A framework on data-driven business process complexity analysis for decision-making support
| dc.contributor.advisor | Zarnekow, Rüdiger | |
| dc.contributor.advisor | Meister, Vera G. | |
| dc.contributor.author | Revina, Aleksandra | |
| dc.contributor.grantor | Technische Universität Berlin | |
| dc.contributor.referee | Zarnekow, Rüdiger | |
| dc.contributor.referee | Meister, Vera G. | |
| dc.date.accepted | 2023-01-27 | |
| dc.date.accessioned | 2023-03-01T08:03:29Z | |
| dc.date.available | 2023-03-01T08:03:29Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | Organizations become heavily dependent on diverse information systems to enable their business processes (BPs) due to continuous digitalization and increasing advancements in information technology. Data maintained in the information systems, such as event logs and textual data, grow exponentially, complicating decision-making and creating new challenges for Business Process Management (BPM). To exploit decision-making support opportunities inherent in these data volumes, several techniques are developed and adopted in BPM, for example, process mining and text mining. However, in these and other BP analysis techniques, oftentimes, the consideration of textual data massively generated in BPs is limited to process models and process descriptions. Moreover, these techniques do not offer extensive solutions using both event log and textual data to assist BP actors in making decisions. At the same time, as organizations get more complex, the interest in BP complexity analysis increases with an exclusive focus on a BP model and event log perspective, neglecting textual data generated in BPs. Despite the fact that texts often lack structure, they are believed to have a high business value remaining the most readily available source of knowledge. Accordingly, we identified three main concerns in the current BP complexity analysis approaches: incomprehensiveness, inefficiency, and bias. The mentioned concerns motivated the research in this dissertation. Specifically, this dissertation focuses on investigating the complexity-related insights that can be derived from textual data created by BP actors in BP execution and the ways to combine such data with an event log. As a result, a framework on data-driven BP complexity analysis for decision-making support is suggested. The main contributions of this dissertation can be summarized in line with a gradual development of the framework, each of the stages addressing particular issues of current BP analysis approaches. Thus, a comprehensive literature review provides an overview of various types of complexities in organizations as well as a method to manage them. Further, linguistic features forming a textual data-based BP complexity are elaborated to show the value of textual data in BP execution and decision-making. Afterward, they are combined with an event log to identify patterns that yield complexity in BP execution and insights one can get from such a synergistic perspective. Finally, a research agenda reveals an extensive potential of an integrated process data perspective, including event log and textual data. In general, the research conducted in this dissertation aims to draw the attention of the BPM community to the potential and high relevance of textual data generated in BP execution, making important contributions to comprehensive, efficient, and objective BP complexity analysis approaches. | en |
| dc.description.abstract | Aufgrund der zunehmenden Digitalisierung und Fortschritte in der Informationstechnologie sind Unternehmen in hohem Maße von verschiedenen Informationssystemen abhängig, um ihre Geschäftsprozesse (GP) zu unterstützen. Die in den Informationssystemen gespeicherten Daten, wie zum Beispiel Ereignisprotokolle und Textdaten, wachsen exponentiell, was die Entscheidungsfindung erschwert und neue Herausforderungen für das Geschäftsprozessmanagement (GPM) schafft. Um die mit diesen Datenmengen verbundenen Möglichkeiten der Entscheidungsunterstützung zu nutzen, wurden verschiedene Techniken entwickelt und im GPM eingesetzt, zum Beispiel Process Mining und Text Mining. Bei diesen und anderen GP-Analysetechniken beschränkt sich die