یکی از مزایای فرآیندکاوی این است که امکان کار کردن با اطلاعات فعلی سیستم را دارد و می‌توان در آن از داده‌هایی استفاده کرد که از سیستم‌های اتوماسیون فرآیند کسب و کار جمع شده‌اند. برای فرآیند کاوی ما یک مدل ذهنی متفاوت داریم؛ زیرا ما از منظر فرآیندی به داده‌ها نگاه می‌کنیم. حداقل سه نوع داده برای شروع فرآیندکاوی لازم داریم:
- Case id: اینکه چه چیزی را به عنوان شناسه موردی در نظر بگیریم کاملا به فرآیند بستگی دارد؛ مثلا در فرآیند خرید، رسیدگی به یک سفارش و در فرآیندهای بیمارستانی، مراحل تشخیص و درمان بیمار را می‌توان به عنوان case id تعیین نمود؛ بنابراین لازم است یک یا چند ستون داشته باشید که در کنار هم یک اجرای واحد از فرآیند شما را شناسایی کنند.
- Activity: یک فعالیت یک مرحله از روند شما را تشکیل می‌دهد. به عنوان مثال یک فرآیند نوشتن سند ممکن است شامل مراحل “ایجاد”، “به روز رسانی”،” ارسال”، “تایید”، “درخواست دوباره کاری”، “تجدید نظر”،” انتشار”و” صرف نظر کردن” باشد. برخی از این مراحل ممکن است برای یک مورد بیش از یک بار انجام شود.
- Timestamp: سومین پیش شرط مهم برای استخراج فرآیند داشتن حداقل یک ستون است که زمان انجام هریک از فعالیت‌ها را نشان می‌دهد. این امر برای تجزیه و تحلیل رفتار زمان بندی فرآیند بسیار مهم است. گاهی برای هر فعالیت در این مرحله یک زمان شروع و زمان پایان دارید. این مورد به شما امکان می‌دهد زمان پردازش یک فعالیت (زمانی را که کسی به طور فعال برای انجام آن کار صرف می‌کند) تجزیه و تحلیل کنید که به آن زمان اجرا یا زمان انجام فعالیت نیز گفته می‌شود.
برای هر روش تجزیه و تحلیل مبتنی بر داده، کیفیت داده‌ها خیلی مهم است؛ در غیر اینصورت نتیجه گیری اشتباه خواهد شد. هرچقدر هم که مدل خوبی برای تجزیه و تحلیل داشته باشیم درصورت ورود داده‌ی اشتباه نتیجه‌ی اشتباه نیز خواهیم گرفت. در ادامه به لیستی از اشتباهات که منجر به نتیجه گیری غلط می‌شود، اشاره خواهد شد:
- ثبت یا ورود نادرست اطلاعات: در چنین شرایطی داده‌ها حقیقت را منعکس نمی‌کنند؛ بلکه اطلاعات غلطی راجع به واقعیت ارائه می‌دهند؛؛ مثلا ممکن است در ثبت دستی داده ها شناسه فاکتور به عنوان تاریخ فاکتور تفسیر شود. یا در موردی واقعی در یک بیمارستان داده‌ها میزان بهره وری را کم نشان می‌دادند. وقتی مشاوران به مشکل پرداختند دریافتند که این ایراد از داده‌هاست. دلیل این امر این بود که پذیرش بیماران یک روز دیرتر از آنچه واقعا انجام شده بود، به صورت دستی ثبت می‌شد.
- ناسازگاری در ورود به سیستم به دلیل اختلافات انسانی: به عنوان مثال یک نفر ممکن است در ابتدا دکمه ی تکمیل را در یک سیستم گردش کار و دیگری در پایان کار فشار دهد. فقط زمانی می‌توان این اشتباهات را در تجزیه و تحلیل شناسایی کرد که نسبت به وقوع شان آگاهی وجود داشته باشد.
- داده‌های گم شده و ناکافی: مشکلات معمول در داده‌های گم شده عبارتند از: حذف اطلاعات از پایگاه داده یا بازنویسی اطلاعات جدید بر روی اطلاعات قبلی، ثبت دسته ای به این معنا که اطلاعات در پایان هر روز به سیستم وارد شوند و … .
- یکی از بزرگ ترین چالش‌ها می‌تواند درک صحیح داده ها و معنای بین آن‌ها باشد. در واقع فهمیدن معنای موجود در گزارشات مربوط به بخش IT می تواند واقعا آسان و یا فوق العاده پیچیده باشد. این موضوع بستگی زیادی به میزان فاصله گزارشات مربوطه از منطق واقعی کسب و کار دارد.
- به دلیل اینکه فرآیندکاوی تاریخچه نمونه‌های فرآیند انجام شده را ارزیابی می‌کند، زمان بندی برای ترتیب رویدادها در هر دنباله بسیار مهم است. اگر برچسب زمان اشتباه باشد یا به اندازه کافی دقیق نباشد ایجاد ترتیب صحیح از وقایع در تاریخ دشوار است. می‌توان گفت که برچسب زمانی پاشنه آشیل فرآیند کاوی است.
بدون دیدگاه