流程挖掘(Process Mining）已成為全球性的風(fēng)口熱點(diǎn)。根據(jù)Gartner的報(bào)告，2022 年，全球 IT 支出仍將呈現(xiàn)增長(zhǎng)態(tài)勢(shì)。包括流程挖掘在內(nèi)的與“分析”相關(guān)的產(chǎn)品和服務(wù)將成為企業(yè)優(yōu)先的投入方向。相似的，Polaris Market Research的研究也指出，全球流程挖掘軟件市場(chǎng)規(guī)模預(yù)計(jì)到2030年將較2021年增長(zhǎng)30倍。眾多咨詢公司預(yù)期高高，海外IT大廠紛紛入局，國內(nèi)資本頻頻看好。那么，流程挖掘的人生是如何開掛的？
一個(gè)學(xué)術(shù)課題的誕生
流程挖掘來自歐洲，是一個(gè)年輕的跨領(lǐng)域分析學(xué)科。流程挖掘涉及計(jì)算智能、數(shù)據(jù)挖掘、過程建模和分析領(lǐng)域，核心思想是通過從信息系統(tǒng)的事件日志中提取信息，從而發(fā)現(xiàn)、監(jiān)測(cè)和改進(jìn)真實(shí)過程，而非設(shè)定或想象的流程。最初，流程挖掘被稱為“工作流挖掘”，是由埃因霍溫科技大學(xué)于1998年開展的一項(xiàng)研究。
圖1: 三種基本的流程挖掘類型 （來源：《流程挖掘宣言》 整理：領(lǐng)貓科技）
領(lǐng)隊(duì)的威爾教授（Wil van der Aalst）被稱為流程挖掘之父，他出版的研究類書籍共計(jì)22本，在專業(yè)期刊中發(fā)表論文超過250篇，是世界上研究成果被引用最多的學(xué)者之一。威爾教授在全球范圍提供免費(fèi)的公開課，并以首席科學(xué)家身份參與首 個(gè)流程挖掘公司Celonis的商業(yè)化建設(shè)。此外，院校和企業(yè)建立的技術(shù)社區(qū)加速了流程挖掘的技術(shù)交流和人才培養(yǎng)。
有地不愁苗，有苗不愁長(zhǎng)
旺盛的生命力需要優(yōu)質(zhì)的環(huán)境來孕育，學(xué)術(shù)如此，商業(yè)亦如此。一個(gè)必須強(qiáng)調(diào)的關(guān)鍵節(jié)點(diǎn)，由威爾教授牽頭，聯(lián)合包括清華大學(xué)在內(nèi)的幾十家院校和企業(yè)共同發(fā)布的《流程挖掘宣言》確立了流程挖掘的根基，建立了流程挖掘的行業(yè)標(biāo)準(zhǔn)。這大概就是流程挖掘最 好的成人禮。
與此同時(shí)，Celonis標(biāo)志性的成功更加速了流程挖掘的商業(yè)化進(jìn)程。很快，海外的流程挖掘賽道涌入30多家企業(yè)，其中不乏已經(jīng)上市的RPA（Robotic process automation）頭部廠商UiPath， 也不乏老牌的IT大廠微軟、IBM、SAP。流程挖掘的發(fā)展模式與RPA和咨詢業(yè)緊密關(guān)聯(lián)，其間的收購、融合及合作比比皆是。
海外紅火，國內(nèi)也并不冷清。在紅杉資本、天際資本、英特爾資本、高盛資本等眾多資本的助推下，國內(nèi)的流程挖掘領(lǐng)域欣欣向榮。不同的是，除了與RPA合作升級(jí)，出現(xiàn)了一批具備自主開發(fā)能力的初創(chuàng)企業(yè)。到底哪一家會(huì)成為行業(yè)的獨(dú)角獸，還需較量一番。
路遙知馬力，日久見真心
想要保持優(yōu)勢(shì)地位，持續(xù)得到關(guān)注和認(rèn)可，流程挖掘尚需顯赫的戰(zhàn)績(jī)。對(duì)此，Gartner研究總結(jié)出流程挖掘的五個(gè)市場(chǎng)方向和十項(xiàng)主要能力。數(shù)字化轉(zhuǎn)型、人工智能、任務(wù)自動(dòng)化、超自動(dòng)化和運(yùn)營彈性五個(gè)市場(chǎng)方向，同時(shí)也是企業(yè)采用流程挖掘的五個(gè)主要驅(qū)動(dòng)因素。我們重點(diǎn)討論超自動(dòng)化、運(yùn)營彈性以及十項(xiàng)能力。
01 超自動(dòng)化
自動(dòng)化是我們熟知的，通過傳統(tǒng)IT能夠一定程度輔助企業(yè)實(shí)現(xiàn)自動(dòng)化。然而，系統(tǒng)通常相對(duì)獨(dú)立，且標(biāo)準(zhǔn)化的系統(tǒng)對(duì)于企業(yè)來說可能存在冗余?？缦到y(tǒng)間也可能存在信息的不一致問題。特別是對(duì)于大中型企業(yè)，系統(tǒng)數(shù)量多，情況變地更為復(fù)雜。
