最新报告｜供应链流程挖掘技术及其应用

发布时间：2022-01-04 291 次浏览

因此本文将首先介绍流程挖掘技术的兴起和发展，然后在供应链流程智能的框架下介绍供应链的流程挖掘技术及其发展趋势，最后列举若干应用案例。图4反映了基本流程挖掘技术的简化表示。

导读
本文作者在关于供应链编排的研究报告中指出供应链编排是实现供应链流程管理的关键技术，进一步的问题是如何实现最优的供应链编排。
供应链是供应网络内的一系列活动或流程，用于将产品或服务从单个或多个来源交付给最终用户，因此流程的绩效是关乎实现供应链运营绩效的关键。然而，随着全球化和全球化趋于不确定，数字经济的发展以及新兴供应链数字技术的兴起，供应链流程变得越来越复杂多变，这给供应链的流程管理带来了巨大的挑战，这同时也是企业实现供应链数字化转型的一个关键。本文作者在关于供应链编排的研究报告中指出供应链编排是实现供应链流程管理的关键技术，进一步的问题是如何实现最优的供应链编排。假设一个流程的初始编排是根据客户的需求，供应链过往的知识、数据、预测和分析设计，如何使每个流程在执行中和执行后能够动态地被优化，从而动态地再编排以达到价值最大化（降本增效）和最佳客户满意度。这就是本文要介绍和研究的可用于实现上述目标的供应链流程挖掘技术，它是实现供应链流程智能的关键技术。其实供应链流程挖掘技术是流程挖掘技术在供应链流程管理中的应用。因此本文将首先介绍流程挖掘技术的兴起和发展，然后在供应链流程智能的框架下介绍供应链的流程挖掘技术及其发展趋势，最后列举若干应用案例。（欢迎大家点击文末“阅读原文”下载全文PDF）
流程挖掘技术的兴起和发展 1.1 什么是流程挖掘（ProcessMining）? 本文引用学科和市场两方面的定义来描述流程挖掘：（1）从学科方面描述流程挖掘由Springer 2016年出版的《流程挖掘：数据科学在行动（Process Mining: Data Science in Action）》是由流程挖掘之父范德阿尔斯特，威尔（Wil van der Aalst）所箸，它是流程挖掘研究方面的具开创性的权威著作。该书对流程挖掘的概念有深入的阐述，它定义: 流程挖掘是一门新兴学科，提供了一整套工具，以提供基于事实的见解并支持流程改进。这门新学科建立在流程模型驱动方法和数据挖掘（Data Mining）的基础上，然而，流程挖掘不仅仅是现有方法的合并。例如，现有的数据挖掘技术过于以数据为中心，无法全面了解组织中的端到端流程。BI工具侧重于简单的仪表盘和报告，而不是清晰的业务流程洞察力。BPM套件严重依赖于专家对理想化流程进行建模，不能帮助大众理解现有流程。图1：流程挖掘之父范德阿尔斯特，威尔他进一步指出流程挖掘作为数据和流程科学之间的超级粘合剂【2】（见图2），其目标是将事件数据转化为见解（Insight）和行动（Action）。流程挖掘是数据科学不可分割的一部分，数据的可用性和改进流程的愿望推动了流程挖掘。图2:?流程挖掘作为数据和流程科学之间的超级粘合剂（来源：【2】）流程挖掘是一种在近几年中越来越受欢迎的技术。如图 3 所示，流程挖掘弥补了传统的、基于模型的流程分析（关注流程但不使用任何数据）与以数据为中心的分析技术（例如机器学习和数据挖掘，注重数据，但不分析端到端流程）之间的差距。图3:?流程挖掘弥补了基于模型的流程分析和以数据为中心的分析技术之间的差距（来源：【2】）（2）从市场方面描述流程挖掘美国有名的科技咨询公司高德纳自2018年连续每年发布一个《流程挖掘的市场指南》研究报告【4】。2021年最新的研究报告给了市场定义和市场描述如下：市场定义：流程挖掘旨在通过从当今信息系统中随时可用的事件日志中提取知识来发现、监控和改进实际流程（即非假设流程）。流程挖掘包括自动化流程发现（即从事件日志中提取流程模型）、一致性检查（即通过比较模型和日志来监控偏差）、社交网络/组织挖掘、自动构建仿真模型、模型扩展、模型修复、病例预测、和基于历史的建议。市场描述：任何流程挖掘任务的起点都是事件日志。此类日志中的每个事件都涉及一个活动（即某个流程中定义明确的步骤）并且与特定案例（即流程实例）相关。属于一个案例的事件是有序的，可以看作是流程的一次“运行”，为案例执行的活动序列称为跟踪。图 4反映了基本流程挖掘技术的简化表示。图4：基本流程挖掘技术（来源：【4】）流程挖掘经常被误解为与数据科学相关的领域。流程挖掘应该被视为数据科学和流程科学之间的桥梁（见图2）。流程挖掘侧重于将事件日志转换为流程的有意义的表示，这可能会导致一些数据科学和机器学习相关问题的形成。下面列举了流程挖掘作为一门学科的简短历史【3】: “流程挖掘”一词最早出现在荷兰计算机科学家Wil van der Aalst（“流程挖掘教父”）撰写的研究计划中。因此，1999 年埃因霍温大学在数据科学和流程科学相关技术的保护伞下出现了一个新的研究领域。在早期，流程挖掘技术经常与用于工作流管理的技术混淆。 2000?年，开发了第一个实际适用的流程发现算法“Alpha miner”。 2001 年，一种非常相似的基于启发式算法的算法被称为“启发式矿工（Heuristic miner）”?在研究论文中被介绍。沿着这个链接，更强大的算法如归纳挖掘器被开发用于流程发现。随着流程挖掘领域开始发展，一致性检查成为其中不可或缺的一部分。 2004 年指定了发展用于一致性检查目的的“基于令牌的重放（Token-based replay）”。 2005 年和 2006 年，除了流程发现和一致性检查的主流技术外，流程挖掘扩展到多个领域，分别导致了“性能分析”、“决策挖掘”和“组织挖掘”的发现和发展。 2007 年，第一家商业流程挖掘公司“Futura Pi”成立。 “IEEE PM 工作组”，一个管理机构，于 2009 年成立，开始建立那些曾经被忽视了与流程挖掘相关的规范和标准。进一步的技术被开发用于一致性检查，导致在 2010?年出版了“基于对齐的一致性检查（Alignment-basedconformance checking）”。 2011 年，Springer出版了第一本由Wil van der Aalst写的流程挖掘书籍，2016年Springer出版了该书的第二版【2】。 2014年，Coursera开设MOOC课程关于流程挖掘。到 2018 年，已有近 30?多种商用流程挖掘工具出现。 2019 年指定了第一次流程挖掘会议。今天有超过 35 家供应商提供用于流程发现和一致性检查的工具和技术。图5从1850年开始的流程思考的演化，从1950年开始的数字业务的演化，以及从1990s年流程挖掘技术本身的演化三个方面描述了流程挖掘简史。图5：流程挖掘简史（来源：【5】）总之，早期流程挖掘技术主要包括三个方面: 流程发现：自动化提供了更快、成本更低的解决方案。但是公司需要检查他们的流程以有效地使用自动化工具。流程挖掘供应商声称他们的技术可以将自动化实施时间减少 50%。一致性检查：公司可以检查他们的实际流程是否符合给定的规范。例如，购买决策需要根据所购买物品的票证大小和性质进行不同的批准。流程改进/优化：公司可以使用流程挖掘来更快、更准确地分析流程。事件日志可以推断性能指标，并且可以用来识别瓶颈和成本高昂的步骤来优化速度。公司可以利用他们的时间来采取潜在的行动，而不是浪费时间在理解流程上。现在更多的功能被开发，它们包括：流程协调：公司可以使用流程挖掘来有效地协调不同的流程。流程挖掘工具的洞察力有助于快速实现计划中的协同效应。例如，诺基亚调整其购买到付款和订单到现金的流程，以实现顺畅的客户体验。通过挖掘其流程，诺基亚获得了如何结合这些流程的必要知识。流程模拟：?公司可以通过使用从事件日志中获得的数据挖掘其流程来做出未来的预测。他们的预测分析可用于通知利益相关者和客户。例如，客户可以收到关于何时处理她的贷款申请的准确估计。组织挖掘：流程日志可以识别组织关系、绩效差距和最佳实践。但是几乎所有流程都包含人为因素，流程数据可用于理解和改进流程的人为方面。流程挖掘的终极目标是实现从流程产生的数据中挖掘有价值的洞察并产生价值的决策和流程优化，以实现无磨擦流程和超流体企业。 1.2 市场规模和预测根据【4】的预测，2020?年流程挖掘软件市场价值 4.0924 亿美元，预计到2028 年将达到68.6836 亿美元，从 2021 年到 2028 年以 42.27%的复合年增长率增长。人工智能的实施、自动化的日益普及、基于云的技术的采用的增加、数字化转型、机器人过程自动化的融合是推动市场增长的一些因素。全球流程挖掘软件市场报告提供了对市场的整体评估。该报告对关键细分市场、趋势、驱动因素、限制因素、竞争格局以及在市场中发挥重要作用的因素进行了全面分析。全球流程挖掘软件市场定义：流程挖掘是一种监控、发现和改进流程的技术，它与数据科学和流程管理相关，以支持基于事件日志的操作流程分析。流程挖掘的一个目标是将事件数据转换为洞察力和行动。流程挖掘软件是用于对企业中的数据进行编程和分析以了解业务流程实际如何运作的软件。主要有三种主要类型的流程挖掘技术，例如流程发现、一致性检查和性能挖掘。流程挖掘软件的一个例子是 Celonis、IBM BlueworksLive 和流程挖掘等。根据谷歌趋势【5】（见图5），人们对流程挖掘的兴趣正在增加：图5：对流程挖掘的兴趣正在增加（来源：谷歌趋势【5】）谷歌趋势显示流程挖掘的流行度在增加，尤其是在过去两年中。我们观察到在此期间兴趣大约增加了两倍。考虑到流程挖掘市场最近的增长和投资，我们相信这种兴趣将继续增长，并将在未来成为更受欢迎的解决方案。 1.3 采用流程挖掘的五个主要驱动因素 Gartner 认为自动化和底层流程/交互知识的最新趋势是数字化转型的关键。流程挖掘可帮助企业架构和技术创新领导者了解运营和绩效，以创建运营弹性。采用流程挖掘的五个主要驱动因素【4】如下：数字化转型数字化转型推动了业务用户对在更广泛的企业环境中分析和理解他们自己的流程和业务运营的好处的认识的增长。这是因为数字业务和数字转型已成为主要主题，并且流程是这些数字业务计划实施的重要组成部分。此外，在这个数字业务时代，EA 和 TI 的领导者需要一种方法来反思这些新技术功能如何为业务提供价值，并最终为客户提供价值。同样，在这里分析业务运营、流程和客户交互可以显示如何以及在何处激活这些功能以创造业务价值。从业务角度来看，BPM 的初始关键学科提供了获得对流程的共享业务理解所需的可见性。这种理解可以成为使流程更有效并允许它们更快地改变的跳板。在企业范围内的数字化转型计划中，重要的是将这些流程与客户互动进行调整，以实现目标业务成果。人工智能几十年来，算法和人工智能?