人工智能和自动化改善过程挖掘的6种方法
创建企业的数字孪生、识别机器人流程自动化(RPA)等自动化技术并将孤立的任务连接到流程中，是首席信息官推进流程时发现的几种方法。
数字创新要求企业学习如何理解、管理和更改日益复杂的流程。新一代的过程挖掘工具有望使自动解释现代企业的数字资产变得更加容易，以帮助改善决策、推动创新以及提供产品和服务。 总部位于德国的Celonis公司的首席执行官兼联合创始人Alexander Rinke说，“通过了解流程的实际运行方式，企业可以创造运营的流动性，从而推动更高效的运营，从而创造更好的客户体验。人工智能不仅可以简单地确定冲突区域，还可以通过允许企业与员工一起实施建议的变更，提高生产率，并节省资源来进一步发展流程挖掘。”
流程挖掘的核心思想在于找到创建和校准事件日志工作方式的方法。正式的工作首先着眼于经典的业务应用程序(例如ERP)，以理解业务流程(例如报价到现金)。但是现在，流程挖掘技术正以各种方式贯穿业务、技术和人员流程。更好的人工智能和机器学习算法在一定程度上推动了这项创新。但是，由于采用了诸如数字孪生之类的工具，可以使可视化复杂的过程变得更加容易，因此它变得更加重要。
Roots Automation公司联合创始人兼首席运营官John Cottongim说，现代流程挖掘起源于业务流程建模符号(BPMN)领域，业务流程建模符号(BPMN)是最早的以技术为中心的识别流程的尝试，以及这些流程中的特定步骤，为改进提供了机会，Roots Automation公司是一家总部位于约克的自动化即服务公司，专注于大规模提供智能自动化。Cottongim最近领导其团队完成了糖果巨头Mars公司的自动化工作。
Cottongim说，“我们现在看到这一领域的几家公司进入智能自动化市场，这一点应该并不奇怪，因为数字孪生技术具有明显的价值，能够测试和验证系统变化将如何影响一个大型生态系统。”
合理的下一步是在可能的情况下实现这些机会的自动化。以下是人工智能和自动化可以改进流程挖掘的六个步骤：
1.将离散任务连接到流程
流程挖掘工具在分析从应用程序和桌面客户端收集的日志数据以将跨越多个应用程序甚至跨企业的复杂流程组合在一起方面变得越来越出色。这有助于弥合单个用户对任务的看法与更复杂的工作流和流程之间的差距。传统上，流程挖掘依赖于从应用程序收集的日志数据。
现在，供应商正在创建在桌面上运行的机器人程序，并使用机器视觉记录流程的不同视图，以了解粒度更高的流程。
总部位于旧金山的FortressIQ公司创始人兼首席执行官Pankaj Chowdhry表示：“很容易把任务看作是构成整个过程的个人行动，这些行动通常是通用的。一个简单的例子是发送电子邮件。在场景中，这个任务(例如答复投诉或以新的发货日期更新销售人员)将成为流程的一部分。流程由任务和决策组成，通常跨多个系统和用户组。工作流通常是流程的技术视图，在业务流程建模符号(BPMN)系统中实现。”
Chowdhry说：“当客户看到一个流程如何跨越多个系统，有时甚至扩展到他们的企业之外时，我们已经从客户那里看到了激动人心的时刻。”
对最新流程信息的准确访问改变了企业的运营方式。这正从简单的日志分析发展到“企业必备功能”，从而实现了软件活动跟踪和分析的简化。
2.了解流程发生的原因
下一步在于尝试理解为什么要开展一个流程，以了解如何更有效地组成或重新构想各个组件。
Chowdhry说，“流程认知不仅涉及‘正在发生什么?’。还有‘为什么会发生?’，其中包括非线性流程在内的所有应用程序和角色。” 可以使用自然语言处理、计算机视觉、序列建模、异常检测和机器学习的新组合来解密这些因果关系。在将来，这些功能可以与因果深度学习技术集成在一起，以理解更改流程可能导致事物产生的原因，而不仅仅是与之相关联。
3.提出流程建议
