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。。
