流程挖掘需要哪些条件？

运行 Process Mining 需要什么？

有原始 data 吗？这只是第一步！Process Mining 最适合用干净、规范的 event data。分析、准备、优化你的 data，挖掘流程洞察力。

启动所需 Data 基础

假如你经营柠檬水摊，但很健忘！要分析生意情况，只需要记录三项信息：

• Customer ID (CaseID)：每位客户的编号，可辨别是否回头客或反馈问题。
• Action Taken (Activity)：发生的动作，比如 “Take Order”、“Prepare Lemonade” 或 “Resolve Angry Customer Complaint”（当然希望别常出现）。
• Action Time (Timestamp)：对应动作的发生时间。确定操作顺序非常关键！

只要拿到这三类数据，Process Mining 就能像你的数据侦探，洞察客户流程、细看瓶颈（也许你制饮慢），甚至推测哪些客户更爱不满（是时候升级配方了！）。

比如下表就是样例：

这些信息虽少，但对于 Process Mining，已能发问关键问题，挖掘柠檬水摊的运营效率！

1. 丢失的柠檬水日志档案

我们的柠檬水摊超火爆！顾客喜欢我们的秘方（大多数时候），生意特别好。但人多就有新烦恼——排队太长、脾气变差，最糟糕的是我们搞不清楚原因！

还记得我们请的小侦探（Process Mining）吗？它也不是万能的，得有靠谱的 data，但我们的信息只是几张随便写的餐巾纸。麻烦就这样来了：

• 数据侦探上线： 首要难题，是搞齐所有关键细节。客户订单东一张、西一片，有便利贴、有散票、还有皱小纸团（好脏！）。像侦探破案一样，要从 database、flat file、message log 等各种来源拼凑。
• 让 data 说同一种语言： 找到 data 也未必清楚。有的只写“Customer Happy!”（顾客很开心），也有只有表情。必须标准化 data，才能让小侦探读懂每行记录。
• 提对问题才有答案： 还得清楚自己想知道什么。到底是点单慢造成大排长龙，还是柠檬水制作慢？提出好问题，聚焦 data 收集重点（不同视角看 data）。

最后，整理这些乱七八糟 data 又成新冒险。但下一个章节会展示：用点侦探精神，加上 data 侦探支持，我们如何优化摊位，成为街头高效标杆！

2. Data 挖掘大冒险

柠檬水摊生意爆棚，排队却让人头大！我们知道需要 data 侦探（Process Mining）帮忙，但得先备好情报。这就需要 data 提取——找出埋藏的客户线索，让侦探能看明白。

我们学到：

• 数据寻宝： 有些 data 像宝藏，藏在系统（web 页面、email、PDF）角落。我们变身“数据考古学家”，翻旧文件、用 screen scraping 等工具挖出信息。
• 翻译难题： 有的线索写在餐巾纸（非结构化 data），有的被藏在特殊“编码”里（缺 metadata）。需要 data 标准化，才能全部解码。
• 聚焦核心问题： data 来源极多（成千上万张表），很容易啥都想抓。但要像选冰淇淋口味一样聚焦——想清楚要解答哪些问题，是顾客下单慢还是我们制作慢？问题想明白，目标 data 才明确。

虽然过程不轻松，但只要足够用心和好奇，就能挖到大把有用 data。下个章节将展示如何清理整理，让 data 侦探高效开启工作！

3. Data 净化行动

多亏我们之前的 data 抽取（见第 3 章），我们攒了一大堆数据。但这些 data 杂乱无章——有有用的客户信息，也有随机涂鸦，还有根本不需要的。是时候来一次 data 净化！

过滤成了我们的新帮手。就像收拾乱七八糟的工具箱。采集 data 时只做了粗略选择（coarse-grained scoping），现在要精细化处理（fine-grained scoping）。

我们这样搞定了 filtering：

• 聚焦高频活动： 最常见的客户订单就像工具箱里的主力工具，聚焦 top 10 高频活动（如点单、等待、领柠檬水），data 侦探更省力。其余内容先放一边。
• 不断迭代： 过滤不是一次性的。data 侦探每分析完一批 cleaner data，就会引导我们关注新方向。像侦探一样顺藤摸瓜，持续优化 filter。

数据大致干净后，终于能在下个章节释放 data 侦探（Process Mining）真正威力！我们会用 discovery、conformance、enhancement 等技术，深入分析运营瓶颈，把柠檬水摊效率拉满！

4. Data 焕新计划

经过 data 净化（第 4 章），体验大提升，但要释放 Process Mining 潜能，最后一步就是 data 焕新！就像顾客来买柠檬水递上一张皱钞，虽然能收但新钞更顺。这就是 data cleaning 的意义。

我们要做的有：

• 完整 Case 串联： 流程如同客户旅程——有头有尾。需要把同一客户（case）所有 event 串联起来（点单、等待、取饮），就像一次消费所有小票归档。
• 流程语言标准化： 有些 data 写得不明确，“Customer Happy!”这类表述太泛，多用“Lemonade Delivered”这样具体的状态。

虽然 data 整理并不炫酷，但通过整理归类加标准化，我们终于得到了干净、高质量的数据集！有了 data 侦探加工后的数据，我们就能揭开排队背后秘密，把柠檬水摊变成高效又受欢迎的榜样店！