data. Consider, for example, a full

data. Consider, for example, a full SAP implementation that typically has more than
10,000 tables. Data may be scattered due to technical or organizational reasons. For
example, there may be legacy systems holding crucial data or information systems
used only at the departmental level. For cross-organizational process mining, e.g.,
to analyze supply chains, data may even be scattered over multiple organizations.
Events can also be captured by tapping of message exchanges [107] (e.g., SOAP
messages) and recording read and write actions [36]. Data sources may be structured and well-described by meta data. Unfortunately, in many situations, the data is
unstructured or important meta data is missing. Data may originate from web pages,

ผลลัพธ์ (ไทย) 2:

ข้อมูล พิจารณาตัวอย่างเช่นการดำเนินงานของ SAP เต็มรูปแบบที่มักจะมีมากกว่า
10,000 ตาราง ข้อมูลอาจจะกระจัดกระจายเนื่องจากเหตุผลทางเทคนิคหรือองค์กร สำหรับ
ตัวอย่างเช่นอาจจะมีระบบเดิมถือข้อมูลสำคัญหรือระบบข้อมูลที่
ใช้เฉพาะในระดับแผนก สำหรับการทำเหมืองกระบวนการข้ามองค์กรเช่น
การวิเคราะห์ห่วงโซ่อุปทานข้อมูลอาจแม้จะกระจายไปทั่วหลายองค์กร.
เหตุการณ์ยังสามารถจับภาพโดยการแตะที่ข้อความของการแลกเปลี่ยน [107] (เช่นสบู่
ข้อความ) และการบันทึกการอ่านและเขียนการกระทำ [36 ] แหล่งที่มาของข้อมูลอาจจะมีโครงสร้างที่ดีและอธิบายโดยข้อมูล meta แต่น่าเสียดายที่ในหลาย ๆ สถานการณ์ข้อมูลที่
ไม่มีโครงสร้างที่สำคัญหรือข้อมูล meta จะหายไป ข้อมูลอาจมาจากหน้าเว็บ

ผลลัพธ์ (ไทย) 3:

ข้อมูล พิจารณาตัวอย่างเช่น SAP ใช้เต็มที่มักจะมีมากกว่า
10 , 000 ตาราง ข้อมูลอาจจะกระจัดกระจายไปเนื่องจากเหตุผลทางเทคนิคหรือองค์การ สำหรับ
ตัวอย่าง อาจจะมีระบบเก่าถือข้อมูลที่สําคัญข้อมูล หรือระบบ
ใช้เฉพาะในระดับแผนก เพื่อข้ามขั้นตอนขององค์การเหมืองแร่ เช่น
วิเคราะห์โซ่อุปทานข้อมูลอาจจะกระจายไปทั่วหลายองค์กร .
เหตุการณ์ยังสามารถบันทึกโดยการแตะข้อความ [ 107 ] ( เช่นข้อความสบู่
) และการบันทึกที่อ่านและเขียนการกระทำ [ 36 ] แหล่งข้อมูลอาจจะมีโครงสร้างและอธิบาย meta ข้อมูล แต่น่าเสียดายที่ในหลายกรณี ข้อมูลที่ไม่มีโครงสร้างหรือข้อมูล meta
สำคัญหายไป ข้อมูลอาจจะมาจากหน้าเว็บ