> kaynaklar > dokumanlar > veri > Süreç Madenciliği için Veri Temizliği ve Hazırlığı

Süreç Madenciliği için Veri Temizliği ve Hazırlığı

Etkili süreç madenciliği, iyi kaliteli veri ile başlar ve bunun önemli bir parçası veri temizleme ve hazırlamadır. Kötü veri kalitesi, hatalı veya eksik içgörülere yol açabilir, bu da süreçleri geliştirmeyi zorlaştırır. Bu belgede, veri setlerinizin başarılı süreç madenciliği için hazır olmasını sağlamak amacıyla veri temizliği ve hazırlamanın temel adımlarını ele alacağız.

Veri Temizliği ve Hazırlamanın Önemi Nedir?

Süreç madenciliği, bir iş süreci içindeki ayrıntılı aktivite sıralarını içeren olay günlüğüne dayanır. Bu veri setleri eksik, tutarsız veya hatalıysa, süreç madenciliğinden elde ettiğiniz içgörüler güvenilmez olur. Temiz ve düzgün yapılandırılmış veri, süreç madenciliği aracınızın iş akışlarını doğru bir şekilde haritalamasını, darboğazları tespit etmesini ve geliştirme alanlarını vurgulamasını sağlar.

Veri Temizliği ve Hazırlığı İçin Anahtar Adımlar

1. Veri Toplama ve Entegrasyon

Temizlik sürecindeki ilk adım, süreçte yer alan çeşitli sistemlerden gerekli tüm verilerin toplandığından emin olmaktır. Veri, ERP, CRM veya diğer operasyonel sistemler gibi farklı kaynaklardan gelebilir. İşte burada veri entegrasyonu devreye girer.

Veri kaynaklarını birleştir: Sürece katkıda bulunan tüm sistemlerden veri toplayın. Örneğin, siparişten ödeme sürecini analiz ediyorsanız, hem satış sisteminizden (örneğin, Salesforce) hem de finansal sistemden (örneğin, SAP) veri toplamanız gerekebilir.
Tutarlı formatlar sağlayın: İlerlemeden önce, verilerin nasıl ihraç edildiğini ve formatlandığını standart hale getirin. Örneğin, tüm zaman damgaları, para birimi ve kimliklerin tek tip bir formata sahip olduğundan emin olun.

Verilerinizi aldıktan sonra, onları temizleyip süreç madenciliğine hazırlama zamanı gelmiştir.

2. Çift Kayıtları Kaldır

Çift kayıtlar, aktivite sayılarını artırarak veya aynı olayın birden fazla örneğini göstererek süreç madenciliği analizini ciddi şekilde bozabilir. Bu kopyaları tanımlamak ve kaldırmak, doğru bir olay günlüğü oluşturmak için gereklidir.

Çiftleri tanımla: Olgu kimliği, aktivite ve zaman damgasının aynı olduğu kayıtları kontrol edin, bunlar muhtemelen çift kayıtlardır.
Kaldır veya birleştir: Çift kayıtların tanımlandığı durumlarda, bunları kaldırın veya gerekirse benzer kayıtları birleştirin.

3. Eksik Verilerle Başa Çık

Eksik değerler, süreç madenciliği sonuçlarınızı etkileyebilecek yaygın bir sorundur. Eksik zaman damgaları, aktiviteler veya olgu kimlikleri, olayların sırasını bozabilir ve eksik süreç modelleri oluşturabilir.

Eksik değerleri tanımla: Eksik alanları tanımlamak için araçlar veya scriptler kullanın (örneğin, boş zaman damgaları, boş aktivite isimleri veya null olgu kimlikleri).
Boşlukları doldurun: Mümkünse, eksik verileri dış kaynaklar, alan bilgisi veya diğer veri noktalarına dayanarak tahmin ederek doldurun. Örneğin, belirli bir aktivitenin zaman damgası eksikse, çevredeki olay zamanlarını kullanarak tahmin edin.
Tamamlama stratejileri: Zaman damgaları veya olgu kimlikleri gibi kritik eksik veriler için tahmin tekniklerini kullanın (örneğin, ortalama değiştirme veya regresyon modelleri) veya verilerin kurtarılamadığı durumları çıkarın.

4. Veri Formatlarını Normalleştir

Tutarlı veri formatlaması, süreç madenciliği aracının olay günlüğünü doğru bir şekilde yorumlayabilmesi için kritik öneme sahiptir. Veri normalizasyonu, zaman damgalarının formatlanmasını, aktivite isimlerinin standart hale getirilmesini ve tekdüze olgu kimliği yapılarının sağlanmasını içerir.

Zaman damgaları: Tüm tarih ve saatlerin aynı formatı takip ettiğinden emin olun (örneğin, YYYY-MM-DD HH:MM:SS). Verileriniz saat dilimlerini içeriyorsa, onları tutarlı bir hale getirin veya yanlış yorumların önüne geçmek için UTC kullanın. Desteklenen tarih formatlarımız hakkında daha fazla bilgi burada bulunabilir
Aktivite isimleri: Aktiviteler, çeşitli sistemler arasında farklı kaydedilebilir. Tutarlılığı sağlamak için isimleri standart hale getirin (örneğin, “Sipariş Onayı” ve “Onaylı Sipariş” birleştirilmelidir).
Olgu Kimlikleri: Olgu kimliği sistemler arasında tutarlı olmalı ve her süreç örneği doğru bir şekilde benzersiz bir kimlikle tanımlanmalıdır.

5. İlgisiz Verileri Kaldır

Sisteminizdeki her aktivite veya olay, süreç madenciliği analiziniz için önemli olmayabilir. Örneğin, belirli arka plan görevleri veya süreçle ilgili olmayan olaylar veri setini karıştırabilir.

