فرایند کاوی چیست و چه کاربردی دارد؟

فرایند کاوی پروسه‌ای سخت‌تر از داده کاوی است. از این نظر قرار است در این مقاله به زبان ساده در مورد فرایند کاوی صحبت کنیم و این مفهوم را با مثال و تکنیک‌های مختلف مورد بررسی قرار دهیم.

فرایند کاوی یعنی فرایندها مدل شده و تجزیه و تحلیل شوند به طوری که کسب و کار‌ها به شکل درستی سازماندهی شوند و تحقق اهداف صورت بگیرد. رصد کردن و ارتقای فرآیندهای واقعی سازمان موضوعی است که می‌تواند در سیستم‌های اطلاعاتی تاثیرات زیادی از خود به جا بگذارد.

تعریف فرایند کاوی در یک نگاه

فرایند کاوی در واقع زیر چتر هوش تجاری قرار می‌گیرد. در این روش قرار است یک سری ابزارهای گزارش ساز استفاده شود که در نهایت آپشن‌های مدیریتی را به سبک درستی بررسی کند. دقت کنید که داده کاوی، داده‌ها را تجزیه و تحلیل می‌کند و در نهایت خلاصه سازی بر روی اطلاعات مفید صورت می‌گیرد و یک سری تکنیک‌ها ایجاد می‌شود تا سودآوری در نهایت به بهترین نحو دنبال شود. فرایند کاوی موضوع دیگری است! موضوعی که هنوز هم برای برخی از افراد جدید به نظر می‌رسد.

در فرایند کاوی قرار است فرآیند استخراج شود نه صرفاً داده! برای استخراج فرایند نیاز به داده‌هایی است که در سیستم‌های اطلاعاتی در داخل بایگانی‌های یک شرکت طبقه شده‌اند. اما در این راستا فقط نیاز به داده نداریم. می‌بایست فرآیند‌های شرکت و همینطور چگونگی اجرای داده‌ها نیز پردازش شود و این بخش وجه تمایز فرایند کاوی و داده کاوی است. مثلاً نیاز است که همه سیستم‌های آی تی بررسی شود و اطلاعات نیز در پایگاه داده‌ها به ذخیره سازی برسد و در نهایت log‌هایی تهیه می‌شود که داده‌های رویداد یا فرایند در آن توصیف شده‌اند. Process Mining تجزیه و تحلیل دقیق‌تر و عمیق‌تر است.

فرایند کاوی در لیست رشته‌های تحقیقاتی جدید قرار دارد به طوری که چیزی مابین داده کاوی و مدل کردن فرایندها است. در این روش ایده‌های اصلی بسیار مهم هستند به طوری که کشف و نظارت و بهبود فرآیندهای کسب و کار سه آیتم مهم در علم فرایند کاوی محسوب می‌شود.

در واقع فرایند کاوی قرار است یک رابطه بین فرایند‌های اصلی یا حقیقی و داده‌های مربوط به آنها باشد که قرار است با مدل‌های فرآیند تطبیق داده شود.

• همچنین ببینید: دوره فرایندکاوی

سه شاخه اصلی فرایند کاوی

همانطور که در آغاز مقاله اشاره شد، فرایند کاوی بر سه شاخه مهم کشف، نظارت و بهبود استوار است. این بخش برای بررسی هر یک از سه شاخه بررسی می‌شود.

