Entwicklung eines Werkzeugs zur standardisierten Verarbeitung von Prozessdaten und operativen Daten

Abstract

In vielen Branchen ist die Unterstützung wichtiger Geschäftsprozesse durch Workflow Management Systeme bereits etabliert und gewinnt weiter an Bedeutung. Oftmals kann durch Optimierung eines Workflows dessen Qualität in Bezug auf Kosten, Nutzen, Kundenzufriedenheit und Ausführungsdauer verbessert werden. Die deep Business Optimization Platform (dBOP [NRM10]) bildet die Basis zur Optimierung von Workflows in allen Phasen ihres Lebenszykluses: Entwurfs-, Ausführungs- und Analysephase. Die Plattform besteht aus den Schichten Data Integration, Process Analytics und Process Optimization. In der Data Integration Schicht werden relevante Datenquellen, also Prozessdaten und sonstige operative Daten, zusammengeführt. In der Process Analytics Schicht werden diese Daten analysiert und Modelle und sonstige Erkenntnisse gewonnen, die dann in der Process Optimization Schicht zur Optimierung bestehender Prozessmodelle genutzt werden können. In dieser Diplomarbeit wird auf den Entwurf und die Implementierung der Data Integration und Process Analytics Schichten eingegangen, die die Basis der Platform bilden. Die entwickelte Software unterstützt den gesamten Ablauf bis zur Analyse der Daten und stellt die Analyse-Ergebnisse für eine spätere Verwendung in einem Webservice bereit. Die Systemsicht der Software wurde als Pipes-Filters Architektur [LL07] modelliert. Daraus ergab sich eine Einteilung in 5 Verarbeitungsschritte, die die relevanten Daten durchlaufen müssen. Sie wurden im Rahmen der Diplomarbeit entworfen und implementiert. Der Benutzer wird während des Ablaufs bis hin zur Modellerstellung mit entsprechenden graphischen und textbasierten Widgets, unter Berücksichtigung von Gesichtspunkten der Mensch-Maschine-Interaktion (HMI) [NW87] unterstützt. Für den Datenaustausch mit bestehender dBOP-Software auf Basis von XML, also z.B. zur Ausgabe der gewonnen Modelle, wurden geeignete XML Schemata erstellt. Ein Anwendungsszenario aus der Versicherungsbranche unterstreicht die Relevanz der Arbeit.

In many lines of business, the execution of formally described business processes called workflows on Workflow Management Systems is already established and is gaining in importance. As many of these workflows describe the core processes, their performance is of key importance to the respective business. Consequently, businesses seek to optimize them with respect to their process goals (e.g. cost, benefit or customer satisfaction). The deep Business Optimization Platform (dBOP [NRM10]) provides the basis for the optimization of workflows spanning their whole lifecycle including the design-, execution- and the analysis stage. The platform consists of the layers “Data Integration”, “Process Analytics” und “Process Optimization”. In the Data Integration layer, relevant sources of data are extracted and integrated. In the Process Analytics layer, this data is analyzed and data mining models as well as other insights are generated. These insights can be used in the Process Optimization layer in order to optimize workflow models. This thesis elaborates on the design and the implementation of the Data Integration layer and the Process Analytics layer. These layers are the basis of the dBOP. The implemented software supports the whole process from extraction of relevant data to its analysis, and it provides its output as XML file for a later use in a webservice. The system was modeled as a pipes-filters [LL07] architecture. This led to a division into 5 steps of processing for the data. These “filters” were designed and implemented in the software. The user is supported in configuring and running the filters by graphical and text-based widgets. With it, principles of human machine interaction are taken under consideration. For the exchange of the data mining models and other data with existing dBOP software, respective XML schemas were created. A sample scenario from the insurance business domain demonstrates the application of the thesis results as well as showing their relevance.