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：

• 数据质量：要进行流程挖掘，通常首先需要发现、整合与清理数据。 数据可能分布在多个不同来源。 数据也可能不完整，或者包含不同的标签或具有不同的颗粒度。 考虑这些差异对于流程模型生成的信息非常重要。
• 概念漂移：有时候，流程在分析过程时会发生变化，导致概念漂移。

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：

• 教育：流程挖掘可以监控和评估学生的表现和行为（例如学生花多少时间阅读课本材料），从而帮助确定有效的课程安排。
• 金融：金融机构使用流程挖掘软件以改进组织间的流程、审计账目、增加收入和壮大客户群。
• 公共工程：流程挖掘用于简化涉及到各种利益相关方（例如建筑公司、清洁公司和环境局）的公共工程项目的发票流程。
• 软件开发：由于工程流程通常是无序的，因此，流程挖掘可以帮助确定明确记录的流程。 它还可以帮助 IT 管理员监控流程，验证系统是否按预期的那样运行。
• 医疗保健：流程挖掘通过提供建议，帮助缩短患者的治疗时间。
• 电子商务：它可以深入洞察买家行为，并提供准确的建议，以增加销售额。
• 制造：流程挖掘可以帮助经理根据具体情况（即产品属性）分配适当的资源，从而对业务运营进行转型。 他们可以洞悉生产时间并相应地重新分配资源，如存储空间、机器设备或工人。