南宫NG28建设

企業數碼化轉型是一個全球化的現象，隨着企業看到競爭對手擴大對技術的使用以取得優勢，數字解決方案正在有助于對不同行業和業務的過程改進和過程轉換的前所未有的需求。

截至2019年，全球40%的數字轉型舉措將依賴人工智能的支持，從而為更好的運營和盈利模式给予及時的洞察；

截至2019年底，用於數字轉型的支出比2017年約增長42%，在全球範圍內約達到1.7萬億美元；

2020年，預計60%的企業在全組織範圍內實施數碼化平台戰略。

企業的每項業務都是一個核心流程的集合，這使得核心流程成為了IT建設和企業數碼化轉型的基礎設施，也是業務操作的基本單元。但是，隨着企業將經營生產的各個方面數碼化到IT系統中，操作核心流程本身逐漸成為了複雜的工作——速度太快、頻率太高、相互關聯和分散，無法手動管理。更為重要的是業務會隨着時間的推移而开展——它們會發生變化，例如擴大規模、購買新系統、進行合併和收購、拋棄舊流程、採用新流程、構建新產品、進入新領域、遷移到雲計算等。每一個這樣的變化都會影響到流程環境，如果沒有對整個場景是如何連接的整體理解，就不可能為特定的業務結果優化核心流程。因此，業務顧問和流程管理軟件都無法有效解決這個問題。

流程挖掘是專門為處理現代業務流程環境的固有複雜性和動態性而構建的。它為單個流程的細節、它們之間的關係以及它們所交付的結果给予了深度的可見性和控制，使用流程挖掘不僅在於理解如何使業務的各個部分更加高效，還在於如何校準單個組件，從而針對特定結果優化整個運營引擎。

流程優化並不是一個新技術。但是，現代過程環境的規模和複雜性已經迅速加快，超出了傳統工具的能力。流程映射軟件、商業智能軟件（BI）以及其他一些項目管理軟件不能给予持續性的實時洞察與流程控制。流程挖掘與當前技術的對比如下表所示。

表1 流程優化技術對比

如圖1所示，核心業務流程管理技術的开展一方面是從流程管控模型出發，在20世紀90年代推出了6σ（西格瑪）管理策略，該模型總結了全面質量管理的成功經驗，提煉了其中流程管理技巧的精華和最有效的方法，成為一種提高企業業績與競爭力的管理模式；另一方面是以數據為中心的業務流程分析技術，在經歷了長時間的开展後形成了ERP、BPM以及當前正在开展的基於雲計算與雲服務的數據分析與流程管理技術。

圖1 流程挖掘與業務數據分析和流程管理模型的關係

流程挖掘在傳統的基於模型的過程分析和以數據為中心的分析技術(如機器學習和數據挖掘)之間架起了一座橋樑。Wil van der Aalst博士被許多人視為「流程挖掘教父」，他在20世紀90年代開始探索基於事件日誌的自動化流程發現的可能性。這種方法融合了過程分析和以數據為中心分析的優點，不僅可以從事件日誌數據生成流程模型，還能夠將現有流程模型與同一流程的事件日誌進行比較，以檢查實際執行的流程是否符合模型過程，甚至可以根據流程日誌反饋的信息修改或者擴展現有流程模型。

一個完備的流程挖掘軟件應該包含採集、發現、增強與檢測這四個主要邏輯功能單元，如圖2所示，其中：

圖2 流程挖掘的處理流程

採集功能是流程挖掘的第一階段，負責建立源系統中關鍵數據源的實時連結(顺利获得預先構建的連接器和API)，提取原始數據並將其轉換為事件日誌。

採集功能定義一個事件日誌必須包含三個重要組成部分，即：

一個活動；

一個時間戳；

一個對象或者ID。

過程挖掘技術聚合這些事件日誌，並在它們實際發生時(每次發生時)在整個組織內重新構建事件流，形成基於數據的流程。

發現功能是流程挖掘的第二階段，顺利获得大規模的事件日誌分析，完善整個流程環境，取得訪談、流程映射和項目管理無法獲取的流程細節，即每一次流程執行時，獲取每一步的細節信息。隨後，用戶可以系統的量化流程環境的總和：每個案例、路徑、變化和錯誤，以及它們對業務的影響。目的是發現：

摩擦點（產生衝突的節點）及其發生的根本原因

最佳路徑以及偏離最佳路徑的所有路徑

業務成果（針對初始條件和採取糾正措施進行評估）

顺利获得交互式可視化的方式探索流程中的關鍵指標信息，構建每個流程的完整視圖，具體包括：

流程中的實例/事項數量

流程中實例/事項的總價值

流程的步驟數

實例/事項顺利获得流程的不同路徑數量

流經每個變體路徑的實例/事項數量

流程步驟和變體路徑的可視化

一方面，用戶可以顺利获得對時間與頻度的過濾操作，以及點選指定活動或者行為的交互方式，在流程瀏覽器中查看流程的變化視圖；另一方面，發現功能根據企業運營管理需求構建數據分析模型，輔助用戶理解每個流程變化的根本原因(和增強機會)，根據其對核心業務相關KPI的影響進行響應優先級排序，例如：準時交貨、營運資本、客戶滿意度、減少風險、運營成本、自動化率等。

增強功能是流程挖掘的第三階段，用戶利用數據挖掘模型在同一流程挖掘接口內，跨越所有相關事務系統執行增強操作，具體包括：

糾正錯誤

消除錯誤步驟或者增加新的步驟

減少人力勞動

改進流程配置、標準化和治理

其實現方法如圖3所示, 機器學習模型能夠在數百萬案例數據和數百種完全不同的系統數據中進行模式識別（並能分析模式形成的原因）；動作引擎是人工智能驅動的過程助手，會持續性進行數據分析，並主動给予實時的糾正措施，將中斷的流程恢復到滿意的路徑；流程自動化允許業務用戶跨應用程式和系統構建自動化的工作流（無需編寫一行代碼），確保用戶每次接觸流程時，都能夠專注於創造價值的工作。。

圖3 增強功能邏輯圖

發現、分析和增強是持續不斷的活動，這些功能使得企業流程與不斷开展的業務需求保持緊密的同步，所以持續改進是流程挖掘的核心。在流程挖掘的第四個階段，執行官和經理可以根據KPI和業務成果來衡量和監控流程績效。這種反饋循環對於業務優化升級至關重要，其準則包括：

讓團隊對目標進度負責

流程實時校正

提高不同團隊的參與度

在整個業務範圍內建立針對進一步流程挖掘計劃的需求

向上和向外得信息傳達成功

實現該功能的核心工具是一致性檢查工具與轉化中心工具。一致性檢查有助於持續評估核心流程與理想的幸福路徑之間的緊密程度。這有助於識別和糾正新的摩擦點，並支持透明的治理，降低受監管流程的風險；轉化中心是一個單一窗格的管理環境，它可以測量和監視隨着時間的推移實現KPI和業務成果的進度，使個人、團隊和整個組織專注於真正有助于業務績效的、更具戰略性的目標。