Python スクリプト

Python スクリプトのアクションステップでは、プロセスマイニングデータにアクセスできるカスタムPythonコードを実行できます。これにより、データ変換、カスタム統合、専門的な処理に最大限の柔軟性が提供されます。

概要

Python スクリプトアクションステップを設定すると、システムは以下を行います：

選択したすべての分析からデータを収集
このデータをPythonコードで利用可能にする
安全な環境でスクリプトを実行
データの処理、変換、任意の場所への送信を可能にする

これは最も強力で柔軟なアクションステップで、組み込みオプション以上のカスタム機能が必要な上級ユーザーに適しています。

Python スクリプトを使用するタイミング

次のような場合に Python スクリプトを使用してください：

カスタムAPIやWebhookへデータを送信する
他のシステムへエクスポートする前にデータを変換する
データベースやデータウェアハウスと連携する
カスタムファイル形式やレポートを作成する
mindzieStudio標準機能にない計算を行う
サードパーティサービス（Slack、Teams、Salesforceなど）と統合する

前提条件

Python スクリプトを使用する前に：

基本的なPythonプログラミング知識が必要
アクションウィザードのデータステップで分析データを選択している
分析から利用可能なデータ構造を理解している

設定方法

アクションにPython スクリプトを追加するには、アクションステップセクションの**+**ボタンをクリックし、Python Scriptを選択します。

スクリプトエディタ

Python スクリプトダイアログにはコードエディタがあり、そこでPythonコードを記述します。スクリプトは以下にアクセスできます：

選択した分析のすべてのデータ
標準Pythonライブラリ
一般的なデータ処理ライブラリ（pandas、requestsなど）

利用可能なデータ

スクリプトは選択された分析データを構造化された形式で受け取ります。アクセスできるのは：

生のイベントログデータ
計算された指標や統計
分析結果やテーブル
可視化データ

サンプルスクリプト

Webhookへデータ送信

import requests
import json

# 分析データにアクセス
data = get_analysis_data()

# Webhookへ送信
response = requests.post(
    'https://your-webhook-url.com/endpoint',
    json=data,
    headers={'Content-Type': 'application/json'}
)

if response.status_code == 200:
    print("Data sent successfully")
else:
    print(f"Error: {response.status_code}")

データベースにエクスポート

import pandas as pd
from sqlalchemy import create_engine

# 分析データをDataFrameとして取得
df = get_analysis_dataframe()

# データベースに接続
engine = create_engine('postgresql://user:pass@host:5432/database')

# テーブルにデータを書き込み
df.to_sql('process_metrics', engine, if_exists='replace', index=False)

print(f"Exported {len(df)} rows to database")

Slack通知の送信

import requests

# 主要指標を取得
metrics = get_analysis_data()
avg_duration = metrics['average_duration']
case_count = metrics['case_count']

# Slackへ送信
slack_message = {
    "text": f"Daily Process Summary: {case_count} cases processed, avg duration: {avg_duration}"
}

requests.post(
    'https://hooks.slack.com/services/YOUR/WEBHOOK/URL',
    json=slack_message
)

カスタムCSVエクスポート

import pandas as pd
from datetime import datetime

# データ取得
df = get_analysis_dataframe()

# データ変換
df['export_date'] = datetime.now().strftime('%Y-%m-%d')
df['source'] = 'mindzieStudio'

# カスタム場所に保存
filename = f"process_export_{datetime.now().strftime('%Y%m%d')}.csv"
df.to_csv(f'/exports/{filename}', index=False)

print(f"Exported to {filename}")

ベストプラクティス

まず手動でスクリプトをテスト：スケジュール実行する前にPythonコードを開発・検証してください。Pythonノートブックでロジックを確認するのがおすすめです。
エラーを適切に処理：try/exceptブロックを使ってエラーを捕捉しログを残してください。失敗したスクリプトは有益なエラーメッセージを返すべきです。
重要なステップをログに記録：print文で実行進捗を追跡しましょう。これらはアクションの履歴に表示されます。
資格情報を安全に管理：パスワードやAPIキーをスクリプトに直接書き込まないでください。環境変数や安全な保管方法を使いましょう。
実行時間を考慮：アクションにはタイムアウト制限があります。特に大規模データ処理は効率化してください。
処理前にデータを検証：期待するデータが存在するか確認し、欠損データは適切に処理してください。

よくあるパターン

エラー処理

try:
    data = get_analysis_data()
    process_data(data)
    print("Success")
except Exception as e:
    print(f"Error: {str(e)}")
    # 必要に応じてアラート送信
    send_error_notification(str(e))

データ検証

data = get_analysis_data()

if not data or len(data) == 0:
    print("No data available - skipping export")
    exit()

if 'required_column' not in data.columns:
    print("Missing required column")
    exit()

# 続行

条件付き処理

data = get_analysis_data()

# 閾値超過時のみアラート送信
if data['average_duration'] > 24:  # 単位：時間
    send_alert("Process duration exceeds 24 hours!")
else:
    print("Duration within acceptable range")

トラブルシューティング

スクリプトが実行されない

アクション履歴のエラーメッセージを確認
アクションが有効かつスケジュールされているか確認
Python構文が正しいか確認

データが利用できない

データステップで分析が選択されているか確認
分析が実行されてデータが存在するか確認
スクリプト内のデータアクセス方法をチェック

スクリプトタイムアウト

コードを最適化
データを小分割で処理
重い処理は外部システムへ移行を検討

外部サービスでのエラー

APIエンドポイントと認証情報を確認
実行環境からのネットワーク接続を確認
一時的な失敗に備えリトライロジックを追加

インポートエラー

必須ライブラリが利用可能か確認
追加Pythonパッケージが必要な場合はサポートに連絡

制限事項

スクリプトはサンドボックス環境で実行
一部のシステムレベル操作は制限
外部ネットワークアクセスはセキュリティポリシーで制限される場合あり
実行時間は無制限を防ぐため制限あり

サポート

Python スクリプトに関する問題が発生した場合：

メール：support@mindzie.com
スクリプトコード（機密情報は除く）を添付
アクション履歴のエラーメッセージを明記
期待する動作と実際の動作を説明してください