İlgisiz olayları filtrele: Analiz ettiğiniz sürece katkıda bulunmayan aktiviteleri belirleyin ve kaldırın. Örneğin, sistem girişleri veya ilgisiz idari görevler, süreç haritasını karıştırmamak için hariç tutulabilir.
Anahtar aktivitelere odaklan: Alan bilgisini kullanarak, süreci anlamak için kritik olan olayları belirleyin ve veri setini bunlar etrafında yoğunlaştırın.

6. Aykırı Değerler ve Gürültüyle Başa Çık

Veri setinizdeki aykırı değerler veya “gürültü”, sürecin normal nasıl işlediğine dair yanlış bir resim sunarak süreç madenciliği sonuçlarınızı bozabilir. Örneğin, nadir bir olay nedeniyle olağanüstü uzun süren bir görev, analizinizde yanıltıcı olabilir.

Aykırı değerleri belirle: Veri setinizdeki aykırı değerleri tespit etmek için istatistiksel yöntemler kullanın. Örneğin, ortalamadan çok daha uzun süren görevler aykırı olarak kabul edilebilir.
Tutmak ya da kaldırmak konusunda karar ver: Aykırı değerlerin değerli bilgi sağlayıp sağlamadığını değerlendirin (örneğin, nadir fakat kritik süreç hatalarını temsil ediyorlarsa) veya standart süreç akışına odaklanmak için kaldırılmaları gerekiyorsa.

7. Tutarlı Olgu ve Aktivite Sıralaması

Süreç madenciliğindeki en önemli unsurlardan biri, olayların doğru bir sırayla gerçekleşmesini sağlamaktır. Veriler sırasız ise, araç süreç akışını yanlış yorumlayabilir.

Aktivite sırasını kontrol et: Aktivitelerin, zaman damgalarına göre mantıksal bir sıra izlediğinden emin olun. Örneğin, “Sipariş Onayı” olayı, aynı süreç örneğinde hiçbir zaman “Sipariş Oluşturuldu” olayından önce gözükmemelidir.
Olayları zaman damgasına göre sırala: Her olgu için verileri, zaman damgası alanına göre sıralayarak olayların doğru bir sırayla yer aldığından emin olun.

8. Bir Olay Günlüğü Oluştur

Verileriniz temizlendiğinde, formatlandığında ve tutarlı hale geldiğinde, temel veri seti olan olay günlüğünü oluşturma zamanı gelmiştir. Olay günlüğü şu bileşenleri içermelidir:

Olgu Kimliği: Her süreç örneği için benzersiz bir tanımlayıcı.
Aktivite adı: Her bir süreç adımının adı.
Zaman Damgası: Her bir aktivitenin gerçekleştiği tam zaman, olayların sırasını sağlamak için.
İsteğe bağlı alanlar: Analize bağlı olarak, aktiviteden sorumlu kaynak, departman veya süreç kategorisi gibi ek alanları içerebilirsiniz.

9. Veri Setini Doğrula

Veriler temizlenip yapılandırıldıktan sonra, süreci doğru bir şekilde temsil ettiğinden ve analiz için hazır olduğundan emin olmak için veri setini doğrulamak önemlidir.

Rastgele örnek kontrolü: Verinin mantıklı olduğundan ve olay dizilerinin mantıksal olduğundan emin olmak için birkaç süreç örneğini elle inceleyin.
Test analizi yap: Mümkünse, sürecin madenciliği aracınızda bir test analizi yapın ve herhangi bir hata veya tutarsızlık olup olmadığını görün.
Geri bildirim döngüsü: Veri setinin gerçek süreç davranışını yansıttığını onaylamak için iş uzmanlarıyla çalışın.

Veri Temizleme ve Hazırlama Araçları

Veri temizliği ve hazırlama sürecini otomatikleştirmeye yardımcı olabilecek birkaç araç vardır. İşte bazı yaygın seçenekler:

Python/Pandas: Veri manipülasyonu ve temizliği için güçlü bir programlama dili ve kütüphanesi. Çiftleri kaldırmak, formatları normalleştirmek ve daha fazlası için özel veri temizleme iş akışları oluşturabilirsiniz.
Excel/Google Sheets: Küçük veri setleri için kullanışlıdır, bu araçlar çiftlerin kaldırılması, ilgisiz satırların filtrelenmesi ve sütunların formatlanması gibi çeşitli veri temizleme özellikleri sunar.
ETL Araçları (Extract, Transform, Load): Talend, Informatica veya Apache Nifi gibi araçlar, farklı sistemlerden veri çıkarılması, dönüştürülmesi ve süreç madenciliği aracına yüklenmesini otomatikleştirmeye yardımcı olabilir.
OpenRefine: Dağınık verileri temizlemenizi, çiftleri kaldırmanızı ve formatları standart hale getirmenizi sağlayan ücretsiz, açık kaynak kodlu bir araç.

Sonuç

Veri temizliği ve hazırlığı, süreç madenciliği yaşam döngüsünün kritik adımlarıdır. Veri setlerinizin eksiksiz, tutarlı ve doğru olmasını sağlayarak, yanıltıcı analizlerden kaçınabilir ve süreçlerinizin nasıl işlediğine dair uygulanabilir bilgiler edinebilirsiniz. Bu belgede belirtilen adımları izleyerek—çiftleri kaldırmak, eksik verileri doldurmak, formatları standart hale getirmek ve temiz bir olay günlüğü oluşturmak—süreç madenciliği girişimlerinizden maksimum değer elde etmeye hazır olacaksınız.