Process Mining es una disciplina que analiza procesos de negocio usando técnicas procedentes de la ciencia de los datos e incluso del machine learning.
Este libro es, en el momento de leerlo y de escribir estas líneas, probablemente la mejor y más completa obra que cubre esta disciplina. Un libro de
carácter fundamentalmente académico, con sólido basamento teórico y una argumentación limpia y muy bien estructurada.
El libro se estructura en dieciséis capítulos agrupados en seis partes:
- 'PARTE I: INTRODUCTION': Una parte, evidentemente, introductoria para entender fundamentalmente lo que es el Process Mining, el porqué de sus
existencia y situarla en el mapa de disciplinas relacionadas.
- 'Capítulo 1: Data Science In Action': Nos habla primero de un 'Internet de los eventos' destacando la oleada de eventos que se
producen en el mundo digital. Luego explica lo que es Data Science y tiende el puente entre esta disciplina y la de gestión de procesos.
- 'Capítulo 2: Process Mining: The Missing Link': Sitúa la disciplina del process mining. Para ello primero explica las limitaciones
del modelado, explica lo que es el process mining y su funcionamiento básico y finalmente situa esta disciplina en relación con otras como el BPM,
Data Mining, Six Sigma, Reingenieria de Procesos, Busines Intelligence, etc
- 'PARTE II: PRELIMINARIES': Ya que, de alguna forma, Process Mining es una especie de fusión o confluencia de técnicas (procesos y
data science), en esta parte proporciona ideas sobre ambos
- 'Capítulo 3: Process Modelling And Analysis': Habla del modelado de procesos y explica algunas de las técnicas y modelos
más conocidos en este campo como las Redes de Petri, YAWL, BPMN, Workflow Nets, etc
- 'Capítulo 4: Data Mining': Introduce ahora el campo del Data Mining, presentanmdo ideas como el aprendizaje supervisado y no
supervisado, árboles de decisión, k-means clustering, etc. Y cierra explicando conceptos sobre la calidad de los modelos.
- 'PARTE III: FROM EVENT LOGS TO PROCESS MODELS': quizá la parte central, y también la más compleja, explica desde la obtención de los datos hasta
el descubrimiento de los procesos subyacentes mediante diferentes técnicas
- 'Capítul 5: Getting The Data': Se centra en el primer paso: la obtención de datos. Nos habla de las fuentes posibles de datos, de los
logs de eventos incluyendo el estándar XES, problemáticas de calidad de los datos, etc
- 'Capítulo 6: Process Discovery: An Introduction': Entrando en la primera de las grandes áreas de aplicación del Process Mining, explica
cómo se puede hacer el descubrimiento de procesos para lo cual, prinmero define el problema y luego explica el algoritmo alpha reconociendo
también sus limitaciones y presentando algunos desafíos
- 'Capítulo 7: Advanced Process Discovery Techniques': tras haber visto en el capítulo anterior que el algoritmo alpha no puede tratar
correctamente las cuatro dimensiones de calidad (ajuste, simplicidad, precision y generalización) este capítulo presenta otras técnicas sin llegar
a un detalle completo de las mismas. Así, nos habla de heuristic mining, genetic process mining, region-based mining o inductive mining.
- 'PARTE IV: BEYOND PROCESS DISCOVERY': Otra parte muy importannte que aborda las otras aplicaciones del process mining aparte del descubrimiento de
procesos
- 'Capítulo 8: Conformance checking': Plantea el uso de process mining para comprobar el ajuste de la realidad al proceso definido. Empieza
por presentar cuál es la problemática y los objetivos. Luego explica el 'token replay' y alineamientos. Finalmente presenta varias formas de usar el
'conformance checking'.
- 'Capítulo 9: Mining Additional Perspectives': Presenta otras posibilidades del process mining incluyendo el organizational mining, los
análisis de tiempo y probabilidades o decision mining.
- 'Capítulo 10: Operational Support': Habla del uso del process mining, no para un análisis a posteriori sino para acciones útiles durante
la propia ejecución de los casos en temas como detección, prediccion y recomendación.
- 'PARTE V: PUTTING PROCESS MINING TO WORK': Entra ya en aspectos mucho menos teóricos y más de la realidad del día a día
- 'Capítulo 11: Process Mining Software': Repasa la tipología de herramientas software de process mining y describe someramente algunas
de ellas como ProM y algunas otras tanto comerciales como no comerciales.
- 'Capítulo 12: Process Mining In The Large': Habla de Process Mining en el entorno de los grandes volumenes de datos y el Big Data.
- 'Capítulo 13: Analyzing "Lasagna Processes"': Presenta el análisis en el caso de procesos bien estructurados.
- 'Capítulo 14: Analyzing "Spaghetti Processes"': Presenta el análisis en el caso de procesos poco estructurados.
- 'PARTE VI: REFLECTION': Una parte breve con unas consideraciones finales.
- 'Capítulo 15: Cartography And Navigation': Usando la metáfora de los navegadores cartográficos, habla de mapas de procesos de negocio
y algunas posibilidades para su navegación.
- 'Capítulo 16: Epilogue': Un breve cierre en que vuelve a presentar a Process Mining como un puente entre BPM y Data Science, presenta algunos
retos y hace una llamada a la acción.
'Process Mining. Data Science in action' es un libro de una altísima calidad, que explica muy bien los conceptos
pero que, eso sí, es muy especializado
y bastante complejo en algunos momentos, con abundancia de álgebra y definiciones formales que aportan mucho rigor y exactitud, pero que hacen más difícil la
lectura y la comprensión.
Un libro para especialistas y, probablemente, más para el estudio detenido que para la lectura de seguido.
|
