Bây giờ bạn có event log sạch. Bước tiếp theo là discovery — để thuật toán tự vẽ ra sơ đồ quy trình thật. Nhưng vẽ được sơ đồ mới là một nửa; nửa còn lại là đọc hiểu nó để tìm ứng viên agent-hóa. Bài này dạy cả hai.
Chạy discovery với PM4Py
PM4Py là thư viện Python miễn phí, đủ mạnh cho hầu hết dự án. Quy trình tối thiểu:
import pandas as pd
import pm4py
df = pd.read_csv("event_log.csv")
df = pm4py.format_dataframe(
df, case_id="case_id", activity_key="activity",
timestamp_key="timestamp")
# Sơ đồ tần suất trực quan (dễ đọc nhất cho người mới)
pm4py.view_dfg(*pm4py.discover_dfg(df), format="png")
discover_dfg tạo Directly-Follows Graph — đồ thị cho biết bước nào theo sau bước nào và bao nhiêu lần. Với mỗi cạnh, bạn thấy con số: A → B (4.100 lần) nghĩa là có 4.100 lần bước B xảy ra ngay sau A.
Đọc sơ đồ: bốn tín hiệu vàng
Khi nhìn một DFG, hãy săn bốn thứ:
- Luồng chính (happy path) — chuỗi cạnh dày nhất, đi thẳng. Đây là 70–90% case.
- Vòng lặp (rework loop) — cạnh quay ngược lại bước trước. Dấu hiệu của sửa lỗi, làm lại → tốn tiền.
- Nhánh rẽ (variant) — chỗ quy trình tách nhiều hướng. Nhiều variant = quy trình thiếu chuẩn.
- Điểm nghẽn (bottleneck) — bước có thời gian chờ dài trước khi sang bước sau.
Ví dụ đọc sơ đồ
Giả sử DFG quy trình xử lý ticket hiện ra:
Tao ticket (1000) → Phan loai (1000) → Xu ly (720)
|
└→ Chuyen phong khac (280) → Phan loai (280)
Xu ly (720) → Dong (700)
Xu ly → Mo lai (150) → Xu ly (150)
Đọc ra:
- 280 ticket bị phân loại sai rồi chuyển phòng → phân loại lại. Một agent phân loại tự động có thể giảm mạnh con số này.
- 150 ticket bị mở lại sau khi đóng → xử lý chưa dứt điểm. Cần điều tra riêng, có thể chưa hợp cho agent.
- Happy path
Tao → Phan loai → Xu ly → Dongchiếm 700/1000 = 70%.
Khung tư duy: happy path vs the mess
Mọi quy trình chia làm hai phần:
- Happy path — luồng thẳng, đơn giản, tần suất cao. Đây là nơi agent tạo giá trị nhanh nhất vì quy tắc rõ.
- The mess — các variant hiếm, ngoại lệ phức tạp. Để con người xử lý, đừng bắt agent gánh ngay từ đầu.
Các bước discovery
- Nạp event log đã format vào PM4Py.
- Chạy
discover_dfgđể có sơ đồ tần suất. - Đếm số variant bằng
pm4py.get_variants(df)— biết quy trình lộn xộn cỡ nào. - Xác định happy path (variant chiếm % cao nhất).
- Đánh dấu mọi vòng lặp và nhánh rẽ bất ngờ.
- Ghi lại % khối lượng của happy path — đây là trần lợi ích khi agent hóa nó.
variants = pm4py.get_variants(df)
top = sorted(variants.items(), key=lambda x: -len(x[1]))[:5]
for path, cases in top:
print(len(cases), path)
Sai lầm thường gặp
- Bị choáng bởi "spaghetti diagram" khi hiển thị 100% variant. Hãy lọc, chỉ giữ variant phổ biến (VD top 80% khối lượng).
- Nhầm DFG với BPMN: DFG chỉ nói thứ tự trực tiếp, không nắm bắt song song/điều kiện chuẩn xác. Đủ để chẩn đoán, nhưng đừng dùng nó làm đặc tả cứng.
- Chỉ nhìn cấu trúc mà quên tần suất: một nhánh trông đáng sợ nhưng chỉ 3 case thì không đáng agent hóa.
- Kết luận nguyên nhân từ sơ đồ: sơ đồ cho biết cái gì xảy ra, không cho biết tại sao. Cần phỏng vấn để hiểu gốc rễ.
Kết hợp discovery với dữ liệu định tính
Sơ đồ discovery mạnh nhất khi bạn dùng nó làm điểm khởi đầu cho hội thoại, không phải kết luận cuối. Sau khi tìm ra vòng lặp 280 ticket phân loại sai, hãy mang chính con số đó đến gặp đội xử lý và hỏi vì sao. Thường bạn sẽ nghe: 'form phân loại có 40 lựa chọn, người gửi chọn đại'. Đó chính là insight giúp bạn thiết kế agent phân loại đúng chỗ. Sơ đồ định lượng chỉ ra nơi cần đào; phỏng vấn định tính chỉ ra cách sửa. Kết hợp hai thứ, bạn vừa có bằng chứng bằng số để thuyết phục lãnh đạo, vừa có hiểu biết ngữ cảnh để thiết kế giải pháp agent đúng.