人工智能和自动化改善过程挖掘的6种方法

首席信息官在推进流程时发现的一些方法包括创建企业的数字结对、识别自动化技术，如机器人流程自动化(RPA)以及将孤立的任务连接到流程。

数字创新要求企业学会如何理解、管理和改变日益复杂的流程。新一代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，以帮助改进决策、促进创新并提供产品和服务。

总部位于德国的Celonis首席执行官兼联合创始人亚历山大·林克(Alexander Rinke)表示，“通过了解流程实际上是如何工作的，公司可以在运营中创造流动性，从而推动更高效的运营，创造更好的客户体验。人工智能不仅可以简单地识别冲突区域，还可以通过允许企业对员工实施建议的变更、提高生产率和节约资源来进一步发展过程挖掘。”

过程挖掘的核心思想是找到创建和校准事件日志工作方式的方法。正式工作首先侧重于经典的业务应用程序(如企业资源规划)，以了解业务流程(如现金报价)。但是现在，流程挖掘技术正以各种方式贯穿于业务、技术和人员流动之中。更好的人工智能和机器学习算法在一定程度上促进了这一创新。然而，由于使用了数字缠绕等工具，它可以使复杂的过程更容易可视化，因此变得更加重要。

罗茨自动化公司的联合创始人兼首席运营官约翰·科顿金(John Cottongim)表示，现代流程挖掘源于业务流程建模符号(BPMN)领域。BPMN是最早尝试确定以技术为中心的过程，这些过程中的具体步骤提供了改进的机会。根自动化是一家总部位于纽约的自动化服务公司，致力于大规模提供智能自动化。卡顿金最近带领他的团队完成了糖果巨头火星的自动化。

Cottongim说，“我们现在看到该领域的几家公司进入智能自动化市场，这并不奇怪，因为数字孪生技术具有明显的价值，可以测试和验证系统变化将如何影响一个大的生态系统。”

下一个合乎逻辑的步骤是尽可能自动化这些机会。以下是人工智能和自动化可以改进过程挖掘的六个步骤:

1.将离散任务连接到流程

过程挖掘工具越来越擅长分析从应用程序和桌面客户端收集的日志数据，以便跨多个应用程序甚至跨企业组合复杂的过程。这有助于弥合单个用户对任务的感知与更复杂的工作流和流程之间的差距。传统上，过程挖掘依赖于从应用程序收集的日志数据。

现在，供应商正在创建一个运行在桌面上的机器人程序，并使用机器视觉来记录过程的不同视图，以了解更精细的过程。

总部位于旧金山的FortressIQ公司创始人兼首席执行官潘卡杰·乔德里(Pankaj Chowdhry)表示:“很容易将任务视为构成整个过程的单个行动。这些行为通常很常见。一个简单的例子是发送电子邮件。在这种情况下，该任务(例如回答投诉或用新的交付日期更新销售人员)将成为流程的一部分。该过程由任务和决策组成，通常跨越多个系统和用户组。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，有时甚至超越他们的企业时，我们看到了客户激动人心的时刻。”

对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转向“企业的基本功能”，从而简化软件活动跟踪和分析。

2.了解流程发生的原因

下一步是尝试理解为什么需要一个过程来理解如何更有效地组合或重新想象各种组件。

Chowdhry说，“过程意识不仅仅包括‘正在发生什么’。“为什么会这样？”，它包括所有应用程序和角色，包括非线性过程。”

这些因果关系可以用自然语言处理、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。将来，这些功能可以与因果深入学习技术相结合，以了解过程中可能导致测试的变化的原因

3.提出流程建议

机器学习已经被嵌入到过程挖掘工具中，以解释现有的过程并提出建议。例如，Celonis动作引擎可以自动和连续地分析模块、系统和进程之间的数据。人工智能模块为人力和数字劳动力提供有价值的个性化行动建议，并可以在组织的源系统中直接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，但是当企业可以利用这些信息推荐优秀的行动计划来消除障碍以创建更平滑的流程时，它将提高企业绩效。”

提供个性化建议以指导行动和促进业务流程变化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，以改善特定的结果，例如交付时间。

4.确定自动化候选者

创建机器人过程自动化(RPA)的过程比应用编程接口集成和其他技术方法要快得多。然而，在确定自动化候选对象和记录机器人逻辑方面仍然存在开销。目前，RPA供应商正在寻求通过使用机器视觉算法部署机器人来填补这一空白，以使用克里昂的过程发现(Process Discovery)等工具自动识别现有的过程逻辑。

以色列特拉维夫克莱恩公司的首席收入官理查德·弗伦奇说:“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时积累起来的。”

自动化技术还可以捕捉员工的变化，从而减少重新设计RPA逻辑的需要。此外，关于过程和变量的数据也可以用来生成机器人脚本。

5.创建组织的数字孪生

Digital Twin通常提供物理世界中模型的模型，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上，如发电厂和汽车。过程挖掘技术还可以帮助创建高德纳所谓的组织数字双胞胎组织(DTO)，该组织更关注业务流程而不是物理产品，以帮助企业提高绩效、客户体验和业务流程外包计划。

西门子全球流程挖掘主管、加州大学圣巴巴拉分校客座讲师拉斯·赖克梅耶(Lars Reinkemeyer)表示，“未来，数字双胞胎组织(DTO)将使我们能够优化西门子所有流程，并以更有效的方式衡量改进。数字双胞胎组织(DTO)预计将在数字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、物流和金融领域。

西门子一直在使用数字双组织(DTO)技术来可视化数百万个过程步骤，从而代表人员和信息技术之间的互动，从而识别自动化机会。例如，赖克梅耶的团队创建了一个从订单到现金的流程模型，并制定了衡量和改进流程数字化的指标。2018年，该方法将减少11%的返工，并将订单到现金流程的自动化速度提高25%。

Digital Twin Organization (DTO)模型捕获并代表了涉及3000多万个不同订单项目的流程，这些项目每年通过多达60个同的流程步骤进行处理。过程挖掘用于将这些数据实时表示为过程图，作为实际过程的数字双胞胎。

经理可以从全局视图和可以可视化的单个视图中查看流程。这允许组织单元之间的比较，并使对实际过程的更改更容易。例如，目标可能是消除流程中的几个手动步骤。

6.识别偏差

Cottongim说，目前，流程挖掘工具面临的主要挑战之一是识别与标准流程的偏差。最好由分析师来做。他认为，流程挖掘领域的当前工具集主要集中在确定流程的“快乐路径”或确定个人何时偏离规定或标准路径。

尽管一些技术在解决复杂的备用路径网络方面取得了进展，但人们仍然很少关注这些路径是由用户偏好引起的意外偏差、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案。

Cottongim说:“我认为我们离采用这些工具至少还有几年的时间。他们可以识别和解释除了基本的直接快乐之外的过程路径。”

这方面的主要挑战是确定屏幕外的业务逻辑，这是ne的根本原因

目前，实际过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，“尽管端到端的流程分解和最终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，流程意识和合规性似乎更容易掌握，并且可能在短期内成为价值来源。”