Modelo de datos de minería de procesos

Completado

Cuando publica un proceso en Power BI, el sistema crea un origen de datos predeterminado y un informe correspondiente. Este modelo de datos abarca varias tablas, columnas y medidas que le ayudan a visualizar los resultados de la minería de procesos.

Explorar el modelo de datos

Después de conectar Power Automate Process Mining a un espacio de trabajo de Power BI, puede abrir el informe prediseñado en Power BI para explorar visualizaciones y el modelo de datos.

Tras abrir el informe en Power BI, puede descargar el archivo PBIX y abrirlo en la aplicación Power BI Desktop. También puede explorar el modelo de datos directamente en el servicio Power BI, lo que podría requerir que el administrador del espacio de trabajo realice más configuraciones.

El modelo de datos consta de estos componentes.

  • Datos de proceso: todos los datos relacionados con el proceso, sin filtrado ni medidas calculadas.

  • Datos de visualización: entidades que muestran los datos del proceso en el contexto de la vista analítica del proceso creado mediante el uso de filtros aplicados, medidas calculadas y métricas personalizadas.

  • Datos visuales: entidades que proporcionan datos precalculados necesarios para que aparezcan los objetos visuales personalizados de la minería de procesos.

  • Entidades de ayuda: otras entidades necesarias para Power BI.

El modelo de datos prediseñado, que se centra en datos de minería de procesos, incluye una amplia gama de métricas. Le recomendamos que invierta tiempo en explorar y comprender a fondo las tablas, las columnas, las medidas y las relaciones existentes antes de personalizar el modelo o incorporar datos adicionales. La siguiente imagen muestra las distintas tablas en el modelo de datos de la minería de procesos.

Explorar los datos

Tras abrir el informe en Power BI, puede usar el comando Explorar estos datos para examinar el modelo de datos, las tablas y las relaciones creando representaciones tabulares y matriciales de los datos subyacentes.

Este método ofrece una forma rápida e interactiva de explorar las tablas y relaciones visualizando los datos subyacentes.

Personalizar el modelo de datos

Tras comprender en profundidad el modelo de datos existente, puede comenzar a personalizarlo. Le recomendamos que empiece por el modelo de datos publicado por Power Automate Process Mining utilizando el modelo de datos compuesto de Power BI. Puede usar el modelo de datos compuesto para incluir conexiones de datos de más de un DirectQuery o importar conexiones de datos, en cualquier combinación que elija. Este método garantiza modificaciones seguras cuando necesita incluir más orígenes de datos, entidades, relaciones o DAX personalizadas.

Con el modelo de datos compuesto, puede hacer personalizaciones sobre el modelo existente. Además, puede utilizar el modelo de datos compuesto para lo siguiente:

  • Crear nuevas medidas y columnas calculadas.

  • Hacer una actualización regular y fluida de datos.

  • Agregar datos de orígenes externos de un modo eficiente.

  • Proteger las extensiones del modelo de datos frente a cambios importantes del usuario.

Nuevo ejemplo de medida

El modelo de datos prediseñado ya incluye una tabla ReportMeasures que contiene varias medidas, como la duración promedio o el recuento de recursos. La siguiente nueva medida transmite el número promedio de eventos para cada caso por continente de proveedor:

Average Events Per Case By Continent =
AVERAGEX(
    GROUPBY(
        Events,
        Events[vendor_continent],
        Events[Case_ID]
    ),
    CALCULATE(COUNTROWS(Events))
)

Luego, puede utilizar la característica Explorar estos datos para visualizar rápidamente los resultados, como se muestra en la siguiente imagen.

Ahora, la nueva medida está lista para usarse a fin de personalizar el informe.

Datos adicionales

Una ventaja de utilizar un espacio de trabajo Power BI personalizado es que puede enriquecer los informes incorporando datos externos de otros orígenes de datos, además de datos de minería de procesos. Por ejemplo, podría incorporar los datos de la programación de vacaciones en el país o región. Luego, podría agregar nuevas medidas para analizar las dependencias y la correlación entre la duración del caso, las horas de inicio y finalización y la superposición con el calendario de días festivos en cada país o región.