داده کاوی ، مدیریت فرایند و فرایند کاوی

داده کاوی ، مدیریت فرایند و فرایند کاوی

داده کاوی ، مدیریت فرایند و فرایند کاوی

داده های بزرگ, واقعیتی فراتر از تصور است.

داده های بزرگ به مجموعه ای از داده ها اطلاق میشوند که بزرگ هستند و از قابلیت های درک و تحلیل بشرو یا حتی از دیتابیس های سنتی و ابزارهای کامپیوتری مدیریت اطلاعات فراتر رفته اند.

داده بزرگ نتیجه مستقیم پخش اطلاعات از طریق اینترنت یا شبکه های اجتماعی است که تغییرات گسترده ای ایجاد میکند. در سال 2010, حجم داده های دیجیتالی ایجاد شده در سراسر جهان حدود 1.2 زتابایت بود و بر اساس IDC تا سال 2020 به 1021 زتابایت رسید .

به عبارت دیگر, از ابتدای آغاز بشریت تا کنون بیشترین داده های ایجاد شده مربوط به دو سال گذشته هستند. در سال 2020 در هر ثانیه 1.7 مگابایت داده ایجاد شده است .

داده کاوی ، مدیریت فرایند و فرایند کاوی

داده های بزرگ در پروژه

البته با در نظر گرفتن استثناها و چندین غول که هدایت گر وب هستند و کسب و کارشان را بر اساس افزایش داده راه اندازی میکنند (فیس بوک روزانه بیش از 500 ترابایت داده جدید تولید میکند و در یوتیوب در هر دقیقه 400 ویدیو بارگذاری میشوند) میتوان گفت داده های بزرگ در بسیاری از شرکت ها ابعاد متعادلی دارد .

با این وجود, مدیریت این حجم از داده نیز قابل درک است: تا اواسط سال 2000 تعدادی از سیستم های SAP R/3 تا یک ترابایت رسیدند. امروزه با SAP ERP  این حجم عادی میباشد (یک نصب ساده 250 گیگ فضا اشغال میکند). بعضی از سیستم ها تا 50 ترابایت نیز میرسند.

داده های IDG سال 2016 و یک نظرسنجی تحلیلی نشان میدهد که SME/SMI تقریبا” 47.8 ترابایت داده را مدیریت میکند. در حالی که برای شرکت های بزرگ این مقدار 347.6 ترابایت یا به عبارتی هفت برابر است. کمتر از 19% شرکت اذعان کرده اند که حجم 1 ترابایتی مدیریت شده در حالی که برای 7% این مقدار بیش از 1 پترابایت است. برای بسیاری از این شرکت ها این حجم نیز به 60 الی 150% افزایش می یابد.

 

علم داده اکنون حاضر است

طبیعی است که در این مبحث علم داده از بدیهیات است و از سال 2012 توسعه یافته است. علم داده به شرکت اجازه تحلیل داده های خام را میدهد تا آن ها را به اطلاعات ارزشمند تبدیل کند تا مشکلات کسب و کار حل شوند.

داده کاوی ، مدیریت فرایند و فرایند کاویعلم داده از داده بزرگ حاصل نمیشود بلکه داده را مهم تر میکند. هدف آن خیلی واضح و صریح است: در واقع درصدد ارزش بخشی به داده است.

برای انجام این کار علم داده از زمینه های مختلفی کمک میگیرد.

  • ریاضیات: مدل ها و آمار
  • تکنولوژی: داده, تکنولوژی فرایند (الگوریتم, یادگیری ابزار)
  • کسب و کار: تحلیل داده باید به نتایجی برای شرکت منجر شود تا عملکرد را بهبود بخشیده و موجب سود بیشتر میشود.

بنابراین یافتن علم داده با چنین تنوعی در زمینه ها کار آسانی نخواهد بود.

علم داده نباید هدف نهایی را انکار کند و آن دادن ابزار به شرکت برای ایجاد ارزش است .

 

علم فرایند آینده است

به همین دلیل است که رویکرد ها برای این هدف قابل اجراتر هستند.

داده کاوی ، مدیریت فرایند و فرایند کاویمانند علم داده, علم فرایند نیزبه فرایند های آماری , اطلاعات تکنولوژی و مدیریت فرایند و روش های مدیریت اجرایی قدرت میبخشد.

در حالی که علم داده در روش های فلسفه مورد استفاده قرار میگیرد, علم فرایند به سمت مدل فرایندهای end-to-end  حرکت میکند و از داده برای تحلیل فرایند استفاده میکند.

علم فرایند و درک پیشرفت فرایندهای شرکت را ممکن میسازد تا تولیدات و موارد دیگر را تحلیل کند. حتی پاسخ به حذف آن را مانند مدیریت فرایند کسب و کار یا بهبود فرایند کسب و کار را ممکن میسازد.

استخراج فرایند: اتصال گمشده

قانونی وجود دارد که پل اصلی بین علم داده و علم فرایند را میسازد: استخراج فرایند.

اصول آن شامل کشف فرایندهای شرکت به دلیل آثار باقیمانده در سیستم اطلاعاتی میباشد. استخراج فرایند مقایسه اجرای واقعی فرایند ها را با مدل های تکرای اتوماتیک فراهم میسازد .

 

در واقع ما از حجم اطلاعاتی که خاموش مانده اند, آگاهیم.

به همین دلیل است که ما توسعه دهنده قدرتمند استخراج فرایند هستیم که با ما اجازه میدهد ارزش داده ها را به مشتریان نشان دهیم و از این داده ها برای مدیریت و تسهیل تحولاتی که برای ماندن در بازار رقابت ضروری هستند استفاده کنیم.


پیشنهاد می شود به مقاله فرایند کاوی چیست؟ هم نگاهی بیاندازید.

 


 

https://www.celonis.com/blog/process-mining-the-missing-link-between-data-science-and-process-science/

 

مدیریت فرایندهای کسب و کارمقالات

داده کاویفرایند کاویمدیریت فرایند

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *