Como domar a tecnologia de Process Mining em uma empresa que usa R?

De alguma forma, aconteceu que em 2020 houve um surto de interesse no assunto de Process Mining. É possível que a nova realidade do modo remoto exigisse uma avaliação mais detalhada da eficácia dos processos tecnológicos e de negócios. É o mesmo que as molduras de madeira curvas e oblíquas. Ele passa por todas as rachaduras e o medidor gera megawatts para aquecimento.



Em geral, existem várias solicitações populares para a aplicação de tecnologia de mineração de processos:



  • Eu quero melhorar algo, mas não ouvi nada além de uma palavra da moda;
  • obtenha ou economize "dinheiro real", otimizando o processo clássico de "pedido para pagamento" e similares;
  • auditoria do sistema de tudo e tudo por nossa própria equipe de auditores;
  • construir análises operacionais e monitoramento com base em indicadores de processo, não em métricas de TI.


Em 99% dos casos, eles começam a ler Gartner / Forrester e chegam aos 4 principais fornecedores (Celonis / Minit / Software AG / UiPath), que estão de alguma forma presentes na Rússia. E antes de começarem a receber qualquer benefício, eles recebem imediatamente um preço bastante alto pelas licenças e pelo suporte anual subsequente. Ao mesmo tempo, a justificativa econômica é costurada com fios brancos.



É realmente necessário seguir esse caminho? Principalmente quando as tarefas e objetivos não são totalmente compreendidos pelos próprios diretores. Não se esqueça de que os fornecedores exigem um log de eventos especialmente preparado e sua preparação pode resultar em uma dor de cabeça e muitos meses de trabalho de integração em um cenário corporativo clássico.



Continuação de publicações anteriores .



Preâmbulo



process mining ?

, . 90% 100% open-source . R . HR . .



, , . , .



« 1- 30- », R process mining -.



.





-, , :



  • (= ) ;
  • ;
  • ;
  • ;
  • ;
  • .


:





. , , . , process-mining data-science .



, :



  • , ETL - ;
  • 2- 3- , «-» ;
  • « » ;
  • .




process-mining . data science , , , open-source R Tidyverse. , open-source . 10 , . , process-mining , , process mining office (PMO).



PMO . , data science « », .. () , .



, process-mining , . data science , PMO R tidyverse Excel.



R process mining:



  • (open-source);
  • ( , );
  • ( 10-100 «» );
  • ( , « »);
  • ( , R > 10 . , /, , , , web , ...).




csv, :



read_csv("./data/pmo/pmo_sales.csv")




xlsx, :



read_excel("./data/pmo/pmo_sales.xlsx", sheet = " ")




: MS SQL, PostgreS, Oracle, MySQL, Access, Redis, Clickhouse,… "Databases using R" (https://db.rstudio.com/)





() . :





mutate — .



df <- read_csv("./data/pmo/pmo_sales.csv") %>%
  #    
  mutate(amount = unitprice * weight)
df


mutação



group_by — , summarise — .



#    
df %>% 
  group_by(item) %>%
  summarise(sum(weight), sum(amount))


group_by



select — .



df %>%
  select("" = date, ", " = amount, item)


selecionar



filter — .



df %>%
  filter(amount > 1000, item == "")


filtro



arrange — .



df %>%
  arrange(date, desc(amount))


organizar





df %>% 
  group_by(item) %>%
  gt(rowname_col = "date")






gp <- ggplot(df, aes(date, amount, color = item, fill = item)) +
  geom_point(size = 4, shape = 19, alpha = 0.7) +
  geom_line(lwd = 1.1) +
  scale_x_date(date_breaks = "1 day", date_minor_breaks = "1 day", date_labels = "%d") +
  scale_y_continuous(breaks = scales::pretty_breaks(10)) +
  ggthemes::scale_color_tableau() +
  ggthemes::scale_fill_tableau() +
  theme_bw()

gp






gp + facet_wrap(~item) + geom_area(alpha = 0.3)








df <- read_csv("./data/pmo/pmo_school.csv")
df




activity resourse



df %>% 
  mutate(new_activity = glue("{activity} - {resource}")) %>%
  count(new_activity, sort = TRUE)




?



df %>%
  mutate(hr = hour(timestamp), date = as_date(timestamp)) %>%
  group_by(date) %>%
  #    
  filter(timestamp == max(timestamp)) %>%
  ungroup() %>%
  select(date, hr, everything(), -timestamp, -part)




DWG bupaR (https://www.bupar.net)



.



patients






patients %>%
    process_map()


pacientes





patients %>%
    process_map(performance(median, "days"))




P.S.



  1. , , . enterprise. .
  2. , «- enterprise : . R»
  3. process mining , Wil M. P. van der Aalst «Process Mining: Data Science in Action». , , .. , .


Post anterior - "Package-Package-Package ... Quão Eficazmente Você Está Usando R?" ...




All Articles