(AI)?一直是计算的核心，但是开发大数据识别模式的算法的这种能力创造了新的机会。在数字化经济中，商业算法为商业生态系统提供了新的价值来源。通过使用人工智能和先进的机器学习算法，数据获得了意义，并且可以从中获得新的和强大的见解。流程挖掘是这种数据科学实际应用的有力示例，它展示了如何将算法用作一种机制，以可以以一致的方式简单地重复使用的打包形式捕获知识和洞察力。EA 和 TI 的领导者必须更准确地关注算法提供洞察力并成为竞争差异化关键的那些实例，这些实例因其价值贡献而受到认可。任务自动化当前围绕任务级自动化（例如机器人流程自动化?(RPA)）的大肆宣传已导致一次性大量节省成本。通常，这与人们处理重复的、以数据为中心的任务的特定条件有关，主要是因为缺乏适用于旧遗留系统的 API。最好将这些任务嵌入到未来 5 到 10?年固定的流程中。然而，在大多数情况下，任务是流程和操作的一部分，其中变化是最常见的特征。通过准确评估这些任务所属的流程，我们可以识别组织中的“热点区域”，在这些区域，重复性任务浪费了大量精力。然后，我们可以看到这些任务是否可以通过 RPA 部分或完全自动化。这是流程挖掘可以完美补充 RPA 以提供更广泛的上下文并帮助实现此任务自动化的地方。这产生了长期可持续的商业价值，并避免了专注于一次性大量成本节约的短期观点的弊端。超自动化当前的商业现实是，组织有大量的“集体”债务（技术、流程、数据、架构、人才、安全、社会），这对其价值主张产生了重大影响。根本原因是一系列广泛且昂贵的业务流程，这些业务流程由一系列技术支撑，这些技术通常没有经过优化、精益、连接、一致或明确。这些业务和 IT 现实的集体影响是大量计划（通常是不同的和孤立的），旨在在知识工作的结构（即 DNA）中应用某种类型的自动化，以提高效率、功效和/或业务敏捷性. 困境在于“自动化”一词已经使用了 50?多年。因此，Gartner 使用术语“超自动化”作为创建“通用货币”的一种方式来进行讨论，以展示现在有一些新的和不同的东西（见图 6 ）。此外，重要的是要强调超自动化与技术（产品或服务）无关，相反它是一种设计模式。流程挖掘是建立知名度和理解的基本组成部分，在这之前客户实现自动化。但它也可视化了不同的自动化孤岛是如何连接的，以及如何通过其监控功能改进持续实施和连接的自动化。图 6：超自动化之路（来源：【4】）运营弹性运营弹性是一组技术，使人员、流程和信息系统能够适应不断变化的模式。它是在面对不断变化的业务条件时改变运营的能力。具有运营弹性的企业能够提供竞争优势并实现快速本地流程修改的方式增加或减慢运营的组织能力（参见图 7）。运营弹性使用来自“寻求”和“模型”的信息来实现这些学科中的第三个“适应”。”?为了使企业能够适应，运营弹性使用“寻求”和“模型”学科的输出，并返回作为改进这些活动的反馈的信息. 流程挖掘背后的技术提供了一种新的和增强的方法来包含感知和模型功能。基于可用的日常运营数据，流程挖掘不断寻求并找到相关的客观运营数据。然后，高级流程挖掘算法以组织中任何人都可以理解的格式提供工作方式的准确模型，这确保每个人都可以参与变革计划。此外，它允许持续适应和改进，因为在适应之后，新的运营数据将为新适应的工作方式提供见解。图 7：运营弹性（来源：【4】）本文作者曾在【6】中指出，流程挖掘是超自动化区别于其它自动化的最重要特征之一（见图8）。图 8：机器人过程自动化向超级自动化的演进（来源：【6】）供应链流程挖掘技术供应链流程挖掘技术实际上是流程挖掘技术在供应链流程上的应用，本节介绍几种解决方案。 2.1 供应链流程智能管理参考框架本文提出了一个如图9所示的供应链流程智能管理参考框架，该框架包括三个大部分: 智能BPM—它包括流程管理，流程编排，和连接和监控流程执行等机器人流程自动化系统（RPA）—它负责执行主流程下的自动化的子流程，例如仓库的机器人自动拣选流程。流程挖掘系统—它从所有流程产生的实时或事后的数据，进行分析，挖掘流程问题和价值，然后将其所获洞察反馈给智能BPM，以帮助优化或者重构流程。流程挖掘可通过监视系统事件或用户交互来发现流程变化并改进业务流程。RPA可利用这些信息即兴进行自动化过程或自我修复。图 9：供应链流程智能管理参考框架 2.2 利用数据的指数增长来改善供应链运营纵观历史，人类一直在使用有利于自己的数据，产生见解并为各种挑战提供解决方案。数据及其日益普及和突出的地位一直是人类进步的关键引擎，特别是在本世纪，数据生成速度呈指数级加快，存储成本仍大幅下降。早在 2018 年，人类每天都在创造 2.5 千亿字节的数据。专家预测，到2025 年世界每天将产生463 EB 的数据【7】。随着市场变得越来越拥挤和竞争日益激烈，利用这些丰富的信息可能决定供应链是失败还是成功。撇开竞争不谈，越来越多的可用数据为组织提供了创建更敏捷、更有弹性的供应链所需的工具。所有这些数据中包括了供应链流程每天所产生的大量数据，它们中的流程事件数据大多被存放在供应链各种数字系统，如ERP，TMS，WMS等的日志记录系统中。而这些数据正好是流程挖掘系统的输入，它们正好也是供应链流程挖掘产生流程智慧输出的数据原料。随着数字技术的进步，组织之间的协作变得越来越自然。物理距离的限制减少，公司走向全球化。与此同时，随着公司之间的合作越来越紧密，它们之间的交易数量也在增加。通过同步流程，他们被迫变得更加灵活和透明。因此，对于紧密合作的合作伙伴来说，获取有关整个供应链流程的准确、详细和完整的信息变得必不可少。为了促进流程的沟通和同步，大多数合作伙伴构建了业务流程模型。这些模型以图形方式指定和表示供应链中的活动流，从而可以更有效地分析或改进当前的协作流程。供应链业务流程模型还可用于表示供应链中每个合作伙伴的公共和私有流程视图之间的关系，或显示供应链中不同合作伙伴之间的交互。整个供应链流程的构建是一个真正的挑战，因为关于整个流程的知识通常分布在相关各方，没有一方对整个流程及其所有细节有一个概述。因此，在供应链流程建模的背景下，流程挖掘可以作为构建整体流程模型的解决方案。流程挖掘技术包括多种（半）自动化技术，这些技术基于从支持信息系统提取到结构化事件日志中的历史流程数据来研究流程。最为人所知和应用最多的技术类型是流程发现。这是一种通过分析事件日志来自动构建业务流程模型的技术。因此，流程发现旨在生成更客观、更完整、更及时的业务流程模型。随着数字技术和流程挖掘技术的发展，以及合作伙伴之间协同的改善，这些技术也可应用于跨组织流程。下面几节将介绍几个流程挖掘技术的解决方案和架构。 2.3 EverestGroup 2021年流程挖掘技术产品PEAK矩阵 Everest Group（珠穆朗玛峰集团）指出:?流程挖掘是实现流程卓越和加快组织数字化转型进程的关键促成因素。由于企业对该技术及其好处的认识不断提高，它已成为智能自动化领域增长最快的市场之一。它正在跨地理区域迅速获得吸引力，并在业务功能和垂直领域找到广泛的用例。采用流程挖掘解决方案不仅可以通过识别流程优化/自动化机会帮助企业实现成本节约和运营效率，还可以提高员工生产力和增强客户体验。这些产品在功能、特性和功能方面也在迅速发展。为了取得成功，企业选择正确的流程挖掘技术合作伙伴至关重要。 Everest Group根据其市场影响、愿景和能力评估流程挖掘技术供应商。在评估的因素中，包括交付价值的提高、创新、显著的绩效改进等。根据评估的结果，每年发布评估的研究报告。在2021年的报告【8】中，Everest Group评估了18家领先的技术供应商的流程挖掘产品、愿景、能力以及市场影响，并将其分为领导者、主要竞争者和有抱负者。这项研究将帮助买家根据自己的需求选择合适的技术供应商，同时技术供应商将能够相互比较。图 10：Everest Group 2021年流程挖掘技术产品PEAK矩阵（来源：【8】） 2.4 Celonis的流程挖掘技术 Celonis是一家成立于德国慕尼黑的数据处理公司。它的共同总部位于慕尼黑和纽约，并销售软件即服务(SaaS)?以改进业务流程。2011 年，前 TUM 学生根据他们对流程挖掘软件的想法开发了一家成功的初创公司。2021年价值 110?亿美元，使其成为流程挖掘的世界市场领导者之一（见图10）。 Celonis的流程挖掘技术分为四个关键阶段，它被部署到Celonis智能商务云作为一个SaaS应用。图 11：流程挖掘生命周期（来源：【9】）这四个关键阶段的要点如下: 收集—从源系统收集原始数据以创建具有标准格式的事件日志发现—过程摩擦点及其根本原因增强—通过主动消除摩擦来增强流程监控—流程绩效和改进机会图12描述了Celonis的流程挖掘软件架构，该架构支持创建实时操作应用程序：实时连接器输入数据层，由过程AI引擎分析，然后通过集成数据和其他可视化功能仪表板展示流程挖掘的信息,然后再基于仪表板的数据创建操作和分析应用程序。该架构最先创建了应付账款和供应链运营两个应用程序。图 12：Celonis的流程挖掘软件架构（来源：【10】） Celonis的基于智能商务云的流程挖掘SaaS软件已经与SAP的供应釆购平台Ariba集成，为客户提供基于人工智能技术的釆购流程挖掘服务，以实现无摩擦采购。图 13：Celonis釆购流程挖掘服务（来源：SAP Ariba和Celonis合作伙伴关系公告） Celonis釆购流程挖掘服务是采购组织的效率助推器，可实现： +17%无接触率 -40%的返工率 20%的全程快速P2P 从而使流程改进达20-30%，并将客户的组织提升到一个新的水平。 2.5 UiPath的流程挖掘技术 UiPath 是一家机器人流程自动化的全球软件公司，由 Daniel Dines 和 Marius T?rc??在罗马尼亚布加勒斯特创立，总部位于美国纽约市。根据珠穆朗玛峰集团针对流程挖掘技术供应商的PEAK Matrix?，UiPath连续第二年（2021）荣幸地被公认为技术供应商领域的流程挖掘领导者和明星（见图10）。和Celonis不同，UiPath的主要战略是将流程挖掘加上任务挖掘（Task Mining）用于RPA，实现iRPA（intelligent RPA），即智能和自学习RPA（见图8），进而实现Gartner所定义的超自动化。机器人流程自动化?(RPA)?正在改变许多组织的运作方式,UiPath 用户现在也在探索流程和任务挖掘在最大化自动化投资回报率方面的好处。UiPath 流程挖掘使企业能够全面了解其流程并确定流程改进机会，以提高效率并降低成本。UiPath 任务挖掘分析人们如何完成工作以识别和自动化重复性任务，从而消除人为错误。流程挖掘和任务挖掘提供流程的 360?