Nell'odierno ambiente di lavoro digitale, ogni compito, processo e attività lascia una piccola traccia e un segnale alle diverse applicazioni e ai sistemi IT utilizzati. Questi segnali sono chiamati log degli eventi e costituiscono la base della scienza dei dati alla base del softwareprocess mining .
In questo articolo ci occupiamo di come sono i log degli eventi, quali sono i loro vantaggi e le loro limitazioni in process mining.
Cosa sono esattamente i log degli eventi?
Un registro eventi è un file strutturato che contiene le registrazioni e le tempistiche di eventi e attività all'interno di un database di computer. In genere vengono utilizzati per tenere traccia delle modifiche apportate al database, come le modifiche alla struttura dei dati, i record di immissione dati e persino i login degli utenti.
La registrazione degli eventi fornisce un modo standard e specifico per il sistema che consente alle applicazioni software e ai sistemi operativi di registrare eventi o modifiche importanti. I registri degli eventi sono comuni in molti sistemi IT, tra cui i computer Windows, i sistemi di gestione delle relazioni con i clienti (CRM) e molti sistemi di pianificazione delle risorse aziendali (ERP).
Come vengono utilizzati i log degli eventi in process mining?
I log degli eventi costituiscono la base di process mining. Possono essere utilizzati per registrare diversi processi aziendali collegati, nonché una o più varianti di un particolare processo aziendale in un team o in una business unit.
I registri degli eventi possono essere considerati come impronte digitali nelle operazioni aziendali. Ogni registrazione di eventi ci dice qualcosa sulle attività, sui processi e sul lavoro svolto dal team o dall'unità aziendale analizzata.
I singoli eventi sono elencati nel registro eventi insieme alle proprietà standard:
- Caso - un caso può essere visto come una traccia o una sequenza di eventi in un processo archiviato nei registri degli eventi.
- CaseID - un CaseID è un identificatore univoco per qualsiasi oggetto aziendale o transazione che viene tracciato nei registri degli eventi.
- Attività - è un'attività o un'azione intrapresa nell'ambito di un processo aziendale, ad esempio "approvare", "rifiutare" o "richiedere".
- Timestamp: un timestamp indica con precisione quando ciascuna attività ha avuto luogo.
- Attributi (meta) - nei registri eventi possono essere memorizzati attributi aggiuntivi, ad esempio la categoria di processo o il tipo di prodotto in lavorazione, oppure informazioni su quale persona o reparto ha apportato modifiche al registro eventi.
Come vengono utilizzati i log degli eventi in process mining
I registri degli eventi sono il modello di dati centrale e la fonte di dati utilizzata in process mining. Sono i dati grezzi delle transazioni che vengono raccolti e armonizzati da diversi sistemi per l'analisi dei processi.
Come si trasformano i dati di log degli eventi in analisi dei processi? Si può immaginare che il processo si svolga in quattro fasi fondamentali:
- modellazione dei dati - identificare i sistemi di origine e i dati grezzi da utilizzare per l'analisi dei dati. Questa fase può includere la valutazione di quali (meta)attributi possono essere raccolti e utilizzati nei log degli eventi provenienti da diversi sistemi di origine.
- estrazione dei dati - in questa fase i dati vengono estratti, trasferiti e caricati (ETL) da diversi sistemi di origine a un database principale. L'obiettivo principale è formare un insieme di dati coerenti e puliti per l'analisi dei processi.
- Visualizzazione dei dati - una volta che i dati di processo sono stati raccolti e armonizzati dai log degli eventi, possono essere visualizzati utilizzando gli algoritmi di visualizzazione di process mining , come i grafici delle variazioni di processo.
- analisi dei dati - la fase finale e fondamentale di process mining è l'analisi dei dati di processo con l'obiettivo di trovare opportunità per eliminare, standardizzare o automatizzare i processi inefficienti.
Le quattro fasi di process mining sono una semplificazione. In realtà, sono necessarie molte altre fasi, a seconda del luogo di raccolta dei dati di log degli eventi o della quantità di dettagli contenuti nei dati. In genere è necessario integrare ed estrarre i dati da ciascun sistema di origine separatamente e ogni fonte di dati può avere requisiti specifici per l'estrazione dei dati degli eventi.
Verso la standardizzazione dei dati di log degli eventi
Mentre i registri degli eventi possono avere formati diversi nei sistemi e nei database, è emerso uno standard per il modo in cui i dati degli eventi vengono analizzati e visualizzati negli strumenti di process mining . eXtensible Event Stream (XES) è uno standard aperto per la rappresentazione dei dati degli eventi per il process mining. Si tratta di un formato basato su XML per rappresentare i registri degli eventi, che sono raccolte di eventi che si verificano all'interno di un sistema o di un processo.
