Análise de Colaboração em Processos de Negócio por meio de SGBDs de Grafos e Dados de Proveniência Multimodais

• Maria Luiza Falci Universidade Federal Fluminense
• Andréa Magalhães Universidade Federal Fluminense
• Vanessa Braganholo Universidade Federal Fluminense https://orcid.org/0000-0002-1184-8192
• Aline Paes Universidade Federal Fluminense
• Daniel de Oliveira Universidade Federal Fluminense

DOI: https://doi.org/10.5753/sbbd.2020.13636

Resumo

Durante a definição e execução de processos de negócio, dados de proveniência em diferentes formatos são coletados, e analisá-los de forma integrada é uma tarefa complexa e propensa a erros, se realizada de forma manual. Entretanto, tal integração pode trazer insights sobre o processo. O presente artigo apresenta a abordagem MINERVA (Multimodal busINEss pRoVenance Analysis), que permite a análise de colaboração e identificação de pontos de melhoria em processos de negócio por meio de dados de proveniência multimodais e Bancos de Dados orientados a grafos. A abordagem foi avaliada por meio de um estudo de viabilidade com dados reais de uma empresa de consultoria.

Palavras-chave: Colaboração, Processos de Negócio, Bancos de dados de Grafos, Dados de Proveniência Multimodais

Referências

Belhajjame, K., Deus, H., Garijo, D., Klyne, G., Missier, P., Soiland-Reyes, S., and Zednik,S. (2012). Prov model primer.World Wide Web Consortium.

Cross, R. L., Cross, R. L., and Parker, A. (2004).The hidden power of social networks:Understanding how work really gets done in organizations. Harvard Business Press.

Dumas, M., Rosa, M. L., Mendling, J., and Reijers, H. A. (2013).Fundamentals of Busi-ness Process Management. Springer.

Ferreira, D. R. and Alves, C. (2011). Discovering user communities in large event logs. InInternational Conference on Business Process Management, pages 123–134. Springer.

Freire, J., Koop, D., Santos, E., and Silva, C. T. (2008). Provenance for computationaltasks: A survey.Comput. Sci. Eng., 10(3):11–21.

Honnibal, M. and Montani, I. (2017). spaCy 2: Natural language understanding withBloom embeddings, convolutional neural networks and incremental parsing.

Mathiesen, P., Watson, J., Bandara, W., and Rosemann, M. (2012). Applying social tech-nology to business process lifecycle management. InBPM Workshops, pages 231–241.Springer.

van der Aalst, W. (2016).Process Mining: Data Science in Action. Springer PublishingCompany, Incorporated, 2nd edition.

Van Der Aalst, W. M., Reijers, H. A., and Song, M. (2005). Discovering social networksfrom event logs.Computer Supported Cooperative Work (CSCW), 14(6):549–593.

Zhao, W. and Zhao, X. (2014). Process mining from the organizational perspective. InFoundations of intelligent systems, pages 701–708. Springer.