度视图以实现超自动化——使用机器学习?(ML)?和人工智能?(AI)?等技术标准化和加速企业自动化。 UiPath 流程挖掘的最大优势之一是它提供的业务流程的 X 射线视图,来自流程挖掘的客观而详细的见解是 RPA 战略成功的关键。UiPath 流程挖掘系统架构如图14所示: 图 14：UiPath 流程挖掘系统架构（来源：【11】）图15描述了如何从分析产生于业务系统和应用的数据到理解和优化业务流程的视图。其中人工智能扮演着数据和流程分析大脑的角色。图 15：UiPath 流程挖掘系统执行视图（来源：【12】）在过去的一年中，流程自动化领域经历了重大转变。UiPath等领先的 RPA 平台进一步与关键技术集成，将可操作的解决方案推向市场，使公司能够实现更高水平的端到端自动化，并使用最初由 Gartner 创造的术语实现“超自动化”。超自动化可定义为 RPA 与其他技术的集成，例如流程挖掘、预测分析、机器学习和数字劳动力与人类的集成。2020?年，此类产品已成为行业内主要自动化参与者不可或缺的一部分，以提供最新的解决方案并帮助其客户实现现代化并适应市场上不断发生的变化。这些关键技术包括在下面的图16中：图 16：超自动化关键技术（来源：【13】） 2021 年 UiPath 平台和整个 RPA 行业发生了更多进步，特别是UiPath已成为唯一支持全自动化生命周期的平台，正成长为一个超自动化平台。根据 2020?年 9 月的Gartner 报告，2021 年全球 RPA 软件收入预计将达到 18.9 亿美元，比 2020?年增长 19.5%。RPA 将继续保持其全球市场份额，预计到 2024 年，其全球市场份额将继续以两位数增长。在“超级自动化”即将成为行业标准的世界中，不采用具有竞争力的自动化战略的企业将很快被抛在后面。 UiPath的自动化解决方案被成功用于多个行业的流程自动化，特别是关于供应链的流程自动化和流程挖掘。例如，医院的供应链正在购买大量医疗用品，以满足 COVID-19 产生的需求。数量是他们正常需求的 10-20?倍，给采购团队造成压力，这使医院无法采购适当库存产品。加拿大的一家大型医院使用UiPath的自动化解决方案实时平衡订单和库存，从而避免积压和延迟,将产品运送到正确的医院储藏室以供关键时候使用。 2.6 Software AG?的流程挖掘技术 Software AG成立于 1969 年，和前面两家年轻的软件公司不一样，是一家老牌企业软件公司，在 70?多个国家/地区拥有 10,000?多家企业客户。该公司是德国第二大软件供应商，欧洲第七大软件供应商。根据珠穆朗玛峰集团针对流程挖掘技术供应商的PEAK Matrix，它是流程挖掘领导者之一。 ARIS流程挖掘是Software AG 的流程挖掘平台，它关注图17中的五个方面，不仅可以了解收集的数据，还可以帮助客户更好地了解业务。客户在这里看到的整个生命周期从简单的流程发现开始，以时间戳的形式收集和查看数据事件日志，然后了解数据告诉客户的信息。实现数据并开始指出需要改进的领域的能力将是这项技术真正闪耀的地方，它提供了智能算法，可以在相同的数据矩阵中实现客户想要的结果，然后运行它进行测试，以确保所有移动部件都完全完成了挖掘过程所预测的内容，然后客户只需不断地检查它是否符合流程。图 17：ARIS流程挖掘五个关键步骤（来源：【14】）图 18描述了用于流程一致性检查的 ARIS 流程挖掘。流程挖掘是一种自动重构实际流程执行并计算相关流程KPI的技术。对于此进程发现，客户需要运行分析进程的应用程序数据。更具体地说，客户需要以下流程跟踪的数据片段，这些数据片段对于流程挖掘至关重要。流程 ID：对属于同一流程实例的所有流程跟踪进行分组，例如客户的订单 ID 功能名称：命名所有执行的流程活动，例如“创建采购申请” 时间戳：根据实际执行顺序对流程中断进行排序用户能提供此类信息，用户只需几分钟即可通过 ARIS 流程挖掘获得第一个基于事实的流程洞察。除了流程发现之外，用户还可以通过流程一致性检查来检查流程的合规性，它将实际流程执行与底层流程定义进行比较，例如基于 BPMN 模型，借助在 ARIS 流程挖掘中的算法，客户不仅可以看到汇总的流程合规率，即与客户的流程设计相匹配的流程实例的百分比，还可以查看导致不合规的详细合规问题。此类合规性问题的一个示例是，客户不是从创建采购申请开始采购流程，而是直接从下订单开始，ARIS的智能算法不仅可以发现错误的流程开始或结束，还可以发现意外的流程步骤或不合规的执行顺序。图18：ARIS流程挖掘用于流程合规性检查（来源：【15】） ARIS?流程挖掘技术还被用于以下方面: 订单兑现 ?最大化非接触式订单，缩短订单到交货周期，最终加快收款速度。采购到付款 ?通过消除付款条件差异和特立独行的采购优化采购。服务优化 ?通过向客户提供正确的信息，引导他们到达正确的地点，尽可能提供最佳的客户体验。供应链管理 ?分析物流运作，找出供应链中的薄弱环节，加强整个网络。物联网流程改进 ?在客户的生产中找出所谓的快乐路径，以提高效率和降低成本。 2.7 德勤对流程挖掘的研究和解决方案 2.7.1 2021年全球流程挖掘调查德勤（Deloitte）于2021年4月发布了研究报告《2021 年全球流程挖掘调查：通过流程分析提供价值——流程挖掘的采用和成功因素（Global Process Mining Survey 2021 ：Delivering Value with Process Analytics – Adoption and SuccessFactors of Process Mining）》【16】。该报告指出:?流程挖掘提供了一种结合数据挖掘、分析和流程优化的创新数字方法。在真实数据的支持下，它提供了对公司运营和管理流程的宝贵、详细的见解，并阐明了在哪里改进它们。鉴于这种数据驱动方法的相关性越来越大，德勤创建了一项全球调查，询问流程挖掘从业者和相关决策者是否已经开始了流程挖掘之旅，以及他们目前使用流程挖掘的程度。此外，德勤想确定流程挖掘为公司带来了哪些价值，并确定了扩展流程挖掘的成功因素。该报告的主要发现：大多数受访者，即 63%，已经开始实施流程挖掘。但仍有更多空间，因为目前 87%?的非采用者正计划进行试点项目?或愿意通过概念验证进行尝试。 83%?已经在全球范围内使用流程挖掘?的公司计划扩大他们的计划，77%?的受访者目前拥有孤岛解决方案，63%?的受访者最近推出了概念验证。流程挖掘的主要期望是流程改进、透明度和成本降低。84%?的受访者认为流程挖掘提供了价值。31%?的受访者表示流程优化措施（如自动化）已经实现了价值。支持效率高但价值潜力低的流程是流程挖掘最常见的起点。大多数客户已开始使用简单且具有高度标准化数据集的流程。流行的起点是采购到付款和会计流程，其次是订单到现金和IT服务管理流程。根据该报告的调查结果，该报告可以确定公司需要特定要求才能在流程挖掘方面取得成功。以下是报告中的前五名：前5个成功因素： 1. IT与业务的跨部门协调 2. 数据质量和转换 3.?明确目标 4.?领导承诺 5.?专用资源可用性 2.7.2 德勤流程仿生学中心（CPB）为了达到可持续地改变业务流程的目标，德勤创立了流程仿生学中心【17】（CPB）。凭借流程仿生学的概念，德勤正在将流程挖掘转变为一种数据驱动的管理方法。其目标是找到新的动态和可持续的方法，以应用从公司流程中获得的见解，并推动有效的,基于事实的转型。德勤的方法模拟了人工智能/机器学习、超自动化和下一代业务流程管理领域中应用于技术采用的自然进化过程。其目标是通过将最新的技术专业知识与以人为中心的数据到价值的方法相结合，将洞察力驱动的流程转换提升到一个新的水平。 2.7.3 对流程挖掘的期望和流程优化框架德勤研究报告中受访者对于流程挖掘的期望有不同的回答，下面是前6个占比大于40%的期望（见图19）: 流程改进流程透明度降低成本加速数字化转型自动识别流程监控其中关键期望是流程改进，流程透明度，和降低成本。图19：对流程挖掘的期望（来源：【16】）流程挖掘本身并不能提供“开箱即用”的价值。有很多例子表明，公司已经用流程挖掘技术实现了新的方案，但并没有发现任何切实的好处。流程挖掘不能视为即插即用技术。成功使用它需要先进的行业特定技能和技术技能。组织还需要深入的流程知识和业务专业知识，以便将流程挖掘输出转化为有价值的洞察力。如果没有面向案例的仪表盘和流程挖掘从业者专注于最大化附加值，企业将无法从流程挖掘中获得有效的洞察力和实际的结果。德勤没计了如图20所示的流程挖掘优化框架，以帮助组织实现将流程挖掘变为产生价值的工具。该框架分为三个层次: 可直接获取的结果流程挖掘优化框架可持续的结果由此可见，采用德勤的流程挖掘优化框架将可以获得可持续的流程改进结果。图20：流程优化框架（来源：【16】） 2.7.4基于AWS的德勤流程仿生平台架构德勤流程仿生中心?(CPB)提供了一个基于亚马逊的云服务（AWS）的全新创新解决方案，该解决方案使用数据来了解流程以及系统如何与这些流程交互。该解决方案利用最先进的流程挖掘技术来捕获端到端的业务流程。在运营和交易数据的支持下，流程挖掘提供了对公司业务流程的有价值的详细洞察，并指出了改进它们的方法。流程仿生（Process Bionics）?概念将流程挖掘扩展为整体数字管理方法,这个有远见的模型遵循自然过程的范式，如神经网络、人工智能、适应、自动化和进化，旨在为整个公司提供动态、持续的运营优化措施。 AWS 上的德勤流程仿生平台和德勤流程挖掘框架为德勤的客户提供了真正的全球解决方案，其中AWS提供的基础设施能够按需扩展。在流程挖掘中，事件日志表通常是任何有目的的流程挖掘练习的起点。为流程挖掘寻找、清理和准备数据是流程挖掘实施中最具挑战性和最耗时的部分之一。德勤 CPB 开发了一个独特的框架——德勤流程挖掘框架，帮助客户完成从数据范围界定、数据提取和数据标准化到最终创建事件日志表和流程挖掘数据模型的所有步骤。该框架的方法论已被编码成脚本（可在包括但不限于 Microsoft SQL、Oracle SQL、PostgreSQL、SAP HANA DB、HDFS 等环境中使用），并封装到不同的模块中（如图 21 所示）。借助德勤流程挖掘框架，客户能够轻松处理来自不同数据源的数据，并以非常灵活和可扩展的方式创建端到端数据模型。图21：德勤流程挖掘框架中的模块（来源：【18】）整个框架的工作原理如下：预处理：对于所有流程挖掘业务，该步骤涉及支持帮助客户定义流程范围，确定要提取的相关系统/表/列，提供数据提取建议（或代表客户提取数据），将数据正确存储在后续步骤可以访问的中央数据存储库中，并应用自动数据质量检查以确认我们已获得所需数据。