Charla sobre minería de procesos y reglas de negocio en el 1er Foro Colombiano de BPM organizado por la Universidad de los Andes (Bogotá), 29 de Noviembre 2013 - http://forosisis.uniandes.edu.co/bpm/1er-forodebpm/
1. Minería de procesos
y de reglas de negocio
Gestión de procesos de negocio basada
en evidencia
Marlon Dumas
Universidad de Tartu, Estonia
Con contribuciones de Wil van der Aalst, Marcello La Rosa
y Fabrizio Maggi
ForoSIS, Universidad de los Andes
3. Principios de BPM
(Michael Hammer)
1. Cualquier proceso es mejor que la
ausencia de proceso
2. Un buen proceso es mejor que un mal
proceso
3. Cualquier buen proceso se puede mejorar
4. Todo buen proceso sin atención se
vuelve tarde o temprano un mal proceso
4.
5. Tecnologías de
monitoreo de procesos
Inteligencia de
Procesos de
Negocio (BPI)
BAM
Process
Analytics
Reportes y
dashboards
Minería de
procesos
6. Analíticas de Proceso: Tableros
Process Cycle
Time
of Order
Processing
Process
Frequency
of Order
Processing
Process Cycle Time
of Order Processing
split up to different
Plants
IDS (2003)
7. Minería de Procesos
Start
Register o rder
Registro
de
eventos
Prepare
shipment
(Re)send bill
Modelo organizacional
Ship go ods
Contact
custo mer
Receive payment
Red social
Archive order
End
Modelo de proceso
Herramienta
(ProM, Disco, Aris
PPM, Perceptive Reflect)
Análisis de performas
7
Slide by Ana Karla Alves de Medeiros
8. Extracción de Modelos de Proceso
CID
Task
Time Stamp
…
13219 Enter Loan Application
-
13219 Retrieve Applicant Data
2007-11-09 T 11:22:15
-
13220 Enter Loan Application
2007-11-09 T 11:22:40
-
13219 Compute Installments
2007-11-09 T 11:22:45
-
13219 Notify Eligibility
2007-11-09 T 11:23:00
-
13219 Approve Simple Application
2007-11-09 T 11:24:30
-
13220 Compute Installements
…
2007-11-09 T 11:20:10
2007-11-09 T 11:24:35
-
…
…
…
Notify
Rejection
Retrieve
Applicant
Data
Enter Loan
Application
Approve
Simple
Application
Compute
Installments
Notify
Eligibility
Approve
Complex
Application
8
9. Minería de procesos
Propuesta de valor
Entender sus procesos como realmente son
• No como se los imagina
Respaldar sus hipótesis con evidencias
• No quedarse en intuiciones y creyencias
Cuantificiar el impacto de un rediseño
• Antes y después
10. Minería de proceso
¿Dónde se usa?
• Aseguranza
– Suncorp Australia
• Salud
– Hospital AMC, Holanda
– Hospital de São Sebastião, Portugal
– Hospital de Chania, Grecia
– EHR Workflow Inc., USA
• Transporte
– ANA Aeropuertos, Portugal
• Gobierno, financia, industria electrónica, …
11. ¿Cómo ejecutar un proyecto de
mineria de procesos?
• Método exploratorio
– Descubir modelos
– Visualizar performas sobre modelos
– Descubrir variantes
• Método dirigido por preguntas
– Comenzar por un problema
– Descomponer en preguntas analizar
12. Metodo L* - Dirigido por
pregunta
1. Planeación
2. Extracción y preprocesamiento
3. Análisis de datos (minería)
4. Interpretación
Wil van der Aalst. “Process Mining”. Springer, 2012.
13. 1. Planeación
• Determinar la pregunta, e.g.
– Identificar y entender variaciones
(geográficas, por producto, temporales)
– Diagnosticar performa (cuellos de
botella…)
– Identificar causas raíz de defectos o
variaciones en performa
• Definir la pregunta precisamente
– Métricas, criterios
14. Planeación – Case Suncorp
1. ¿Cuáles son las diferencias entre el
procesamiento de demandas simples
y demandas complejas?
