conoscenza condivisa: verso la convergenza di dati, processi, persone

Conoscenza condivisa Verso la convergenza di dati, processi, persone

Marco Montali KRDB Research Centre for Knowledge and Data Facoltà di Scienze e Tecnologie Informatiche Libera Università di Bozen-Bolzano www.inf.unibz.it/~montali

Horizon/Samsung Day, 11 ottobre 2012

Organizzazioni e produzione del valore

•  Organizzazione nella catena del valore

•  Identificazione delle funzionalità di business

•  Realizzazione delle funzionalità tramite attività

Tre dimensioni organizzative

Processo aziendale: coordinamento delle attività per soddisfare un obiettivo strategico •  Creazione di un prodotto •  Erogazione di un servizio •  Ottimizzazione di procedure interne

Tre aspetti fondamentali •  Cosa: come è strutturato il dominio? Quali sono i

concetti rilevanti? dati e vincoli statici •  Chi: chi è responsabile di cosa? Quali parti del

processo sono automatizzabili? risorse e persone •  Come: quali vincoli sull’esecuzione delle attività nel

tempo? processo/flusso di controllo

Supporto tecnologico

Dati e programmi •  Condivisi •  Accessibili sempre e ovunque •  Senza limiti di risorse

Tecnologia e automazione

Nel 2005, Broninski scrive: Nonostante gli avanzamenti nell'automazione del business durante gli ultimi 50 anni, il cuore e l'anima di ogni organizzazione è costituito ancora dalle proprie persone - senza le quali l'azienda si fermerebbe immediatamente. Eppure non c'è attualmente alcun approccio completo per la gestione dei processi umani, considerandone la complessità e continua evoluzione - e le tecnologie attuali considerano le persone come se fossero ingranaggi di una macchina. Francamente, dobbiamo fare meglio. Nel 2012 siamo ancora lontani da questo obiettivo •  Ci stiamo muovendo nella giusta direzione?

Parleremo di…

•  Situazione attuale •  Alcuni contributi della ricerca •  Visione sul futuro

?

Information Silos

Hardware

Dominio

Processo di business

Software

Dati Controllo Risorse

Database Workflow Policies

Esperti di dominio

Staff IT

trasferimento di conoscenza

realizzazione

Due problemi…

Mediazione tra idea e realizzazione guidata dallo staff IT

Hardware

Dominio


Software



Esperti di dominio

Staff IT


realizzazione

Astrazione: “Idea” del sistema lontana dalla sua realizzazione

Coerenza e comunicazione

Stato della ricerca

Hardware

Dominio


Software



Esperti di dominio

Staff IT


realizzazione

Stato della ricerca

Hardware

Dominio


Software “intelligente”



Esperti di dominio

Staff IT


co-realizzazione

Dati e conoscenza strutturale

Esperti di dominio

Staff IT

trasferimento di conoscenza a! i S C!CPMR artifact: Information Model (IM)

Contains static information and hourly measurements in a specific month for a certain CP.

!""#$%&"'!"#$%

!"#&'"(

!"#")*(+#&'"(

!"#%$,&+$-.&$)/#$%

!"#&+0%$/1#$%

2222222

3)/&4

301/$&.%(

,.-3$&&(%#3#

5 ,.-#%0$6'#0!!.3.60&(%

7 7

85 ,.-#%0$6'#0!!.3.60&(%

5 %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/

3;<=>?;@;AB0AC)?DEDA

5 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

22 22,.-3$&&(%#3#0!!.3.60&(%

".-6$,4(%#3#0!!.3.60&(%

72

722

,B<BDG !HAB?HI "HDABJDAKH?@<BDHA

3HABLIM +;NH?BJ$AKH?@<BDHA

,>O@DBB;C !"J3;<=>?;@;AB $AKH?@<BDHA

85 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

5 %0&( 4).+6'#!"#3(0,.+(3(/&

".-#,.-#4#%$FF(+(/!(

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/

">OID=L;C !"J3;<=>?;@;AB $AKH?@<BDHA

".-#3;<=>?;@;AB0AC%DKK;?;AG;

