プロセス・マイニングはデータサイエンスを適用して、 ワークフローを発見、検証、改善します。 データ・マイニングとプロセス分析を組み合わせることで、組織は情報システムからのログ・データをマイニングしてプロセスのパフォーマンスを把握し、ボトルネックや他の改善すべき領域を明らかにすることができます。 プロセス・マイニングはプロセス最適化へのデータ駆動型のアプローチを活用して、管理者が既存のプロセスへのリソース割り振りに関する意思決定を客観的に行えるようにします。
エンタープライズ・リソース・プランニング（ERP）やカスタマー・リレーションシップ・マネジメント（CRM）ツールなどの情報システムは、プロセスの監査証跡をそれぞれのログ・データと共に提供します。 プロセス・マイニングはITシステムからのこのデータを利用して、プロセス・モデル、またはプロセス・グラフを作成します。 ここから、エンドツーエンド・プロセスを調査し、その詳細と変化を概説します。 特殊なアルゴリズムによって、標準からの逸脱の根本原因についての洞察を提供することもできます。 これらのアルゴリズムと視覚化により、マネジメントはプロセスが意図したとおりに機能しているかどうかを確認することができ、機能していない場合には、情報で武装してプロセスを最適化するのに必要なリソースの正当性を示して割り振りを行います。 彼らはまた、 ロボティック・プロセス・オートメーション をプロセスに組み込む機会を明らかにして、企業の自動化イニシアチブを促進します。
プロセス・マイニングは、制御フロー、組織、ケース、時間などさまざまな視点に焦点を当てます。 プロセス・マイニングの作業の多くは一連のアクティビティー（つまり制御フロー）に焦点を当てますが、他の視点もマネジメント・チームに貴重な情報を提供します。 組織の視点ではプロセス内のさまざまなリソース（個々の職務や部門など）を表面化させることができ、時間の視点ではプロセス内のさまざまなイベントの処理時間を測定することにより、ボトルネックを実証することができます。
2011年に米国電気電子学会（IEEE）は、ビジネス運用を再設計するためにプロセス・マイニングの採用を進める取り組みの一環として、 プロセス・マイニングのマニフェスト （PDF、9.6 MB）（IBM外部へのリンク）を公開しました。 IEEEのようなプロセス・マイニングの支持者がその採用を推進している一方で、市場要因もまたプロセス・マイニングの採用を加速させる一端を担っているとGartner社は指摘しています。 デジタル・トランスフォーメーションの取り組みによって、プロセスに関する調査が促され、それに続いて新しいテクノロジー（ 人工知能、タスク・オートメーション、ハイパーオートメーションなど）の採用率が増加します。 これらの組織的な変化のペースにおいても、企業が運用のレジリエンスを適用して適応することが同様に必要となります。 その結果、企業はビジネス成果を達成するために、プロセス・マイニング・ツールにますます頼るようになります。
IBMはmyInvenio社の買収契約を締結
オランダのコンピューター科学者で教授のWil van der Aalst氏は、プロセス・マイニングに関する多くの学術研究で高く評価されています。 彼の研究と上記のマニフェストの両方において、プロセス・マイニングの3つのタイプ、つまり発見、適合性、強化が説明されています。
発見：プロセスの発見では、イベント・ログ・データを使用して外部の影響なしにプロセス・モデルを作成します。 この分類では、以前のプロセス・モデルの情報は存在しないものとして新しいプロセス・モデルが作成されます。 このタイプのプロセス・マイニングが最も広く採用されています。
適合性：適合性検査は、意図されたプロセス・モデルが現実に反映されているかどうかを確認します。 このタイプのプロセス・マイニングは、プロセスの記述をイベント・ログ・データに基づいて既存のプロセス・モデルと比較し、意図したモデルからの逸脱を特定します。
強化：このタイプのプロセス・マイニングは、拡張、組織マイニング、またはパフォーマンス・マイニングとも呼ばれています。 このクラスのプロセス・マイニングでは、追加情報を使用して既存のプロセス・モデルを改善します。 例えば、適合性検査の出力はプロセス・モデル内のボトルネックを特定するのに役立つので、管理者は既存のプロセスを最適化することができます。