Betrachtung der in GP massiv anfallenden Textdaten jedoch häufig auf Prozessmodelle und Prozessbeschreibungen. Darüber hinaus bieten diese Techniken keine umfassenden Lösungen, die sowohl Ereignisprotokoll- als auch Textdaten nutzen, um GP-Akteure bei der Entscheidungsfindung zu unterstützen. Gleichzeitig steigt mit der zunehmenden Komplexität von Unternehmen das Interesse an der Komplexitätsanalyse von GP, wobei der Fokus ausschließlich auf GP-Modellen und Ereignisprotokollen liegt und die in GP generierten Textdaten vernachlässigt werden. Trotz der Tatsache, dass Texte oft unstrukturiert sind, wird ihnen ein hoher Geschäftswert zugeschrieben, da sie die am leichtesten verfügbare Wissensquelle darstellen. Dementsprechend haben wir drei Hauptprobleme in den aktuellen Ansätzen zur Komplexitätsanalyse von GP identifiziert: Unvollständigkeit, Ineffizienz und Bias. Die genannten Probleme motivierten die Forschung in dieser Dissertation. Konkret geht es in dieser Dissertation um die Untersuchung der komplexitätsbezogenen Erkenntnisse, die aus den von GP-Akteuren bei der GP-Ausführung erzeugten Textdaten abgeleitet werden können, sowie um die Möglichkeiten, solche Daten mit dem Ereignisprotokoll zu kombinieren. Als Ergebnis wird ein Framework zur datengesteuerten Komplexitätsanalyse von GP zur Entscheidungsunterstützung vorgeschlagen. Die wichtigsten Beiträge dieser Dissertation lassen sich entsprechend einer schrittweisen Entwicklung des Frameworks zusammenfassen, wobei jede der Phasen bestimmte Probleme aktueller GP-Analyseansätze adressiert. So bietet eine umfassende Literaturübersicht einen Überblick über verschiedene Arten von Komplexität in Organisationen sowie eine Methode zu deren Bewältigung. Des Weiteren werden linguistische Features, die eine auf Textdaten basierende GP-Komplexität abbilden, ausgearbeitet, um den Wert von Textdaten bei der GP-Ausführung und Entscheidungsfindung aufzuzeigen. Anschließend werden sie mit Ereignisprotokollen kombiniert, um Muster zu identifizieren, die Komplexität in der GP-Ausführung anzeigen, und um darzustellen, welche Erkenntnisse man aus einer solchen synergetischen Perspektive gewinnen kann. Abschließend wird eine Forschungsagenda aufgestellt, die das umfangreiche Potenzial einer integrierten Prozessdatenperspektive, einschließlich Ereignisprotokoll und Textdaten, darstellt. Im Allgemeinen zielt die in dieser Dissertation durchgeführte Forschung darauf ab, die Aufmerksamkeit der GPM-Community auf das Potenzial und die hohe Relevanz von Textdaten zu lenken und einen wichtigen Beitrag zu umfassenden, effizienten und objektiven GP-Komplexitätsanalyseansätzen zu leisten. | de |
| dc.identifier.uri | https://depositonce.tu-berlin.de/handle/11303/18255 | |
| dc.identifier.uri | https://doi.org/10.14279/depositonce-17048 | |
| dc.language.iso | en | |
| dc.relation.haspart | 10.14279/depositonce-12603 | |
| dc.relation.haspart | 10.14279/depositonce-17152 | |
| dc.relation.haspart | 10.14279/depositonce-17153 | |
| dc.relation.haspart | 10.14279/depositonce-17154 | |
| dc.rights.uri | http://rightsstatements.org/vocab/InC/1.0/ | |
| dc.subject.ddc | 000 Informatik, Informationswissenschaft, allgemeine Werke | de |
| dc.subject.ddc | 004 Datenverarbeitung; Informatik | de |
| dc.subject.ddc | 410 Linguistik | de |
| dc.subject.other | business process management | en |
| dc.subject.other | linguistic features | en |
| dc.subject.other | natural language processing | en |
| dc.subject.other | process complexity | en |
| dc.subject.other | process mining | en |
| dc.title | A framework on data-driven business process complexity analysis for decision-making support | en |
| dc.title.translated | Ein Rahmen für die datengestützte Analyse der Komplexität von Geschäftsprozessen zur Unterstützung der Entscheidungsfindung | de |
| dc.type | Doctoral Thesis | |
| dc.type.version | acceptedVersion | |
| dcterms.rightsHolder.reference | Deposit-Lizenz (Erstveröffentlichung) | |
| tub.accessrights.dnb | domain | |
| tub.affiliation | Fak. 7 Wirtschaft und Management::Inst. Technologie und Management (ITM)::FG Informations- und Kommunikationsmanagement (IKM) | |
| tub.publisher.universityorinstitution | Technische Universität Berlin |