WP2: D2.3 ACSI Project 257593 D. Lembo - UNIROMA1 3

rappresenta

Qualità della rappresentazione

Esperti di dominio

Staff IT



!""#$%&"'!"#$%

!"#&'"(

!"#")*(+#&'"(

!"#%$,&+$-.&$)/#$%

!"#&+0%$/1#$%

2222222

3)/&4

301/$&.%(

,.-3$&&(%#3#

5 ,.-#%0$6'#0!!.3.60&(%

7 7

85 ,.-#%0$6'#0!!.3.60&(%

5 %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/


5 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

22 22,.-3$&&(%#3#0!!.3.60&(%

".-6$,4(%#3#0!!.3.60&(%

72

722




85 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

5 %0&( 4).+6'#!"#3(0,.+(3(/&

".-#,.-#4#%$FF(+(/!(

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/


".-#3;<=>?;@;AB0AC%DKK;?;AG;


? rappresenta

Comprensione dei dati

Esperti di dominio

Staff IT



!""#$%&"'!"#$%

!"#&'"(

!"#")*(+#&'"(

!"#%$,&+$-.&$)/#$%

!"#&+0%$/1#$%

2222222

3)/&4

301/$&.%(

,.-3$&&(%#3#

5 ,.-#%0$6'#0!!.3.60&(%

7 7

85 ,.-#%0$6'#0!!.3.60&(%

5 %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/


5 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

22 22,.-3$&&(%#3#0!!.3.60&(%

".-6$,4(%#3#0!!.3.60&(%

72

722




85 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

5 %0&( 4).+6'#!"#3(0,.+(3(/&

".-#,.-#4#%$FF(+(/!(

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/


".-#3;<=>?;@;AB0AC%DKK;?;AG;


?

dati

rappresenta

Schema concettuale

Esplicitazione di concetti e relazioni rilevanti in un dominio •  Focalizzandosi sulla realtà •  Astraendo da dettagli realizzativi (database)

Modellazione concettuale

Esperti di dominio

Staff IT


co-realizzazione

rappresenta

a! i S C!Energy Use Case: Graphical representation of the Ontology

(excerpt)


a! i S C!CPMR artifact: Information Model (IM)


!""#$%&"'!"#$%

!"#&'"(

!"#")*(+#&'"(

!"#%$,&+$-.&$)/#$%

!"#&+0%$/1#$%

2222222

3)/&4

301/$&.%(

,.-3$&&(%#3#

5 ,.-#%0$6'#0!!.3.60&(%

7 7

85 ,.-#%0$6'#0!!.3.60&(%

5 %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/


5 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

22 22,.-3$&&(%#3#0!!.3.60&(%

".-6$,4(%#3#0!!.3.60&(%

72

722




85 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

5 %0&( 4).+6'#!"#3(0,.+(3(/&

".-#,.-#4#%$FF(+(/!(

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/


".-#3;<=>?;@;AB0AC%DKK;?;AG;


realizza

Schema concettuale (ontologia)

Ragionamento sugli schemi

•  Verifica di consistenza •  Scoperta di errori •  Scoperta di “informazioni nascoste”

Credits: Enrico Franconi

Accesso ai dati basato su ontologie

•  Ora esiste un modello concettuale per le informazioni •  Ma i dati continuano a essere memorizzati in un database

di più “basso livello” •  È possibile fornire un accesso ai dati utilizzando lo schema

concettuale prodotto dagli esperti?

Esperti di dominio



!""#$%&"'!"#$%

!"#&'"(

!"#")*(+#&'"(

!"#%$,&+$-.&$)/#$%

!"#&+0%$/1#$%

2222222

3)/&4

301/$&.%(

,.-3$&&(%#3#

5 ,.-#%0$6'#0!!.3.60&(%

7 7

85 ,.-#%0$6'#0!!.3.60&(%

5 %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/


5 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

22 22,.-3$&&(%#3#0!!.3.60&(%

".-6$,4(%#3#0!!.3.60&(%

72

722




85 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

5 %0&( 4).+6'#!"#3(0,.+(3(/&

".-#,.-#4#%$FF(+(/!(

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/


".-#3;<=>?;@;AB0AC%DKK;?;AG;


dati

realizza


(excerpt)


?

