2023年2月27日國家正式發布了《數字中國建設整體布局規劃》，指出建設數字中國是數字時代推進中國式現代化的重要引擎，是構筑國家競爭新優勢的有力支撐，為加速數字化轉型發出了明確號令。

隨著數字化轉型的推進，流程挖掘技術逐漸成為企業優化業務流程的重要手段。本文旨在探討流程挖掘技術在數字化轉型中的應用價值，并分析其未來發展方向。

數字經濟的“四化”框架及典型特征

01 數字化轉型之痛

數字化轉型是當今商業領域中的一場全球性的變革，將傳統業務模式轉變為更加靈活、高效和創新的形式。這一趨勢是由迅猛發展的數字技術和信息化手段推動，包括云計算、大數據、人工智能以及近期備受矚目的大模型等。數字化轉型是個長期的過程，既是技術問題，也是管理問題。事實上，無論企業規模大小，業態如何，在這個過程中通常都會經歷三個階段：

數字化轉型的三個階段

數字化轉型的難點在于怎么實現數字化運營，即第二階段，這主要體現在數據、流程孤島，精益化管理和自動化作業三個方面。這些問題與流程緊密相關，因此流程挖掘成為根本解決這些問題的關鍵：

1、數據、流程孤島：由于企業的業務流程涉及多個環節，信息化很難一蹴而就，往往是按系統或模塊逐步搭建。不同的系統及模塊，倘若在信息交互上不能聯通，就會成為一座座孤島，大大降低作業效率，因此系統間需要連接起來。

2、精益化管理：系統的迭代，是由粗到細的。同樣，業務的升級也是由粗到細。在人工作業階段，由于存在明顯的效率瓶頸及能力邊界，業務信息的記錄無法做到精細化，從而導致業務的決策也無法精細化。通過借助更先進的系統工具，業務的精細化決策成為可能。

3、自動化作業：一些機械的、重復性的、邏輯簡單的工作流，可以通過RPA系統實現自動化的處理。

02 流程挖掘概述

引用“流程挖掘之父”、德國亞琛工業大學Wil van der Aalst 教授的話，“Process Mining The bridge between process science and data science.”流程挖掘是鏈接流程科學和數據科學的橋梁。

流程挖掘學科定位（圖源于網絡）

可見流程挖掘不僅僅是門技術，還是一門學科，涉及流程科學和數據科學的方方面面。在實際應用中，我們應該結合實際情況，綜合應用相應知識、算法、工具，最大限度地發揮其價值對業務流程進行優化和持續改進。

同時，Gantner也把流程挖掘作為超自動化的技術之一，未來這種超自動化的技術組合運用，是發現、衡量、優化和管理整個企業的工作流和業務流程的重要技術構成，通過超自動化來加速企業的數字化轉型過程是未來的趨勢。

03 流程挖掘技術在數字化轉型中的應用

1、首先，要理解流程是一套完整的端到端為客戶創造價值的活動連接的集合。其次，依照APQC (American Productivity & Quality Center）定義的流程管理行業標準 ，流程管理框架 Process Classification Framework (PCF)，共分為5級，如下圖所示：

流程管理框架PCF

需要說明的是，通常情況下5級框架，基本可以滿足我們的需求。對于復雜的流程，可增加子流程一層，也就變成了6級框架。這里，為了便于讀者理解，我們以證券行業舉例說明。它的一級流程有投行業務、固收業務、經紀業務、自營業務、營運中心、資產托管、財務、人力、科技等。我們再以資產托管為例，從L1-L5剖析整個流程管理框架：

資產托管L1-L3 流程管理框架

資產托管-估值做賬L3-L5 流程管理框架

從上述L5任務流可見，這是非常細節的操作流程，常見的RPA場景即實現的是這種自動化作業。L4 就是流程的節點，每個節點都可能通過RPA實現自動操作。這樣，我們就可以梳理出L3-L5中哪些節點可以用RPA，形成新的人機協同流程。結合流程優化，即可實現所謂的流程再造。

2、數字化轉型是從“系統驅動”到“流程驅動”再到“數據驅動”的演變。上面曾提到，數字化轉型分為三個階段，分別是信息化建設、數字化運營和智慧化管理，這里就詳細說下每個階段的重點：

（1）信息化建設：實現線上化、云化，主要涉及系統建設，如ERP、CRM、MES系統等，以及IOT物聯網建設。企業在這一階段，通過良好的系統建設實現核心業務線上化和云化。這部分我們通常理解為系統驅動。

（2）數字化運營：這個階段要解決的是信息化建設中存在的數據孤島、流程孤島問題，從業務流程的視角，打通數據、部門的壁壘，實現業務協同和運營的數字化。這是當前數字化轉型的重點和難點。

通常，大多數RPA的場景建設，過于關注L5的任務自動化，缺乏對L3流程的視角，從L4各個流程節點全面設計，更缺乏從卓越運營的角度，實現整個業務流程管理的數字化建設。如下圖七所示：構建超自動化的業務運營管理平臺的核心思路，就是把卓越運營、流程服務、超自動化有機地結合起來，實現數字化運營。這部分我們通常理解為流程驅動。

構建超自動化的業務運營管理平臺的核心思路

（3）智慧化管理：在實現數字化運營的過程中，企業積累了海量優質數據，包括業務數據和流程數據，這些數據又和業務流程L3-L5緊密相連，通過人工智能和大數據技術，尤其是大模型的加持，形成行業垂直領域的大模型，實現人工智能的應用從被動變成主動服務，使流程變得更加智能，例如智能決策、創新輔助、智能引導、智能預警、智能調度等。這部分我們通常理解為數據驅動。

3、場景挖掘和流程優化

（1）場景挖掘：在To B服務中，通常我們要幫助客戶進行場景挖掘。這里的場景通常指的流程挖掘或者任務挖掘，關于他們的區別參見下圖：

流程挖掘、任務挖掘的區別與聯系

金智維在RPA領域十多年的經驗積累中，總結了一系列場景挖掘的方法，可針對不同的客戶，不同業務，不同階段，綜合使用這些方法，獲得較高的投資回報率。

場景挖掘的方法

（2）流程優化：

流程優化是專業度比較高的環節，國際上比較成熟的有精益、六西格瑪、卓越運營等方法論，通常經過培訓的業務人員、IT人員，在專家的指導下可以進行初級程度的流程優化。

六個西格瑪方法論

精益方法論

卓越運營方法論

04 挑戰和未來發展方向

通過本文的研究，我們可以得出以下結論：流程挖掘技術在數字化轉型中具有重要的應用價值，并且隨著技術的不斷發展，其應用范圍將更加廣泛。不過盡管流程挖掘技術在數字化轉型中具有廣泛的應用價值，但也面臨著一些技術挑戰。例如，如何處理大規模數據、如何保障數據安全等。

針對上述問題，金智維也提出了對未來研究的建議：需要加強對數據安全和隱私保護的研究，并進一步完善流程挖掘技術的應用場景。未來，金智維也將持續探索流程挖掘技術，重點研究更多行業應用場景，為企業帶來更多可見、可量化的業務價值。

文章信息來源：金智維，如有侵權，請聯系刪除。

繼續閱讀：

未經允許不得轉載：RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > 流程挖掘技術在數字化轉型中的應用價值