Gartner 提出的 “超自動(dòng)化”是用于協(xié)調(diào)組織自動(dòng)化孤島問題，它不是技術(shù)概念而是一種設(shè)計(jì)模式。流程挖掘能夠呈現(xiàn)單一系統(tǒng)的自動(dòng)化情況，同時(shí)也能呈現(xiàn)各自動(dòng)化孤島間的連接方式。而且，通過監(jiān)控實(shí)現(xiàn)從任務(wù)自動(dòng)化到價(jià)值鏈自動(dòng)化的持續(xù)改進(jìn)。
圖2: 超自動(dòng)化 （來源：Gartner 譯文：領(lǐng)貓科技）
02 運(yùn)營彈性
運(yùn)營彈性是從“查找”信息，建立“模型”，最終“改進(jìn)”的過程。運(yùn)營彈性能夠輔助企業(yè)分解復(fù)雜任務(wù)或流程，改進(jìn)合作，實(shí)現(xiàn)彈性創(chuàng)建組織能力。運(yùn)營彈性對(duì)企業(yè)內(nèi)部改進(jìn)和增強(qiáng)以及對(duì)外競(jìng)爭(zhēng)力都有重要作用。
流程挖掘技術(shù)提供了一種新的并且可增強(qiáng)的建模能力。流程挖掘收集日常運(yùn)營數(shù)據(jù)，并持續(xù)分析找到真實(shí)客觀的運(yùn)營數(shù)據(jù)。在解釋分析后，提供優(yōu)選且易理解的工作模型。改進(jìn)不僅易于執(zhí)行，而且能夠持續(xù)進(jìn)行。
圖3: 運(yùn)營彈性（來源：Gartner 譯文：領(lǐng)貓科技）
03 十項(xiàng)能力
關(guān)于流程挖掘的十項(xiàng)能力，更細(xì)致地展示了該技術(shù)能夠?yàn)槠髽I(yè)帶來的價(jià)值。涵蓋發(fā)現(xiàn)、監(jiān)測(cè)和改進(jìn)三個(gè)方面。具體包括：
1) 將組織的真實(shí)流程和成員交互的模型進(jìn)行可視化。
2) 支持呈現(xiàn)和分析客戶交互，并進(jìn)行與內(nèi)部流程的一致性檢查。
3) 支持一致性檢查，具備差距分析的能力。
4) 支持智能化流程模型增強(qiáng)，可增強(qiáng)或擴(kuò)展現(xiàn)有或先驗(yàn)流程模型。
5) 支持?jǐn)?shù)據(jù)準(zhǔn)備和數(shù)據(jù)清洗。
6) 可持續(xù)監(jiān)控關(guān)鍵績(jī)效指標(biāo)，可視化且可調(diào)整，輔助決策。
7) 可進(jìn)行合規(guī)性和預(yù)測(cè)分析，可進(jìn)行場(chǎng)景測(cè)試和模擬。
8) 可創(chuàng)建應(yīng)用程序，用于監(jiān)管和改進(jìn)。
9) 任務(wù)挖掘，通過捕捉和分析UI 日志進(jìn)行任務(wù)優(yōu)化。
10) 以洞察力帶動(dòng)執(zhí)行力，從優(yōu)化系統(tǒng)到到創(chuàng)建支持任務(wù)執(zhí)行的模型。
可見，從UI捕捉、業(yè)務(wù)流程呈現(xiàn)和改進(jìn)，企業(yè)決策和對(duì)外合作，都是流程挖掘展露拳腳的空間。而且，智能化且可持續(xù)性的能力改進(jìn)，讓流程挖掘更具生命力。
路雖遠(yuǎn)，行則將至
從學(xué)術(shù)課題到商業(yè)化非朝夕之事。流程挖掘這個(gè)分析學(xué)科的毛頭小子已經(jīng)在商界初展鋒芒。然而，行業(yè)的多元化，系統(tǒng)的復(fù)雜性以及人們對(duì)新事物的接受過程都會(huì)為流程挖掘的發(fā)展帶來阻力。但，可以確定的是流程挖掘擁有強(qiáng)大的學(xué)術(shù)研究團(tuán)隊(duì)，這為其商業(yè)化過程持續(xù)提供原動(dòng)力。流程挖掘能夠有效助力企業(yè)的任務(wù)、過程、業(yè)務(wù)運(yùn)營以及價(jià)值鏈的升級(jí)改進(jìn)。流程挖掘巨大的潛在價(jià)值不能被忽視。此外，流程挖掘與RPA和AI等技術(shù)的融合會(huì)更大限度地?cái)U(kuò)展其發(fā)展空間，形成強(qiáng)強(qiáng)聯(lián)合之勢(shì)?；蛟S選擇流程挖掘就是選擇了未來。
參考：
1、《Process Mining Manifesto》（Wil van der Aalst, etc.）
2、《Process Mining in Practice》（Wil van der Aalst）
3、《Process Mining Data Science in Action》（Wil van der Aalst）
4、Market Guide for Process Mining（Gartner，2021）
5、Trends In Process Improvement And Data Execution（Forrester，2022）
