Blue Prism でプロセスマイニングと連携する(ABBYY Timeline 入門④ プロセスマイニングの理論を学ぶ(3))
なんか急に寒くなったよね。。
前回👇
前回までの!あらすじ☆(使いまわし)
- データを ABBYY Timeline にアップロードしたものの
- 分析する方法が皆目、わからないので、、
- Process Mining: Data Science in Action に学ぼう☆
Process Mining: Data Science in Action を学ぶ(Ch. 4)
スライドはこちら(Ch. 4)です☆
Chapter 4: Getting the Data
プロセスマイニングのゴールは以下を明らかにすること
- 過去に本当に何が起きたのか?
- なぜそれが起きたのか?
- 将来はどうなるか?
- いつ、なぜ組織と人は逸脱するのか?
- プロセスをよりよく制御する方法は?
- プロセスを再設計して、そのパフォーマンスを向上させる方法は?
様々なデータソースからデータを集める
- DWH からだけでなく、様々なデータソースを集めてフィルターする
プロセスマイニングにおける「ケース」とは?
- プロセスはケースで構成される
- イベント(各イベントが正確に1つのケースに関連する)によってケースが構成される
- ケース内のイベントは順序付けられる
- イベントは属性を持つことができる
- 一般的な属性名の例:アクティビティ、時間、コスト、リソース
XES (Extensible Event Stream)
- プロセス・マイニングで使われるイベント・ログのデータ・フォーマットのひとつ
- MXML と互換性がある
イベントログからデータを取り出すうえで重要なこと
- 相関:イベントログ内のイベントを、ケースごとにグループ化する(イベントを相関づけてグルーピングする)
- タイムスタンプ:ケースごとにイベントを並び替える( 典型的な問題:日付のみ、異なるタイムゾーン、ログ書き込みの遅延)
- スナップショット:ケースのライフタイムは、記録された期間を超えている場合がある(たとえば、イベントログの開始前にケースが開始された場合など)
- スコーピング:どのテーブル(属性データのこと?)を組み込むか、決める必要がある
- 粒度:イベントログのイベントは、エンドユーザーに関連するアクティビティとは粒度が異なる場合がある
プロセスの例
- 受注処理
- その他:査読、治療、求人など(このチョイスはどうなんだろ。。)
- いずれにせよ、インスタンスを何にするのか、スコープをどうするのかが重要
まとめ
- Blue Prism とプロセスマイニングを連携させる、第4回
- Process Mining: Data Science in Action を読み進める。。
- 第4章 Getting the Data を読みました☆
次回は第5章以降を
読み解いていきたいと思います☆
・・・なんか長くなりそう。。