數字創新要求企業學習如何理解、管理和更改日益復雜的流程。新一代的過程挖掘工具有望使自動解釋現代企業的數字資產變得更加容易，以幫助改善決策、推動創新以及提供產品和服務。
總部位于德國的Celonis公司的首席執行官兼聯合創始人Alexander Rinke說，“通過了解流程的實際運行方式，企業可以創造運營的流動性，從而推動更高效的運營，從而創造更好的客戶體驗。人工智能不僅可以簡單地確定沖突區域，還可以通過允許企業與員工一起實施建議的變更，提高生產率，并節省資源來進一步發展流程挖掘。”
流程挖掘的核心思想在于找到創建和校準事件日志工作方式的方法。正式的工作首先著眼于經典的業務應用程序(例如ERP)，以理解業務流程(例如報價到現金)。但是現在，流程挖掘技術正以各種方式貫穿業務、技術和人員流程。更好的人工智能和機器學習算法在一定程度上推動了這項創新。但是，由于采用了諸如數字孿生之類的工具，可以使可視化復雜的過程變得更加容易，因此它變得更加重要。
Roots Automation公司聯合創始人兼首席運營官John Cottongim說，現代流程挖掘起源于業務流程建模符號(BPMN)領域，業務流程建模符號(BPMN)是最早的以技術為中心的識別流程的嘗試，以及這些流程中的特定步驟，為改進提供了機會，Roots Automation公司是一家總部位于約克的自動化即服務公司，專注于大規模提供智能自動化。Cottongim最近領導其團隊完成了糖果巨頭Mars公司的自動化工作。
Cottongim說，“我們現在看到這一領域的幾家公司進入智能自動化市場，這一點應該并不奇怪，因為數字孿生技術具有明顯的價值，能夠測試和驗證系統變化將如何影響一個大型生態系統。”
合理的下一步是在可能的情況下實現這些機會的自動化。以下是人工智能和自動化可以改進流程挖掘的六個步驟：
1.將離散任務連接到流程
流程挖掘工具在分析從應用程序和桌面客戶端收集的日志數據以將跨越多個應用程序甚至跨企業的復雜流程組合在一起方面變得越來越出色。這有助于彌合單個用戶對任務的看法與更復雜的工作流和流程之間的差距。傳統上，流程挖掘依賴于從應用程序收集的日志數據。
現在，供應商正在創建在桌面上運行的機器人程序，并使用機器視覺記錄流程的不同視圖，以了解粒度更高的流程。
總部位于舊金山的FortressIQ公司創始人兼首席執行官Pankaj Chowdhry表示：“很容易把任務看作是構成整個過程的個人行動，這些行動通常是通用的。一個簡單的例子是發送電子郵件。在場景中，這個任務(例如答復投訴或以新的發貨日期更新銷售人員)將成為流程的一部分。流程由任務和決策組成，通常跨多個系統和用戶組。工作流通常是流程的技術視圖，在業務流程建模符號(BPMN)系統中實現。”
Chowdhry說：“當客戶看到一個流程如何跨越多個系統，有時甚至擴展到他們的企業之外時，我們已經從客戶那里看到了激動人心的時刻。”
對最新流程信息的準確訪問改變了企業的運營方式。這正從簡單的日志分析發展到“企業必備功能”，從而實現了軟件活動跟蹤和分析的簡化。
2.了解流程發生的原因
下一步在于嘗試理解為什么要開展一個流程，以了解如何更有效地組成或重新構想各個組件。
Chowdhry說，“流程認知不僅涉及‘正在發生什么?’。還有‘為什么會發生?’，其中包括非線性流程在內的所有應用程序和角色。”
可以使用自然語言處理、計算機視覺、序列建模、異常檢測和機器學習的新組合來解密這些因果關系。在將來，這些功能可以與因果深度學習技術集成在一起，以理解更改流程可能導致事物產生的原因，而不僅僅是與之相關聯。
3.提出流程建議
機器學習功能已嵌入到流程挖掘工具中，以解釋現有流程并提出建議。例如，Celonis Action Engine公司可以在模塊、系統和流程之間自動連續地分析數據。人工智能模塊將有價值和個性化的行動建議傳達給人力和數字勞動力，并可以直接在組織的源系統中執行預先批準的行動。
