Close
Back
Blog: Process Mining: Der fehlende Zusammenhang zwischen Daten- und Prozesswissenschaften
Process mining link

Process Mining: Der fehlende Zusammenhang zwischen Daten- und Prozesswissenschaften

SĂ©bastien Duprez
von SĂ©bastien Duprez
April 25, 2019
Lesezeit: 5 Minuten

Wir leben in einer extrem vernetzten Welt, einer Gesellschaft, in der der Zugang zu Informationen und Daten einfacher ist als jemals zuvor in der Geschichte. Begriffe wie "Big Data" und "Data Science" sind so schnell in die Umgangssprache eingetreten, dass nur wenige Menschen die damit verbundenen tiefgreifenden VerÀnderungen verstehen. VerÀnderungen, die den Alltag von uns allen betreffen und die Unternehmen offensichtlich zur Weiterentwicklung anregen.

Diejenigen, die sich nicht schnell genug entwickeln, sind unweigerlich dazu verurteilt zu verschwinden.

Beratungsunternehmen wie neosight haben die Aufgabe, diese Entwicklungen zu verstehen und zu erfassen, unseren Kunden zu helfen, sie zu nutzen und zu transformieren: ihre Informationssysteme zu transformieren, ihre Prozesse zu transformieren, ihre Organisation zu transformieren. Deshalb möchte ich in diesem Blogbeitrag einige Gedanken zu einer Reihe dieser SchlĂŒsselthemen teilen.

Big Data, eine RealitĂ€t, die ĂŒber Fiktion hinausgeht

Big Data bezieht sich auf DatensĂ€tze, die so groß geworden sind, dass sie die Intuition und die analytischen FĂ€higkeiten des Menschen ĂŒbersteigen, sogar die der traditionellen Datenbank- oder Informationsmanagement-Computerwerkzeuge.

Big Data ist die direkte Folge einer Explosion von Informationen, die durch das Internet der Menschen (soziale Netzwerke) und das Internet der Dinge erzeugt werden, was zu einer drastischen GrĂ¶ĂŸenverĂ€nderung fĂŒhrt. Um Ihnen eine Vorstellung zu geben: Das weltweit entstehende Volumen an digitalen Daten wurde 2010 auf 1,2 Zetabyte pro Jahr geschĂ€tzt. Laut IDC (Digital Universe Study of 2014) werden es im Jahr 2020 44 Zetabytes sein (ein Zetabyte sind 1021 oder 1.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000 Bytes).

Mit anderen Worten, allein in den letzten 2 Jahren sind mehr Daten entstanden als seit Beginn der Menschheit! Im Jahr 2020 werden jede Sekunde und fĂŒr jeden Menschen 1,7 Mb Daten erzeugt.

Big Data im Unternehmen

NatĂŒrlich, mit Ausnahme einiger weniger Giganten, die das heutige Web prĂ€gen und mit der Verbreitung von Daten ihr GeschĂ€ft machen (Facebook: tĂ€glich mehr als 500 Terabyte neue Daten; YouTube: 400 Stunden Videos, die jede Minute online gestellt werden usw.), hat Big Data in den meisten Unternehmen eine bescheidenere Dimension.

Aber auch die Explosion des zu verwaltenden Datenvolumens ist spĂŒrbar: Bis Mitte der 2000er Jahre erreichten oder ĂŒberschritten nur wenige SAP-R/3-Systeme 1 Tb. Heute ist es mit SAP ERP ein alltĂ€gliches Volumen (eine "Basisinstallation" reprĂ€sentiert bereits fast 250 GB mit 100 bis 150 GB reserviertem Platz fĂŒr Kundendaten). Einige Systeme ĂŒberschreiten 50 TB.

Eine IDG Data & Analytics-Übersicht aus dem Jahr 2016 zeigt, dass ein KMU/SMI durchschnittlich 47,8 TB Daten verwaltet, wĂ€hrend es fĂŒr große Unternehmen 347,6 TB (7 mal mehr) sind. Weniger als 19 % der befragten Unternehmen verwalten ein Datenvolumen von weniger als 1 Terabyte, wĂ€hrend es bei 7 % mehr als 1 Petabyte ist). FĂŒr die meisten dieser Unternehmen ist dieses Volumen inzwischen von 60 auf 150 % gestiegen.

Data Science ist die Gegenwart!

