第一本关于流程挖掘的书,弥合了业务流程建模和业务智能之间的差距,并在快速增长的数据科学学科中定位流程挖掘
这第二版包括超过150页的新材料,例如关于数据质量,数据科学的关系,归纳挖掘技术和对齐的概念
由最有影响力、被引用最多的计算机科学家之一和最知名的BPM研究员撰写
面向学术界和工业界的广泛受众的独立和全面的概述,包括关于工具和现代IT基础结构的利用的最新信息
人们对数据科学的兴趣正在迅速增长。许多人认为数据科学是未来的职业。就像计算机科学在20世纪70年代成为一门学科一样,我们现在见证了数据科学研究中心和学士/硕士项目的快速创建。大数据和预测分析相关的炒作说明了这一点。数据(“大”或“小”)对个人和组织来说是必不可少的,它们的重要性只会增加。然而,仅仅关注数据存储和数据分析是不够的。数据科学家还需要将数据与操作流程联系起来,并能够提出正确的问题。这需要理解端到端流程。流程挖掘弥合了传统的基于模型的流程分析(如模拟和其他业务流程管理技术)和以数据为中心的分析技术(如机器学习和数据挖掘)之间的差距。流程挖掘为各种应用领域的过程改进提供了一种新的手段。无所不在的事件数据与处理挖掘相结合,使组织能够基于事实而不是虚构来诊断问题。
尽管传统的业务流程管理(BPM)和业务智能(BI)技术受到了广泛的关注,但它们并没有达到学者、顾问和软件供应商的期望。今天大力推广的大多数大数据技术可能也会发生同样的情况。目标应该是改进操作过程本身,而不是它们使用的工件(模型、数据和系统)。正如将在本书中演示的那样,有一些新颖的方法将“数据科学付诸行动”,并基于它们生成的数据改进流程。
流程挖掘是一个新兴的学科,提供了全面的工具集,以提供基于事实的见解,并支持过程改进。这个新的规程建立在过程模型驱动的方法和数据挖掘的基础上。然而,过程挖掘不仅仅是现有方法的合并。例如,现有的数据挖掘技术过于以数据为中心,无法提供对组织中端到端流程的全面理解。BI工具专注于简单的仪表板和报告,而不是明确的业务流程洞察。BPM套件严重依赖于专家对理想化的将来流程进行建模,而不帮助涉众理解原有流程。
本书介绍了一系列流挖掘技术,帮助组织揭示他们的实际业务过程。流程挖掘不限于流程发现。通过将事件数据和过程模型紧密耦合,可以检查一致性、检测偏差、预测延迟、支持决策并建议过程重新设计。流程挖掘为静态流程模型注入了活力,并将今天的海量数据放到流程上下文中。因此,与过程改进(例如,六西格玛,TQM, CPI和CPM)和遵从性(SOX, Basel II等)相关的管理趋势可以从过程挖掘中受益。如本书所述,过程挖掘出现于过去十年[156,160]。然而,它的起源可以追溯到大约半个世纪以前。例如,Anil Nerode在1958年提出了一种方法来合成有限状态机[108],Carl Adam Petri在1962年引入了第一种充分捕获并发性的建模语言[111],Mark Gold在1967年第一个系统地探索了可学习性的不同概念[61]。当数据挖掘在20世纪90年代开始蓬勃发展时,很少有人关注过程。此外,直到最近事件日志才变得普遍,从而支持端到端流程发现。自2003年第一次调查过程采矿以来[156],取得了惊人的进展。过程挖掘技术已经成熟,并得到各种工具的支持。此外,虽然最初的主要焦点是过程发现,但过程挖掘的范围已经显著扩大。例如,一致性检查、多视角过程挖掘和操作支持已经成为ProM(主要过程挖掘工具之一)的组成部分。
本书提供了流程挖掘的最先进技术的全面概述。本课程旨在为实践者、学生和学者介绍本课题。一方面,这本书对不熟悉这个话题的人来说很容易理解。另一方面,这本书并没有避免以一种严谨的方式解释重要的概念。本书的目标是独立的,同时涵盖从过程发现到操作支持的整个过程挖掘。因此,它也可以作为日常处理BPM或BI的人员的参考手册。
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“P477” 就可以获取《【经典书】流程挖掘: 数据科学实战,477页pdf》专知下载链接