Accesso ai dati basato su ontologie

•  Accesso ai dati basato su ontologie –  Definizione di “mapping” che agganciano parti del database a

corrispondenti concetti e relazioni (interazione esperti/staff IT) –  Possibilità di interrogare i dati attraverso il “vocabolario” dello

schema concettuale •  Un componente automatico si occupa di “mediare e tradurre”

Esperti di dominio



!""#$%&"'!"#$%

!"#&'"(

!"#")*(+#&'"(

!"#%$,&+$-.&$)/#$%

!"#&+0%$/1#$%

2222222

3)/&4

301/$&.%(

,.-3$&&(%#3#

5 ,.-#%0$6'#0!!.3.60&(%

7 7

85 ,.-#%0$6'#0!!.3.60&(%

5 %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/


5 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

22 22,.-3$&&(%#3#0!!.3.60&(%

".-6$,4(%#3#0!!.3.60&(%

72

722




85 ".-#%0$6'#0!!.3.60&(%

".-#,.-#%#%$FF(+(/!(

5 %0&( 4).+6'#!"#3(0,.+(3(/&

".-#,.-#4#%$FF(+(/!(

22 22

9: %0&( 4).+6'#!"#3(0,.+(3(/&

)+$1$/


".-#3;<=>?;@;AB0AC%DKK;?;AG;


dati


(excerpt)


domande/risposte

OBDA framework

Integrazione dei dati a! i S C!Energy Use Case: Graphical representation of the Ontology

(excerpt)


OBDA framework OBDA framework

Esperti di dominio domande risposte

Sorgenti distribuite e eterogenee

Processi e conoscenza dinamica

Esperti di dominio

Staff IT


rappresenta

Qualità della rappresentazione

Esperti di dominio

Staff IT

trasferimento di conoscenza ? rappresenta

Comprensione dei dati

Esperti di dominio

Staff IT

trasferimento di conoscenza ?

eventi

rappresenta

Schema di processo

•  Rappresentazione delle possibili “dinamiche” eseguibili nel sistema

Business Process Modeling

Esperti di dominio

Staff IT


co-realizzazione

rappresenta

realizza

Schema di processo

Ciclo di vita

BusinessProcesslifecycle

esecuzione

diagnosi

desig

n &

impl

emen

t.

desig

n

feedback

modello (eseguibile)di processo

log di eventi

Supporto a design-time

•  Formalizzazione, logiche temporali e algoritmi di “model checking” per –  Verifica di proprietà general

•  Il processo è “corretto”? •  Ci sono attività che non sono mai eseguibili?

–  Verifica di proprietà specifiche del dominio •  E’ sempre vero che, prima di mandare in spedizione un

ordine, questo è stato pagato dal compratore?

Errore!

Process mining

•  Cosa succede davvero nella mia azienda? •  I processi progettati corrispondono alla realtà? •  Dove sono i punti critici del processo (es., colli di bottiglia)? •  È possibile estrarre modelli di processo dai log?

MONDO DIGITALE N . 43 - se t tembre 2012

5

l'enhancement (miglioramento). In tal caso, l'idea è quella di estendere o migliorare un modello di processo esistente usando le informazioni contenute nei log. Mentre il conformance checking misura quanto un modello è allineato con ciò che accade nella realtà, questo terzo tipo di process mining si propone di cambiare o estendere il modello preesistente per adeguarlo alla realtà.

Figura 2

I tre tipi principali di process mining: (a) discovery, (b) conformance checking, e (c) enhancement.

La Figura 3 descrive i tre tipi di process mining in termini di input/output. Le tecniche di discovery prendono in input un log e producono un modello. Il modello estratto è tipicamente un modello di processo (per esempio una rete di Petri, un modello BPMN, un modello EPC o un diagramma UML delle attività). Tuttavia, il modello può anche descrivere altre prospettive (come per esempio una social network che descrive la rete sociale di un'organizzazione). Le tecniche di conformance checking prendono in input un log e un modello. L'output consiste in una serie di informazioni diagnostiche che mostrano le differenze tra il modello e il log. Anche le tecniche di enhancement (revisione o estensione) richiedono un log e un modello in input. L'output è il modello stesso, migliorato o esteso.

