基本介紹
- 中文名：流程挖掘
- 外文名：Process Mining
- 類型：經濟術語
簡介,主要功能,流程挖掘產業落地,開發單位,
簡介
流程挖掘也叫工作流挖掘，是一種從工作流日誌中提取有用信息的一種技術。例如，從ERP系統的工作流日誌中尋找工作流模型，組織模型, 然後作分析，找出流程中的問題。目前工作流挖掘根據挖掘角度可以分為工作流模型挖掘、工作流組織結構挖掘、以及工作流工作分配等。
流程挖掘（Process Mining），英文縮寫為PM，也叫工作流程挖掘，流程挖掘之父Wil van der Aalst將流程挖掘定義為是從現有事件日誌中挖掘知識以發現、監控和改進實際流程的技術。流程挖掘是一種從工作流日誌中提取有用信息的一種技術。例如，從ERP系統的工作流日誌中尋找工作流模型，組織模型, 然後作分析，找出流程中的問題。流程挖掘旨在構建起傳統的模型驅動方法（如業務流程建模和模型正確性驗證）和新型的數據驅動方法（如數據挖掘和機器學習）之間的橋樑。
流程挖掘（ Process Mining ）是一門橫跨了數據挖掘、機器學習、業務流程管理多學科領域的新興學科——通過定向採集、清洗企業各個 IT 系統中存儲的信息日誌，可視化的還原了企業實際發生的業務流，在數位化轉型的當下，幫助企業用上帝視角從偏離標準流程的流程變體中發現漏洞、缺陷和瓶頸等問題點，並進行持續監測，進而引導企業找出改進方向。
流程挖掘的基本思想
流程挖掘的基本思想是利用企業信息系統中存儲的包含業務執行信息的日誌，挖掘出業務活動間不同維度的流程知識，以建立能夠反映企業真實業務流程執行過程的模型，並以此為基礎，對原有的業務流程進行診斷和最佳化。
主要功能
流程發現（Process Discovery）：通過事件日誌（Event Logs）構建流程模型，不需要任何先驗知識（Prior knowledge）即可反應真實的流程運行情況。同時，通過對每個流程節點用時的還原，發現流程運行中的瓶頸(Bottlenecks)。
一致性檢驗：（Conformance Checking）可以將現有的流程模型與來自該流程的事件日誌作比較，一般被用來檢驗現實的流程是否與流程模型一致。
流程最佳化：（Process Enhancement）可以藉助實際流程記錄的事件日誌中得到的知識和信息來擴展或改進現有流程。
預測性監控：對流程未來執行情況的預測，以便於風險的提前掌握、早期預備和有效防範。最早並不是傳統流程挖掘的範疇，在加入機器學習、深度學習後，逐漸成為流程挖掘領域的一個新的研究熱點。
流程挖掘的價值在於其可以檢測出任何異常環節，它不僅可以發現問題出在哪裡，還可以了解問題發生的原因。甚至可以持續追蹤這個問題以免它影響流程中別的環節以及預防問題再次發生。
流程挖掘產業落地
流程挖掘項目的初始點是企業資料庫中記錄的各類業務數據。
第一步：針對數據的ETL。
E是extraction(抽取)，T是transformation(轉換)，L是 loading(載入)。就是把數據先提取再做清洗轉換，最後導入到流程挖掘的平台里。
第二步： visualization(可視化)。
把數據轉換成用戶能讀懂的流程圖和各種報表來對應業務相關的基本KPI，實現流程數據的可視化。
第三步：做洞察。
包括合規性檢查、瓶頸檢查、根因分析等，本質上是診斷流程執行中存在的問題。
第四步：根據這些分析和洞察，發現流程的堵點和瓶頸，並給出業務最佳化和重塑的建議。
整個過程疊代進行。
開發單位
2021年，上海望繁信科技有限公司推出中文界面的流程挖掘工具“數字足跡”。
2021年，凡得流程圍繞企業業務為中心，依託流程挖掘算法，通過流程可視化及流程分析，助力企業決策及數位化轉型，搭建了 VIA （ Visualization - Insight - Action ）架構，適配多個 OA 、 EPR 及主流數據業務系統的流程挖掘平台 ProcessX。
目前比較著名的學術化工作流挖掘工具有荷蘭埃因霍溫技術大學的PROM。而比較著名的商業化工作流挖掘工具有芬蘭上市公司QPR Software的QPR ProcessAnalyzer。