机器学习功能已嵌入到流程挖掘工具中，以解释现有流程并提出建议。例如，Celonis Action Engine公司可以在模块、系统和流程之间自动连续地分析数据。人工智能模块将有价值和个性化的行动建议传达给人力和数字劳动力，并可以直接在组织的源系统中执行预先批准的行动。
Rinke说，“这是识别流程瓶颈的一个重要开始，但当企业可以使用这些信息来推荐消除阻碍以创建更流畅的流程流的最佳行动方案时，就会提高企业绩效。”
为指导行动和推动业务流程变革而提出个性化建议的工具将有助于进一步提高流程挖掘分析的价值。例如，机器学习可以帮助识别模式和异常，以改进特定的结果，例如交付时间。
4.确定自动化候选者
创建机器人流程自动化(RPA)的过程比API集成等更多技术方法要快得多。但是，在确定自动化候选者和记录机器人逻辑方面仍然存在开销。现在，机器人流程自动化(RPA)供应商正在寻求通过使用机器视觉算法部署机器人来弥合这种差距，从而使用Kryon公司的Process Discovery等工具自动识别现有的流程逻辑。
总部位于以色列特拉维夫的Kryon公司的首席收入官Richard French说：“我们的客户告诉我们，60%的时间和70%以上的成本是在找到正确的自动化流程的同时积累起来的。” 采用自动化技术还可以捕获员工的变化，从而减少重新设计机器人流程自动化(RPA)逻辑的需求。此外，有关流程和变体的数据也可以用于生成机器人脚本。
5.创建组织的数字孪生
数字孪生通常提供物理世界中某个模型的模型，该模型可以通过数据进行校准和更新。传统上，这些产品主要集中在物理设备，例如发电厂和汽车。流程挖掘技术还可以帮助创建Gartner公司所谓的组织数字孪生组织(DTO)，该组织更多地关注业务流程而不是物理产品，以帮助企业改善绩效、客户体验和业务流程外包计划。
西门子公司全球流程挖掘负责人、加利福尼亚大学圣塔芭芭拉分校的客座讲师Lars Reinkemeyer说，“在未来，数字孪生组织(DTO)将使我们能够优化西门子的所有流程，并以更有效的方式衡量改进程度，数字孪生组织(DTO)有望在数字化转型过程中做出重要贡献。” Reinkemeyer一直在与其他企业合作，将数字孪生组织(DTO)技术应用于采购、生产、物流和财务。
西门子一直在使用数字孪生组织(DTO)技术实现数百万个流程步骤可视化，因此代表了人员与IT之间的互动，从而确定了自动化机会。例如，Reinkemeyer带领的团队创建了一个从订单到现金流程的模型，并开发了用于度量和改进流程数字化的指标。在2018年，这种方法将返工减少了11%，并将订单到现金流程的自动化速度提高了25%。
数字孪生组织(DTO)模型捕获并表示涉及超过3000万个不同订单项的流程，这些订单项每年通过多达60个不同的流程步骤进行处理。流程挖掘用于将这些数据实时表示为流程图形，作为实际过程的数字孪生。
管理人员可以从全局视图以及能够可视化的单个视图中查看流程。这样就可以在各个组织单位之间进行比较，并使对实际流程的更改更加容易。例如，目标可能是消除流程中的几个人工步骤。
6.识别偏差
Cottongim表示，当前，流程挖掘工具面临的最大挑战之一是识别与标准流程的偏差。最好由分析师来完成。他认为，流程挖掘领域中的当前工具集主要集中于确定过程的“快乐路径”或确定个人何时偏离规定的或标准的路径。
尽管一些技术正在取得进展，以解决复杂的交替路径网络，但对于这些路径是由用户偏好引起的偶然偏差、由所需异常引起的实际偏差还是由底层系统功能引起的解决方法，仍然鲜有涉及。
Cottongim说：“我认为，我们距离采用这些工具至少还有几年的时间，它们能够识别和解释基本的直接快乐路径之外的过程路径。” 这个领域的主要挑战是确定屏幕外业务逻辑，这是导致需要在该位置使用异常路径的根本原因。
目前，实际流程分析仍然是有价值的业务分析师的领域，他们对特定的业务环境有着坚定的把握。
Cottongim说，“虽然端到端的流程分解以及最终的自动化在未来似乎是可能的，但考虑到这些技术的当前状态，流程意识和遵从性似乎更容易掌握，而且很可能在短期内成为价值的来源。”