Google “process

mining manifesto”

ProM Framework Screenshot of ProM 5.2

PAGE 7

Flessibilità

0 5 10 15 20 25 30 35

Ad-hoc, sempre diversa

Obiettivo definito, libertà d'azione

Documentata e gestita, non automatizzata

Parzialmente automatizzata, eccezioni frequenti

Lavoro e attività giornaliere (%)

Fonte: Adaptive Case Management survey, 2011

Visibilità e condivisione

0 10 20 30 40 50 60 70

Mancanza di visibilità dello stato del lavoro dei collaboratori

Difficoltà nella gestione di documentazione e info per un progetto

Difficoltà di ottenere la lista dei task da portare a termine

Difficoltà nel reperire collaboratori con le competenze necessarie

Difficoltà nel comprendere il prossimo passo da fare

Difficoltà nell'assemblare il team vincente

Ostacoli quotidiani alla produzione (%)

Fonte: Adaptive Case Management survey, 2011

Le sfide di oggi

•  Convergenza di dati e processi •  Modellazione partecipativa e flessibile •  Computazione guidata dalla “logica”

Software

Hardware

Dominio

Entità di business

Flessibilità – Mondo ideale

Flessibilità – Mondo reale U

nder

stan

din

gSpag

het

tiM

odel

sw

ith

Seq

uen

ceC

lust

erin

gfo

rP

roM

9

thos

eex

cept

ions

.Fig

ure

4de

pict

sth

ere

sult

ofa

first

atte

mpt

toan

alyz

eth

eap

plic

atio

nse

rver

logs

usin

gth

ehe

uris

tics

min

er[4

].

Exc

eptio

n(c

om

ple

te)

187

Est

abele

cim

ento

NotF

oundE

xceptio

n(c

om

ple

te)

187

0,9

91 1

52

GR

EJB

Pers

iste

ncy

Exc

eptio

n(c

om

ple

te)

179

0,9

09 1

59

PG

WS

Exc

eptio

n(c

om

ple

te)

168

0,8

89 1

2

ITP

TE

xtern

alS

erv

iceE

xceptio

n(c

om

ple

te)

183 0

,944

162

SIP

SC

NoR

eco

rdsF

oundE

xceptio

n(c

om

ple

te)

160

0,8 5

Pess

oaS

ingula

rNotF

oundE

xceptio

n(c

om

ple

te)

138

0,6

67 3

Busi

ness

Logic

Exc

eptio

n(c

om

ple

te)

183

0,7

5 4

SIC

CLE

xceptio

n(c

om

ple

te)

175

0,8

57 1

9

NaoE

xist

em

Regis

tosE

xceptio

n(c

om

ple

te)

143

0,8

33 6

RP

CB

usi

ness

Exc

eptio

n(c

om

ple

te)

38 0

,75

3

SA

FB

usi

ness

Exc

eptio

n(c

om

ple

te)

115

0,8

68

GR

EJB

Busi

ness

Exc

eptio

n(c

om

ple

te)

45

0,7

5 2

3

DE

SW

SE

xce

ptio

n(c

om

ple

te)

14

0,6

67 1

4

NullP

oin

terE

xceptio

n(c

om

ple

te)

104

0,8

91

Valid

atio

nE

xceptio

n(c

om

ple

te)

31

0,8

12

GIL

Busi

ness

Exc

eptio

n(c

om

ple

te)

14

0,5 6

GR

Serv

icesE

xceptio

n(c

om

ple

te)

7 0,6

67 3

CS

IBusi

ness

Exc

eptio

n(c

om

ple

te)

14

0,5 6

Conco

rrenci

aE

xceptio

n(c

om

ple

te)

5

0,5 2

CS

IPers

iste

ncy

Exc

eptio

n(c

om

ple

te)

3

0,5 2

0,8

57 3

4

ITP

TS

erv

erE

xceptio

n(c

om

ple

te)

21

0,6

67 1

5

CO

OP

Exc

eptio

n(c

om

ple

te)

4 0,5 2

RS

IValid

atio

nE

xceptio

n(c

om

ple

te)

25

0,6

67 1

8

Basi

cSys

tem

Exc

eptio

n(c

om

ple

te)

16

0,6

67 1

1

Pesq

uis

aA

mbig

uaE

xceptio

n(c

om

ple

te)

6

0,5 6

CP

FB

usi

ness

Exc

eptio

n(c

om

ple

te)

3

0,5 2

0,8

95

AD

OP

Exc

eptio

n(c

om

ple

te)

6

0,5 5

AF

Busi

ness

Exc

eptio

n(c

om

ple

te)

