Process Mining: Data Science in Aktion – Online-Kurs – Coursera Verifizierter Eintrag

Process Mining ist das fehlende Bindeglied zwischen modellbasierter Prozessanalyse und datengetriebenen Analysetechniken.

Durch konkrete Datensätze und einfach zu bedienende Software bietet der Kurs datenwissenschaftliche Erkenntnisse, die direkt zur Analyse und Verbesserung von Prozessen in einer Vielzahl von Bereichen angewendet werden können.

Data Science ist der Beruf der Zukunft, denn Organisationen, die (Big) Data nicht intelligent nutzen können, werden nicht überleben.

Es reicht nicht aus, sich auf die Datenspeicherung und -analyse zu konzentrieren.

Der Datenwissenschaftler muss auch Daten mit der Prozessanalyse in Beziehung setzen.

Process Mining überbrückt die Lücke zwischen traditioneller modellbasierter Prozessanalyse (z. B. Simulation und andere Geschäftsprozessmanagementtechniken) und datenzentrischen Analysetechniken wie maschinelles Lernen und Data Mining.

Process Mining sucht die Gegenüberstellung von Ereignisdaten (dh beobachtetes Verhalten) und Prozessmodellen (von Hand erstellt oder automatisch entdeckt).

Diese Technologie ist erst seit kurzem verfügbar, kann aber auf jede Art von betrieblichen Prozessen (Organisationen und Systeme) angewendet werden.

Beispielanwendungen sind: Analyse von Behandlungsprozessen in Krankenhäusern, Verbesserung von Kundendienstprozessen in einem multinationalen Unternehmen, Verständnis des Surfverhaltens von Kunden, die die Reservierungsseite nutzen, Analyse von Fehlern in einem Gepäckabfertigungssystem und Verbesserung der Benutzeroberfläche eines Röntgengeräts.

All diesen Anwendungen ist gemeinsam, dass dynamisches Verhalten auf Prozessmodelle bezogen werden muss.

Daher bezeichnen wir dies als „Data Science in Action“.

Der Kurs erklärt die wichtigsten Analysetechniken im Process Mining.

Die Teilnehmer lernen verschiedene Prozesserkennungsalgorithmen kennen.

Diese können verwendet werden, um Prozessmodelle automatisch aus Rohereignisdaten zu lernen.

Verschiedene andere Prozessanalysetechniken, die Ereignisdaten verwenden, werden vorgestellt.

Darüber hinaus bietet der Kurs einfach zu bedienende Software, reale Datensätze und praktische Fähigkeiten zur direkten Anwendung der Theorie in einer Vielzahl von Anwendungsbereichen.

Dieser Kurs beginnt mit einem Überblick über Ansätze und Technologien, die Ereignisdaten verwenden, um die Entscheidungsfindung und (Neu-)Gestaltung von Geschäftsprozessen zu unterstützen.

Der Kurs konzentriert sich dann auf Process Mining als Brücke zwischen Data Mining und Geschäftsprozessmodellierung.

Der Kurs hat eine Einführungsstufe mit mehreren praktischen Aufgaben.

Der Kurs behandelt die drei Hauptarten des Process Mining.

1.

Die erste Art von Process Mining ist Discovery.

Eine Entdeckungstechnik nimmt eine Ereignisaufzeichnung und erzeugt ein Prozessmodell, ohne irgendwelche A-priori-Informationen zu verwenden.

Ein Beispiel ist der Alpha-Algorithmus, der eine Aufzeichnung von Ereignissen erstellt und ein Prozessmodell (ein Petri-Netz) erstellt, das das in der Aufzeichnung aufgezeichnete Verhalten erklärt.

2.

Die zweite Art des Process Mining ist die Konformität.

Dabei wird ein vorhandenes Prozessmodell mit einem Ereignisprotokoll desselben Prozesses verglichen.

Mit der Konformitätsprüfung kann überprüft werden, ob die im Register erfasste Realität mit dem Modell übereinstimmt und umgekehrt.

3.

Die dritte Art des Process Mining ist das Upgrade.

Hier besteht die Idee darin, ein vorhandenes Prozessmodell zu erweitern oder zu verbessern, indem Informationen über den tatsächlichen Prozess verwendet werden, die in einem Ereignisprotokoll aufgezeichnet sind.

Während Conformance Checking die Übereinstimmung zwischen Modell und Realität misst, zielt diese dritte Art von Process Mining darauf ab, das Modell a priori zu verändern oder zu erweitern.

Ein Beispiel ist die Erweiterung eines Prozessmodells um Leistungsinformationen, um beispielsweise Engpässe aufzuzeigen.

Process-Mining-Techniken können offline, aber auch online eingesetzt werden.

Letzteres wird als Betriebsunterstützung bezeichnet.

Ein Beispiel ist die Feststellung einer Nichtkonformität in dem Moment, in dem die Abweichung tatsächlich auftritt.

Ein weiteres Beispiel ist die Zeitvorhersage für laufende Fälle, d. h. bei einem teilweise ausgeführten Fall wird die verbleibende Bearbeitungszeit auf der Grundlage historischer Informationen ähnlicher Fälle geschätzt.

Process Mining stellt nicht nur eine Brücke zwischen Data Mining und Geschäftsprozessmanagement dar; Es hilft auch, die klassische Trennung zwischen „Business“ und „IT“ zu überwinden.

Evidenzbasiertes Geschäftsprozessmanagement auf der Grundlage von Process Mining hilft, eine gemeinsame Grundlage für die Verbesserung von Geschäftsprozessen und die Entwicklung von Informationssystemen zu schaffen.

Der Kurs verwendet viele Beispiele mit realen Ereignisprotokollen, um die Konzepte und Algorithmen zu veranschaulichen.

Nach diesem Kurs kann man Process-Mining-Projekte durchführen und hat ein gutes Verständnis im Bereich Business Process Intelligence.

Nach der Teilnahme an diesem Kurs sollten Sie: - ein gutes Verständnis von Business Process Intelligence-Techniken (insbesondere Process Mining) haben, - die Rolle von Big Data in der heutigen Gesellschaft verstehen, - in der Lage sein, die Techniken des Process Mining mit anderen Analysetechniken in Beziehung zu setzen, wie Simulation.

, Business Intelligence, Data Mining, maschinelles Lernen und Verifizierung,