暂存：在正确存储和验证数据后，暂存脚本用于识别所需的流程对象类型（例如，在应付帐款流程中；供应商发票和付款），为这些流程对象分配唯一的文档 ID，并创建人工对象（即，为每个过程对象创建一个具有所有所需信息的中心对象），用于后续步骤。映射：在映射模块中，应用业务逻辑并建立不同流程对象之间的连接。例如，在典型的订单到现金?(O2C)?流程中，报价、销售订单、交货单、发票等之间的联系将在此模块中建立。相应的映射结果将作为创建流程挖掘数据模型中案例表（即由所有流程案例的主导对象的唯一标识符组成的表）的基础。剪枝：在剪枝模块中实现了图遍历算法，从映射结果中遍历所有对象和连接，并创建一个表示数据集所有对象关系的综合图。该图的每个子集都被视为一个单独的案例，相应的前导文档的 ID 也用作案例 ID（案例的标识符）。事件：基于案例表，可以探索整个数据集以提取案例的每个单独流程对象上的所有活动（事件）。所有必需的信息，包括但不限于活动描述、活动发生的时间戳，以及进行活动的用户，都被整合到一个中央事件日志表中，该表将加载到流程挖掘工具中。后处理：在从前面的模块创建所有基本表之后，有时还需要创建额外的辅助表，例如针对各个流程对象的商业智能表。这是在后处理模块中完成的。与其他现有解决方案相比，德勤流程挖掘框架具有以下优势：灵活：首先，整个框架的脚本已经被编码到前面列出的不同模块中。所有模块可以一起或单独启动以生成所需的结果。其次，有许多配置表和文件，允许用户将流程和基础架构特定信息作为配置变量放入框架中。脚本中没有硬编码,用户可以高度灵活地使用框架来处理各种自定义设置，并且还可以轻松地将解决方案从一个地方迁移或复制到另一个地方。可扩展：整个框架旨在处理多个数据源，并且已通过各种大规模客户参与证明是有效的。当使用多个数据源时，每个数据源由一组配置参数标识，并且大部分框架脚本可以在源之间共享和重用,只需要添加系统特定的定制。这种方法确实减少了处理多个数据源的开发和维护工作，并使整个流程挖掘解决方案更具可扩展性。高效：对于大公司，尤其是零售或制造行业的公司，通常要处理数百万甚至数十亿的交易记录，并将所有这些记录整合到一个数据模型中,为了应对这种计算量大的场景，框架中集成了许多性能提升措施，例如并行计算、映射组的划分等。图22描述了基于AWS和德勤流程挖掘框架（见图21）的德勤流程仿生平台架构，它是根据 AWS Well-Architected Framework 设计的，并使用基础设施即代码?(IaC)?在 Terraform 中完全定义。一旦收到新的请求，新环境可以在半天内自动部署,部署环境后，可以按照以下工作流程启动新的流程挖掘实现：将原始数据上传到 Amazon S3 存储桶，该存储桶通过自定义的粘合作业将数据自动复制到 MSSQL（托管在 Amazon RDS 中）。整个数据上传管道是使用 AWS Glue 和 AWS Lambda 以无服务器方式编写的。使用预先部署的德勤流程挖掘框架完成数据的开通和转换，并在后台创建流程挖掘数据模型。将数据模型上传到 EC2 上托管的选定流程挖掘工具。该应用程序可以通过托管在 AWS Fargate 上的面向前端的自定义客户端进行管理和使用。图22：基于AWS的德勤流程仿生平台架构（来源：【18】）德勤流程仿生平台为全球客户提供灵活、稳健的流程挖掘服务。下面是两个应用实例: （1）利用流程挖掘帮助客户在与全球顶级石油和天然气客户的一次合作中节省成本。该客户最初希望启动数字化转型，以改善其全球客户支付体验。他们的客户普遍认为该客户不容易与之开展业务。该公司面临的最大挑战的流程是发票、账单和付款流程，例如，发票延迟或错误严重影响了营运资金。德勤被请来帮助客户在价值 1500?亿美元的业务线中实现支付体验的数字化转型。然而，支付体验问题只是症状，根本原因是由于许多基础流程的故障。这就是 CPB 团队的用武之地，它帮助解决在各种客户体验问题中表现出来的核心流程问题。CPB 团队部署了流程挖掘来映射流程、检测差异并确定其影响。通过这种方法他们能够识别出几个不同的流程效率低下的问题。例如，客户在收到产品平均两天后向客户开具发票，这基本上是免费借出的钱，并且损失了数亿美元的营运资金。另一个副作用是发票与提货日期不符，给客户的应付账款和对账流程带来了重大挑战。当客户最终收到发票时，他们经常会延迟付款（9. 5%?的发票平均延迟支付 14 天）。通过专注于该特定流程故障，CPB 能够将延迟减少?0.81 天，从而为该客户捕获了 2000?万美元的营运资金。（2）另一个例子是与欧洲金融服务客户的流程挖掘合作。为了帮助客户改进公司的贷款申请流程，该方法是从其中一种零售贷款产品开始的。第一步是根据客户的标准操作程序?(SOP)?获得对整个流程的了解。对四个主要领域进行了全面的流程分析：返工、授权、周期时间和合规性。发现了各种流程瓶颈，并确定了相应的根本原因。这导致原来表现最差的分行的平均贷款授权时间减少了 12 天。 2.8?安永数字流程挖掘（DPM） 2020年安永（EY）发布了一个研究报告:《通过数字流程挖掘和数字孪生兄弟重塑客户的供应链（Reinvent your supply chain with digital process mining and digitaltwins）》【19】。首先该报告指出了供应链所面临的从线性供应链到动态供应链的演变挑战（见图23）。指出今天的全球供应链正从线性模型演变为依赖信息和材料动态无缝传输的复杂网络。在供应链早期预测中断是提高效率的关键，而传统工具无法满足组织对动态调整和敏捷性的需求。在这一演变过程中，供应链组织面临着进一步提高可视性、获取实时流程输出以优化其战略、预测中断并在中断发生时作出适当响应的挑战。实际上，组织正感受到转变为更容易适应变化的敏捷实体的压力。由于各种原因，依靠传统方法解决这些挑战效率低下（且不足）：进行访谈和收集数据非常耗时：它要求利益相关者参与，团队手动输入和构建数据，以便进行任何增值分析。用户有个人偏见：最响亮的声音可能得到最多的关注。由于人为因素，数据容易出错：关键数据可能被忽略，或者更糟的是可能被误报。最重要的是，考虑到所需的资源限制和人工工作水平，这些方法是不可扩展的。图23：从线性供应链到动态供应链的演变（来源：【19】）为了解决上述传统方法的短板，该报告提出了叫数字流程挖掘（DPM）的解决方案，并且将其和数字孪生技术集成到如图24所示的安永的供应链重塑的框架。从此安永框架可见，供应链智能包括E2E供应链可视性、洞察力、数字流程挖掘和供应链的智慧地图。图24：从供应链智能到供应链重塑的历程（来源：【19】） DPM是一组工具，它利用公司的数据（如企业资源规划（ERP）和支持系统）对不同的业务流程执行基于事实的分析，获取见解并为业务创建转换引擎。它的功能增强了企业已经执行的分析，并提供了改进性能的全新方法，它还使企业能够破解数字破坏的答案，获得做出自信决策和积极转变业务所需的信息。 DPM提供可与ERP主数据进行比较的实时处理数据，以识别潜在的数据差异。使用DPM可以部分或完全自动化定期更新主数据的过程，这允许更新基于连续实时输出的主数据中的订单提前期甚至运输时间。 DPM对供应链的好处：自动挖掘实时过程输出更快地收集数据，最大限度地减少手动工作允许用户根据事实挖掘流程而不是别人的主观观点检查整个事务集，以便查明异常情况、特征和原因构成最大风险的事件序列为组织注入更灵活、更高效的可扩展功能安永(EY)在财富500强客户的供应链上部署了DPM，客户注意到了重大的运营和战略问题三个月内即可获得福利。在部署DPM工具的三个月内，准时对于关键客户，交付提高了约20%。此外，客户还看到了战略、战术和运营层面的好处：战略利益动态仪表板，可根据客户、产品等实时查看KPI。能够识别瓶颈并为增加现金流带来有针对性的改进关键客户的准时交货率提高20% 战术效益能够绘制E2E物料流运动图能够跟踪从客户请求日期到上游材料可用性的订单经营效益动态仪表板，在单个屏幕上提供全球供需视图，而不是四个不同的ERP屏幕，从而将时间缩短90% 过程可视化功能，提供查看每个案例并关注其具体问题的能力，以制定可行的计划提醒用户订单异常状该报告最后指出DPM为供应链数字孪生奠定基础（见图25），这是由于DPM提供了准确和实时或分时的流程的数据。图25：DPM为供应链数字孪生奠定基础（来源：【19】供应链流程挖掘技术的应用 3.1 流程挖掘的五个常见用例高德纳的研究报告【4】指出：流程挖掘可以应用于组织的不同领域。因此，它可以有许多用例，并且许多利益相关者可能依赖于用例和流程挖掘计划的范围。流程挖掘市场可以分为五种类型的用例，每种用例都有自己的利益相关者、角色、目标以及相关的特性和功能。此外，我们还指出每个用例可能的未来方向。本文将这个五类用例列于下表: 流程挖掘用例（按市场分类）描述和方向通过算法过程发现和分析改进过程描述：流程挖掘通过将一组算法应用于事件来提供对实际业务操作和流程的可见性和理解，从而产生高度适应性、高度可维护和高度验证的流程模型。除了识别流程效率低下之外，该技术还可以洞察在何处改进运营（例如，在数字化计划中）以及如何实现有针对性的业务成果。通过支持流程效率和有效性，流程挖掘工具是流程改进计划及其相关学科的关键推动者。在这个用例中，数据科学家通常支持流程改进团队使用 Kaizen（精益）等方法来发现、分析、改进和优化流程；计划-执行-检查-行动（PDCA；全面质量管理?[TQM]）；或定义、测量、分析、改进和控制（DMAIC [6 Sigma]）。流程挖掘是对传统业务流程分析领域的高度补充，使业务流程分析师能够在概念和逻辑层面上记录、分析和简化以及重新设计复杂的流程，而不管任何计划的自动化。方向：支持此用例的大多数新功能都可以在数据输入功能（数据收集、清理和准备）、案例细分（流程实例）以及主要在分析方面找到。由于人工智能和机器学习的最新进展，过程分析能力扩展到预测分析、规范分析、场景测试和模拟等领域。另一个非常有趣的演变是支持不同流程（不是同一流程的实例）的交互以及流程实例（或案例）如何相互交互。这种演变是通过查看支持多个流程的事件并创建事件关系结构或图表来实现的。连同围绕任务挖掘的能力，该能力被参与调查的供应商标记为最具差异化的能力。最后，我们看到了一个非常有前景的方向，即将流程挖掘技术应用于其他对象而不是通过不同任务的工作对象，例如产品、服务、资源、渠道和客户。结合所有这些商业模式的组成部分，我们看到一个新领域的出现，可以标记为商业挖掘或组织挖掘。第一个用例是探索客户交互如何与内部业务运营和流程保持一致。