Analysis of process data and their social aspects

Martin Kopka

Doctoral thesis

Abstract:

Informační systémy podporují a zajišťují praktické fungování nejdůležitějších obchodních procesů. Výsledkem běhu většiny procesů v informačním systému je dostupný log procesu s informacemi o účastnících a zpracovaných objektech. Pro analýzu procesních dat lze použít počítačové metody datové analýzy s využitím podpůrných technik strojového učení a komplexní síťové analýzy. Tento Process mining umožňuje analyzovat a rekonstruovat model běžícího procesu z jeho logu. Analýza chování účastníků probíhajícího procesu z jeho logu transformovaného do komplexní sítě jeho účastníků není příliš používaným přístupem, častěji se analyzují kvantitativní parametry procesu. V této práci ukážeme, jak lze k analýze procesní dat využít procesy data miningu a jak lze analyzovat chování účastníků na základě dostupných dat z logu procesů pomocí analýz sítě (komunitních nebo klastrových) v konstruované komplexní síti z protokolu obchodních procesů SAP. Tato práce formulovala a vyvinula metodiku zahrnující integraci dat, pre-procesing a transformaci dat, analýzu dat s následnou interpretací a poskytnutí vstupů pro podporu rozhodování. Práce byla realizována a experimentálně ověřena na sadách reálných protokolů z obchodního procesu SAP. Modifikovaná struktura logu je navržena s ohledem na prostředí SAP - lze jej proto použít pro jakýkoli systém SAP. Popsaný přístup konstruuje komplexní síť z protokolu procesů v daném kontextu, následně vyhledá komunity nebo vzory v této síti. Nalezené komunity nebo vzory jsou analyzovány pomocí znalostí o podnikovém procesu a prostředí, ve kterém proces pracuje. Výsledky ukazují možnost odkrýt nejen kvantitativní, ale i kvalitativní vztahy (tj. chování účastníků) na základě logu procesů a specifických znalostí o obchodním případu. Tento přístup byl shledán jako užitečný výchozí bod pro analýzu podpory rozhodování, která má za cíl podporovat manažery při získávání znalostí z procesních dat (log). Zatímco obecně analýza dat může poskytnout model (vizuální nebo formální) běžícího procesu, komplexní síťová analýza může odhalit vztahy chování účastníků, které jsou skryty v kvantitativních modelech protokolu procesů, a to i pomocí vizualizace analyzované sítě.

Abstract:

Information systems support and ensure practical running of most critical business processes. There exist or can be reconstructed records (logs) of the process running in the information system with information about the participants and the processed objects for most of the processes. Computer methods of data mining can be used for analysis of process data utilizing support techniques of machine learning and complex network analysis. Process mining is able to analyze and reconstruct the model of running process from its process log. The analysis of participants behavior of running process from process log transformed into complex network of its participants is not very used approach, much frequently the quantitative parameters are analyzed. Here we show how data and process mining methods can be used for analyzing of running process and how participants behavior can be analyzed from the process log using network (community or cluster) analyzes in constructed complex network from the SAP business process log. This work formulated and developed a methodology covering data integration, pre-processing and transformation, data mining with following interpretation and decision support – the work was realized and experimentally verified on sets of real logs from SAP business process. The modified canonical process log structure is suggested with respect of SAP environment – this can be applied for any SAP system (principally). This approach constructs the complex network from the process log in the given context and then it finds communities or patterns in this network. Found communities and patterns are analyzed using knowledge of the business process and the environment in which the process operates. The results demonstrate possibility to cover up not only quantitative, but also qualitative relations (i.e. hidden behavior of participants) using the process log and specific knowledge of the business case. This approach was found as useful starting point for decision support analysis supporting managers with getting knowledge from process data (log). While process mining can provide the model (visual or formal) of running process, the complex network analysis can uncover behavior relations of participants, that are hidden in quantitative models of process log.

Keywords

Podpora rozhodování, log procesních dat, data mining, process mining, SAP log, konstrukce grafu, vizualizace (visual data minig), detekce komunit, klastrování grafu, analýza vzorů, analýza outlierů, chování.

Keywords

Decision support, process log data, data mining, process mining, SAP log, graph construction, network construction, visualization (visual data mining), community detection, graph clustering, pattern analysis, outliers analysis, behavior.

Language used: English

Date on which the thesis was submitted / produced: 24. 10. 2018

Thesis defence

• Date of defence: 7. 3. 2019
• Supervisor: Václav Snášel
• Reader: František Huňka, Petr Čermák, Svatopluk Štolfa

VŠB - Technical University of Ostrava

Fakulta elektrotechniky a informatiky

Doctoral programme / field:
Informatika, komunikační technologie a aplikovaná matematika / Informatika