¿Cómo domesticar la tecnología de minería de procesos en una empresa que utiliza R?

De alguna manera sucedió que en 2020 hubo un aumento del interés en el tema de Process Mining. Es posible que la nueva realidad del modo remoto requiera una evaluación más cercana de la efectividad de los procesos tecnológicos y comerciales. Es lo mismo que con los marcos de madera curvos y oblicuos. Pasa por todas las grietas y el medidor genera megavatios para calefacción.



En general, existen varias solicitudes populares para la aplicación de tecnología de minería de procesos:



  • Quiero mejorar algo, pero no he escuchado nada más que una palabra de moda;
  • obtenga o ahorre "dinero real" optimizando el proceso clásico de "pedido a cobro" y similares;
  • auditoría del sistema de todo y de todo por nuestro propio equipo de auditores;
  • la creación de análisis y seguimiento operativos basados ​​en indicadores de proceso, no en métricas de TI.


En el 99% de los casos, comienzan a leer Gartner / Forrester y llegan a los 4 principales proveedores (Celonis / Minit / Software AG / UiPath), que de alguna manera están presentes en Rusia. Y antes de que comiencen a obtener algún beneficio, inmediatamente reciben un precio bastante alto por las licencias y el soporte anual posterior. Al mismo tiempo, la justificación económica está cosida con hilos blancos.



¿Es realmente necesario ir por este camino? Especialmente cuando los propios directores no comprenden completamente las tareas y los objetivos. No olvide que los proveedores requieren un registro de eventos especialmente preparado, y su preparación puede resultar en un dolor de cabeza y muchos meses de trabajo de integración en un panorama empresarial clásico.



Continuación de publicaciones anteriores .



Preámbulo



process mining ?

, . 90% 100% open-source . R . HR . .



, , . , .



« 1- 30- », R process mining -.



.





-, , :



  • (= ) ;
  • ;
  • ;
  • ;
  • ;
  • .


:





. , , . , process-mining data-science .



, :



  • , ETL - ;
  • 2- 3- , «-» ;
  • « » ;
  • .




process-mining . data science , , , open-source R Tidyverse. , open-source . 10 , . , process-mining , , process mining office (PMO).



PMO . , data science « », .. () , .



, process-mining , . data science , PMO R tidyverse Excel.



R process mining:



  • (open-source);
  • ( , );
  • ( 10-100 «» );
  • ( , « »);
  • ( , R > 10 . , /, , , , web , ...).




csv, :



read_csv("./data/pmo/pmo_sales.csv")




xlsx, :



read_excel("./data/pmo/pmo_sales.xlsx", sheet = " ")




: MS SQL, PostgreS, Oracle, MySQL, Access, Redis, Clickhouse,… "Databases using R" (https://db.rstudio.com/)





() . :





mutate — .



df <- read_csv("./data/pmo/pmo_sales.csv") %>%
  #    
  mutate(amount = unitprice * weight)
df


mudar



group_by — , summarise — .



#    
df %>% 
  group_by(item) %>%
  summarise(sum(weight), sum(amount))


agrupar por



select — .



df %>%
  select("" = date, ", " = amount, item)


Seleccione



filter — .



df %>%
  filter(amount > 1000, item == "")


filtrar



arrange — .



df %>%
  arrange(date, desc(amount))


organizar





df %>% 
  group_by(item) %>%
  gt(rowname_col = "date")






gp <- ggplot(df, aes(date, amount, color = item, fill = item)) +
  geom_point(size = 4, shape = 19, alpha = 0.7) +
  geom_line(lwd = 1.1) +
  scale_x_date(date_breaks = "1 day", date_minor_breaks = "1 day", date_labels = "%d") +
  scale_y_continuous(breaks = scales::pretty_breaks(10)) +
  ggthemes::scale_color_tableau() +
  ggthemes::scale_fill_tableau() +
  theme_bw()

gp






gp + facet_wrap(~item) + geom_area(alpha = 0.3)








df <- read_csv("./data/pmo/pmo_school.csv")
df




activity resourse



df %>% 
  mutate(new_activity = glue("{activity} - {resource}")) %>%
  count(new_activity, sort = TRUE)




?



df %>%
  mutate(hr = hour(timestamp), date = as_date(timestamp)) %>%
  group_by(date) %>%
  #    
  filter(timestamp == max(timestamp)) %>%
  ungroup() %>%
  select(date, hr, everything(), -timestamp, -part)




DWG bupaR (https://www.bupar.net)



.



patients






patients %>%
    process_map()


pacientes





patients %>%
    process_map(performance(median, "days"))




P.S.



  1. , , . enterprise. .
  2. , «- enterprise : . R»
  3. process mining , Wil M. P. van der Aalst «Process Mining: Data Science in Action». , , .. , .


Publicación anterior - "Paquete-Paquete-Paquete ... ¿Con qué eficacia está utilizando R?" ...




All Articles