此分析可帮助组织解决如何积极影响客户体验和客户保留。如果流程挖掘跟踪客户及其交互以及他们与组织的接触点作为主要对象而不是订单、发票或请求，那么这可以被视为“客户旅程挖掘”它开辟了一个全新的观众。通过算法过程比较、分析和验证改进审计和合规性描述：大多数组织已经在内部定义了标准操作程序、政策、工作说明和最佳实践，并融入到企业应用程序中，例如 ERP 和 CRM。在实践中，许多这些预定义操作通常由“影子操作”补充。流程挖掘有助于验证或审计实际操作是否与这些定义的操作一致。更准确地评估流程偏差和合规问题，例如职责分离，有助于管理这些风险并在审计报告中传达调查结果这也有助于确保外部财务报告的可靠性以及对外部法律法规的遵守。在这些情况下，流程挖掘的利益相关者可以在财务管理和风险与合规团队中找到。此用例的另一个变体是对不同业务部门、子公司甚至国家/地区的相同流程进行比较和分析（比较流程挖掘）。方向：大型外部审计公司在其审计服务中应用了流程挖掘技术。他们中的大多数人已经尝试了一段时间。然而他们中的一些人最近开始与流程挖掘供应商合作构建平台，他们可以在该平台上以更自动化的方式运行审计活动和报告。最近，我们注意到一种以更积极的方式使用挖掘信息的趋势。通过实时比较实际发生的事情，例如将特定任务分配给流程参与者以及流程挖掘提供的见解，可以指导这些参与者完成任。或者可以敦促他们对某些任务进行优先级排序，以避免进一步加快流程实例。这可以通过简单的警报或更高级的工作流程功能来完成，同时指导流程中的后续步骤。通过发现和验证自动化机会来改进流程自动化描述：流程自动化计划一直在提供高度改进的效率，但它们导致了有限的可持续业务价值，因为假设实际数据只有在自动化完成后才可用，这带来了两难境地。流程挖掘在进入自动化之前提供实际的运营数据，并支持制定更准确的业务案例以改善业务成果。流程挖掘将帮助业务分析师发现和评估流程自动化的机会。最近，任务级流程自动化（例如 RPA）经常错过流程上下文，并且没有提供对嵌入这些任务的流程发生的变化的认识。最近引入的任务挖掘功能增加了对该用例的兴趣。此外，流程模型通常用于配置企业应用程序及其集成流程，例如 ERP 和 CRM。然而，基于访谈的传统过程模型往往只提供有限或有偏见的真相图景，高度抽象的结果可以通过多种方式来解释。流程挖掘——作为传统业务流程建模的一种补充方法——通过生成高度适应性、高度可维护和高度验证的业务流程模型来提供流程可见性。方向：由于围绕 RPA（即任务自动化）的大肆宣传，流程挖掘吸引了该社区的大量关注。流程挖掘通过可视化和理解流程上下文来提高任务级自动化（例如 RPA）的成功率，以便当流程发生变化时，自动化任务可以在不失去相关性的情况下进行调整。此外，流程挖掘有助于发现任务级自动化的机会并确定其优先级。我们仍然看到最知名的 RPA 供应商和一些流程挖掘供应商建立了几个合作伙伴关系。一些 RPA 供应商以及几家新公司已经开发了一些功能，将神经网络和深度学习应用于从屏幕和桌面捕获的数据，以推导出最终用户如何完成任务的过程。虽然这些供应商称之为流程发现，但这不应被视为流程挖掘，我们建议将其称为“任务挖掘”的用例（参见发现流程挖掘与任务挖掘的差异和用例）。它根据击键、鼠标点击、应用程序的打开和关闭以及将数据输入到字段中来捕获任务的过程。这是一项很有价值的功能，甚至可以自动配置 RPA 机器人，与流程挖掘高度互补。另一个有希望的趋势是通过使用互联网协议（或 IoT）将操作技术?(OT)?纳入事件日志的收集中。物联网事件和其他事件的结合将支持发现和验证使事物在流程中合作的价值。早些时候，我们在支持这种超自动化的技术工具箱中讨论了超自动化和流程挖掘的相关性。最后，我们看到了基于流程挖掘结果构建完整应用程序功能的有趣方向。通过发现工作方式并使用这些挖掘的信息来自动化这些不同任务的顺序和指导，正在构建流程应用程序。将此功能与持续监控和重新挖掘相结合，最终会导致创建持续适应或动态的应用程序。通过将战略与运营联系起来并创建有弹性的组织来支持数字化转型描述：如果我们将流程挖掘的范围转移到运营和组织层面，将这些运营洞察与大型战略计划（如数字化转型或数字业务）联系起来只是一小步。这是一个不断增长的用例，由于数字业务的主题以及最近的数字化转型而受到越来越多的关注。该用例提供了围绕业务运营模式3 的可见性、分析和理解，这些模式通过向所有最终用户提供（近乎）实时的关于他们如何执行以及可以改进的信息来代表一种开展业务的方式。在某些情况下，据报道它甚至可以帮助最终用户考虑数字化机会。这个用例可以看作是 Gartner 在单独的市场指南中描述的三个市场（企业业务流程分析?[EBPA]、组织的数字孪生?[DTO]?和流程挖掘）的组合。方向：围绕将战略与运营联系起来或专注于业务变革和数字化转型的用例实际上可以提供我们所描述的 DTO 新概念的一个组成部分。流程挖掘可以成长为任何业务转型计划的重要组成部分。它可以帮助通过此 DTO 的数据连接部分指导数字业务计划（请参阅通过创建组织的数字孪生来优化数字业务转型和支持 DTO 的技术的市场指南）。该用例表明，从运营角度来看，流程挖掘可以辐射到组织中更广泛的最终用户社区。最近围绕 DigitalOps 的研究已经涉及到这些技术的组合。领先的组织正在仔细管理不同的流程模型和过去的绩效数据。将这些流程和决策模型（请参阅开发良好的决策模型以在决策管理方面取得成功）与工作情境相结合，有助于实时控制和优化工作的执行。正是这种结合——流程建模和性能监控的融合，以支持数字业务平台的直接执行和实时优化——Gartner 称之为“DigitalOps”。流程挖掘可以连续、准确地提供这些过程模型和测量（见图 26 )。最后，我们看到流程挖掘有助于当前处于起步阶段的更大趋势——即智能运营弹性。运营弹性是一组技术，使人员、流程和信息系统能够适应不断变化的模式。它是在面对不断变化的业务条件时改变运营的能力。具有运营弹性的企业具有以提供竞争优势并实现快速本地流程修改的方式来增加或减慢运营的组织能力。流程挖掘以及 AI 和 ML 的演变对智能组件很重要。流程挖掘以及最终的业务挖掘背后的技术提供了一种新的增强方法来包含操作弹性的感知和模型功能。通过算法?IT?流程发现和分析改进?IT?运营资源优化描述：此用例不是业务结果驱动的流程改进的直接目标或结果。然而，IT 运营和流程的发现、分析和优化是一个新的用例，它肯定可以为 IT 组织和广泛采用的实践（例如 DevOps）带来很多好处。考虑它在开发和测试过程的改进、迁移过程的准备、系统错误诊断、技术使用和实施后/转换稳定方面的用途。这种稳定性集中在可用性问题、客户服务延迟和再现场景上。我们也知道有公司使用流程挖掘来检查某些应用程序功能的使用情况，以及哪些功能是现代化或合理化的良好候选者。方向：尽管此用例最近出现，但我们预计此特定用例会被大量采用，尤其是来自具有强大 IT 背景的供应商和系统集成商。许多与 IT 服务管理?(ITSM)?产品（例如 Atlassian、BMC、Broadcom-CA Technologies 和ServiceNow ）的联系加强了此类用例其中一些供应商已经开始在他们当前的产品中引入他们自己的流程挖掘功能。图26：DigitalOps 结合了三个领域（来源：【4】）上图中是DTO 组织的数字孪生。DTO是高德纳于2017年提出的一个基于数字孪生的企业软件架构的构想，现在它已经发展成比较成熟的任何组织的动态软件模型，它依赖运营和上下文数据来了解组织如何实施其业务模型、与其当前状态联系、响应变化、部署资源和交付客户价值。【4】指出：DTO 通常依赖于流程挖掘。流程挖掘是一门创建运营数字孪生的学科，也是市场采用 DTO 的主要驱动力之一。 3.2 供应链中常见的流程挖掘用例基于Genpact【20】的研究，供应链中的流程挖掘用例可为两大不同的类别：（1）执行性能执行性能用例使用流程挖掘为企业的各种操作系统（例如仓库管理系统、运输管理系统、制造执行系统或企业资源规划?(ERP)?系统）中的数千个日常事务提供可见性和透明度。这样做组织可以主动识别潜在的绩效问题，并查明效率低下和绩效不佳的根本原因。在最高级的场景中，可以自动调整事务以优化性能。（2）规划绩效计划绩效用例侧重于中期供应链计划。在这些用例中，组织将利用来自业务操作系统的数据，根据已证明的流程性能来更正计划参数。这样做计划更容易执行，进而可以有更高的业务绩效。在计划绩效的高级案例中，流程挖掘可以启用决策挖掘并提升计划流程，例如销售和运营计划以及集成业务计划。读者可以从图27中阅读有关决策挖掘用例的更多详细信息。图27：供应链中常见的流程挖掘用例（来源：【20】）【20】指出；流程挖掘通过事件日志数据分析优化业务流程是组织可视化供应链中流程实际运行方式的一种方式，而不是它们应该如何运行。使用高级数据和分析功能，组织可以从操作系统中获取洞察力，以提高供应链内的可见性和透明度，确定低效率的根本原因，并跟踪它们在整个业务中的表现。尽管流程挖掘在改善客户服务、减少过剩库存以及降低制造和物流成本方面具有非凡的潜力，但总价值无法通过单一用例来释放，相反，流程挖掘是一个迭代的、渐进的过程，随着时间的推移为更高级的功能和建立价值复合回报奠定了基础。【20】的作者认为供应链中流程挖掘的价值包括，但不限于以下三方面：将客户服务水平提高?2-10% 释放?5-10%?的库存资本将制造和物流成本降低?5-10% 3.3 确定高价值的基础流程挖掘用例【20】建议：选择一个初始用例来启动组织的流程挖掘之旅是一个极其重要的决定，因为它将测试企业的技术能力并影响未来用例的部署。我们建议根据两个不同的标准选择用例： 1.?交付给企业的预期价值 2. 易于实施尽管用例的价值取决于每个企业的独特目标，但客户服务被广泛认为是重中之重。因此，专注于提高服务水平的用例是流程挖掘的有力候选者。为了衡量实施的难易程度，供应链领导者必须首先评估他们打算挖掘的一个或多个系统的数字化成熟度。例如，如果源系统几乎没有数据错误并且在粒度级别严格的情况下创建事件日志，那么流程挖掘用例的实现将花费更少的精力。此外，如果源系统被广泛使用，例如 ERP 系统，很可能流程挖掘技术供应商已经开发了数据连接器，它可以毫不费力地重用。在大多数客户参与中，Genpact建议从完全按时(OTIF)?管理用例开始流程挖掘之旅，因为它通常为业务提供高价值并且相对容易实施。此外，OTIF 管理用例基于订单到现金流程，这是流程挖掘的一种流行应用，因此流程挖掘技术供应商很可能已经开发了应用程序或服务。有了 OTIF 用例，在供应链中实施的下一个合乎逻辑的用例是更广泛的库存管理优化。