göre, sonraki bölümde Process Mining uygulama zamanı gelmişti. Limonata standındaki sorunları teşhis etmek ve verimliliğini artırmak için keşif, uyumluluk ve iyileştirme konularını inceleyecektik.

5. Bölüm: Verilerde yenilenme

Dördüncü bölümde yaptığımız veri arındırma çalışması yardımcı oldu, ancak Process Mining uygulayabilmemiz için önemli bir adım daha vardı: verilerde yenilenme. Elinde buruşuk bir dolar banknotuyla gelen bir müşteri düşünün. Böyle bir banknotu yine de kabul ederdiniz, ama tertemiz bir banknotu işlemek daha kolay olurdu. Veri temizliğinin arkasındaki fikir işte budur.

Yapmamız gerekenler şunlardı:

• Vaka kapandı: Bir süreç, müşterinin yolculuğu gibidir: başlangıcı, ortası ve sonu vardır. Sipariş, bekleme süresi ve son limonata teslimatı dahil olmak üzere tek bir müşteri vakasıyla ilgili her olayı birbirine bağlamamız gerekiyordu. Bunu, tek bir müşteri ziyaretine ait tüm fişleri düzenlemek gibi düşünebilirsiniz.
• Süreci doğru ifade edin: Verilerimiz süreci her zaman açıkça anlatmıyordu. Etkinliklerin, her müşteri vakasındaki tanımlı durum değişikliklerini temsil etmesi gerekiyordu. Örneğin, “Müşteri mutlu!” ifadesi fazla belirsizdi. “Limonata teslim edildi” gibi net bir duruma ihtiyacımız vardı.

Projenin en gösterişli bölümü değildi, ancak dikkatli veri hazırlığı ve net tanımlar bize temiz bir veri seti sağladı. Process Mining bu dönüştürülmüş veriler üzerinde çalışırken uzun kuyrukların nedenlerini ortaya çıkarabildik ve limonata standımızı daha verimli bir işletmeye dönüştürebildik.