Il mining di processi è una tecnica in cui i processi aziendali vengono estratti dai registri eventi del sistema informativo e analizzati. È una pratica di gestione dei processi aziendali utilizzata allo scopo di scoprire nuovi processi, confrontare il processo esistente con il modello del flusso di lavoro e migliorare il processo. Il data mining dei registri eventi può produrre informazioni preziose che potrebbero non essere ottenute con altri metodi.
Esistono tre categorie di processo di mining. Il primo è il modello di individuazione, così chiamato perché implica la scoperta di processi precedentemente sconosciuti o non documentati. Questo tipo di data mining viene condotto quando non esiste un modello esistente per il flusso di lavoro o quando si ritiene che la documentazione esistente sia difettosa. I log degli eventi vengono quindi estratti per informazioni, che vengono analizzate per poter ricreare il processo. La documentazione viene quindi creata per il processo, in base ai dati estratti dai registri eventi.
Il secondo tipo di processo di mining è il modello di conformità. Il nome deriva dal suo scopo di verificare se il flusso di lavoro in corso è conforme al processo pianificato. I registri eventi sono dati estratti per individuare le differenze tra il processo esistente e il modello.
Una volta individuate tali differenze, vengono analizzate per vedere se hanno migliorato il processo. Se tali cambiamenti dovessero rivelarsi utili per il processo, il modello viene quindi rivisto per includere queste deviazioni. Le decisioni prese ai checkpoint di processo vengono riviste in merito alle informazioni disponibili in ciascun punto e ai dati che influenzano tali decisioni. Se tali modifiche sono svantaggiose, è possibile che vengano apportate modifiche al processo esistente per consentirgli di conformarsi più prontamente al modello.
La terza classe di processo di mining è il modello di estensione. Questo tipo di data mining cerca di estendere un modello esistente con un miglioramento. I dati dei registri eventi vengono analizzati per possibili aree di miglioramento nella struttura del modello. I colli di bottiglia, ad esempio, possono essere controllati per possibili percorsi alternativi nel flusso di lavoro.
Il processo di mining non è privo di difficoltà. Alcune attività sono invariabilmente nascoste dai registri eventi e non possono essere estratte dai dati. Questi possono essere ricostruiti mediante un’attenta analisi delle attività visualizzabili, ma non sempre. Le conclusioni basate esclusivamente sulle informazioni estratte dai registri degli eventi possono pertanto essere di qualità discutibile.
Anche le attività duplicate nel registro eventi creano problemi, poiché possono esserci attività diverse nella stessa categoria o nome dell’attività. Può quindi essere difficile distinguere i compiti con lo stesso nome l’uno dall’altro, nonostante abbiano funzioni diverse. Altri problemi includono dati adeguati sul processo decisionale, incorporazione di tempo nel modello, prospettive diverse, dati registrati in modo errato e informazioni semplicemente insufficienti. Il processo di mining deve essere temperato con esperienza e buon senso per superare tali problemi quando si applica questa tecnica.