注: OTIF ( On-Time-In-Full)?是一种供应链指标，通过将填充率乘以按时计算得出。当在订单级别使用完美的填充率和完美的准时，这个完美的 OTIF 满足完美的订单定义。它也是一种物流绩效衡量指标，它表明有多少货物按时交付且没有任何物品丢失。 3.4 案例 1：消费电子制造商如何通过 OTIF 管理启动流程挖掘之旅【20】在过去几年中，一家全球消费电子制造商的欧洲分公司经历了强劲的销售增长。但该组织的交付能力无法满足这一新需求，客户经历了长时间的延误和沟通不畅，导致满意度低下，尽管销售额仍然很高，但该组织认识到，除非业务优化订单管理流程，否则其当前的增长轨迹无法继续。它着手解决供应链和运营领导者的问题，并发现数据集中存在一个缺陷，导致无法确定延迟的根本原因，甚至无法准确衡量绩效。制造商聘请Genpact使用流程挖掘帮助提高订单管理流程中的可见性和透明度。Genpact确定了三个关键目标： 1. 通过全面了解订单管理流程的实际情况，实现流程透明度 2.?通过识别和修复延迟交付或不完整交付的根本原因，并消除不必要的流程复杂性来提高客户服务水平 3. 随着销售额的持续增长和复杂性自然增加，保持已取得的收益通过流程挖掘改进 OTIF：该团队从 ERP 系统中提取数据以开发综合流程图。在六周内，它产生了一组初步的见解，以确定 OTIF 率低迷的原因。这使团队能够设计改进计划，以解决订单流程中的那些特定痛点。流程挖掘发现了下面几大问题：三分之一的订单偏离标准流程，导致超过?100,000?个流程变体大约?60%?的订单有显着的高强度手动流程更改，平均提前期从?14?天增加到?39?天错误的信用冻结和交付冻结导致延迟，使?OTIF?平均减少?12% 将产品误分类为长期保留使?OTIF?率降低了?16% 通过流程挖掘改进 OTIF和优化供应链，导致OTIF 率提高 14%，?其原因是：将一次成功率从?40%?提高到?80% 建立基于规则的自动更正信用冻结和交付冻结错误优化产品预订逻辑通过最大限度地减少或消除返工和自动化冗长的手动活动，平均提前期减少了?10?天——从?29?天减少到?19?天通过自动化、纠错、流程简化和新政策的实施，每位员工管理的订单行比例从?11,000?条上升到?30,000?条通过流程挖掘获得新的竞争优势：数字技术支持的极高水平的定制和不断提高的客户期望正在增加业务的复杂性，没有解决这些核心问题以及清楚明白它们在整个业务中如何体现的组织，将面临利润下降和收入损失。另一方面，采用流程挖掘技术的企业正在开发一种新的竞争优势——在复杂性中茁壮成长的能力。 2：QPR流程分析仪（Process Analyzer） QPR Software Plc（纳斯达克赫尔辛基）成立于 1991 年。它们为 50?多个国家的战略执行、绩效和流程管理、流程挖掘和企业架构提供解决方案。QPR 软件的用户获得了做出明智决策所需的洞察力。QPR流程分析仪（Process Analyzer）是一个智能流程挖掘软件，它以精确的方式深入了解用户的流程，以便客户确切地知道要更改哪些内容以改进用户的业务运行方式。图28和图29展示了的工作原理和给客户带来的价值【21】。使用该工具可以：通过交互式可视化发现流程的公正现实通过预先构建的分析和应用程序在客户的业务中发现隐藏的价值在人工智能的帮助下编排和优化运营在可扩展的云平台上安全运行通过流程挖掘快速提高业务绩效通过查找自动化问题的根本原因和发现最重要的自动化机会，将交货时间缩短 86% 通过数据驱动的审计获得流程可见性。获得 100%?的流程覆盖率，以便客户轻松发现未被发现的错误和欺诈通过即时发现瓶颈、流程违规和最佳实践，将订单处理效率提高 60% 通过在实时流程图中发现原样流程，最多可减少 80%?的采购中的返工量图28：QPR流程分析仪（来源：【21】）图29：QPR流程分析仪通过QPR连接器连接各种业务系统（来源：【21】） QPR 流程分析仪的用例包括：数字化转型智能自动化审计流程?KPI?报告 IT和ERP开发合规订单管理采购服务管理物流以下仅介绍一下流程分析仪在供应链的订单管理、釆购和物流方面的应用：订单管理应用：订单到现金?(O2C)?流程涵盖了处理客户订单的整个流程周期，延伸到不同的单元，例如仓储、交付、发票和帐户管理。因此，这个关键业务流程通常是大批量的，有很多变化（例如，流程中不需要的更改会延长交付周期并影响内部效率和客户满意度）。 QPR 流程分析仪连续自动地可视化 O2C 过程。它通过显示在客户的 O2C 流程中发现的低效率的根本原因，向客户展示如何减少返工、延迟和订单更改。此外，流程挖掘可帮助客户通过现成的分析和图表识别交付或自动化块和合规性问题，并持续监控端到端流程的性能。 Mets?Board 应用QPR 流程分析仪成功地将订单行和数量增加了 60%，而没有改变其供应链员工人数，并将合规订单行的数量从 40%?增加到 80%?，通过将流程改进活动集中到正确的领域并改进其地理范围。采购应用：采购到付款流程也称为 P2P或采购到付款，又或者是R2C。它是指涵盖商品和服务的申请、采购、确认、接收、付款和会计核算的业务流程。由于交易量极高且通常相当复杂（具有不同的批准、程序请求和供应商），流程中的每个步骤都是潜在的错误来源。这使得从采购到付款成为流程挖掘的一个很好的目标，它为整个端到端流程带来了可见性，并确定了瓶颈、不合规流程和特立独行采购等问题的根本原因。使用 QPR ProcessAnalyzer 执行以下三个步骤来优化客户的购买到付款流程：发现客户的原样流程，检查长流程持续时间并在内部进行基准测试使用根本原因分析来了解问题（例如较长的交付周期）发生的位置和原因通过利用内置 KPI 进行 Maverick Buying、机器人流程自动化等，持续监控和改进。与传统 BI 报告相比，流程挖掘提供的一个显着优势是其“易用性”。事实上，客户不需要数据科学家来解释数据或数据中的发现，因为已经构建了基于 AI 的高级分析和可定制的仪表板。最重要的是，QPR 预先构建的“购买到付款”仪表板使采购流程挖掘比以往任何时候都更容易更快，因为一切都已为客户设置好。这意味着，一旦客户打开仪表板，客户将立即看到 Maverick 购买发生的地点和时间、其业务影响以及其根本原因。目前，QPR P2P 应用程序包括仪表板（见图30），其中包括：运营概览特立独行的购买订单项目更改过程循环分析机器人流程自动化图30：采购到付款流程仪表板（来源：【21】）物流应用：获得必要的洞察力以降低成本并加快交付速度流程挖掘将客户的物流数据整合到一个地方，并将客户的物流流程可视化，从而提高物流的整体透明度。高级分析使客户能够专注于最关键的改进领域。根据实时信息可视化和分析客户当前的物流流程。通过查找流程中问题的根本原因来提高效率。通过预先构建的分析深入了解交付或自动化块和合规性问题。使用智能 ML 功能预测和预防流程故障，并持续监控正确的 KPI。欧洲两大电信运营商诺基亚和爱立信都在釆用帮助持续改进它们复杂的供应链流程。例如，诺基亚改进了订单到现金和采购到付款流程中的业务流程提前期。此外，他们在对阿尔卡特朗讯的并购和协调流程中获得了所需的透明度。 3：华为供应链流程挖掘的应用近年来国内一批数字化领军企业已经开始采用流程挖掘技术来优化和管理复杂的供应链流程，这一节将简单介绍华为供应链应用流程挖掘的案例【22】。图31描述了华为的供应链双向驱动运营的三层流程支撑架构: 两个端到端：客户驱动的“从客户需求到交付满意” 战略驱动的“从战略到执行” 业务流程管理（基于流程的业务过程管理实现客户需求到客户满意的端到端打通，具有三层架构）：运营流程，包括流程建设和流程执行使能流程支撑流程，包括流程优化和流程运营图31：华为的供应链流程管理架构（来源：【22】）华为供应链釆用了流程挖掘技术对其复杂的流程进优化和管理。其流程挖掘分为以下四大步骤: 通过对流程的识别挖掘发现问题釆用高级算法（AI/ML）分析同题通过智能算法向运营推荐优化方案不断挖掘持续优化流程图32：华为的供应链流程挖掘的应用（来源：【22】）其中（2）是获得优化流程洞见的关键步骤，现将图32描述的案例的步骤放大列于下表: No. 问题类型解决方案责任部门 1 业务问题 MR取消比例高达23%为不增值场景。从MR上下游环节寻找降低MR汉消比例的方案。订单管理 2 流程改善拣料和复核，可以通过使用扫描工具，合并成一个话动。仓储管理 3 业务改善通过使用装车模拟工具，预先计算好装车方案，提升DN装车活动的效率。仓储管理 4 业务改善通过使用AI工具，提升POD签收的自动化比例，提升POD签收复核的效率。物流管理 5 数据问题系统数据中，有MR提交话动的记录时间在tender下达之后，不符合业务实际，为系统记录的数据质量问题，需要改进系统时间记录功能。信息技术华为数字化供应链采用了“供应链编排＋流程挖掘”技术，实现了流程运营半自化，算法辅助挖掘，持续精简优化使作业节点减少了17％，提高了运营的效率，而且间接减少了供应链运营的排放量。流程挖掘技术的若干其他问题本节主要讨论流程挖掘技术的若干其它问题。 4.1 流程挖掘（PM）与数据挖掘（DM）流程挖掘是使用数据挖掘技术和数学算法来整理业务流程，最终目标是精简和提高它们的效率，从而有利于公司的盈利。 4.2 流程挖掘（PM）与业务流程管理（BPM）流程挖掘几年前从 BPM 世界出现，它集成了使用数据挖掘算法来分析公司内大多数 IT 系统中存在的事件日志数据。过去，BPM 阶段是手动管理的，甚至流程分析也涉及员工访谈和使用建模软件绘制的模型，这就是流程挖掘获得加分的地方，通过将日常工作从团队手中解放出来，使 BPM 生命周期更加高效和有效，让他们能够进行更高级别的建模和重新设计工作。流程挖掘和 BPM之间的本质区别在于结果，BPM 循环为客户提供了理想流程（也称为未来流程）的地图，而流程挖掘则为客户提供了实际流程（所谓的原样流程）的地图。 4.3 流程挖掘与 RPA、ML 和 AI 有何关系？答案来自2020年高德纳对流程挖掘之父范德阿尔斯特﹒威尔敎授的采访【4】，他认为:?流程挖掘可以看作是机器学习?(ML)?的一种形式，因为我们从事件数据中学习流程模型。然而，流程挖掘技术与使用神经网络、深度学习、支持向量机等的主流 ML 方法有很大不同。AI 一词被夸大了。一方面，人工智能是与数据和智能相关的任何事物的总称；另一方面，它被视为可以解决所有问题的新事物和令人兴奋的事物。实际上，许多传统方法（例如，基本统计和回归）被重新标记为 AI，此外，正在努力解决数据质量问题（例如，统一时间戳格式）的组织将无法成功应用其中的任何一个。