Анализ
3.1. Визуализация процесса
Есть множество способов визуализировать бизнес-процесс. Существует множество известных нотаций: BPMN, EPC, IDEF0 и др. Несмотря на различия в деталях нотаций, основные элементы всегда одинаковы. Давайте разберем их на примере простейшего представления — графа процесса.
Граф — простейшее наглядное представление процесса в виде последовательности операций, связанных переходами, без дополнительных элементов, присущих некоторым нотациям.
Каждая вершина графа — это операция, а ребро, связывающее две операции — переход. На вершины и на рёбра можно вывести любые метрику: количество, длительность, вероятность, а также произвольный показатель, рассчитанный аналитиком.
Выделенные синим «Начало процесса» и «Конец процесса» — искусственные события. В логе данных их нет, но они позволяют воссоздать связную картину процесса и отследить все варианты начальных и конечных операций (пунктирные искусственные переходы). Метриками эти события не обладают.
Экземпляры, события в которых были одинаковыми и возникали в одном порядке, объединяются в пути. Каждый путь также можно охарактеризовать с помощью набора метрик, таких как популярность (число экземпляров в пути) и средняя длительность (средняя длительность входящих в путь экземпляров).
Ознакомиться с BPMN-диаграммой можно в курсе «Знакомство с Process Mining»
В нотации BPMN также можно наблюдать операции (действия) и переходы (потоки управления). В отличие от графа, в этой нотации появляются дополнительные элементы, например, шлюзы, события и потоки.
Пример работы с графом процесса можно посмотреть в курсе «Знакомство с Process Mining»
3.2. Инструменты Business Intelligence (BI)
В основе применения методов BI-аналитики лежит расчет показателей (метрик) и их визуализация.
В нашем курсе мы сфокусируемся на специфике, которой обладает анализ процессов, когда между строками данных появляется дополнительная связь — экземпляр процесса.
Метрики для анализа
Анализ с применением методов Process Mining начинается с автоматизированной проверки загруженных в инструмент данных (валидации) и расчета процессных метрик в дополнение к информации, содержащейся в датасете.
Выбросы
Выбросы — это наблюдения, выделяющиеся из общей выборки данных и оказывающие значительное влияние на средние показатели.
Например, при вычислении среднего возраста клиента — потребителя услуги, в выборку попали клиенты в возрасте 20, 22, 24, 25, 28 и 54 года. Средний возраст по всей выборке составил 28,8 лет. В то же время клиент 54 лет от роду явно выделяется из нашей выборки. Он оказался выбросом и значительно увеличивает средний показатель. Без учета этого клиента средний возраст составляет 23,8 лет (на 5 лет или 17% меньше).
Наиболее важно правильно определять значения-выбросы при расчете длительности совершения операций. Малейшее отклонение в показателях может завысить трудозатраты и оказать влияние на бюджетирование, планирование численности и расчеты по тарифным моделям.
На платформе Process Mining от Сбера реализовано три названных ниже подхода к расчету выбросов.
- «Ручной ввод» — разметка указанной аналитиком доли наблюдений (по умолчанию 5%) самых маленьких и самых больших значений указанной метрики
- Статистический алгоритм — с применением метода интерквартильного размаха
- ML-алгоритм — инструмент машинного обучения, который сам определит, какие значения стоит считать выбросами
В результате расчета одним из методов платформа добавит набор метрик, разметит значения в датасете на «выбросы» и «не выбросы» для дальнейшего использования аналитиком.
Отраслевые / пользовательские метрики
Кроме метрик, рассчитанных платформой автоматически, пользователь может настраивать собственные аналитики благодаря встроенному SQL редактору метрик. Подробнее возможности редактора будут разобраны в следующих курсах по Process Mining.
Воспользуемся возможностью построения произвольных визуализаций и сопоставим для каждого сотрудника количество начатых им экземпляров, или контактов с клиентом, с числом реально совершённых продаж.
Ознакомиться с примером отраслевых/пользовательских метрик изучить пункт «3.3. Инструменты машинного обучения» можно в курсе «Знакомство с Process Mining»