در مطلب قبل (فرآیندکاوی، پل بین مدیریت فرآیند و هوشمندی کسب و کار) در مورد فرایندکاوی توضیحاتی ارائه کردیم. حال در این مطلب برخی از مهم ترین مفاهیم فرایندکاوی را مرور خواهیم کرد.
هدف از فرآیندکاوی، ساخت مدل‌های فرآیندی بر اساس داده‌های موجود در گزارش رویدادها میباشد. در چارچوب علومِ سیستم‌های اطلاعاتی، یک مدل نمایه‌ای غیرمستقیم از همتای آن در دنیای واقعی است که برای هدف خاصی مورد استفاده قرار میگیرد (بِکِر و همکاران، ۲۰۱۲، ص. ۱-۳) مدل‌ها میتوانند برای کاهش پیچیدگی با نشان دادن ویژگی‌های مورد علاقه و حذف ویژگی‌های دیگر مورد استفاده قرار گیرند. مدل فرآیند، نمایشی گرافیکی از فرآیند کسب و کار است که وابستگی‌های بین فعالیت هایی که نیاز به اجرای همزمان برای تحقق یک هدف کسب و کاری خاص دارند، را توصیف میکند. این شامل مجموعه‌ای از مدل‌های فعالیت و محدودیت‌های بین آنها است (وسک، ۲۰۱۲، ص.۱۷)
مدل‌های فرآیند را میتوان در زبان‌های مختلف مدل سازی فرآیند ارائه داد؛ BPMN معانی بصری بیشتری را ارائه میدهد که برای ذینفعانی که زمینه‌های نظری در علوم رایانه‌ای ندارند، ساده تر میشود. بنابراین من قصد دارم از مدل BPMN برای نمونه هایی در این پست استفاده کنم.
در بالا یک مدل فرآیند کسب و کار از یک فرآیند تدارک ساده نشان داده شده است. این فرآیند، با تعریف نیازمندی‌ها شروع میشود. کالا یا خدماتی سفارش داده شده و در زمانی کالا یا خدمات سفارش داده شده تحویل داده میشوتد. پس از دریافت کالا یا خدمات، تأمین کننده صورتحسابی را صادر میکند که در نهایت توسط شرکتی که کالا یا خدمات را سفارش داده، امضا میشود.
هر یک از رویدادهایی که در فرآیند بالا نشان داده شده است، یک ورودی در گزارش رویداد محسوب میشود. گزارش رویداد اساساً جدولی است، که شامل تمام رویدادهای ثبت شده، مربوط به فعالیت‌های انجام شده در کسب و کار است. هر رویداد به یک مورد نگاشت شده است. یک مدل فرآیندی انتزاعی از اجرای واقعی یک فرآیند کسب و کار در جهان است. یک اجرای منفردِ فرآیند کسب و کار، نمونه فرآیند نامیده میشود و در گزارشِ رویداد به عنوان مجموعه‌ای از رویدادهایی که به یک مورد نگاشت میشوند، منعکس میشود.
دنباله‌ای از رویدادهای ثبت شده در یک مورد، (یک اجرای منفرد فرایند) اثر (رد پا، جای پا و نشان) نامیده میشود. مدلی که اجرای یک نمونه‌فرآیند را توصیف میکند، نمونه‌مدل (process instance model) نامیده میشود. یک مدل فرآیند (process model ) از رفتار تک نمونه‌های فرآیند خلاصه میشود و یک مدل را ارائه میدهد که نشان دهنده رفتار همه مواردی است که متعلق به یک فرآیند هستند. موارد و رویدادها توسط طبقه بندی (classifiers) و ویژگی مشخص میشوند. الگوریتم‌های طبقه‌بندی، تمایز موارد و رویدادها را با نگاشت نام‌های منحصر به فرد به هر مورد و رویداد، ممکن میسازند. ویژگی‌ها اطلاعات بیشتری را ذخیره میکنند که میتوانند برای اهداف تحلیلی مورد استفاده قرار گیرد.
فرآیند استخراج داده ها
فرآیند فوق یک مرور کلی از فعالیت‌های مختلف استخراج را ارائه میدهد. قبل از اینکه بتوانید از هر تکنیک فرآیندکاوی استفاده کنید، لازم است به داده‌ها دسترسی داشته باشید. این داده‌ها باید از سیستم‌های مربوطه استخراج شوند. پس داده ها باید در سیستم ها موجود باشند. این گام اصلا ساده نیست. بسته به نوع سیستم منبع، داده‌های مرتبط را میتوان بر روی جداول پایگاه داده‌های مختلف توزیع کرد. ممکن است لازم باشد که داده‌ها به صورت معنی داری برای استخراج گردآوری شوند. مانع دیگر، میزان داده است. بسته به هدف فرآیند استخراج، تا میلیون‌ها ورودی داده ممکن است استخراج شود که در نیتجه نیاز به یک روش استخراج کارآمد وجود دارد.
یک جنبه مهم دیگر، محرمانه بودن است. اطلاعات استخراج شده ممکن است حاوی اطلاعات شخصی بوده و بسته به قانون، ناشناسی یا نیمه‌شناسی مورد نیاز و یا ممکن است ضروری باشد.
قبل از این که بتوان از گزارش رویداد استخراج شده استفاده کرد، باید فیلتر و در نرم افزار استخراج بارگذاری شود. دلایل مختلفی وجود دارد که فیلتر کردن ضروری است. سیستم‌های اطلاعاتی بی خطا نیستند. داده هایی ممکن است ضبط شوند که فعالیت واقعی را نشان نمی دهند. خطاها ممکن است از برنامه‌های خرابکارانه، و همچنین به علت خرابی‌های کاربر یا خرابی‌های سخت افزاری که منجر به گزارش اشتباه در رویداد میشود، باشند.
مطلب بعدی: الگوریتم‌های فرآیندکاوی