کشف فرآیند: بخش اول و مهم از فرایند کاوی مربوط به کشف فرآیند است. در این تکنیک یک ورودی دریافت می‌شود که به آن نگاره می‌گویند، سپس ورودی دریافت شده به یک مدل خروجی تبدیل می‌شود به طوری که هیچ نوع اطلاعات قبلی در این راستا وجود ندارد. کشف فرایند از رایج‌ترین تکنیک‌های فرایند کاوی است. این روش در بسیاری از سازمان‌ها استفاده می‌شود به طوری که بر اساس روش‌های موجود یک سری نمونه نگاره‌های اجرا شده کشف می‌شوند. البته که در راستای کشف فرآیند شاخه‌های دیگری نیز وجود دارد. مثلاً می‌بایست بحث انطباق به درستی ارزیابی شود. در این راستا یک مدل موجود با فرایند مدل مقایسه می‌شود و بررسی می‌شود که آیا نگاره با مدل فرایند سازگاری دارد یا خیر. چک کردن مدل‌ها می‌تواند بر روی مدل‌های توصیفی، مدل‌های سازمانی و رویه‌ای و یا یک سری قوانین و سیاست‌های کاری باشد.

نظارت:  بخش دوم مربوط به نظارت است که نوعی بازنگری محسوب می‌شود و وابسته به بخش کشف فرآیند است، به این ترتیب که فرآیند کشف شده باید بر مبنای دیگر مورد نظارت و بازبینی قرار بگیرد تا خطاهاً کمبودها و سایر موارد مشخص شود. بخش نظارت به طور کلی یکی از بهترین بخش‌هایی است که می‌تواند Process Mining را به شکل شفاف دنبال نماید.

بهبود: در این بخش از اطلاعات موجود استفاده می‌شود تا بهبود صورت بگیرد. اطلاعات موجود در راستای فرایند‌های واقعی در حال اجرا که در سازمان‌ها در فضای نگاره‌های رویداد ثبت شده است، انتخاب می‌شود. فرآیندهای جاری مدنظر هستند. در بخش انطباق میزان انطباق مدل با واقعیت موجود بررسی می‌شد اما در بخش بهبود قرار است کم و کاستی‌ها برطرف شود. به طوری که نیاز به تغییر یک مدل بوده و یا برچسب زمان برای نگاره‌های رویداد بررسی می‌شود. سطوح سرویس‌دهی و همینطور زمان کار و فرکانس رخداد در این زمینه بسیار مهم هستند.

مقایسه فرایند کاوی با داده کاوی

فرایند کاوی یک پل ارتباطی است که فضای بین داده کاوی و سایر مدل‌های تحلیل شده را در نظر می‌گیرد. در تکنیک‌های داده کاوی موقعیت روندگرا دیده نمی‌شود و بسیاری از الگوریتم‌ها وجود دارد که می‌بایست بازسازی شود. از سوی دیگر فناوری فرایند کاوی ترکیبی از نقاط قوت داده کاوی و مدلسازی محسوب می‌شود که بر پایه فرایند ارزیابی می‌شود.

فرایند کاوی مدل‌های فرآیندی از داده‌ها هستند، که به نوعی می‌توانند مدل‌ها را به روز رسانی کنند. تفاوت‌های اصلی اغلب بین Process Mining و داده کاوی وجود دارد.

فرایند کاوی می‌تواند مدل‌های فرایند کامل برای مشخص کردن محل دقیق گلوگاه‌ها ایجاد نماید در حالی که داده کاوی یک سری الگوهای انتزاعی است که بر اساس درخت تصمیم دنبال می‌شود.

فرایند کاوی و داده کاوی هر دو بر داده‌هایی با حجم بالا صورت می‌گیرد به طوری که عملکردهای خوب را شامل می‌شود. شرکت‌های فناوری اطلاعات اغلب دوست دارند داده‌های بسیاری از ارتباط با فرایندهای کسب و کار را دنبال کنند. این داده‌ها نمایانگر شرایط واقعی هستند و سعی می‌کنند نقاط مهم برای آشکار سازی راه‌حل‌ها را در بر بگیرد.

در فرایند کاوی قرار است که تعمیم دادن برای فهم یک جریان فرایند صورت بگیرد این در حالی است که در داده کاوی تعمیم دادن نمونه برای یک قاعده کلی ارزیابی می‌شود.

