Введение в процесс интеллектуального анализа данных и обработки данных о событиях Интеллектуальный анализ процессов включает в себя анализ цифровых следов, оставленных операционными процессами в различных областях, таких как логистика, финансы, медицина и онлайн-торговля. Эти следы сохраняются в системах планирования ресурсов предприятия. Цель состоит в том, чтобы получить представление об этих процессах с помощью анализа данных о событиях для улучшения процессов.
Пример структуры данных о событии Например, компания отправляет рождественские подарки клиентам; складская система регистрирует такие события, как "создать заказ" или "добавить товар". Каждая строка представляет событие со столбцами для идентификатора заказа (идентифицирующего конкретные заказы), действия (выполненного действия) и временной метки (когда это произошло). События, связанные с одним заказом, имеют один и тот же идентификатор заказа.
Понимание различий между действиями и событиями "Действие" относится к действиям, которые могут выполняться в рамках процесса, в то время как "Событие" фиксирует, когда эти действия происходят. Множественные события могут представлять собой повторное выполнение одного и того же действия в рамках одного экземпляра процесса. Это различие помогает прояснить, как следует интерпретировать данные во время анализа.
Графическое представление процессов с использованием нотации BPMN "Нотация моделирования бизнес—процессов" визуально отображает рабочие процессы с помощью символов: круги обозначают начальную и конечную точки; квадраты со скругленными углами обозначают действия; ромбы показывают точки принятия решений - крестики внутри означают исключительный выбор, а знаки плюс обозначают параллельные задачи, выполняемые одновременно, но независимо, пока они не объединятся позже.
"Пример запроса на регистрацию": Подробное пошаговое руководство. В учебном пособии используется примерная модель, в которой запросы проходят несколько этапов, включая регистрацию, проверку, отказ в оплате и т.д., иллюстрируя различные пути, основанные на решениях, принятых на каждом этапе, подчеркивая важность понимания логики потока, лежащей в основе графических представлений, прежде чем углубляться в сами фактические наборы данных.