The Challenging Road of Process Mining Pre-Analysis: Foundations of Tasks, Expertise, and Data

Abstract

Businesses are increasingly relying on information systems to manage operational data. These systems record detailed traces of business activities, which can be valuable for understanding and improving processes within the business. Process mining leverages this data to discover the actual flow of processes, check conformance against designed models, and identify opportunities for improvement. However, the data in these systems is not directly usable; it must first be extracted and transformed into event logs. This step, which precedes any process mining analysis, is complex, time-consuming, and underexplored. We refer to it as the pre-analysis stage of process mining. This dissertation investigates the pre-analysis stage of process mining through the lenses of tasks, expertise, and data. First, it identifies and classifies the tasks and research topics relevant to pre-analysis, defining a comprehensive set of activities undertaken during this stage. Second, it examines the expertise required, detailing the knowledge units associated with three key expert profiles—process owners, information system experts, and process analysts—and the mechanisms and challenges of knowledge exchange among them. Third, it presents a technical artifact designed to address one of the central challenges in pre-analysis—identifying the correct database tables that store data for a given business document. This artifact supports process analysts in locating relevant data efficiently, especially in unfamiliar systems, thereby reducing the time and effort required for data discovery. Collectively, these studies establish process mining pre-analysis as a formalized area of research within the field of process mining. By addressing both technical and human dimensions, this dissertation highlights that while automation remains desirable, the effectiveness of process mining ultimately depends on the quality of its pre-analysis stage and the expertise of the people who perform it.

NL Bedrijven vertrouwen steeds meer op informatiesystemen om operationele gegevens te beheren. Deze systemen registreren gedetailleerde traces van bedrijfsactiviteiten, die waardevol kunnen zijn om processen binnen het bedrijf te begrijpen en te verbeteren. Process mining benut deze gegevens om de werkelijke processtromen te ontdekken, de naleving te controleren ten opzichte van ontworpen modellen, en verbeterkansen te identificeren. De gegevens in deze systemen zijn echter niet direct bruikbaar; ze moeten eerst worden geëxtraheerd en omgezet in event logs. Deze stap, die voorafgaat aan elke process mining-analyse, is complex, tijdrovend en relatief weinig onderzocht. We verwijzen hiernaar als de pre-analysefase van process mining. Dit proefschrift onderzoekt de pre-analysefase van process mining vanuit drie perspectieven: taken, expertise, en data. Ten eerste identificeert en classificeert het de taken en onderzoeksonderwerpen die relevant zijn voor de pre-analyse, en definieert het een uitgebreide set van activiteiten die in deze fase worden uitgevoerd. Ten tweede onderzoekt het de vereiste expertise, waarbij de kennisdomeinen worden beschreven die behoren tot drie sleutelprofielen—proceseigenaar, informatiesysteemspecialisten en procesanalisten—evenals de mechanismen en uitdagingen bij kennisuitwisseling tussen hen. Ten derde presenteert het een technisch artefact dat is ontworpen om één van de centrale uitdagingen van de pre-analyse aan te pakken—het identificeren van de juiste databasetabellen waarin gegevens voor een bepaald bedrijfsdocument worden opgeslagen. Dit artefact ondersteunt procesanalisten bij het efficiënt lokaliseren van relevante data, vooral in onbekende systemen, waardoor de tijd en inspanning voor datadiscovery aanzienlijk worden verminderd. Gezamenlijk vestigen deze studies de pre-analyse van process mining als een formeel onderzoeksgebied binnen het domein van process mining. Door zowel de technische als menselijke dimensies te behandelen, benadrukt dit proefschrift dat, hoewel automatisering wenselijk blijft, de effectiviteit van process mining uiteindelijk afhangt van de kwaliteit van de pre-analysefase en de expertise van de mensen die deze uitvoeren.