Abstract
Process-Mining ermöglicht es Prozesse aus Event-Daten zu erheben, überprüfen oder zu erweitern. Diese Event-Daten werden aus ausgeführten Aktivitäten von Menschen, Maschinen oder Software erzeugt und ermöglichen die Ableitung von Prozessmodellen. Das Forschungsgebiet des Process-Mining stellt dabei die Verbindung zwischen dem Data-Mining und der Prozessmodellierung her. Generell verspricht die Anwendung des Process-Mining vor allem bei einem gut standardisierten Prozess mit wenig Varianten gute Ergebnisse.
Der Einsatz von Process-Cubes ermöglicht es, Vergleichbarkeit hinsichtlich verschiedener Varianten eines Prozesses zu erreichen. Die Prinzipien des Process-Mining finden dabei auch in der Konzeption von Process-Cubes Anwendung und werden um multidimensionale Aspekte erweitert. Dafür werden die relevanten Analysedimensionen mit den Event-Daten verknüpft und in einem multidimensionalen Process-Cube aufbereitet. Der Aufbau des Datenmodells ist angelehnt an das multidimensionale Datenmodell, welches das zentrale Modellierungsparadigma im Data Warehousing darstellt.
In der vorliegenden Arbeit soll die Umsetzung eines Systems zur Prozessoptimierung im Recruiting beim Unternehmen Epunkt, mit einem Process-Cube als zentralem Bestandteil, auf Basis der in der Literatur beschriebenen Ansätze, aufgezeigt werden. Durch die verschiedenen heterogenen Prozesse im Recruiting können mit dem Process-Cube die verschiedenen Varianten des Recruiting-Prozesses analysiert und verglichen werden. Dadurch soll die Erhebung von Prozesswissen in Bezug auf verschiedene Analysedimensionen wie Standort, Team oder Jobdomäne ermöglicht werden. Das entworfene System soll dem Unternehmen Epunkt dabei helfen, trotz rasanten Wachstumes, weiterhin Überblick über die Prozesse zu behalten und diese steuern zu können. Dazu gehört auch, dass durch das konzipierte System eine Konformitätsprüfung der Prozesse hinsichtlich der Prozessvorgaben ermöglicht wird. (Die Publikation ist bis 2026-04-30 gesperrt.)
| Originalsprache | Deutsch (Österreich) |
|---|---|
| Betreuung / Begutachtung |
|
| Publikationsstatus | Veröffentlicht - 2021 |
Wissenschaftszweige
- 102 Informatik
- 102010 Datenbanksysteme
- 102015 Informationssysteme
- 102016 IT-Sicherheit
- 102025 Verteilte Systeme
- 102027 Web Engineering
- 102028 Knowledge Engineering
- 102030 Semantische Technologien
- 102033 Data Mining
- 102035 Data Science
- 502050 Wirtschaftsinformatik
- 503008 E-Learning
JKU-Schwerpunkte
- Digital Transformation
Dieses zitieren
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver