Process Mining

Eine Technologie, die eine Prozessanalyse auf Basis realer Prozessdaten erzeugt und diese visualisiert

• Analysiert Daten, die von Prozessen erzeugt wurden

• Diese werden in Prozesse geordnet

Soll-Prozessmodelle lassen sich mit Ist_modellen vergleichen, welche die Realität wieder spiegeln

Bspw. Log-Daten von :

• ERP-Systemen

• Workflows-Managementsystemen oder anderen

• Datenbanken,

welche von Prozessen mit daten versorgt werden

(z.B. Auftragsdaten, Kundendaten in einem Bestellprozess)

Indem Abweicehung der Ist-Prozesse bspw. mit den Sollprozessen verglichen werden

1. Die Ereignisse sind fundamentale Informationsträger

2. Die Extraktion von Ereignisdaten basiert auf konkrete Fragestellungen

3. Parallelität, Entscheidung und andere elementare Kontrollflusskonzepte werden unterstützt

4. Ereignisse beziehen sich auf Modellelemente

5. Modelle sind zwekcmäßige Abstraktionen der Realität

6. Process-Mining ist ein kontinuierlicher Prozess

Daten von Ereignissen/Vorgängen

• Datenbanktabellen

• Nachrichtenlogs

• Mailarchiven

• Transaktionslogs

• Maschienenmeldungen

• Belastbarkeit (Integrität)

• Korrekheit (Ereignisse fanden tatsächlich statt, die Attributewerte sind korrekt)

• Vollständigkeit (es fehlen keine Ereignisse)

• Definierte Bedeutung (Semantik)

• Datenschutz (der Aufzeichnung und Verwendung von z.B. personenbezogenen Daten)

• Datensicherheit (der Aufzeichnung und Verwendung, sowie Verlust, Missbrauch, …)

• Transparenz (der Aufzeichnung und Verwendung gegenüber Beteiligten)

• Liefer-/Servicezeit

• Liefertreue

• Qualität

• Anti-Bullwhip-Effekt

• Customer Experience

Neben dem direkten Kosteneffekt verkürzen sich Durchlaufzeiten und Servicezeiten der Vorgangsbearbeitung

Durch klarere, strukturiertere und einfachere Prozesse steigt die Wahrscheinichkeit, dass Vorgänge in der dafür vorgesehenen Zeit tatsächlich bearbeitet bzw. durchgeführt werden.

• Geplante Termine werden mit sehr großer Warscheinlichkeit eingehalten

Weniger Fehler im Prozess bedeuten auch weniger Nacharbeit, Fehlerbeseitigung, Improvisation am Produkt/Service.

• Die Produktqualität verbessert sich

Der zuverlässige Lieferant guter Produkte und Dienstleistungen kann aufgrund seiner Verlässlichkeit mit seinen Kunden kooperative Supply.Chain-Initiativen erfolgreich umsetzen.

Der ihn treffende Peitscheneffekte kann reduziert, die Planbarkeit der eigenen Supply Chain verbessert werden

Kunden lieben gute, günstige Produkte und Dienstleistungen, die genau dann verfügbar sind, wenn sie gebraucht werden

1. Welcher Geschäftsprozess soll untersucht werden

2. Welche Daten liegen in welchem Reifegrad vor und in welcher Detaillierung und mit welchen Attributen möchte man die Daten nutzen?

In Aggretieren von Daten, deshalb empfiehlt es sich die Ereignisdaten möglichst detalliert bereit zu stellen

Man möchte den Einkaufsprozess betrachten

• Granularität: je Bestellposition (Bestellungen können aus Bestellpositionen aggregiert werden)

• Attribute: Bestllpositions-Nr., Bestell-Nr., Material-Nr., Lieferanten-Nr., Wert(e), Termin(e), etc.

• Sequenzen

• parallele Ausführung (AND-Splits/Joins)

• Entscheidungen (XOR-Splits/Joins)

• Schleifen

Prozessmodelle nach den verfügbaren Vorgängen und Datenattributen

organisatorische, zeitliche oder andere Datenperspektive

Beziehungen zwischen Elementen des Event-Logs und eines Referenzprozessmodells

Dass es sich um eindeutige Bezeihungen der Elemente handelt

Sichten auf die Realität

Für die unterschiedlichen Zwecke

Das erstellte Prozessmudelle “historische” Abstraktionen der Realität sind