流程挖掘是一种将专业算法应用于事件日志数据的方法,用以确定有关流程如何展开的趋势、模式和详细信息。流程挖掘应用数据科学来发现、验证和改进工作流。
通过将数据挖掘和流程分析相结合,组织可以从其信息系统中挖掘日志数据,以了解其流程的性能,揭示瓶颈和其他需要改进的领域。流程挖掘利用数据驱动的方法来优化流程,使管理人员客观地做出有关现有流程资源分配的决策。
信息系统(例如企业资源规划 (ERP) 或客户关系管理 (CRM) 工具)可提供流程的审计跟踪及其各自的日志数据。流程挖掘利用来自 IT 系统的这些数据来创建真实流程的流程模型或流程图。在此基础上,对端到端流程进行审查,并了解其细节和任何变化。
专业算法还能帮助我们深入了解偏离标准的根本原因。这些算法和可视化功能使管理层能够了解他们的流程是否按预期运行;如果没有,他们可以基于这些信息来判断这种情况是否合理,并分配必要的资源以优化流程。他们还可以发现将机器人流程自动化 (RPA) 整合到流程中的机会,从而帮助公司加快实施任何自动化计划。
流程挖掘侧重于不同的视角,例如控制流、组织、案例和时间戳。虽然流程挖掘的大部分工作都侧重于活动顺序,即控制,但其他视角也能为管理团队提供有价值的信息。组织视角可以显示流程中的各种资源,例如单个工作职务或部门,而时间视角可以通过测量流程中不同事件的处理时间来揭示瓶颈。
2011 年,电气和电子工程师协会 (IEEE) 发布了《流程挖矿宣言》(链接位于 ibm.com 外部),旨在推动采用流程挖掘来重新设计业务运营。虽然 IEEE 等流程挖掘的支持者积极倡导采用这种方法,但 Gartner 指出,市场因素也将在流程挖掘的加速采用过程中发挥作用。数字化转型工作将促进围绕流程进行更多研究,从而提高人工智能、任务自动化和超自动化等新技术的采用率。这些组织变革的步伐也将要求企业发挥运营弹性以适应形势。因此,企业将越来越依赖流程挖掘工具来实现其业务成果。
使用此模型选择框架选择最合适的模型同时平衡性能要求与成本、风险和部署需求。
注册以获取 Gartner 报告
荷兰计算机科学家兼教授 Wil van der Aalst 因在流程挖掘的学术研究方面做出的巨大贡献而受到赞誉。他的研究和上述宣言都描述了三种类型的流程挖掘:发现、合规性和改进。
发现:流程发现是利用事件日志数据来创建流程模型,不受外界影响。在这个类别中,开发新流程模型时没有既有流程模型可以借鉴。这种流程挖掘的采用最为广泛。
合规性:合规性检查旨在确认预期流程模型是否在实践中得到体现。这种类型的流程挖掘根据其事件日志数据将流程描述与现有流程模型进行比较,以识别与预期模型的任何偏差。
改进:这类流程挖掘也被称为扩展、组织挖掘或绩效挖掘。这类流程挖掘使用附加信息来改进现有流程模型。例如,合规性检查的输出结果可以帮助管理人员发现流程模型中的瓶颈,然后有针对性地优化现有流程。
流程挖掘位于业务流程管理 (BPM) 和数据挖掘的交叉点上。虽然流程挖掘和数据挖掘都使用数据,但各自处理的数据集的范围不同。流程挖掘专门使用事件日志数据来生成流程模型,这些模型可用于发现、比较或改进给定流程。
数据挖掘的范围要广泛得多,并且可扩展到各种数据集。它用于观察和预测行为,可应用于客户流失、欺诈检测、市场篮子分析等领域。
对于一直以来都是通过人工管理的 BPM,流程挖掘采用更大程度上由数据驱动的方法。BPM 通常通过研讨会和访谈等非正式的方式收集数据,然后使用软件将该工作流程记录为流程图。由于为这些流程图提供信息的数据通常是定性数据,因此流程挖掘为解决流程问题带来了一种更倾向于定量的方法,通过事件数据来详细说明实际流程。
增加销售额并不是创收的唯一途径。六西格玛和精益方法也证明了降低运营成本能提高投资回报率 (ROI)。
流程挖掘解决方案通过量化运营模式中的低效问题,帮助领导者对资源分配做出客观决策,从而降低企业的运营成本。发现这些瓶颈问题不仅可以降低成本、加快流程改进,还可以推动更多创新、提高质量和客户留存率。
由于流程挖掘仍是一门相对较新的学科,因此仍有一些障碍需要克服。其中一些挑战包括:
数据质量:要进行流程挖掘,通常需要查找、合并和清理数据。数据可能分布在各种数据源中。它也可能不完整,或包含不同的标签或粒度级别。考虑到这些差异对于流程模型生成的信息非常重要。
概念漂移:有时,流程会在分析过程中发生变化,从而导致概念漂移。
利用先进的流程挖掘解决方案是提高效率和推动组织转型的关键。
提高透明度:流程挖掘提供了数据驱动的运营流程视图,超越了传统的业务流程图。这种深度可见性对于识别低效问题和合规性问题以及了解实际流程至关重要。
简化流程分析并提高效率:流程挖掘可利用事件日志数据快速分析业务流程,实现多个变量的可视化并简化操作,以减少周期时间和成本。这种方法简化了管理,促进了日常任务的自动化。
数据驱动的决策:流程挖掘有助于利用 IT 系统数据做出客观决策。这种方法是精确识别和解决瓶颈和偏差等问题的关键。
流程优化:通过持续监控 KPI 和 SLA 等流程性能指标,流程挖掘可在各种操作中发现优化和自动化机会。
以客户为中心的流程视图:它通过将外部客户互动与内部运营相结合,提供对客户使用情况的详细洞察分析,突出客户体验中需要改进的方面。
流程标准化:它通过识别差异并使其与最佳流程模型保持一致,支持整个组织的流程实现标准化。这有助于确保稳定的性能和质量。
更好的客户体验:简化流程和提高效率可改善服务,提高客户满意度和忠诚度。
数据质量和可用性:有效的流程挖掘依赖于高质量的完整数据。数据不准确会扭曲流程模型,导致错误的洞察分析。让数据分析师参与初始阶段的工作,可以确保流程挖掘所用数据的完整性和完备性。
无法捕捉任务:流程挖掘可能会遗漏 IT 系统外没有记录在事件日志中的人工任务,从而限制了其在工作流程优化中的应用范围。通过将任务挖掘与流程挖掘组织相结合,组织可以弥补这一差距,并增强工作流程和任务级优化的分析。
集成障碍:由于缺少连接器或数据格式问题,一些 IT 系统对流程挖掘带来了集成挑战。专为特定系统或流程设计的预打包解决方案可以简化集成,使流程更加无缝。
概念漂移:随着流程的演进,流程挖掘模型可能很难不断更新。如果使用过时的模型,会有更大的风险获得过时的分析。先进的流程挖掘解决方案可对流程进行近乎实时的分析,有助于保持模型的最新性和相关性。
大型组织的复杂性:在大型组织中,流程的数量和复杂性会给流程挖掘带来更大的挑战,影响洞察分析的提取。通过采用以对象为中心或多级别流程挖掘技术,组织可以更好地管理和分析复杂的流程。
改变的潜在阻力:流程挖掘会带来流程管理方面的重大改变,这可能会遭到习惯于现有工作流程的员工的抵制。有效的变更管理对于流程挖掘的成功实施和采用至关重要。实施有效的变更管理策略,包括员工培训和参与,可以促进顺利过渡和采用。
流程挖掘技术已用于改进各行各业的流程。由于流程图突出显示了影响绩效的关键绩效指标 (KPI),因此它们会促使企业重新审视其运营过程中的低效环节。以下用例说明了流程挖掘解决方案的价值和多功能性:
教育:流程挖掘可以通过监控和评估学生的表现和行为(例如学生花多少时间查看课堂材料)来帮助确定有效的课程安排。
金融:金融服务、金融机构和采购部门使用流程挖掘软件来改进各种组织间流程和账户审计、增加收入并扩大客户群。
公共工程:流程挖掘用于简化涉及建筑公司、清洁企业和环境局等各种利益相关者的公共工程项目的发票流程。
软件开发:工程流程可能是杂乱无章的,而流程挖掘可以帮助确定清晰的、记录在案的流程。它还可以帮助 IT 管理员监控流程,使他们能够验证系统是否按预期运行。
医疗保健:流程挖掘通过提供建议来帮助缩短患者的治疗时间。
电子商务:流程挖掘可以对买家行为进行洞察分析,并提出准确的建议,以增加销售额。
制造业:流程挖掘可根据产品属性分配适当的资源,从而改进供应链和制造业务的运营。通过对生产时间和资源分配(如存储空间、机器或工人)进行洞察分析,可以更高效地进行管理并完成运营转型。
IT 服务管理 (ITSM):流程挖掘可以优化服务交付和事件管理流程。它使 IT 团队能够分析服务工作流、识别低效问题并缩短响应时间。这有助于改进整体 IT 支持,提高客户满意度。