Le Process Mining est une technique dans laquelle les processus métier sont extraits des journaux d’événements du système d’information et analysés. Il s’agit d’une pratique de gestion des processus métier utilisée dans le but de découvrir de nouveaux processus, de comparer le processus existant avec le modèle de workflow et d’améliorer le processus. L’exploration de données dans les journaux d’événements peut fournir des informations précieuses qui ne peuvent pas être obtenues par d’autres méthodes.
Il existe trois catégories de process mining. Le premier est le modèle de découverte, ainsi nommé car il implique la découverte de processus auparavant inconnus ou non documentés. Ce type d’exploration de données est effectué lorsqu’il n’y a pas de modèle existant pour le flux de travail, ou lorsque la documentation existante est réputée défectueuse. Les journaux d’événements sont ensuite extraits des informations, qui sont analysées afin de pouvoir recréer le processus. Une documentation est ensuite créée pour le processus, sur la base des données extraites des journaux d’événements.
Le deuxième type de fouille de processus est le modèle de conformité. Le nom dérive de son objectif de vérifier si le flux de travail en cours est conforme au processus planifié. Les journaux d’événements sont des données extraites afin de localiser les différences entre le processus existant et le modèle.
Une fois ces différences localisées, elles sont analysées pour voir si elles ont amélioré le processus. Si de tels changements s’avèrent bénéfiques pour le processus, le modèle est alors révisé pour inclure ces écarts. Les décisions prises aux points de contrôle des processus sont examinées en fonction des informations disponibles à chaque point et des données affectant ces décisions. Si de tels changements sont désavantageux, des changements peuvent alors être apportés au processus existant pour lui permettre de se conformer plus facilement au modèle.
La troisième classe de Process Mining est le modèle d’extension. Ce type de data mining cherche à étendre un modèle existant avec une amélioration. Les données des journaux d’événements sont analysées pour rechercher des domaines d’amélioration possibles dans la structure du modèle. Les goulots d’étranglement, par exemple, peuvent être vérifiés pour des itinéraires alternatifs possibles dans le flux de travail.
Le process mining n’est pas sans difficultés. Certaines tâches sont invariablement masquées dans les journaux d’événements et ne peuvent pas être extraites des données. Ceux-ci peuvent être reconstruits au moyen d’une analyse minutieuse des tâches visibles, mais pas toujours. Les conclusions basées uniquement sur les informations extraites des journaux d’événements peuvent donc être de qualité douteuse.
Les tâches en double dans le journal des événements créent également des problèmes, car il peut y avoir différentes activités sous la même catégorie ou le même nom de tâche. Il peut donc être difficile de distinguer les tâches du même nom les unes des autres, malgré leurs fonctions différentes. D’autres problèmes incluent des données adéquates sur la prise de décision, l’incorporation du temps dans le modèle, des perspectives différentes, des données enregistrées de manière incorrecte et des informations tout simplement insuffisantes. L’exploration de processus doit être tempérée avec de l’expérience et un bon jugement pour surmonter ces problèmes lors de l’application de cette technique.