Techniki eksploracji procesów biznesowych źródłem uzyskiwania przewagi konkurencyjnej dla dynamicznie rozwijających się przedsiębiorstw

• Authors: Karol Fabisz , Wioletta Sokołowska

Title variants

Process Mining Techniques as a Source of Building Competitive Advantage on an Enterprise Market

• Languages of publication: PL

Abstracts

PL

Głównym celem artykułu jest przedstawienie potencjału i możliwości wykorzystania technik eksploracji procesów biznesowych do rekomendowania i usprawniania procesów realizowanych w przedsiębiorstwach. Techniki eksploracji procesów pozwalają zniwelować lukę pomiędzy wyobrażeniem, jak dany proces powinien wyglądać a tym, jak on wygląda w rzeczywistości. Na dynamicznie rozwijającym się rynku przedsiębiorstw przewagę konkurencyjną zdobywa ta firma, która szybciej jest w stanie przeanalizować i usprawnić swoje procesy. Umiejętne wykorzystanie technik eksploracji procesów może stanowić o takiej przewadze.

EN

The main aim of this article is to present the potential and possibilities of using process mining techniques in order to recommend and improve business processes realized in enterprises. Process mining methods allow for the analysis of business processes based on event logs to overcome the gap between the traditional approach to process modeling and their real life execution. On the booming enterprise market the ability to quickly analyze and constantly improve processes is a starting point for gaining advantages over competitors. Thus, process mining techniques may bring additional value to every business.

Keywords

PL

Hurtownie danych; Procesy biznesowe; Przewaga konkurencyjna; Zarządzanie procesami biznesowymi

EN

Business Process Management (BPM); Business processes; Competitive advantage; Data warehouse

• Publisher: Uniwersytet Ekonomiczny w Katowicach
• Journal: Studia Ekonomiczne
• Year: 2015
• Volume: 243
• Pages: 67-79

Contributors

author

Karol Fabisz

author

Wioletta Sokołowska

References

• Aalst W.M.P. van der, Weijters T., Maruster L. (2004), Workflow Mining: Discovering Process Models from Event Logs, "IEEE Transactions on Knowledge and Data Engineering", No. 16.
• Aalst W.M.P. van der (2011), Process Mining: Discovery, Conformance and Enhancement of Business Processes, 1st ed., Springer Publishing Company.
• Abramowicz W. (2008), Filtrowanie informacji, Wydawnictwo AE w Poznaniu, Poznań.
• Accorsi R., Stocker T. (2012), On the Exploitation of Process Mining for Security Audits: The Conformance Checking Case, 27th Annual ACM Symposium on Applied Computing, SAC '12. ACM, New York.
• Bose R.P.J.C, Mans R.S, Aalst W.M.P. van der (2013), Wanna improve process mining results?, Computational Intelligence and Data Mining (CIDM), Singapore.
• Diebold F.X. (2000), Big Data Dynamic Factor Models for Macroeconomic Measurement and Forecasting.
• IEEE Task Force on Process Mining (2012), Process Mining Manifesto, BPM 2011 Workshops, Part I, Springer-Verlag.
• International Organization for Standardization (1986), ISO 8402-1986 (GB/T6583- 1992): Quality-Vocabulary.
• Kim W., Choi B.-J., Hong E.-K., Kim S.-K., Lee D. (2003), A Taxonomy of Dirty Data, "Data Mining and Knowledge Discovery", No. 7.
• Laney D. (2001), 3D Data Management: Controlling Data Volume, Velocity and Variety, Application Delivery Strategies, META Group Incorporated.
• Leemans S.J.J., Fahland D., Aalst W.M.P. van der (2014), Discovering Block-Structured Process Models from Incomplete Event Logs, Application and Theory of Petri Nets and Concurrency - 35th International Conference, PETRI NETS 2014, Tunis.
• Manyika J., Chui M., Brown B., Bughin J., Dobbs R., Roxburgh C., Byers A.H. (2011), Big data: The next frontier for innovation, competition, and productivity, McKinsey Global Institute.
• MIT (2003), Big Data gets personal, "MIT Technology Review".
• Paszkiewicz Z., Fabisz K. (2014), Eksploracja procesów w akcji - warsztaty praktyczne, PMDay Pierwszy Dzień Eksploracji Procesów, Poznań.
• [www 1] Paszkiewicz Z., Eksploracja procesów po polsku, www.eksploracjaprocesow.pl (dostęp: 1.06.2015).
• [www 2] IBM, http://www.ibmbigdatahub.com/infographic/four-vs-big-data (dostęp: 1.06.2015).

Identifiers

ISSN

2083-8611