In einem solchen Kontext ist es natĂŒrlich, dass Data Science, eine sehr junge Disziplin (25 Jahre alt), zu einem Muss geworden ist. Seit 2012 boomt sie. Data Science ermöglicht es einem Unternehmen, Rohdaten zu erforschen und zu analysieren, um sie in wertvolle Informationen zur Lösung von GeschĂ€ftsproblemen zu verwandeln.

neosight post1 image1

Data Science wurde nicht aus Big Data geboren, aber sie macht diese umso wichtiger. Ihr Ziel lÀsst sich ganz einfach formulieren: Es geht darum, Daten einen Wert zu geben!

Dazu greift Data Science auf verschiedene Bereiche zurĂŒck:

  • Mathematik: Modelle, Statistik

  • Technologie: insbesondere IT-Technologie (Algorithmen, maschinelles Lernen, etc.)

  • GeschĂ€ft: Die Datenanalyse muss zu nĂŒtzlichen Schlussfolgerungen fĂŒr das Unternehmen fĂŒhren, um seine Funktionsweise zu verbessern und ihm zu helfen, höhere Gewinne zu erzielen.

Es ist daher nicht einfach, Datenwissenschaftler mit einem so breiten Spektrum an Fachgebieten zu finden.

Vor allem aber darf der Datenwissenschaftler das eigentliche Ziel nicht aus den Augen verlieren: dem Unternehmen die Möglichkeit zu geben, Werte zu schaffen.

„Process Science“ ist die Zukunft!

Daher entwickeln sich andere AnsĂ€tze, die fĂŒr dieses Ziel besser geeignet sind. Besonders die, die wir Prozess-Wissenschaft nennen können.

neosight post1 image2

Wie Data Science nutzt sie Informationstechnologie und mathematische Verarbeitung, aber auch Methoden des Prozessmanagements und des Betriebsmanagements.

WÀhrend Data Science hÀufig und freiwillig auf eine "agnostische" Weise verwendet wird, ist Prozess-Wissenschaft auf End-to-End-Prozessmodelle ausgerichtet und hÀngt stark davon ab. Sie verwendet die Daten, um die Prozesse detailliert zu analysieren.

Process Science ermöglicht es somit, den Fortschritt der Unternehmensprozesse perfekt zu verstehen und mögliche Fehlfunktionen oder Abweichungen zu analysieren. Noch besser ist, dass sie es ermöglicht, Antworten zu deren Beseitigung zu geben, wie z.B. Business Process Management (BPM) oder Business Process Improvement (BPI).

Process-Mining: der fehlende Link

Es gibt eine Disziplin, die eine echte BrĂŒcke zwischen Data Science und Process Science bildet: Process-Mining. Ihr Prinzip besteht darin, die Prozesse des Unternehmens dank der Spuren zu erkennen, die bei der AusfĂŒhrung im Informationssystem hinterlassen wurden. Process-Mining ermöglicht den Vergleich der tatsĂ€chlichen AusfĂŒhrung von Prozessen mit bereits erstellten oder automatisch neu erstellten Modellen.

neosight post1 image3

Bei neosight sind wir uns als Experten fĂŒr Unternehmens-Informationssysteme (insbesondere SAP) der erheblichen und weitgehend ungenutzten Masse an Informationen bewusst, die dort schlummern.

Aus diesem Grund sind wir ein starker BefĂŒrworter von Process-Mining, der es uns ermöglicht, unseren Kunden den Wert ihrer eigenen Daten offenzulegen und vor allem diese Daten zur Verwaltung und Erleichterung der Transformationen zu verwenden, die sie durchfĂŒhren mĂŒssen, um auf ihren MĂ€rkten wettbewerbsfĂ€hig zu bleiben.

SĂ©bastien Duprez
SĂ©bastien Duprez
Contributing Writer

SĂ©bastien Duprez is the Director, Process Mining & Innovation Watch for neosight SAS.

Newsletter abonnieren

Abonnieren Sie unseren monatlichen Newsletter

Thank you for your subscription

New Subscription
Please enter an email

Indem Sie dieses Formular absenden, stimmen Sie der Speicherung und Verarbeitung Ihrer personenbezogenen Daten durch Celonis gemĂ€ĂŸ unserer Datenschutzrichtlinie zu Privacy Policy

Jetzt anmelden fĂŒr Celosphere 2021

Wo aus Process Minern Business Execution Leader werden

Lieber Besucher, wir haben festgestellt, dass Sie eine veraltete Browser-Version verwenden. Teile dieser Seite werden von Ihrem Browser nicht korrekt dargestellt. FĂŒr eine korrekte Funktionsweise der Seite empfehlen wir Ihnen, einen alternativen Browser zu verwenden oder Ihren Browser auf eine unterstĂŒtzte Version anzuheben.