此外，机器人流程自动化?(RPA)?近年来受到了很多关注，许多组织设法使用 RPA 快速取得成功，然而，一半的 RPA 项目失败是因为期望过高以及在尝试自动化之前对工作流程的分析不力。RPA 绝对可以从流程挖掘中受益，这种协同作用解释了为什么 RPA 供应商开始添加流程挖掘功能（直接或通过与流程挖掘供应商合作）。 4.4?迄今为止被忽视的三个主要功能范德阿尔斯特，威尔敎授指出【4】：“我看到了迄今为止被忽视的三个主要功能，但它们对于成功的应用程序至关重要：(1)?面向动作的流程挖掘，(2)?以对象为中心的流程挖掘，(3)?交互式流程挖掘。面向行动的流程挖掘侧重于由流程挖掘诊断触发的改进行动。当合规问题或瓶颈出现时如何应对？这没有得到很好的支持，并且需要不使用通用流程概念的临时实现。此外，过程干预通常会产生意想不到的影响，需要持续监测。我们很少在流程管理中进行 A/B 测试，应该更多地关注干预及其影响。以对象为中心的流程挖掘处理的问题是流程事件可能涉及许多不同的对象，例如订单、物品、客户、机器、房间、容器、工人等。使用经典流程挖掘，我们被迫选择一个案例标识符导致众所周知的收敛和发散问题。例如，可能需要复制相同的事件，从而导致流程模型中出现不正确的频率和等待时间，一些供应商试图通过连接不同的进程来解决这个问题。然而，正如我们在以对象为中心的流程挖掘工作中所显示的那样，这适得其反，并且有更好、更直接的解决方案。交互式流程挖掘旨在消除建模和挖掘之间的差距。许多组织使用流程建模工具或 BPM 套件和流程挖掘工具。当然，可以保存发现的模型并将其加载到这样的建模工具中，然而，这还不够，用户应该能够修改流程模型并立即看到现实偏离的地方，或者未来可能出现的瓶颈。此外，流程发现工具不应试图发现已知的事物，交互式流程挖掘也是一种更好地处理数据质量问题的方法，如果我们知道事情没有正确记录，那么流程发现技术应该结合这些知识，而不是从头开始重复生成流程图。” 4.5 人工智能如何添加到流程挖掘中？应用 AI 技术（无论是机器学习还是更深层次的神经网络）带来的机会很多，并在各种业务案例中提供多种好处。将日志事件丰富到客户和商业智能数据可以提供更大的数据集来建模，增加解释变量集和模型的坚固性。流程挖掘和人工智能这两个学科的协同组合为企业带来了巨大的好处，同时也带来了巨大的市场机会。即使两者在投资和增长预期方面都处于纯粹的蓬勃发展状态，但到目前为止还没有采取任何措施，因此我们预计在不久的将来会有一批新的初创公司抓住这个高利润的机会。【23】列举了人工智能如何推动流程挖掘的进一步发展，并且给企业带来的商业机会: 聚类和分割使用机器学习聚类算法，例如“k-means最近邻”，可以识别可以组合在一起的客户细分、任务、案例，从而产生可以预测这些细分的特定特征的特定领域。预测分析摩擦点和瓶颈预测。可以建立预测模型，该模型可以预见在特定情况下是否会出现新的摩擦点和/或瓶颈以防止它们出现。下一个任务预测：接下来将执行哪个任务？模型可以使用随机森林算法或 LSTM 深度学习网络进行高精度预测，这将执行概率最大的任务。例如，客户在电子商务中到达最终结帐页面的可能性，根据他/她的行为和以前的访问（或他/她是否只是逛街）预先确定客户对购物的真正兴趣过程最终状态确定：过程将如何结束？使用分类算法，可以根据流程自己的变量（例如任务时间、吞吐量时间、循环、分叉……和/或业务自己的变量（资源、客户、产品、细分市场、价格、渠道））资源分配：流程需要多少资源？由于回归分析，可以确定执行某些任务所需的资源数量，从而将任务和开销时间减少到瓶颈阈值以下。过程变量依赖解释。这些程序的使用有助于确定流程的哪些变量对最终结果产生更大的影响，从而使企业能够根据这些变量采取行动以获得更好的业务结果。规范分析模型推荐流程分叉：给定某个场景和预测，系统可以推荐流程中的分叉，这是最高效流程要执行的下一个最佳任务该模型建议向任务添加/删除资源：知道在哪里以及何时会产生瓶颈，系统可以建议将新资源分配给任务（或删除非生产性资源以降低总成本） 4.6 2021年及以后的流程挖掘塔尔图大学教授马龙大仲马在【24】中预测了2021 年及以后的流程挖掘的发展趋势。他指出：在过去的十年中，流程挖掘已成为分析和改进业务流程的主流方法，凭借数百个记录在案的案例研究【26】和可能还有数千个其他成功案例，流程挖掘现在已成为业务流程管理?(BPM)?学科不可或缺的一部分。与此同时，流程挖掘是一个动态且快速发展的领域，最好的还在后头。虽然过去十年重点关注可视化和仪表板（自动化流程发现、性能仪表板、动画），但在接下来的几年中，流程挖掘将演变为基于 AI 的流程优化领域。马龙大仲马特别预见到 2021 年将出现五个趋势（见图33）：趋势?1. 机器人流程挖掘机器人流程挖掘是流程挖掘的一个新兴子领域，专注于发现数字工作者在日常工作中执行的重复性工作程序。此类例程的示例包括使用来自一个或多个文档的数据填写在线表格，或将电子邮件附件中的数据复制到内部信息系统中。机器人流程挖掘的起点是 UI 日志：流程工作者与各种生产力应用程序和信息系统之间的用户交互记录。机器人流程挖掘工具会分析多个工作人员在很长一段时间内生成的 UI 日志，以发现经常重复的步骤序列。这些被称为数字工作程序。分析每个例程以确定它是否可以自动化，例如通过机器人流程自动化?(RPA)?机器人或通过应用程序编排脚本。机器人流程挖掘的最终目标是将工人从非增值的日常工作中解放出来，并使他们能够专注于对客户而言重要的事情。这个简短的动画总结了机器人流程挖掘的目标。趋势?2. ?因果流程挖掘因果流程挖掘是流程挖掘的一个新兴子领域，旨在从业务流程执行日志中发现和量化因果关系，这种因果关系可以帮助流程经理识别业务流程改进机会。例如，给定订单到现金流程的事件日志，典型的因果流程挖掘技术使我们能够发现，当客户来自东南亚时，将活动 A 分配给工人 X 或在活动 B 之前执行活动 A （而不是相反）使该客户满意的可能性增加了 10%，因果流程挖掘的目标是确定在特定绩效指标方面产生差异的干预措施。在这篇短文中阅读此处以了解有关因果流程挖掘的更多信息. 趋势?3. 假设流程挖掘假设流程挖掘涉及使用事件日志来了解一项或多项更改对业务流程的影响。传统的流程挖掘技术专注于“原样”分析问题，例如“流程中当前的瓶颈是什么”、“当前的浪费来源在哪里”、返工循环在哪里？相比之下，假设流程挖掘解决了以下问题：“如果下个月客户订单数量翻倍，会发生什么？”、“如果我们 10%?的劳动力因 Covid-19 中断而放缓，会发生什么？”、“通过如果我们在 90%?的情况下自动化给定任务，等待时间或流程成本会减少多少？”。假设流程挖掘的基石是数据驱动的流程模拟：能够根据执行数据自动发现高保真过程仿真模型。传统上，过程模拟是一项非常耗时的任务，需要有关概率分布和统计分析的高度专业知识。数据驱动的仿真通过自动发现、调整和验证仿真模型来自动执行此任务，确保这些模型忠实地捕获观察到的过程。在过去的几年里，我们看到了第一个数据驱动的仿真工具出现，包括Simod 开源工具集，它从事件日志中发现 BPMN 仿真模型，随着我们进入 2021 年，我们肯定会看到该领域的更多发展。趋势?4. ?规范的过程监控我们用于流程挖掘的相同事件日志也可用于训练机器学习模型，如在运行时预测流程中的负面结果，例如：正在运行的流程实例会按时完成还是延迟完成？收到订单后满意吗？他们会退回产品吗？供应商会按时支付发票还是延迟支付？有多种工具可以生成预测性流程仪表板，包括开源工具，例如Nirdizati. 毫无疑问，此类预测具有很多潜在的商业价值。它们使运营经理和流程工人能够看到即将出现的问题并采取预防措施。然而，在实践中，预测性监控仪表板本身并没有多大用处。是的，它告诉我们 10%?的未结采购订单会导致某种形式的客户投诉，例如由于延迟或由于有缺陷或不正确的产品，但它没有告诉我们应该怎么做，什么时候做？我们应该如何分配资源以最大限度地提高业务价值来防止此类问题？我们什么时候应该根据预测采取行动？规范性过程监控是一种新兴技术，它利用预测性过程模型来推荐行动（称之为“干预”）)?优化给定的过程性能指标。规范性流程监控具有成本意识：它优化了执行预防措施的成本与其整体收益之间的权衡，例如加快客户交付或优先交付的成本与为该特定客户提前交付的收益（可能是以其他交付为代价）。规范分析技术在电子商务领域已经达到了很高的成熟度，例如 Youtube 等主要媒体网站使用的推荐系统。我预见到，未来几年，这项技术中的一些技术将进入规范的流程监控引擎。例如，加快或优先交付客户的成本与为该特定客户提前交付的好处（可能以其他交付为代价）。规范分析技术在电子商务领域已经达到了很高的成熟度，例如 Youtube 等主要媒体网站使用的推荐系统。我预见到，未来几年，这项技术中的一些技术将进入规范的流程监控引擎。例如，加快或优先交付客户的成本与为该特定客户提前交付的好处（可能以其他交付为代价）。规范分析技术在电子商务领域已经达到了很高的成熟度，例如 Youtube 等主要媒体网站使用的推荐系统。我预见到，未来几年，这项技术中的一些技术将进入规范的流程监控引擎。趋势?5. 自动化流程改进?(AutoPI) 当前的流程挖掘方法主要基于可视化和仪表板。它们需要分析师或主题专家浏览一系列可视化，以识别流程中的问题以及解决这些问题的可能方法。业务流程可视化可能会向我们表明存在问题（例如瓶颈或返工循环），但它不会告诉我们如何解决它。我们应该重新分配还是重新训练资源？应该自动化一些任务或一些交接，以及哪些？我们应该改变执行任务的方式吗？我们应该提前完成任务还是推迟到稍后流程？我们是否应该在流程的早期向客户发送提醒？自动化流程改进是一种酝酿技术，可自动探索非常大的潜在业务流程变更空间，以发现变更组合以优化一个或多个流程绩效指标，如缺陷率、成本、人工和/或吞吐量。AutoPI 仍处于起步阶段，但我预计未来一两年会出现一些原型和试点案例，成熟的工具将在 2020?年代中期出现。图33：2021 年及以后值得关注的五个流程挖掘趋势（来源：【24】）总之，作为一个年轻的学科和极具潜力的数字技术还将在实践中不断发展并为企业和组织的流程管理和优化创造价值。程挖掘工作组的重要工作流程挖掘工作组的重要工作本文在2.1节曾提到“IEEE PM 工作组（IEEE Task Force onProcess Mining）”，此节介绍它的两个重要工作。 5.1 流程挖掘宣言 2009 年，电气和电子工程师协会( IEEE )?成立了流程挖掘工作组。2011年，它发表了一份宣言，以宣传流程挖掘的话题。在该工作组的背景下，超过 75 人的团队涉及 50?