64

SIP

SC

Rem

ote

Busi

ness

Exc

eptio

n(c

om

ple

te)

51

0,8

33 1

3

Concu

rrentM

odifi

catio

nE

xceptio

n(c

om

ple

te)

5

0,5 1

CD

FB

usi

ness

Exc

eptio

n(c

om

ple

te)

6

0,6

67 2

Ass

inatu

raN

aoIn

cluid

aE

xceptio

n(c

om

ple

te)

1

0,5 1

SIC

CS

Exc

eptio

n(c

om

ple

te)

32

0,8

11

Ca

rta

oC

ida

da

oE

xce

ptio

n(c

om

ple

te)

64

0,8

33 3

8

SO

AP

Exc

eptio

n(c

om

ple

te)

22

0,6

67 1

4

TooM

anyR

ow

sExc

eptio

n(c

om

ple

te)

112

0,6

67 1

8

SIP

SC

Fata

lExc

eptio

n(c

om

ple

te)

20

0,6

67 9

Lim

iteT

em

pora

lExc

eptio

n(c

om

ple

te)

4

0,5 2

0,8

28

SV

IBusi

ness

Use

rExc

eptio

n(c

om

ple

te)

18

0,7

5 1

2

GR

Concu

rrency

Exc

eptio

n(c

om

ple

te)

8 0,5 2

Contr

ibuin

teR

egio

nalN

otF

oundE

xceptio

n(c

om

ple

te)

63

0,7

5 3

0

JDO

Fata

lUse

rExc

eptio

n(c

om

ple

te)

124

0,9

47 4

9

0,6

67 5

SQ

LE

xceptio

n(c

om

ple

te)

9

0,6

67 7

IOE

xceptio

n(c

om

ple

te)

27

0,7

5 2

2

Pess

oaC

ole

ctiv

aN

otF

oundE

xceptio

n(c

om

ple

te)

23

0,7

5 2

0

Serv

iceD

ele

gate

Rem

ote

Exc

eptio

n(c

om

ple

te)

3

0,5 2

0,5 5

PA

SE

xce

ptio

n(c

om

ple

te)

2

0,5 1

File

NotF

oundE

xceptio

n(c

om

ple

te)

31

0,7

5 1

3

QgenM

IPara

metr

izedB

usi

ness

Exc

eptio

n(c

om

ple

te)

1

0,5 1

AD

OP

Mess

ageE

xceptio

n(c

om

ple

te)

3 0,5 2

Layo

ffE

xceptio

n(c

om

ple

te)

1

0,5 1

0,7

5 8

CM

PE

xceptio

n(c

om

ple

te)

1

0,5 1

GR

EJB

Rem

ote

Serv

iceE

xceptio

n(c

om

ple

te)

34

0,7

5 4

RS

IPers

iste

nce

Exc

eptio

n(c

om

ple

te)

24

0,7

5 4

CS

IRem

ote

Exc

eptio

n(c

om

ple

te)

3

0,5 1

SIP

SC

Fata

lRem

ote

CallE

xceptio

n(c

om

ple

te)

3

0,5 1

SIP

SC

Data

base

Exc

eptio

n(c

om

ple

te)

1

0,5 1

Busi

ness

Exc

eptio

n(c

om

ple

te)

159

0,6

67 9

SV

IBusi

ness

Exc

eptio

n(c

om

ple

te)

1

0,5 1

Para

metr

izedB

usi

ness

Exc

eptio

n(c

om

ple

te)

2

0,5 2

GD

Serv

icesE

xceptio

n(c

om

ple

te)

4

0,5 3

Serv

erE

xceptio

n(c

om

ple

te)

132

0,7

5 1

6

PG

Exc

eptio

n(c

om

ple

te)

6

0,6

67 5

0,7

5 4

DE

SE

xceptio

n(c

om

ple

te)

135

0,6

67 1

3

0,6

67 2

0,7

5 9 SIP

SC

Exc

eptio

n(c

om

ple

te)

27

0,7

5 9

Report

Exc

eptio

n(c

om

ple

te)

5

0,6

67 2

SS

NS

erv

iceE

xceptio

n(c

om

ple

te)

1

0,5 1

AF

Exc

ep

tion

(com

ple

te)

1

0,5 1

Inva

lidN

ISS

Exc

eptio

n(c

om

ple

te)