Rinke說，“這是識別流程瓶頸的一個重要開始，但當企業可以使用這些信息來推薦消除阻礙以創建更流暢的流程流的最佳行動方案時，就會提高企業績效。”
為指導行動和推動業務流程變革而提出個性化建議的工具將有助于進一步提高流程挖掘分析的價值。例如，機器學習可以幫助識別模式和異常，以改進特定的結果，例如交付時間。
4.確定自動化候選者
創建機器人流程自動化(RPA)的過程比API集成等更多技術方法要快得多。但是，在確定自動化候選者和記錄機器人邏輯方面仍然存在開銷。現在，機器人流程自動化(RPA)供應商正在尋求通過使用機器視覺算法部署機器人來彌合這種差距，從而使用Kryon公司的Process Discovery等工具自動識別現有的流程邏輯。
總部位于以色列特拉維夫的Kryon公司的首席收入官Richard French說：“我們的客戶告訴我們，60%的時間和70%以上的成本是在找到正確的自動化流程的同時積累起來的。”
采用自動化技術還可以捕獲員工的變化，從而減少重新設計機器人流程自動化(RPA)邏輯的需求。此外，有關流程和變體的數據也可以用于生成機器人腳本。
5.創建組織的數字孿生
數字孿生通常提供物理世界中某個模型的模型，該模型可以通過數據進行校準和更新。傳統上，這些產品主要集中在物理設備，例如發電廠和汽車。流程挖掘技術還可以幫助創建Gartner公司所謂的組織數字孿生組織(DTO)，該組織更多地關注業務流程而不是物理產品，以幫助企業改善績效、客戶體驗和業務流程外包計劃。
西門子公司全球流程挖掘負責人、加利福尼亞大學圣塔芭芭拉分校的客座講師Lars Reinkemeyer說，“在未來，數字孿生組織(DTO)將使我們能夠優化西門子的所有流程，并以更有效的方式衡量改進程度，數字孿生組織(DTO)有望在數字化轉型過程中做出重要貢獻。”
Reinkemeyer一直在與其他企業合作，將數字孿生組織(DTO)技術應用于采購、生產、物流和財務。
西門子一直在使用數字孿生組織(DTO)技術實現數百萬個流程步驟可視化，因此代表了人員與IT之間的互動，從而確定了自動化機會。例如，Reinkemeyer帶領的團隊創建了一個從訂單到現金流程的模型，并開發了用于度量和改進流程數字化的指標。在2018年，這種方法將返工減少了11%，并將訂單到現金流程的自動化速度提高了25%。
數字孿生組織(DTO)模型捕獲并表示涉及超過3000萬個不同訂單項的流程，這些訂單項每年通過多達60個不同的流程步驟進行處理。流程挖掘用于將這些數據實時表示為流程圖形，作為實際過程的數字孿生。
管理人員可以從全局視圖以及能夠可視化的單個視圖中查看流程。這樣就可以在各個組織單位之間進行比較，并使對實際流程的更改更加容易。例如，目標可能是消除流程中的幾個人工步驟。
6.識別偏差
Cottongim表示，當前，流程挖掘工具面臨的最大挑戰之一是識別與標準流程的偏差。最好由分析師來完成。他認為，流程挖掘領域中的當前工具集主要集中于確定過程的“快樂路徑”或確定個人何時偏離規定的或標準的路徑。
盡管一些技術正在取得進展，以解決復雜的交替路徑網絡，但對于這些路徑是由用戶偏好引起的偶然偏差、由所需異常引起的實際偏差還是由底層系統功能引起的解決方法，仍然鮮有涉及。
Cottongim說：“我認為，我們距離采用這些工具至少還有幾年的時間，它們能夠識別和解釋基本的直接快樂路徑之外的過程路徑。”
這個領域的主要挑戰是確定屏幕外業務邏輯，這是導致需要在該位置使用異常路徑的根本原因。
目前，實際流程分析仍然是有價值的業務分析師的領域，他們對特定的業務環境有著堅定的把握。
Cottongim說，“雖然端到端的流程分解以及最終的自動化在未來似乎是可能的，但考慮到這些技術的當前狀態，流程意識和遵從性似乎更容易掌握，而且很可能在短期內成為價值的來源。”
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號