هوش فرآیند تجاری تحلیل فرایند در حال اجرا را شامل می‌شود به طوری که برای فرایندهای تجاری گزینه مناسبی است این در حالی است که در داده کاوی برخی از ابزارها هنوز ناکافی هستند.

هدف از فرایند کاوی و لزوم استفاده از آن

موضوعی که در علم فرایند کاوی دیده می‌شود تنگناها هستند. تنگناها در بین فرایندها اغلب مشخص نیستند و پنهان هستند. در بحث فرایند کاوی این موضوع اهمیت زیادی دارد. یکی از اهداف اصلی برای فرایند کاوی مربوط به استخراج است. در واقع قرار است که تصویری برگ از فرایند کسب و کار شرکت مشخص شود. همینطور Process Mining بررسی می‌کند که ریشه انحرافات در شرکت‌ها چیست و یا تغییراتی که در روند اجرا وجود دارد به چه صورت است. انحرافات رفتاری به صورت خواسته و ناخواسته دنبال می‌شود.

اعمال فرایند کاوی در دنیای امروزه در بخش‌های مختلفی دیده می‌شود.فرایند کاوی برای هر صنعت و کسب و کار مفیدی اجرا می‌شود و رویکرد پر فایده ای دارد. در این زمینه نیاز به اطلاعاتی است که به صورت پایه بررسی می‌شود. یک سری شرکت‌ها هستند که با سیستم آی تی می‌توانند از کسب و کار خود پشتیبانی نمایند به طوری که داده‌های مورد نظر را در اختیار دارند و سعی به جمع آوری داده‌های جدید دارند. برخی از شرکت‌های تولیدی نیز هستند که برای چند نقطه جغرافیایی نیز تولیداتی در نظر می‌گیرند. بنابراین نیاز به داده‌های این بخش‌ها نیز خواهد بود.

مثلاً شرکتی اعلام می‌کند که تحویل به موقع و سریع به مشتریان خواهد داشت اما در عمل دیده می‌شود که تحویل در بین کالاها به مشتریان در نقاط مختلف اغلب از نظر زمانی تفاوت‌هایی وجود دارد. این تفاوت‌ها در ابتدا بسیار روشن هستند، یعنی مدیر شرکت می‌داند که این تفاوت‌ها وجود دارد اما ریشه تفاوت برای مدیر شرکت نامشخص است. اینکه متوجه شود تفاوت‌ها دقیقاً چرا و چگونه اتفاق افتاده است و نیاز است که تجزیه و تحلیل اطلاعات و داده‌های تحویل کالا صورت بگیرد. فرایند داده کاوی در این راستا به  صورت عینی عملکردهای مختلف را مقایسه می‌کند. گام‌های شخصی و هزینه ای در راستای فرایند کاوی بسیار مهم است.

اگر در سیستم داده رویدادی وجود داشته باشد می‌تواند برای استخراج فرایند نیز استفاده شود. در بخش مالی برای یک سازمان یک سری قوانین و مقررات وجود دارند که می‌تواند عملکردهای فردی را مدنظر قرار دهد. انحرافات و تغییرات مالی در بسیاری از سازمان‌ها رخ می‌دهد. علت عدم انطباق نیز بررسی میشود و در نهایت بهبود کسب و کار به شکل ضروری بررسی خواهد شد.

مزایای فرایند کاوی

فرایند کاوی یک حوزه تحقیقاتی است. در گذشته استفاده از اطلاعات گزارشات رویدادها در بخش فرایندها به ندرت استفاده می‌شد. اما امروزه هدف از فرایند کاوی این است که تحلیل‌های بهبود داشته باشد به طوری که از تکنیک‌ها و ابزارهای جدید برای تحلیل استفاده شود. کشف فرایندها در این زمینه بسیار مهم است به طوری که کنترل‌ها و داده‌ها و ساختارهای سازمانی باید بررسی شده باشد. شناسایی فرآیندها نوعی کاویدن گزارشات رویداد محسوب می‌شود. در رویکرد فرایند کاوی نیاز است که تاکید بر روی اکتشاف فرآیند صورت بگیرد و فرایندها توسعه داشته باشند.

