Minería de Procesos y de Reglas de Negocio
Upcoming SlideShare
Loading in...5
×
 

Minería de Procesos y de Reglas de Negocio

on

  • 846 views

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 - ...

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/

Statistics

Views

Total Views
846
Views on SlideShare
846
Embed Views
0

Actions

Likes
1
Downloads
26
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment
  • Discovering rules that describe not what happens but why it happens

Minería de Procesos y de Reglas de Negocio Minería de Procesos y de Reglas de Negocio Presentation Transcript

  • 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 meses después
  • 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
  • Tecnologías de monitoreo de procesos Inteligencia de Procesos de Negocio (BPI) BAM Process Analytics Reportes y dashboards Minería de procesos
  • 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)
  • 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
  • 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
  • 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
  • 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, …
  • ¿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
  • 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.
  • 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
  • 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”
  • 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
  • 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
  • Caso Suncorp Expected Performance Line Not Ideal OK OK Good Suriadi Suriadi et al. “Understanding Process Behaviours in a Large Insurance Company in Australia”
  • 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”
  • ¿Y ESTO FUNCIONA SIEMPRE?
  • ¡Aja!
  • 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
  • Agrupamiento de trazas G. Greco et al., Discovering Expressive Process Models by Clustering Log Traces, TKDE, 2006
  • Abstracción por frecuencia “Fuzzy Miner” de ProM
  • Abstracción por subprocesos “Two-phase miner” de ProM Bose, Veerbeck & van det Aalst: Discovering Hierarchical Process Models using ProM
  • Hospital de Chania Modelo original Pavlos Delias et al. Clustering Healthcare Processes with a Robust Approach
  • Hospital de Chania Caminos frecuentes Pavlos Delias et al. Clustering Healthcare Processes with a Robust Approach
  • Hospital de Chania Modelos por agrupamiento Pavlos Delias et al. Clustering Healthcare Processes with a Robust Approach
  • Caso general Agrupamiento de trazas
  • ¿Queremos modelos o queremos entendimiento? www.interactiveinsightsgroup.com
  • 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?
  • 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
  • Minería de Reglas Descriptivas (DeclareMiner)
  • ¡Oh no! ¡Otra vez arroz!
  • ¿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
  • 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”
  • Ahora mejor… Minería de reglas con datos Maggi et al. Discovering Data-Aware Declarative Process Models from Event Logs
  • Minería de reglas discriminativas Bose and van der Aalst 2013
  • 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
  • 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
  • Más información • http://processmining.org • Grupo “process mining” en Linkedin