Process Mining, ou Mineração de Processos, ganha cada vez mais holofotes na nova era da ciência de dados – a de Análises Aumentadas (Augmented Analytics). Ao mesmo tempo, companhias em transformação aceleram a adoção de Inteligência Artificial (IA) em busca da melhor experiência para seus clientes e, claro, ganho de eficiência.
Nesse contexto, uma questão cada vez mais frequente é: qual a diferença entre essas duas tecnologias? A Inteligência Artificial simula, em máquinas e dispositivos, a inteligência humana. Isto é, é um campo que procura por formas de empoderar computadores com capacidades cognitivas (pensar, aprender), de maneira a permitir a execução de atividades mais complexas. Uma das tecnologias chave por trás da IA é o machine learning (aprendizado de máquina) e, mais especificamente, o deep learning (aprendizagem profunda).
Nesse aprendizado, ao invés de codificar um algoritmo para que um computador execute tarefas bem delimitadas, o objetivo é ensinar ao computador a execução de atividades que variam de acordo com os dados disponibilizados como entrada (em alguns casos, muitos dados).
Esse treinamento requer algoritmos que permitam à máquina “aprender” com dados históricos para, então, modelar e atuar sobre os novos dados que receberá para processamento. Algoritmos de classificação, clusterização e regressão se tornam os blocos de construção dessa IA moderna. Em muitos projetos de IA, há uma importante jornada de preparação dos dados até que se encontre o modelo mais apropriado.
Onde a IA tem obtido mais sucesso recentemente? Em cenários nos quais há uma estrutura mais fixa e estável para a inserção de dados. Imagens, por exemplo, são sempre matrizes de vermelho, verde ou azul (RGB), ou algo equivalente. A IA cai feito luva em aplicações de reconhecimento de imagens.
A IA, então, compartilha algo em comum com Process Mining: a existência de um modelo derivado dos dados. E é exatamente neste ponto no qual as principais diferenças residem. Devido à sua especialização, há uma estrutura particular nos dados ingeridos por uma solução de Process Mining, assim como há alguma orientação pré-definida para sua modelagem.
No Process Mining, entretanto, os dados de entrada tomam a forma de eventos, conectados entre si em formato de fluxo/processo e geralmente compostos de ao menos três pedaços: data/hora (timestamp), a identificação do caso e o nome da atividade. Essa estrutura mínima fornece uma série de abstrações que impulsionam este campo da ciência de dados: traços e modelos de processos, gargalos, desvios, retrabalhos, dentre outras. Essas abstrações suportam algoritmos de descoberta, análise de conformidade, simulações e muito mais – sempre com foco na visibilidade fim-a-fim do fluxo.
Há um aprendizado de máquina no qual a estrutura dos dados é mais presente e muito pode ser aprendido com pouco esforço. Atualmente, considerando que a interpretação é mais fácil através da estrutura de dados do Process Mining, é comum a aplicação dessa tecnologia na exploração de conjuntos de dados para, posteriormente, automatizá-los através de tecnologias baseadas em IA.
Em resumo: se o seu conjunto de dados é formado de eventos, e sua necessidade é analisar fluxos (processo ou algo com cara de processo), você encontrará um caminho mais curto para os resultados ao analisá-los com o Process Mining.
Os dados se tornaram um recurso natural essencial para as operações de negócios. As empresas precisam considerar quatro elementos de transformação digital ao desenvolver estratégias para aproveitar os dados. Tornou-se uma espécie de clichê que os dados são um recurso natural essencial para o funcionamento de uma empresa. Deve ser aproveitado e transformado em […]
Com os desafios da Indústria 4.0, Process Mining dá apoio às empresas para se adaptarem rapidamente às mudanças tecnológicas através da análise de processos técnicos e de negócios, podendo, assim, oferecer soluções customizadas para os clientes. CONCEITO DE INDÚSTRIA 4.0 A Primeira Revolução Industrial teve início no final do século XVIII, quando as pessoas começaram […]
As mais complexas organizações já possuem ou irão criar no futuro próximo os seus Centros de Serviços Compartilhados (CSC). Essas empresas lidam com milhares de clientes, de fornecedores, de pedidos e tal volume de transações torna a gestão dos serviços, mantendo a qualidade no atendimento dentro dos requisitos de custo, um verdadeiro desafio. Sem mencionar […]