فرایند کاوی دو نتیجه مهم دارد. اول اینکه ابزاری است که می‌تواند اطلاعاتی در مورد ارتباط یا چگونگی ارتباط بین فرآیندها ارائه دهد به طوری که همه تراکنش‌ها در قالب رویدادهای پایگاه داده و همینطور رویدادهای ارتباطی بررسی و بازخوانی صورت بگیرد.

مورد بعدی اینکه تحلیل فرآیند دلتا می‌تواند در مقایسه با فرآیندهای از پیش تعرفه شده بررسی شود و البته که فرایندهای واقعی را در بر بگیرد.

یکی از مهمترین مزیت‌هایی که برای فرایند کاوی دیده می‌شود واقع بینی است. واقع بینی در واقع استفاده از داده‌های واقعی است که تحلیل را به شکل درستی دنبال می‌کند. واقع بینی سبب می‌شود که سرعت مورد نظر توسعه یابد و اگر توسعه دهنده اطلاعات صحیحی برای موقعیت‌های مناسب داشته باشد سبب می‌شود که فرایند کاوی با سرعت بیشتر دنبال شود.

فرایند کاوی سبب می‌شود شناسایی استثنائات بالقوه به درستی صورت بگیرد و به طور کلی نقاط پنهانی نیز مشخص شود. در نهایت کنترل سازگاری از دیگر مزایای فرایند کاوی محسوب می‌شود.

البته که وقتی روشی ارزش اقتصادی بالایی ایجاد نماید یک سری معایب و سختی‌ها نیز به دنبال دارد. مثلاً معایب فرایند کاوی این است که پیدا کردن داده‌های صحیح و مفید کار آسانی محسوب نمی‌شود. دستیابی به داده‌های مناسب و تحقیق و تمرین بخش مهمی‌است که باید بهبود یابد. در فرایند کاوی نیاز است که مشکلات مربوط به داده‌ها برطرف شود. یک سری توسعه دهندگان وجود دارد که از استانداردهای مربوط به ثبت گزارشات استفاده می‌کنند تا بتوانند موقعیت داده کاوی را حل کنند. مشخص است که مستندات و راهنمایی‌هایی که در این بخش دیده می‌شود شانس پذیرش برای شرکت‌ها را بیشتر می‌کند.

جمع بندی

فرایند کاوی در واقع استخراج فرایند است. در این روش داده‌های رویداد در سیستم‌های آی تی شرکت استفاده می‌شود. بینش‌های مربوط در راستای عملیات تجاری شرکت بررسی می‌شود. این روش با تجسم داده‌ها دنبال می‌شود و ثبت نمودار جریان فرایند و ایجاد تجزیه و تحلیل‌های مختلف را در بر می‌گیرد. یک سری اطلاعات در مورد نیازهای بهبود یافته ارزیابی می‌شود و درک عمیقی که فرایندهای کسب و کار را دنبال می‌کند. این روش بر اساس ابزارها و تکنیک‌ها تصاویر بزرگ و نمای کلی سطحی از اجرای فرایند را مشخص می‌کند.

فرایند کاوی در واقع یک مبحث تحقیقاتی نو محسوب می‌شود اما توانسته یک پل ارتباطی خوب در حوزه‌های مدیریت فرایندهای کسب و کار باشد. در راستای استفاده از فرایند کاوی سیستم‌های اطلاعاتی به شکل منسجم و یکپارچه خواهند بود و هدف از پشتیبانی و مکانیزه سازی تراکنش‌های کسب و کار نیز ارزیابی می‌شود. بستر مورد نیاز برای روش‌های تحلیل داده نیز در این زمینه وجود دارد.