流程挖掘应用数据科学来发现、验证和改进工作流。 通过结合数据挖掘和流程分析，企业可以挖掘信息系统中的日志数据，以了解其流程的表现、揭示瓶颈和其他的待改进领域。 流程挖掘利用数据驱动的方法进行流程优化，允许管理人员在围绕着现有流程做出资源配置决策时可与目标保持一致。

信息系统，如企业资源规划 (ERP) 或客户关系管理 (CRM) 工具，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 系统的这些数据来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来研究端到端流程，并概述其细节和任何变体。 专用算法还可以深入了解偏离常态的根本原因。 这些算法和图表使管理人员能够查看其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，并分配必要的资源来优化流程。 他们还可以发现将机器人过程自动化并入流程的机会，以加速公司的任何自动化项目。

流程挖掘着重于不同的角度，如控制流、组织、案例和时间。 虽然围绕着流程挖掘的大部分工作都集中在活动顺序上 — 即控制流 — 但其他透视图也能给管理团队提供有价值的信息。 组织透视图可以显示流程中的各种资源，例如单个工作角色或部门，时间透视图可以通过测量流程中不同事件的处理时间来显示瓶颈。

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。 虽然过程挖掘的支持者，如 IEEE，提倡它的采用，但 Gartner 指出，市场因素也将在它的加速采用中发挥作用。 数字化转型将促进围绕着流程开展更多调查，从而增加新技术的采用率，如人工智能、任务自动和超自动化。 这些组织变革的步伐也将要求企业提高运营弹性。 因此，企业将越来越依赖流程挖掘工具达成其业务目标。

荷兰计算机科学家、Wil van der Aalst 教授被认为是流程挖掘领域大部分学术研究的功勋。 他的研究和上述宣言都描述了流程挖掘的三种类型：发现、合规性检查和改进。

发现：流程探索使用事件日志数据来创建流程模型，不受外部影响。 在这个类别下，不存在为新流程模型开发提供支持的既有流程模型。 这类流程挖掘采用最广泛。

合规性检查：合规性检查旨在确认预期流程模型在实践应用中是否符合标准。 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，以识别任何偏离预期模型的情况。

改进：这类流程挖掘也被称为扩展、组织挖掘或性能挖掘。 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识别流程模型中的瓶颈，从而允许管理人员优化现有流程。

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处理数据，但每个数据集的范围是不同的。 具体说，流程挖掘使用事件日志数据来生成流程模型，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，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。

流程挖掘对有史以来一直更趋向于手动管理的 BPM 采用更受数据驱动的方法。 BPM 通常通过研讨会和访谈等更加非正式的方式来收集数据，然后使用软件将工作流记录为流程图。 由于用于制作这些流程图的数据更定性，因此，流程挖掘为解决流程问题提供了一种更定量的方法，通过事件数据来详细描述实际流程。

增加销售额并不是生成收入的唯一途径。 六西格玛和精益方法论也证明了设法降低运营成本也可以增加您的投资回报率 (ROI)。 过程挖掘可以量化运营模型中的低效问题，从而允许领导者对资源配置做出客观决策，帮助企业降低运营成本。 发现这些瓶颈不仅可以降低成本，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：发现、合并和清理数据通常需要启用流程挖掘。 数据可能分布在多个不同来源。 它也可能是不完整的，或者包含不同的标签或粒度级别。 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。

流程挖掘技术已被多个行业用于改进流程流。 由于流程图会突出显示影响绩效的关键绩效指标 (KPI) ，因此可以促使企业重新检查其运营效率低下问题。 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查看课堂材料），从而帮助识别出有效的课程安排。
• 金融：金融机构已经开始使用流程挖掘软件来改善组织间流程、审计账目、增加收入和壮大客户群。
• 公共工程：流程挖掘已被用于简化涉及到各种利益相关者的公共工程项目的发票流程，如建筑公司、清洁企业和环境局。
• 软件开发：由于工程流程通常是无序的，因此，流程挖掘可以帮助识别清晰记录在案的流程。 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如期运行。
• 卫生保健：流程挖掘通过提供建议来减少患者的治疗时间。
• 电子商务：它可以洞察买家行为，并提供准确的建议，以增加销售额。
• 制造业：流程挖掘可以帮助管理者根据具体情况（即产品属性）分配适当的资源，从而对其业务运营进行转型。 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。

随着自动化需求在业务和 IT 运营中不断增长，流程挖掘只是实现组织现代化的一部分。 要实现更大程度的自动化，首先要从可衡量的小型成功项目起步，然后可针对其他流程和组织的其他部分扩大规模和进行优化。

与 IBM 合作，您将可以访问 IBM Cloud Pak® for Business Automation 的 AI 驱动的自动化功能，包括预构建工作流，从而提高每个流程的智能性，帮助加速创新。

采取下一步行动：

• 您可使用基于云的软件IBM Blueworks Live 进行轻松协作，以改进业务流程映射。
• IBM Blueworks Live 还集成了作为IBM Cloud Pak for Business Automation 一部分的自动化功能，如内容、捕获、工作流和决策。
• 查看 Forrester TEI 研究对客户的实际成本节约和业务收益的分析 了解 采用 IBM Cloud Pak for Business Automation 的潜在业务价值。
• 阅读 《数字业务自动化快速实用指南》 (PDF, 782 KB)，了解与自动化工作相关的紧迫性、价值、机会和局限性。

IBM Cloud Pak for Business Automation 是一组灵活的集成软件，可帮助您使用低代码工具在任何云上设计、构建和运行智能自动化服务和应用。 IBM 正在与myInvenio（链接位于 IBM 外部）合作，将流程和任务挖掘技术集成在 IBM Cloud Pak for Business Automation 中。

将流程挖掘功能集成到 IBM Cloud Pak for Business Automation 中，将使您的企业能够通过以下方式来增强运营流程和功能：

• 找出应该自动执行的活动（如 RPA 机器人）。
• 使用流程挖掘工具提供的 BPMN 图形开始在IBM Blueworks Live 中记录待执行的流程。
• 将流程挖掘中的 BPMN 图形作为自动化工作流的框架导入到工作流中。
• 使用 BAI 运营数据存储作为流程挖掘的输入，以分析如何改进发起 BAI 事件的流程。
• 围绕挖掘结果打包 AI，并使用机器学习来识别模式和建议的后续步骤。