Formatos de Archivo

Formatos de Datos Soportados

Aprenda sobre los formatos de archivo compatibles, estructuras de datos y requisitos de asignación de columnas para conjuntos de datos de minería de procesos.

CSV (Valores Separados por Comas)

El formato más comúnmente utilizado para datos de minería de procesos con opciones flexibles de análisis.

Especificaciones del Formato

Opción	Descripción	Predeterminado	Ejemplo
`delimiter`	Carácter separador de campos	coma (,)	punto y coma (;), tabulación (\t)
`encoding`	Codificación de caracteres	UTF-8	ISO-8859-1, Windows-1252
`hasHeader`	La primera fila contiene nombres de columnas	true	true, false
`quoteChar`	Carácter calificador de texto	comillas dobles (")	comillas simples (')

Ejemplo de Estructura CSV

CaseID,Activity,Timestamp,Resource,Amount
PO-001,Create Order,2024-01-15T09:00:00Z,buyer.smith,1500.00
PO-001,Approve Order,2024-01-15T10:30:00Z,manager.jones,1500.00
PO-001,Send to Supplier,2024-01-15T11:00:00Z,system.auto,1500.00
PO-002,Create Order,2024-01-15T09:15:00Z,buyer.brown,2750.50

Configuración de Asignación de Columnas

{
  "mapping": [
    {
      "sourceColumn": "CaseID",
      "targetColumn": "CaseID",
      "dataType": "string",
      "role": "case_id"
    },
    {
      "sourceColumn": "Activity",
      "targetColumn": "Activity",
      "dataType": "string",
      "role": "activity"
    },
    {
      "sourceColumn": "Timestamp",
      "targetColumn": "Timestamp",
      "dataType": "datetime",
      "role": "timestamp",
      "format": "ISO8601"
    }
  ],
  "options": {
    "hasHeader": true,
    "delimiter": ",",
    "encoding": "UTF-8"
  }
}

Archivos Excel (.xlsx, .xls)

Libros de Microsoft Excel con soporte para múltiples hojas y formato avanzado.

Funcionalidades Soportadas

Tipos de Archivo

.xlsx (Excel 2007+)
.xls (Excel 97-2003)
.xlsm (Habilitado para macros)

Manejo de Hojas de Trabajo

Soporte para múltiples hojas
Selección de hoja específica
Importación basada en rango

Reconocimiento de Datos

Detección automática de fecha/hora
Preservación de formato numérico
Limpieza de formato de texto

Configuración para Importación Excel

{
  "worksheetName": "ProcessEvents",
  "range": "A1:E1000",
  "hasHeader": true,
  "startRow": 1,
  "mapping": [
    {
      "sourceColumn": "Order ID",
      "targetColumn": "CaseID",
      "dataType": "string"
    },
    {
      "sourceColumn": "Event Date",
      "targetColumn": "Timestamp",
      "dataType": "datetime",
      "format": "MM/dd/yyyy HH:mm:ss"
    }
  ]
}

XES (eXtensible Event Stream)

Formato estándar IEEE para minería de procesos con soporte completo para atributos de eventos y extensiones.

Soporte de Especificación XES

Elemento	Nivel de Soporte	Descripción
Log	Completo	Atributos y metadata a nivel de log
Trace	Completo	Atributos y eventos a nivel de caso
Event	Completo	Datos y atributos a nivel de actividad
Extensions	Parcial	Extensiones estándar (concepto, tiempo, ciclo de vida)

Ejemplo de Estructura XES

<?xml version="1.0" encoding="UTF-8" ?>
<log xes.version="1.0" xmlns="http://www.xes-standard.org/">
  <extension name="Concept" prefix="concept" uri="http://www.xes-standard.org/concept.xesext"/>
  <extension name="Time" prefix="time" uri="http://www.xes-standard.org/time.xesext"/>

  <trace>
    <string key="concept:name" value="PO-001"/>

    <event>
      <string key="concept:name" value="Create Order"/>
      <date key="time:timestamp" value="2024-01-15T09:00:00.000Z"/>
      <string key="org:resource" value="buyer.smith"/>
    </event>

    <event>
      <string key="concept:name" value="Approve Order"/>
      <date key="time:timestamp" value="2024-01-15T10:30:00.000Z"/>
      <string key="org:resource" value="manager.jones"/>
    </event>
  </trace>
</log>

JSON (Notación de Objetos de JavaScript)

Formato JSON estructurado para datos complejos de eventos con atributos anidados y esquema flexible.

Opciones de Esquema JSON

Array de Eventos

Estructura plana simple con objetos de evento.

[
  {
    "caseId": "PO-001",
    "activity": "Create Order",
    "timestamp": "2024-01-15T09:00:00Z",
    "resource": "buyer.smith"
  }
]

Estructura Anidada

Datos jerárquicos con anidamiento de casos y eventos.

{
  "cases": [
    {
      "caseId": "PO-001",
      "events": [
        {
          "activity": "Create Order",
          "timestamp": "2024-01-15T09:00:00Z"
        }
      ]
    }
  ]
}

Configuración de Asignación JSON

{
  "schema": "flat",
  "mapping": [
    {
      "jsonPath": "$.caseId",
      "targetColumn": "CaseID",
      "dataType": "string"
    },
    {
      "jsonPath": "$.activity",
      "targetColumn": "Activity",
      "dataType": "string"
    },
    {
      "jsonPath": "$.timestamp",
      "targetColumn": "Timestamp",
      "dataType": "datetime"
    }
  ]
}

Requisitos de Tipo de Datos

Comprensión de tipos de datos y reglas de validación para una estructura adecuada del conjunto de datos:

Campos de Texto (String)

Datos de texto con validación de longitud y caracteres.

Se requiere codificación UTF-8
Longitud máxima: 1000 caracteres
Manejo de caracteres especiales
Soporte para valores nulos

Campos de Fecha y Hora (DateTime)

Datos de marca de tiempo con soporte de zona horaria.

Formato ISO 8601 preferido
Soporte para formatos personalizados
Conversión de zona horaria
Precisión hasta milisegundos

Campos Numéricos

Manejo de números enteros y decimales.

Soporte para enteros de 64 bits
Decimales de doble precisión
Notación científica
Formato de moneda

Campos Booleanos

Interpretación de valores verdadero/falso.

true/false (insensible a mayúsculas)
Valores numéricos 1/0
Valores de texto sí/no
Opciones para manejo de nulos

Validación del Formato y Errores

Reglas comunes de validación y manejo de errores para diferentes formatos de archivo:

Columnas Requeridas

Cada conjunto de datos de minería de procesos debe incluir estas columnas esenciales:

Case ID: Identificador único para cada instancia del proceso
Activity: Nombre o descripción del paso del proceso
Timestamp: Momento en que ocurrió la actividad (con zona horaria)

Errores Comunes de Validación

Tipo de Error	Descripción	Resolución
Columna Requerida Faltante	No se encontró CaseID, Activity, o Timestamp	Agregar columna faltante o actualizar asignación
Formato de Fecha Inválido	Timestamp no está en formato reconocido	Especificar patrón personalizado de fecha
Case ID Vacío	Valores nulos o vacíos en columna Case ID	Limpiar datos o usar filtro de filas
Encabezados Duplicados	Múltiples columnas con mismo nombre	Renombrar columnas o usar índices de columna

Mejores Prácticas

Calidad de Datos: Validar datos antes de la importación usando opciones de validación integradas
Rendimiento: Usar cargas por streaming para archivos mayores a 100MB
Codificación: Siempre especificar codificación UTF-8 para soporte de caracteres internacionales
Marcas de Tiempo: Incluir información de zona horaria en todos los datos de timestamp
Pruebas: Usar archivos pequeños de muestra para probar asignaciones de columnas antes de la importación completa
Documentación: Documentar formatos personalizados y asignaciones para referencia futura