流程挖掘实践与研究管理参考模型探索

### 流程挖掘实践与研究管理参考模型探索 在当今的数据驱动时代，流程挖掘和研究管理都是至关重要的领域。流程挖掘有助于深入了解业务流程，而研究管理则对高校的科研活动起着关键的支持作用。下面将详细探讨这两个领域的相关内容。 #### 流程挖掘实践分析 在流程挖掘项目中，分析师的工作实践呈现出一些有趣的特点。从数据中可以看出，分析师倾向于重复使用某些类型的可视化表示。这一现象可能有两种解释： - **专注特定方面**：分析师可能对某些特定方面感兴趣，因此会反复应用相同的技术来分析不同时间点的数据快照。在这种情况下，类似仪表盘的工具可能会对他们有所帮助，这些工具能让分析师配置视图，使其可以根据不同的数据子集动态更新。 - **熟悉有限技术**：分析师可能只熟悉少数几种分析技术。此时，先进的指导方法或许能帮助他们从不同的视角探索数据。不过，要得出最终结论，还需要进一步的实验验证。 ##### 常见领域问题详情 在流程挖掘中，有两个常见的领域问题值得深入研究： - **熟悉与发现**：在熟悉数据和发现问题方面，通常应用的是一种逻辑数据模型，它包含日志、轨迹和事件实体，以及它们之间的关系和描述实体的一组连续和离散属性。虽然这种抽象程度确保了开发的技术具有可重用性，但它缺乏语义信息。分析师通常从概念角度看待数据，会考虑活动、组织实体和项目等实体，以及责任、工作实践或控制流依赖等关系。因此，开发分析工具时，让分析师能够将物理数据模型映射到概念模型，并基于概念模型进行分析是很有价值的。此外，工具还可以支持分析师将分析结果纳入领域模型。 为了确定与熟悉和发现相关的分析模式，我们从与这两个问题相关的信息需求中提取了频繁出现的注释代码对。只考虑在至少5%的信息需求中出现的代码对和代码。结果显示有四种主要的分析类型： 1. **流程模型可视化**：使用流程模型分别可视化流程的拓扑结构或控制流，同时显示活动的频率及其连接情况。 2. **元信息捕获**：主要将关于活动和案例属性的元信息记录在表格中。 3. **分布理解**：主要的信息需求类别与理解案例、活动、执行模式和持续时间的分布有关，通过条形图、表格或其他技术进行可视化。 4. **属性相关性研究**：分析师还会研究包括执行模式、项目、持续时间、时间点和组织实体等广泛属性之间的相关性，这些信息通过表格、点状图或其他通用技术显示。 下面是一个简单的mermaid流程图，展示熟悉与发现阶段的主要步骤： ```mermaid graph LR A[数据收集] --> B[数据模型构建] B --> C[映射到概念模型] C --> D[分析与可视化] ``` - **案例视角**：针对案例视角进行分析，确定了三个主要用例：