Автоматизированный анализ бизнес-процесса с применением подхода Process Mining (командный проект)

Материал из Wiki - Факультет компьютерных наук
Версия от 17:22, 3 октября 2017; GalinaKaleeva (обсуждение | вклад)

(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)
Перейти к: навигация, поиск
Компания PwC
Учебный семестр Осень 2017
Учебный курс 3-й курс
Максимальное количество студентов, выбравших проект: 3-5



Что это за проект?

Многие компании, в результате автоматизации бизнес-процессов, накапливают большой объём данных в ERP системах. Массивы информации, появляющейся в результате операционной деятельности компаний, могут быть использованы для многих целей, в том числе для анализа фактического состояния бизнес-процессов, а также разработки планов по их улучшению или изменению.

Проект предполагает разработку рабочего прототипа инструмента, который используя алгоритмы машинного обучения и методологии Process Mining, анализирует бизнес-процесс и представляет результаты в графическом и текстовом виде.

На входе такой инструмент получает набор табличных данных в виде журнала событий ERP системы по бизнес-процессу, а на выходе визуализирует бизнес-процесс компании и рассчитывает ряд показателей описательной и предиктивной аналитики. Так, например, такой инструмент может предоставлять информацию о наиболее часто встречающихся отклонениях от стандартного процесса и потенциальных причинах их появления, а также обнаруживать нетипичные и неоптимальные цепочки событий (например - риск мошенничества, области для оптимизации процесса и т.д.). Впоследствии, на базе данного прототипа планируется разработка инструмента вариативного прогнозирования (Data-driven decision making).

Чему научатся студенты? Что самое интересное в проекте?

- Понимать логику и основы построения бизнес-процессов и оценивать риски возникающих отклонений;

- Применять алгоритмы машинного обучения для статистической обработки системной информации;

- Работать с данными из ERP систем, используемых во всех крупных компаниях (Oracle, SAP, MS Dynamics Axapta etc.);

- Определять и формулировать задачи, организовывать время и работу (time- and project – management);

- Познакомятся с принципом упорядочивания и очистки данных для анализа - “tidy data”;

- Попрактиковаться в написании четкого и понятного кода;

- Работать в команде.

Организация работы (Как студенты будут работать в команде?)

Проектная команда состоит из 3-5 человек. В рамках проектной команды предполагаются следующие роли участников (однако список этим не ограничивается):

- Специалист по машинному обучению

- Специалист по очистке данных

- Бизнес-аналитик

- Специалист по оценке и анализу рисков

- Менеджер проекта

- Разработчик

- Тестировщик

Каждый участник может попробовать себя в одной или более ролей, совместив, к примеру, роль менеджера проекта и тестировщика. На первоначальном этапе планируется совместная работа по определению масштаба работ и по постановке задач с последующим их распределением.

Компоненеты (Из каких частей состоит проект?)

  • Инициализация.
  • Проектирование.
  • Планирование.
  • Реализация.
  • Анализ и работа над полученными результатами.
  • Результат.

Какие будут использоваться технологии?

Python/Java/R/С++ или другие;

Реляционные базы данных (MySql, MS SQL etc.);

Какие начальные требования?

Знания одного из языков программирования (Python, Java etc.);

Базовые знания в области машинного обучения;

Темы вводных занятий

- Основы управления проектами: методы приоритизации, организации времени и разработки рабочего плана

- Process Mining: основные концепции и понятия

- Принципы работы с очисткой и упорядочивания данных – “tidy data”

- Риск-менеджмент в организации

- Презентация: структура и навыки.

Критерии оценки

  • 8 – 10: разработан инструмент с функционалом для интерактивной визуализации процесса, расчетом ключевых показателей эффективности (KPI), поиска нетипичных\неоптимальных цепочек процесса и элементами предиктивной аналитики;
  • 6 – 7: разработан инструмент с функционалом для интерактивной визуализацией процесса, расчетом ключевых показателей эффективности (KPI), поиска нетипичных\неоптимальных цепочек процесса;
  • 4– 5: разработан инструмент с функционалом интерактивной визуализацией процесса, расчетом ключевых показателей эффективности (KPI).

Похожие проекты

TBA

Контактная информация

Dmitry Morozov

PwC, Senior Consultant, Risk Assurance Solutions

Office: +7 (495) 967-60-00

Email: dmitry.v.morozov@ru.pwc.com