Ну что ж, давайте рассмотрим еще один достаточно непростой случай. Часто задают вопрос: можно ли собирать процессы в процессном майнинге на основании данных из электронной почты? В принципе, такая возможность есть. Давайте я снова нарисую процесс, как это будет выглядеть.
Представьте, что у нас есть электронная почта. Что нам нужно сделать, чтобы процессный майнинг из писем собрал процесс?
Во-первых, нам нужно определить название операции.Во-вторых, нам нужен идентификатор процесса (ID процесса), по которому мы поймем, что все эти письма относятся к какой-то закупке, клиенту или обращению.
У нас есть время отправки и получения каждого письма. Если мы решим первую задачу (название операции) и вторую (ID процесса), то сможем собрать процессы из электронной почты с помощью майнинга.
Как определить ID процесса?
Если в теме или теле письма указан номер заявки, то он может стать идентификатором экземпляра процесса. Мы соберем все письма, содержащие этот номер, и объединим их в один экземпляр процесса.
Таким образом, это вполне реализуемо, причем достаточно просто.
Помимо времени отправки и получения, в письмах всегда есть исполнители (отправители и получатели), поэтому их тоже можно учесть.
Как анализировать название операции?
Это самая сложная часть, но её можно решить с помощью алгоритмов. Я бы добавил сюда сервисы машинного обучения: мы можем взять текст письма и обработать его ML-инструментом, чтобы классифицировать письмо по операциям процесса.
В идеале перед началом анализа у нас уже должен быть перечень операций процесса. Но даже если его нет, мы можем:
-
Взять набор писем.
-
Попросить ML-инструмент рассортировать их, выделить ключевые слова.
-
На основе этих слов составить перечень операций.
-
Проверить, уточнить и донастроить алгоритм.
-
Запустить его повторно.
Итог
Чтобы применить процессный майнинг к почтовой переписке, нам нужно:
-
Все письма по процессу.
-
Нейросети для кластеризации текстов и определения операций.
-
Идентификатор процесса (номер заявки, заказа и т. д.), который можно извлечь с помощью ML или вручную.
Важный нюанс: если письмо пустое, но относится к процессу, алгоритм может его пропустить. Поэтому стопроцентной точности ждать не стоит — мы работаем с данными, не совсем удобными для процессного майнинга.
Тем не менее задача решаема. Спасибо!
Тема: Применение процессного майнинга к данным электронной почты
-
Цель: Автоматически восстанавливать бизнес-процессы на основе переписки.
-
Ключевые шаги:
-
Определить название операции (что происходит в письме).
-
Найти ID процесса (например, номер заявки), чтобы группировать связанные письма.
-
Использовать время отправки и исполнителей (отправитель/получатель) для анализа последовательности действий.
-
Методы:
-
Машинное обучение для классификации писем по операциям.
-
Если нет готового списка операций, ML может выделить ключевые слова и помочь его составить.
-
Ограничения:
