流程挖掘应用数据科学,旨在发现、验证和改进工作流程。 通过结合数据挖掘和流程分析,组织可以深入研究信息系统中的日志数据,从而了解流程的表现情况,揭示瓶颈和其他有待改进的领域。 流程挖掘利用数据驱动的方法进行流程优化,帮助经理客观地做出有关现有流程资源分配的决策。
包括企业资源规划 (ERP) 和客户关系管理 (CRM) 工具在内的诸多信息系统通过各自的日志数据提供对流程的审计跟踪。 流程挖掘利用来自 IT 系统的这些数据,创建流程模型或流程图。 您可以使用这些流程模型和流程图,端到端地研究流程,了解其详细信息和任何变化。 专用算法还可以深入洞察有关偏离正常轨道情况的根本原因。 这些算法和可视化功能帮助管理人员了解自己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。 它们还可以发现将机器人流程自动化整合到流程中的机会,以帮助企业加快实施任何自动化计划。
流程挖掘关注于不同的视角,如控制流、组织、案例和时间等。 虽然围绕流程挖掘而开展的大多数工作都集中在活动序列(也就是控制流)上,但其他视角也能给管理团队提供有价值的信息。 组织视角可以揭示流程中的各种资源,例如各个工作职务或部门;而时间视角可以衡量流程中不同事件的处理时间,从而发现瓶颈。
2011 年,电气和电子工程师协会 (IEEE) 发布了流程挖掘宣言 (PDF, 9.6 MB)(链接位于 IBM 之外),旨在推动流程挖掘的采用,以重新设计业务运营。 虽然包括 IEEE 在内的流程挖掘支持者积极倡导采用这种方法,但 Gartner 指出,市场因素也将在它的加速采用中发挥重要作用。 数字化转型工作将促进围绕着流程开展更多调查,从而提高新技术的采用率,如人工智能、任务自动化和超自动化。 这些组织变革的步伐也要求企业提高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实现业务成果。
IBM 签署收购 MyInvenio 的协议
荷兰计算机科学家 Wil van der Aalst 教授被公认为在流程挖掘的学术研究方面做出了巨大的贡献。 他的研究和上述宣言描述了三种类型的流程挖掘:发现、合规性检查和改进。
发现:流程发现使用事件日志数据来创建流程模型,不受外部影响。 在这个类别中,开发新流程模型开发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。
合规性检查:合规性检查旨在确认流程模型在实践应用中是否符合预期。 这类流程挖掘基于事件日志数据将流程描述与现有流程模型进行比较,以发现任何偏离预期模型的情况。
改进:这类流程挖掘也称为扩展、组织挖掘或绩效挖掘。 这类流程挖掘使用额外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经理确定流程模型中的瓶颈,然后有针对性地优化现有流程。
流程挖掘处于业务流程管理(BPM) 和数据挖掘的交叉点上。 虽然流程挖掘和数据挖掘都处理数据,但它们所处理的数据集的范围是不同的。 流程挖掘专门使用事件日志数据生成流程模型,用于发现、比较或改进特定流程。 数据挖掘的范围要广泛得多,可以扩展到各种数据集。 它用于观察和预测行为,适用于客户流失、欺诈检测和市场篮子分析等领域。
对于一直以来由人工处理的 BPM,流程挖掘采用更大程度上由数据驱动的方法。 BPM 通常采用研讨会和访谈等较为非正式的方式来收集数据,然后使用软件将工作流程记录为流程图。 用于生成这些流程图的数据多为定性数据;而流程挖掘为解决流程问题提供了一种更倾向于定量的方法,通过事件数据来详细描述实际流程。
增加销售额并不是产生收入的唯一途径。 六西格玛和精益方法论也表明,降低运营成本也有助于提高投资回报率 (ROI)。 流程挖掘可量化运营模型中的低效问题,帮助组织领导对资源分配做出客观决策,从而降低企业的运营成本。 发现这些瓶颈不仅有助于降低成本,加快流程改进,还可以推动更多的创新、提高质量和客户维系率。 然而,由于流程挖掘仍然是一个相对较新的学科,因此仍有一些障碍需要克服。 其中的一些挑战包括:
流程挖掘方法已被众多行业用于改进流程。 由于流程图会重点指出影响绩效的关键绩效指标 (KPI) ,因此可以促使企业重新研究运营中的低效环节。 一些用例包括: