Minería de procesos: La ciencia de datos en acción

OBJETIVOS DEL CURSO

La minería de procesos es el eslabón que faltaba entre el análisis de procesos basado en modelos y las técnicas de análisis orientadas a los datos. A través de conjuntos de datos concretos y software fácil de usar, el curso proporciona conocimientos de ciencia de datos que pueden aplicarse directamente para analizar y mejorar procesos en una gran variedad de ámbitos. La ciencia de datos es la profesión del futuro, porque las organizaciones que no sean capaces de utilizar los (grandes) datos de forma inteligente no sobrevivirán. No basta con centrarse en el almacenamiento y el análisis de datos. El científico de datos también necesita relacionar los datos con el análisis de procesos. La minería de procesos tiende un puente entre el análisis de procesos tradicional basado en modelos (por ejemplo, la simulación y otras técnicas de gestión de procesos empresariales) y las técnicas de análisis centradas en los datos, como el aprendizaje automático y la minería de datos. La minería de procesos busca la confrontación entre los datos de eventos (es decir, el comportamiento observado) y los modelos de procesos (hechos a mano o descubiertos automáticamente). Esta tecnología está disponible desde hace poco, pero puede aplicarse a cualquier tipo de procesos operativos (organizaciones y sistemas). Algunos ejemplos de aplicaciones son: el análisis de los procesos de tratamiento en hospitales, la mejora de los procesos de atención al cliente en una multinacional, la comprensión del comportamiento de navegación de los clientes que utilizan un sitio web de reservas, el análisis de los fallos de un sistema de manipulación de equipajes y la mejora de la interfaz de usuario de una máquina de rayos X. Todas estas aplicaciones tienen en común que el comportamiento dinámico necesita relacionarse con modelos de procesos. De ahí que nos refiramos a esto como “ciencia de datos en acción”. El curso explica las técnicas de análisis clave en la minería de procesos. Los participantes aprenderán varios algoritmos de descubrimiento de procesos. Éstos pueden utilizarse para aprender automáticamente modelos de procesos a partir de datos de eventos sin procesar. Se presentarán otras técnicas de análisis de procesos que utilizan datos de eventos. Además, el curso proporcionará software fácil de usar, conjuntos de datos de la vida real y habilidades prácticas para aplicar directamente la teoría en una variedad de dominios de aplicación. Este curso comienza con una visión general de los enfoques y tecnologías que utilizan datos de eventos para apoyar la toma de decisiones y el (re)diseño de procesos empresariales. A continuación, el curso se centra en la minería de procesos como puente entre la minería de datos y el modelado de procesos empresariales. El curso, de nivel introductorio y con varios trabajos prácticos, abarca los tres tipos principales de minería de procesos. 1. Minería de procesos. El primer tipo de minería de procesos es el descubrimiento. Una técnica de descubrimiento toma un registro de eventos y produce un modelo de proceso sin utilizar ninguna información a-priori. Un ejemplo es el algoritmo Alpha, que toma un registro de eventos y produce un modelo de proceso (una red de Petri) que explica el comportamiento registrado en el registro. 2. La minería de procesos. El segundo tipo de minería de procesos es la conformidad. Aquí, un modelo de proceso existente se compara con un registro de eventos del mismo proceso. La comprobación de la conformidad puede utilizarse para verificar si la realidad, tal y como se registra en el registro, se ajusta al modelo y viceversa. 3. La minería de procesos. El tercer tipo de minería de procesos es la mejora. Aquí, la idea es ampliar o mejorar un modelo de proceso existente utilizando la información sobre el proceso real registrada en algún registro de eventos. Mientras que la comprobación de la conformidad mide la alineación entre el modelo y la realidad, este tercer tipo de minería de procesos pretende cambiar o ampliar el modelo a-priori. Un ejemplo es la ampliación de un modelo de proceso con información sobre el rendimiento, por ejemplo, mostrando los cuellos de botella. Las técnicas de minería de procesos pueden utilizarse en un entorno fuera de línea, pero también en línea. Esto último se conoce como apoyo operativo. Un ejemplo es la detección de la no conformidad en el momento en que se produce realmente la desviación. Otro ejemplo es la predicción de tiempo para casos en ejecución, es decir, dado un caso parcialmente ejecutado, se estima el tiempo de procesamiento restante basándose en información histórica de casos similares. La minería de procesos no sólo proporciona un puente entre la minería de datos y la gestión de procesos empresariales; también ayuda a abordar la división clásica entre “negocio” e “informática”. La gestión de procesos empresariales basada en pruebas y fundamentada en la minería de procesos ayuda a crear un terreno común para la mejora de los procesos empresariales y el desarrollo de los sistemas de información. El curso utiliza muchos ejemplos con registros de eventos reales para ilustrar los conceptos y los algoritmos. Después de tomar este curso, uno es capaz de ejecutar proyectos de minería de procesos y tener una buena comprensión del campo de la Inteligencia de Procesos de Negocio.

Después de tomar este curso usted debería – tener un buen conocimiento de las técnicas de Business Process Intelligence (en particular, de la minería de procesos), – comprender el papel de los Big Data en la sociedad actual, – ser capaz de relacionar las técnicas de minería de procesos con otras técnicas de análisis como la simulación, la inteligencia empresarial, la minería de datos, el aprendizaje automático y la verificación, – ser capaz de aplicar técnicas básicas de descubrimiento de procesos para aprender un modelo de procesos a partir de un registro de eventos (tanto manualmente como utilizando herramientas), – ser capaz de aplicar técnicas básicas de comprobación de conformidad para comparar registros de eventos y modelos de procesos (tanto manualmente como utilizando herramientas), – ser capaz de ampliar un modelo de procesos con información extraída del registro de eventos (por ej.g., mostrar los cuellos de botella), – conocer bien los datos necesarios para iniciar un proyecto de minería de procesos, – ser capaz de caracterizar las preguntas que pueden responderse a partir de dichos datos de eventos, – explicar cómo la minería de procesos puede utilizarse también para el apoyo operativo (predicción y recomendación), y – ser capaz de llevar a cabo proyectos de minería de procesos de forma estructurada.