Delivered at:: Department of Operations Management and Logistics

Course type:: Compulsory course

When:: 2 year, 2 module

Instructor

Andreeva, Katarina

Дополнительные материалы в LMS Задать вопрос

Аннотация

В современном мире навыки работы с автоматизированными инструментами анализа процессов являются ключевой компетенцией. Дисциплина углубляет компетенции в области процессного анализа, полученные на первом курсе, и знакомит с современным инструментарием для автоматизированного анализа и оптимизации бизнес-процессов. Основное внимание уделяется технологиям, позволяющим извлекать объективные знания о реальном ходе процессов из их цифровых следов в корпоративных информационных системах. Центральное место в курсе занимает изучение Process Mining (PM) — дисциплины, находящейся на стыке data science и управления процессами. В условиях растущей сложности и цифровизации бизнес-процессов PM предоставляет строгий, основанный на данных подход к выявлению узких мест, отклонений и других классических процессных неэффективностей. Дисциплина знакомит с целями направления PM, требованиями к данным анализируемых процессов, основными этапами PM исследований, терминологией и методологией направления. Рассматриваются классические процессные неэффективности и способы их обнаружения. В основе теоретического материала лежит книга Wil van der Aalst «Process Mining: Data Science in Action». Вся практическая работа направлена на приобретение навыков работы в low-code платформе Process Mining от Сбера, которая обладает функционалом для анализа процессов, BI-функционалом и ML-инструментарием, помогающим быстро и эффективно анализировать бизнес-процессы без умения программировать.

Цель освоения дисциплины

Цель дисциплины — познакомить студентов с терминологией и методологией направления PM, с основными этапами PM исследований, классическими процессными неэффективностями и способами их обнаружения, научить анализировать процессы с помощью платформы Process Mining от Сбера.

Планируемые результаты обучения

Определяет основные процессные метрики и использует их для анализа процесса.
Выявляет различные неэффективности в процессах и обнаруживает их.
Исследует процессы с помощью на платформы Process Mining от Сбера.
Определяет требования к данным анализируемых процессов, в соответствии с основными этапами PM исследований.

Содержание учебной дисциплины

Введение в Process Mining. От данных к процессу.
Ключевые темы: o Проблемы традиционных методов анализа процессов (опросы, моделирование "как должно быть"). o Что такое Event Log (журнал событий): экземпляры процесса, операции, временные метки, дополнительные атрибуты. o Process Mining как направление, связывающие Data Science и Process Management от Data Mining и Business Intelligence. o Области применения: от операционного менеджмента до compliance и аудита.
Аналитическая мощь Process Mining: примеры исследований.
Три кита Process Mining: Discovery, Conformance, Enhancement.
Process Mining в корпоративной среде: платформа Сбера.
Практический блок. Первые шаги в платформе. Базовый дашборд и фильтрация.
Визуализация процессов: построение и интерпретация диаграмм.
Глубокое исследование процессов.
Подготовка данных для анализа.
Расширенные возможности: SQL-инструменты.

Элементы контроля

Экзамен
На экзамене студенты решают задачи и отвечают на вопросы. Вопросы делятся на открытые и закрытые. Критерии оценивания: Правильность и полнота ответов на вопросы. Максимальный балл 10. Балл считается как сумма баллов, набранных за правильно отвеченные вопросы и решенные задачи. Для данного элемента контроля не предусмотрено использование ИИ при выполнении заданий. Блокирующий.
Тесты на занятиях
Небольшой тест в начале занятия на 10-15 минут по пройденному материалу. Состоит из закрытых и открытых вопросов. Тест проводится на бумажном носителе или платформе Smart LMS, Яндекс формы или иной. Тест могут писать только студенты, присутствующие на занятии. Отсутствующие студенты получают за тестирование 0. Учитывается % правильных ответов от общего числа вопросов. Полученный балл округлению не подлежит. Итоговый балл складывается как сумма всех заработанных баллов за опросы студентом, деленный на количество опросов. Для данного элемента контроля не предусмотрено использование ИИ при выполнении заданий.
Групповая работа
Данные процесса предоставляются студентам для проведения группового исследования. Работа проходит в группах 3-5 чел. по согласованию с преподавателем. Оценка ставится по результатам презентации исследования командой. Для данного элемента контроля допустимо использование ИИ. В целях соблюдения академических норм необходимо выделять результаты своей деятельности, при реализации которой был использован ИИ, указывая характер и объем работ, выполненных с его помощью.
Практические задания
На семинарах студенты выполняют работу на платформе Process Mining от Сбера под руководством преподавателя, доделывают самостоятельно дома. Оценка выставляется по итогам проверки работы, отправленной преподавателю. Для данного элемента контроля допустимо использование ИИ. В целях соблюдения академических норм необходимо выделять результаты своей деятельности, при реализации которой был использован ИИ, указывая характер и объем работ, выполненных с его помощью.
Посещаемость занятий
Фиксация присутствия на лекциях и семинарах. Минимальный порог посещаемости для получения положительной оценки по текущему контролю 60% посещенных лекций и семинаров. Максимальная оценка по текущему уровню контроля 8 баллов.

Промежуточная аттестация

2025/2026 2nd module
0.2 * Групповая работа + 0.1 * Посещаемость занятий + 0.23 * Практические задания + 0.12 * Тесты на занятиях + 0.35 * Экзамен

Список литературы

Авторы

Крупенко Анна Анатольевна
Андреева Катарина Владимировна

Master’s Programme 'Operational Excellence and Production Systems '

Contacts

Digital Technologies for Analysis and Optimization of Processes

Instructor

Программа дисциплины