Project R-11556

Event Data Analytics: Feature Engineering en Diagnostic Analysis in een hybride gegevensbronomgeving. (Onderzoek)

Vandaag de dag worden bedrijven meer en meer geconfronteerd met een groot volume van zeer gedetailleerde data. Hieruit willen ze kennis en betekenis halen om op een data-gedreven manier verder te kunnen groeien. Event data analytics kan hierbij helpen door te leren hoe bepaalde gebeurtenissen gestimuleerd en hoe anderen vermeden kunnen worden. Dit doctoraatsproject wil bedrijven die inzichten kunnen verschaffen. Drie focuspunten worden geïdentificeerd waarbij de eerste twee potentiële verrijkingsfasen zijn. Ten eerste moeten de massa's data omgezet worden naar een meer begrijpbaar niveau. Dit houdt de transformatie van gebeurtenissen naar gedragspatronen in door, bijvoorbeeld, event log abstractietechnieken. Ten tweede detecteren we contextwijzigingen door, onder andere, relaties te zoeken tussen verschillende businessobjecten en hun attributen. Het kan dan gaan over klanten, leveranciers, medewerkers, IT-systemen, enzoverder. Het ene object kan een ander beïnvloeden, zowel op een positieve en negatieve manier. Ten derde zal diagnostic analytics duidelijk maken welke patronen en fenomenen gelinkt zijn aan elkaar. Er zal niet langer gezocht worden naar enkel de oorzaken van een probleem zodat het vermeden kan worden, maar ook hoe positieve gebeurtenis gestimuleerd kan worden om zich net wel opnieuw voor te doen. Dit kan beide met soortgelijke methoden.

01 september 2019 - 11 januari 2024