如果說BPM是一臺給企業流程拍照的相機，那么流程挖掘就是這臺相機的定焦鏡頭，專注于流程科學領域的復雜問題分析。

而BI更像一個變焦鏡頭，幾乎什么都能拍，但到了流程挖掘的業務場景時，要么拍不太清楚，要么拍不出來。只能生成一些面向企業的通用數據分析和展示。

PM（Process Mining，流程挖掘）是一門新興的跨數據科學和流程科學交叉學科。其核心原理是從現代信息系統的事件日志中提取有價值的信息，用數據驅動的方式自下而上來發現、監控，仿真和改進實際流程。

通過流程挖掘，可以整理、清洗企業常用數據平臺的工作流日志，然后分析、重建整個流程的執行過程，并鎖定流程效率低下和執行偏差的根本原因。

最終運用算法和模型幫助企業模擬不同改進方案的預期成效，構建最佳的執行方案，幫助企業降本、增效。點擊查看（流程挖掘24個應用場景介紹）

然而隨著企業業務不斷擴展，IT數字化迭代進程加快，導致內部業務流程冗雜。

特別是面對存量業務較多，業務迭代較快、經營規模龐大、產業鏈分支較多的企業，基于BPM的管理方式面臨著新的挑戰。

原本的BPM是「模型驅動」的方法，并沒有把隱藏在數據中的知識考慮到流程模型中。

直到現在，BPM社區才開始意識到與數據相關的啟動/監控、調整和診斷/需求階段的重要性，「數據驅動」也成了BPM的一個重要特性。

可以說流程挖掘技術擴充了BPM體系，為BPM各階段提供更科學、智能化的工具和方法，在BPM可以發揮重要甚至關鍵的作用。

傳統的BI工具側重于展示關鍵績效指標（KPI），用于結果監控和報告產出，即回答結果是什么。而流程挖掘是過程分析技術，用來探究結果背后的原因。

BI用的是一些比較通用的算法，聚類、回歸、協同過濾、隨機森林等等。而流程挖掘不管是算法還是分析模型，都是針對于流程挖掘這個領域專門去定制及開發的一些模型，和通用性模型相差甚遠。