2. ¿Cuáles son las diferencias entre
demandas simples completadas a
tiempo, y los demandas
simples, lentas?
Suriadi Suriadi et al. “Understanding Process Behaviours in a Large Insurance Company in Australia”
15. 2. Extracción y pre-procesamiento
• Encontrar los datos
– Sistemas de informacion internos, SAP, Oracle
(Celonis), sistema BPM en uso
– Organizar por trazas
– Convertir en formato estándar (formato XES)
• Depurar
– Filtrar variantes infrecuentes
– Filtrar eventos no relevantes
– Combinar eventos equivalentes
• Combinación de múltiples fuentes de datos
16. 3. Análisis de registros de eventos
• Descubir modelos
• Explorar caminos frecuentes / infrecuentes
• Calcular métricas
– Tiempos de ciclo, tiempos de espera,
porcentaje de errores
• Descubrir clases de casos
– Clasificación de casos por performas
18. Extracción discriminativa de modelos
Demandas simples, rápidas
Demandas simples, lentas
Resultado
Identificacion de actividades asociadas con menores performas
Suriadi Suriadi et al. “Understanding Process Behaviours in a Large Insurance Company in Australia”
21. Soluciones
• Filtrado del registro de eventos
• Agrupamiento de trazas (trace clustering)
• Abstracción del modelo resultante
– Tareas o caminos más frecuentes
– Agregacón de subprocesos
• Extracción de reglas de interés
22. Agrupamiento de trazas
G. Greco et al., Discovering Expressive Process Models by Clustering Log Traces, TKDE, 2006
30. Extracción de reglas de negocio
Reglas de decisión
• ¿Cómo se toman decisiones en diferentes puntos
del procesos?
Reglas descriptivas
• ¿Cuándo y porqué se ejecuta una tarea?
Reglas discriminativas
• ¿Cuándo y porqué terminamos con resultados
negativos?
31. Minería de Reglas de Decisión
CID Amount Installm Salary Age Len Task
13210 20000
2000
2000 25 1 NR
13220 25000
1200
3500 35 2 NE
13221
9000
450
2500 27 2 NE
13219
8500
750
2000 25 1 ASA
13220 25000
1200
3500 35 2 ACA
13221
9000
450
2500 27 2 ASA
…
…
…
…
… … …
Minador de
Decisiones
installment > salary
or ….
Notify
Rejection
amount ≤ 10000
or …
Approve
Simple
Application
installment ≤ salary
or …
Notify
Eligibility
Approve
Complex
Application
amount ≥ 10000
or …
31
34. ¿Qué pasó?
• No todas las reglas son interesantes
• ¿Qué es “interesante”??
– No necesariamente lo que es frecuente
– Sino lo que se desvía de lo que esperamos
– Ejemplo:
• A todo paciente que es diagnoticado con
condición X se le hace la cirugía Y
• Pero si previamente a sido diagnosticado con
condición Z
35. Reglas interesantes
Algo que debía haber pasado “normalmente” no
pasó, ¿por qué?
Algo que normalmente no había de haber pasado
sucedió ¿por qué?
Algo sucede sólo en casos que terminan “bien”
Algo sucede sólo en casos que terminan “mal”
36. Ahora mejor…
Minería de reglas con datos
Maggi et al. Discovering Data-Aware Declarative Process Models from Event Logs
38. Conclusión
• Nueva generación de prácticas BPM
badadas en evidencia
• Convergencia de Inteligencia Empresarial
(BI) y BPM BPI
• Casos de estudio exitosos
• Herramientas maduras
• Marco metodológico
39. Table of Contents
1. Introduction
2. Process Identification
3. Process Modeling
4. Advanced Process Modeling
5. Process Discovery
6. Qualitative Process Analysis
7. Quantitative Process Analysis
8. Process Redesign
9. Process Automation
10. Process Intelligence
http://fundamentals-of-bpm.org