14 0

,75

4

0,7

5 1

4

GIL

Concu

rrency

Exc

eptio

n(c

om

ple

te)

1

0,5 1

RS

ISys

tem

Exc

eptio

n(c

om

ple

te)

28

0,7

5 7

0,6

67 5

0,6

67 1

0,7

5 2

0,6

67 5

0,8

33 5

0,6

67 5

0,6

67 4

0,7

5 1

2

0,9

81 5

3

AD

OP

Use

rChoic

eE

xceptio

n(c

om

ple

te)

1

0,5 1

0,6

67 5

RP

CE

xceptio

n(c

om

ple

te)

1

0,5 1

GR

EJB

Concu

rrency

Exc

eptio

n(c

om

ple

te)

15 0

,875

8

0,5 1

0,5 1

0,6

67 1

Mora

daP

ort

uguesa

NotF

oundE

xceptio

n(c

om

ple

te)

1

0,5 1

0,7

5 4

0,5 1

0,6

67 6

0,5 1

0,5 2

0,8

89 8

0,7

5 3

0,8 3

RS

IExc

eptio

n(c

om

ple

te)

1

0,5 1

0,5 1

0,5 1

0,6

67 4

0,6

67 3

0,5 1

0,5 2

0,7

5 5

0,5 1

0,5 1

0,5 2 0

,5 1

0,5 1

0,5 1

0,5 1

0,5 1

0,5 1

0,5 1

0,5 1

0,5 1

0,5 1

0,5 1

0,5 1

0,8 1

0,5 1

0,5 1

0,5 1

Fig

.4.

Spag

het

tim

odel

obta

ined

from

the

applica

tion

serv

erlo

gsusi

ng

the

heu

rist

ics

min

er.

Usi

ngth

ese

quen

cecl

uste

ring

plug

-inan

dit

spr

epro

cess

ing

capa

bilit

ies,

asw

ella

sthe

poss

ibili

tyof

visu

ally

adju

stin

gth

ecl

uste

rmod

elsa

ccor

ding

toce

rtai

nth

resh

olds

,itw

aspo

ssib

leto

iden

tify

seve

ralp

atte

rnsin

volv

ing

diffe

rent

type

sof

exce

ptio

ns.T

hese

patt

erns

wer

efo

und

afte

rse

vera

latt

empt

sof

tuni

ngw

ith

the

prep

roce

ssin

gpa

ram

eter

s,se

lect

ing

the

num

ber

ofcl

uste

rs(t

ypic

ally

from

3to

Processi adattivi e flessibili

•  Processi imprevedibili e “knowledge-intensive” •  Flessibilità a tempo di esecuzione: adattività

–  Gestione dinamica di eccezioni e modifiche alla struttura del processo

•  Flessibilità per “sotto-modellazione” –  Parti del processo decise a tempo di esecuzione

•  Flessibilità in fase di modellazione –  Approcci dichiarativi

•  Flessibilità in tutte le fasi del ciclo di vita –  Adaptive case management

BPM centrato sugli artefatti

•  Capovolgimento nella gestione dei processi •  Dati e processi: di pari livello e strettamente

interconnessi •  Dati al supporto dei processi, processi che

operano sui dati •  Elicitazione in termini di artefatti o entità di

business, che racchiudono –  Modello dei dati (es.: ordine, paziente, …) –  Ciclo di vita (es.: non è possibile chiudere un ordine

finché il cliente non l’ha confermato)

www.acsi-project.eu

a! i S C!

Collaborazione

Bradley e McDonald: organizational success with social media is fundamentally a leadership and management challenge, not a technology issue.

Entità di business

Infrastruttura collaborativa

Linked Business Entities

•  Concetto di “linked data” come rete in cui le unità informative sono collegate le une alle altre mediante connessioni semantiche

Conclusioni

•  Internet e cloud come base tecnologica •  Convergenza di dati e processi come base

concettuale per lo sviluppo di applicazioni a supporto delle persone –  Sfide teoriche e pratiche –  Necessità di sinergie tra ricerca scientifica, ricerca

tecnologica, mondo delle aziende

•  Venite a trovarci in piazza Domenicani!

Grazie!

Convergence, Rian Hughes

conoscenza condivisa: verso la convergenza di dati, processi, persone

Presentations & Public Speaking