プロセス・マイニングはビジネス・プロセス・マネジメント（BPM）とデータ・マイニングの交点に位置しています。 プロセス・マイニングとデータ・マイニングは両方ともデータを処理しますが、それぞれのデータ・セットのスコープは異なります。 プロセス・マイニングは、イベント・ログ・データを特に使用して、指定のプロセスの発見、比較、または強化に使用できるプロセス・モデルを生成します。 データ・マイニングのスコープははるかに広く、さまざまな種類のデータ・セットに広がります。 それは動作の観察と予測に使用され、いくつか例を挙げると、顧客チャーン、不正検知、マーケット・バスケット分析などのアプリケーションがあります。
プロセス・マイニングは、歴史的により手動で管理されてきたBPMに対して、よりデータ駆動型のアプローチを取ります。 BPMは、一般にワークショップやインタビューを通じてより非公式のデータを収集し、その後、ソフトウェアを使用してそのワークフローをプロセス・マップとして記録します。 これらのプロセス・マップに情報を提供するデータはより定性的ですが、プロセス・マイニングはプロセスの問題により定量的なアプローチをもたらし、イベント・データをとおして実際のプロセスを詳述します。
売上を増加させることが、収益を生み出す唯一の方法ではありません。 シックス・シグマとリーン方法論では、運用コストの削減によっても投資収益率（ROI）を向上させることができる方法を実証しています。 プロセス・マイニングは、運用モデルの非効率性を定量化し、リーダーがリソース割り振りに関して目標を決定できるようにして、企業がこれらのコストを削減するのを支援します。 これらのボトルネックを発見することは、コストを削減してプロセスの改善を促進するだけでなく、革新、品質、顧客維持の向上も推進することができます。 しかし、プロセス・マイニングはまだ比較的新しい分野であるため、まだ克服するべきハードルがあります。 これらの課題には以下のものが含まれます。
- データ品質：プロセス・マイニングを実現するには、一般に、検索、マージ、クリーニングが必要です。 データはさまざまなデータ・ソースに分散している場合があります。 また、不完全であることや、粒度が異なるラベルまたはレベルを含んでいることもあります。 これらの違いを説明することは、プロセス・モデルが生み出す情報にとって重要です。
- コンセプト・ドリフト：プロセスは分析中に変化することがあり、その結果コンセプト・ドリフトが生じます。
プロセス・マイニング技術は、幅広い業界にわたり、プロセス・フローを改善するために使用されてきました。 プロセス・マップはパフォーマンスに影響を与える重要パフォーマンス指標（KPI）をハイライトするので、企業が運用の非効率性を再検討するのを促進しています。 ユースケースには以下のようなものがあります。
- 教育：プロセス・マイニングは、学生が授業の資料の閲覧にどのぐらいの時間を費やすかなど、学生のパフォーマンスや行動をモニタリングして評価することにより、効果的なコース・カリキュラムを特定するのに役立つ可能性があります。
- 金融：金融機関はプロセス・マイニング・ソフトウェアを使用して、組織間のプロセスの改善、アカウントの監査、収益の増加、顧客ベースの拡大を行っています。
- 公共事業：プロセス・マイニングは、建築会社、清掃業者、環境部局などのさまざまな関係者が関与する公共事業プロジェクトにおいて、請求プロセスを合理化するのに使用されています。
- ソフトウェア開発：エンジニアリング・プロセスは概して無秩序なので、プロセス・マイニングは明確に記録されたプロセスを特定するのに役立ちます。 IT管理者がプロセスをモニターするのにも役立ち、システムが予想通りに稼働していることを検証することができます。
- 医療：プロセス・マイニングは、患者の治療処理時間を削減するための推奨事項を提供します。
- e-コマース：購入者の行動に関する洞察を提供し、売上を増加するための正確な推奨事項を提供することができます。
- 製造：プロセス・マイニングは、ケース（つまり製品）の属性に応じて適切なリソースを割り当てるのに役立ち、管理者がビジネス運用を変革できるようにします。 製造時間に関する洞察を得て、それに応じてストレージ・スペース、機械、または労働者などのリソースを再割り振りすることができます。