Process Mining

Con Process Mining si fa riferimento ad una disciplina che, nel settore Business Process Management, tratta una serie di tecniche che consentono un’analisi dei processi aziendali basata sui dati, in cui la valutazione di event log è in primo piano.
Combinando tecniche di data mining e computational intelligence (CI), l’obiettivo che si intende perseguire è quello di ottenere una migliore comprensione dei processi aziendali rilevanti per poterli organizzare nel modo più efficace.

OBIETTIVI DEL CORSO

A seguito di una contestualizzazione all’interno della disciplina del Business Process Management, il corso ha l’obiettivo di analizzare il ruolo del Process Mining rispetto al BPM Lifecycle, offrendo una panoramica delle diverse tipologie di tecniche di Process mining: automated discovery, performance mining, conformance checking, variants analysis, predictive monitoring.
Durante il corso verranno proposti case study per facilitare la comprensione dell’applicazione del Process mining nella pratica, i traguardi finora raggiunti e le lezioni apprese in diverse industry (banking, insurance, manifacturing) e su diverse tipologie di processi sia del business che dell’IT.
Verranno infine approfondite le modalità per la realizzazione di un progetto di process mining, offrendo una panoramica dei principali strumenti utilizzati.

CONTENUTI DEL CORSO

DAY 1

• Introduction to Business Process Management (BPM)
• Introduction to Process Mining: History of process mining; Role in the BPM lifecycle; Value proposition; Overview of categories of process mining techniques (automated discovery, performance mining, conformance checking, variants analysis, predictive monitoring); Process mining vs Business Activity Monitoring and Business Intelligence.
• Case studies: Process mining uptake in practice; Case studies in different application areas (finance, healthcare, IT service provider, etc.); Results achieved and lessons learned.
• Automated process discovery: Anatomy of an event log; Ingredients of a process map; Overview of main discovery algorithms (Inductive Miner, Split Miner); Alternative discovery views (social networks, object lifecycle models); Visual analytics and results interpretation; Practical exercises.

DAY 2

• Performance mining: Process performance metrics (time, cost, quality and flexibility dimensions); Overview of main performance mining techniques (dotted charts, summary statistics, statistics over process maps/models, stage-based cumulative flow diagrams); Visual analytics and results interpretation; Practical exercises
• Conformance checking: Conformance checking concepts (play-in, play-out, replay); Overview of conformance checking techniques (token replay, alignments, event structures); Conformance of process data and resources; Visual analytics and results interpretation; Practical exercises; Variants analysis and Predictive monitoring; Drivers for variants analysis and overview of techniques; Visual analytics and results interpretation; Practical exercises; Overview of predictive monitoring; Prediction targets and methods; Predictive monitoring dashboards.
• How to run a process mining project: Types of process mining project (exploratory, question-driven); Phases of a question-driven project and role of stakeholders; Data acquisition and pre-processing; Common pitfalls of process mining projects; Overview of process mining tools.