XES fornisce un framework unificato per la codifica e lo scambio di dati sugli eventi, consentendo a sistemi diversi di interoperare e condividere i registri degli eventi. XES consente anche la creazione di estensioni e annotazioni personalizzate, permettendo alle organizzazioni di aggiungere informazioni più dettagliate ai loro registri eventi.
Molti strumenti di process mining utilizzano i dati di XES process mining , che possono essere memorizzati anche in formati diversi, tra cui i file Comma-separated values (CSV).
Limiti dei log degli eventi nell'analisi dei processi
Sebbene process mining basato sui registri degli eventi possa fare miracoli per le organizzazioni e lo stia dimostrando da molti anni, ci sono ancora aree in cui process mining non è all'altezza.
Analisi dei dati più recenti ma non in tempo reale
Process mining esamina i dati più recenti ricavati dai sistemi informativi, ma non fornisce necessariamente un quadro completo dell'andamento dell'azienda in questo momento. Le analisi offline, più "statiche", sono prodotte estraendo i dati dai registri degli eventi in un momento specifico, pulendoli e analizzandoli solo successivamente. Di conseguenza, le tecnologie standard di process mining non sono in grado di segnalare continuamente potenziali deviazioni dei processi.
Costi iniziali elevati
L'implementazione degli strumenti di process mining richiede una grande quantità di lavoro e di input da parte di numerosi team e unità, il che si traduce in un elevato costo totale di proprietà. Non è raro che un team process mining comprenda data scientist dedicati ed esperti process mining che richiedono una profonda conoscenza del dominio.
Forte affidamento sugli analisti umani
Sebbene l'obiettivo finale di process mining sia quello di consentire il miglioramento dei processi, questo obiettivo non può essere raggiunto senza l'assistenza di analisti di business, analisti di dati e professionisti IT. Per process mining ci sono due aree principali in cui le persone sono assolutamente necessarie:
- Interpretazione dei dati: una volta analizzati i dati, le intuizioni da sole non sono sufficienti; è necessario che un analista aziendale interpreti i dati e identifichi casi d'uso specifici che siano coerenti con gli obiettivi originali.
- Estrazione e pulizia dei dati: Poiché i dati del registro eventi possono essere mancanti, imprecisi o duplicati, gli analisti dei dati devono dedicare del tempo alla pulizia dei dati prima di poterli utilizzare.
Lungo time-to-value
Diversi sistemi richiedono molto tempo per l'integrazione dei dati e la preparazione prima di poter iniziare a fornire i registri degli eventi. Poiché si tratta di un passaggio necessario in process mining, finisce per allungare il time-to-value dei progetti.
E se non è possibile utilizzare i dati del registro eventi?
Mentre i dati di log degli eventi sono facilmente disponibili in molti sistemi di origine, come il sistema ERP SAP comunemente utilizzato, ci sono molte applicazioni aziendali che non contengono i dati necessari per creare log degli eventi per process mining.
Le operazioni aziendali odierne utilizzano un'ampia serie di applicazioni che non contengono registri di eventi prontamente disponibili.
- Applicazioni di produttività/lavoro di gruppo (Outlook, Teams, ecc.),
- Sistemi informativi legacy (LIS),
- Sistemi di terze parti / fornitori,
- Software o reportistica proprietari,
- Portali governativi.
La mancanza di dati di log degli eventi è particolarmente importante in settori ad alto contenuto di conoscenza come le assicurazioni, i servizi finanziari e la contabilità. In questi esempi, ci sono molti processi e flussi di lavoro manuali e dispendiosi in termini di tempo che avvengono tra diverse applicazioni per formare un processo unificato.
Si pensi, ad esempio, a una richiesta di risarcimento assicurativo o di prestito. In questi casi ci sono molte attività che non vengono tracciate nei registri degli eventi del sistema ERP o CRM, poiché gli esperti del caso rivedono o elaborano informazioni specifiche da diverse fonti di dati.
Considerate un'alternativa: l'ibrido process intelligence
Process mining può essere un'ottima fonte per process intelligence , purché si abbia accesso ai registri degli eventi e si disponga di dati strutturati di alta qualità. Se non avete accesso immediato ai registri degli eventi o se i vostri flussi di lavoro si estendono su molte applicazioni diverse, potreste prendere in considerazione il software ibrido process intelligence .
Esempio di ibrido process intelligence - Workfellow
Con un approccio ibrido, non ci si limita ad analizzare i dati con i log degli eventi: infatti, soluzioni come Workfellow Process Intelligence generano automaticamente i log degli eventi dai dati degli oggetti aziendali nelle interfacce delle applicazioni pertinenti. Il risultato finale è quello di ottenere i ben noti vantaggi di process mining senza il problema dell'integrazione dei dati e della gestione dei log degli eventi. Per ulteriori informazioni, consultate il whitepaper Work API .