多个组织创建了《流程挖掘宣言（Process mining manifesto）》【24】。宣言是由一群人发表的“准则和内涵的公开声明”。本宣言是由IEEE流程挖掘工作组的成员和支持者撰写的，该工作组的目的是推动流程挖掘的研究、发展、教育、实现、演变和理解。通过定义一套指导原则并列出重要挑战，这份宣言希望为软件开发人员、科学家、顾问、业务经理和最终用户提供指导，目标是提高流程挖掘作为一种新工具的成熟度，以改进对运营业务流程的重新设计、控制和支持。图34描述了宣言定义的最基本的应用场景。随着深入发展，正在本文研究的更多应用场景，以及实用的软件工具正不断涌现。图34：三种类型的流程挖掘场景：发现、符合性检查和增强（来源：【25】）流程挖掘的指导原则与所有的新技术一样，流程挖掘在实际应用时会遇到一些常见的错误。为了用户和分析师避免类似错误，宣言列出以下六条指导原则：指导原则1：事件数据应该被当做“头等公民” 因为事件的日志是最重要的数据源，宣言定义了如图表所示的从最高（★★★★★）到最低（★）五个级别的事件日志成熟度。例如，飞利浦卫生保健的事件日志处于级别★★★，即事件被自动记录并且记录的行为符合事实，不过没有用系统化的方法来为事件分配语义，并确保覆盖性处在一个特定级别。流程挖掘技术可以应用于级别★★★★★，级别★★★★和级别★★★的日志。原则上，流程挖掘技术可以应用于级别★★或级别★的过程日志。不过类似这样日志的分析存在着明显问题并且结果不可信。事实上，将流程挖掘应用于级别★的日志没有太大意义。为了更好的从流程挖掘中受益，组织应该着眼于尽可能高质量级别的事件日志。图35：事件日志的成熟度（来源：【25】）指导原则2：日志提取应该由问题驱动指导原则3：应该支持并发、选择和其他基本控制流结构指导原则4：事件应该与模型元素相关指导原则5：模型应该被看作对现实的有针对性的抽象指导原则6：流程挖掘应该是一个持续的过程本文不详细介绍其余的五个指导原则，读者可参考文献【25】。总之宣言所提出的流程挖掘六个指导原则无论对其研究和实践都有巨大的指导意义。宣言中还指出了以下的十一大挑战，本文只罗列于此，详见【25】。流程挖掘的挑战：挑战1：发现、合并和清洗事件数据挑战2：处理包含多种特征的复杂事件日志挑战3：构建广泛接受的基准挑战4：处理概念漂移挑战5：改进用于过程发现的表示方式挑战6：权衡拟合度、简洁度、精确度和泛化度等质量标准挑战7：?跨组织挖掘挑战8：提供在线运作支持挑战9：融合流程挖掘与其它类型的分析技术挑战10：方便普通用户使用挑战11：使普通用户易于理解 ?5.2 流程挖掘：应用程序数据库2021 IEEE流程挖掘工作组自2016年建立了一个流程挖掘应用程序数据库以来每年发布一份研究报告叫《流程挖掘：应用程序数据库（Process Mining: A Database of Applications）》【26】（报告由HSPI管理咨询编写）。该报告包括一个流程挖掘技术和该技术的所有采用案例的列表。列表包含了每个流程技术和釆用案例的基本信息，如工业、行业、公司、流程、描述以及年代及合作伙伴。该报告对列举的技术和案例做了细致的统计分析。每年案例分布（见图36），总的来说，研究结果证实，依赖流程挖掘工具和技术的商业项目近年来越来越流行。图36中柱状图显示，在过去三年中，增长速度有所加快，在2020年达到峰值。图36：每年案例分布（来源：【26】）全球案例分布（见图37）描述了流程挖掘的主要用户仍然集中在欧洲、北美、巴西和澳大利亚的情况。事实上，收集到的全球流程挖掘应用中有47%以上位于欧洲，这部分要归功于近年来在几个欧洲国家开展的工业4.0总体规划和倡议的推广。中国的流程挖掘应用只占到全球案例的0.5%, 这和我们了解的情况基本是一致的，中国这方面还有很大的认识和发展空间。图37：全球案例分布（来源：【26】）根据数据行业案例分布（见图38），流程挖掘工具和技术最常使用的是在工业部门（22%）工作的组织，其次是金融部门（17%）和医疗部门（15%）。图38：行业案例分布（来源：【26】）在过去的十年中，流程挖掘领域从研究和实践中获得了关注。和任何一项新兴技术一样，从创建、釆用、再到主流，将面临许多挑战，宣言已列举了十一个挑战，在数字时代以供应链为例，数字循环零碳经济给供应链及其流程带来以指数级增长的复杂性，全球化及其环境的不确定性提升带来流程的不确定性，使得流程挖掘技术及其被釆用面临着许多新的挑战。然而，正如本文所指出的这项技术已表现出来的巨大商业价值和潜在的价值，我们相信经过软件供应商，流程挖掘实践者，和研究者的共同努力，流程挖掘将成为主流的过程管理技术和实时决策支持工具。总结本报告的研究表明，流程挖掘技术能够从现代信息系统普遍产生的事件日志中抽取信息，并能从抽取的信息中提炼出有价值的流程及其业务洞见，帮助企业对其业务流程能实时做出正确决策。该技术为各种应用领域中的流程，特别是供应链的流程, 提供了发现、监测和优化新的手段。流程挖掘日益受到关注有两个方面的原因：一方面，越来越多的事件得以记录，特别是采用新兴数字技术使得例如供应链中的各种记录系统记录地越来越详细，甚至详细到端到端的供应链流程信息，如ERP中的订单、供应商及客户和产品信息、WMS中的仓储信息、物件在运输中TMS记录的各种在途信息等，从而系统可以提供关于流程历史的详细信息；另一方面，在全球化的竞争和深度不确定及飞速变化的环境中，改善和更好地支持业务流程这一需求日益突显。本研究报告侧重研究流程挖掘技术在供应链流程中的价值和应用前景，旨在帮助企业认识流程挖掘技术，并且利用其作为供应链数字化转型的利器。本研究报告的关键内容包括：（1）流程挖掘技术的兴起和发展（2）供应链流程挖掘技术（3）供应链流程挖掘技术的应用（4）流程挖掘技术的若干其它问题（5）IEEE流程挖掘工作组的重要工作参考文献：【1】唐隆基，《供应链网络流程管理技术新浪潮：供应链编排》，罗戈研究，2021-07-02 【2】范德阿尔斯特，威尔，《流程挖掘：数据科学在行动》，2016 【3】维基百科，流程挖掘， https://en.wikipedia.org/wiki/Process_mining 【4】马克?Kerremans ，萨曼莎塞尔等, 流程挖掘市场指南，Gartner，? 2020-09-30 【5】杰姆?迪尔梅加尼， https://research.aimultiple.com/process-mining/，2021-12-10 【6】唐隆基和潘永刚，《数字化供应链：转型升级路线与价值再造实践》,人民邮电出版社，2021年09月【7】杰夫·德斯贾丁斯，每天产生多少数据？2019 年 4 月 17 日 https://www.weforum.org/agenda/2019/04/how-much-data-is-generated-each-day-cf4bddf29f/ 【8】Everest Group PEAK Matrix for ProcessMining Technology Vendors 2021，2021 https://www2.everestgrp.com/reportaction/EGR-2021-38-R-4377/Marketing 【9】https://www.celonis.com/ultimate-guide/ 【10】https://column2.com/tag/processmining/ 【11】UiPath PM平台架构?https://docs.uipath.com/process-mining/docs/platform-architecture 【12】?https://www.uipath.com/rpa/what-is-process-mining 【13】https://www.auxis.com/blog/uipath-hyperautomation-features 【14】Your First Steps Into the Worldof Process Mining（eBook）， Software AG 【15】?https://www.businessprocessincubator.com/content/are-we-following-our-processes-aris-process-mining-will-answer-this-question/ 【16】《2021 年全球流程挖掘调查：通过流程分析提供价值——流程挖掘的采用和成功因素》，德勤， 2021年4月【17】?https://www2.deloitte.com/us/en/pages/consulting/articles/process-mining-and-transformation.html，Deloitte 【18】Yomi Abatan，AWS 上的流程挖掘 (Deloitte Process Bionics) –实现卓越运营，2021 年 3 月 30 日【19】Sven Dharmani等，通过数字流程挖掘和数字孪生兄弟重塑客户的供应链，ey.com， 2020 【20】Luis Dominguez，Process mining in the supply chain:Making sense of a complex world，Genpact， 2021 【21】QPR流程分析仪，https://www.qpr.com/process-mining/qpr-processanalyzer 【22】霍军亮，华为供应链运营实践，在第二十届全国高校物流专业教学研讨会暨物流与供应链产教融合创新发展高峰论坛上的主题演讲，2021年7月30日【23】伊格纳西奥?马蒂，人工智能和流程挖掘，2018 年 10 月 19 日【24】马龙大仲马（Marlon Dumas塔尔图大学教授），2021 年及以后的流程挖掘，2020 年 12 月 30 日【25】IEEE，《流程挖掘宣言》， 2011 【26】HSPI，《流程挖掘：应用程序数据库（Process Mining: A Databaseof Applications）》， 2021 作者 | 唐隆基来源 | 罗戈研究此文系作者个人观点，不代表物流沙龙立场推荐阅读 ▼

供应链物流

本文标题：最新报告｜供应链流程挖掘技术及其应用

本文链接：https://www.gjkdwl.com/news/gongyinglianwuliu-28262.html

新闻动态

新闻动态

最新报告｜供应链流程挖掘技术及其应用

相关信息推荐 Related Suggestion