Process Mining

デリバリー:

最終更新日時 2025年9月4日

パフォーマンス特性

Process Mining アプリの応答時間は、さまざまな要因によって決まりますが、一般的には次の原則が成り立ちます。

データが少ないほど実行速度が速い

Process Mining には、異なるパフォーマンス特性を持つ 2 つの領域があります。データを読み込むためのデータ実行と、データを表示するためのダッシュボードです。

開発データと運用データ

Process Mining では、プロセスアプリごとに開発ステージとパブリッシュ済みステージがあります。目的のアプリで大規模なデータセットが必要な場合は、データ変換とダッシュボードの開発に、小規模なデータセット (レコード件数が 1,000 万未満) を使用することをお勧めします。

開発データセットは、データ変換のテストに使用されます。パブリッシュ済みのプロセスアプリのダッシュボードに表示されるデータには影響しません。ビジネスユーザーがアプリを使用する準備が整ったら、アプリをパブリッシュして、パブリッシュ済みのプロセスアプリで使用する新しいデータを読み込むことができます。

一般的なシナリオは、開発に短い時間枠のデータセットを使用することです (たとえば、2 週間の時間枠で 100,000 個のイベントのみ)。パブリッシュ時には、より大きなデータセット (12 か月分など) を使用できます。

データ実行のパフォーマンス

Process Mining のデータ実行は、以下のユースケースでトリガーされます。

アプリの作成
データをアップロードする
データ変換エディターで [ダッシュボードに適用]、[すべてのテストを実行]、または [ファイルを実行] をトリガーする
データ変換に変更があるアプリをパブリッシュする

データ実行は通常、以下の手順から成り、各手順にはそれぞれ異なるパフォーマンス特性があります。

1. データをアップロードする

When uploading data, the overall size of the uploaded data on disk is the most important factor for the speed. Check out Loading data. The factors affect the performance are:

テーブルの数
テーブル内のレコードの数
テーブル内の列数
テーブル内のデータ。たとえば、複数行の説明が格納されている列は、単純な Boolean 列よりも低速です。

2. データを変換する

Data transformations change the input data into the data model that is required for the dashboards. Check out Data transformations editor.

変換内の各 .sql ファイルは、追加の SQL クエリを実行します。データ変換の速度に影響する要因は次のとおりです。

.sql ファイルの数
各テーブルのレコードの数
各テーブルの列数
SQL クエリの複雑さ: 結合条件、共通テーブル式 (Common Table Expressions、CTE) の数、SQL クエリの式

3. データモデル

データモデルによって、ダッシュボードに公開されるテーブルのセットが決まります。データ実行中にテストが実行され、データモデル内のこれらのテーブルの構造が検証されます。ただし、最も時間のかかる部分は、後でダッシュボードの表示を高速化するために行われる事前計算です。

この手順の全体的な速度は、次の要素によって決まります。

データモデル内のテーブルの数
出力テーブル間の関係
出力テーブルの列数
出力テーブルのレコード数

4. プロセスモデル

データ実行の最後の部分では、プロセスグラフを高速化するための事前計算を実行します。

バリアントの数
イベントの数

[BPMN モデルをインポート] を使用してプロセスを表示する場合は、BPMN モデルの複雑さもパフォーマンスに影響します。アクティビティとエッジが多いほど、計算は遅くなります。

データ実行のパフォーマンスを向上させる方法

データの量を減らす

データのアップロード速度を向上させるには、データのサイズを必要最小限に抑えます。このアドバイスは、データのすべてのステージに適用されます。

必要な入力データのみを抽出する
必要なデータのみを変換する
データモデルにテーブルを追加するのは、データ分析に必要な場合だけにする

このための最も簡単な方法は、通常、データ抽出に使用する期間を短くすることです。これにより、入力から変換、出力までの過程で、ほとんどのデータテーブルのレコード数が減ります。

早い段階でデータのサイズを縮小できるほど、効率が向上します。

sql ファイルをフィルター処理する。データ変換のできるだけ早い段階か、可能であればデータ抽出時に行います。
For development, typically a smaller dataset is used, to speed up testing queries, refer to Development versus production data.

データテーブルと列の数を減らす

さらに、実際に使用する列のみを読み込むように注意します。プロセスの早い段階で列を除外するほど、効率が向上します。

抽出する一連のデータ列を減らし、必要なものだけにする
出力データモデルに必要のない .sql ファイルを削除する
クエリ内の不要なデータ列を削除する
一連のイベントから不要なアクティビティを削除する

複雑さを軽減する

データ変換の計算とデータモデルが複雑になるほど、データ実行は遅くなります。複雑さを軽減することは困難な場合がありますが、データ実行の時間に大きな影響を及ぼすことができます。

Reduce the complexity of the SQL statements where possible, check out Tips for writing SQL .
データモデル内のデータを減らし、データ分析に必要なデータだけにする。データ分析に必要のないテーブルや列はすべて削除することをお勧めします。
[BPMN モデルをインポート] を使用してプロセスを表示する場合は、アクティビティとエッジの数を少なくする。これにより、パフォーマンスが向上します。

ダッシュボードのパフォーマンス

一般に、ダッシュボードの読み込み時間は、グラフで使用されるデータの量と、計算されるメトリックの影響を受けます。

ダッシュボードが Process Mining に読み込まれるたびに、各グラフが並列に計算されます。グラフの読み込み速度に影響する要因は次のとおりです。

グラフに表示するメトリックの数。
各メトリックでは、メトリックを計算するために必要な結合サイズが重要です。結合サイズを判断するには、グラフをグループ化するために使用するテーブルに、メトリックのテーブルを組み合わせます。
- 2 つのテーブル間のリレーションの複雑さ
- データモデル内での 2 つのテーブル間の距離
使用するフィールドのデータ型。数値フィールドはテキストフィールドよりも高速です。
メトリック自体の複雑さ。メトリックが複数のフィールドに基づいている可能性があります。