流程挖掘在“狂飙”？产学研高峰对话听听大咖怎么说！

伴随着当前业务流程的飞速迭代，流程挖掘受到越来越多人的关注，但作为新兴的商用技术，受众乃至整个行业对流程挖掘技术的熟悉尚不深进。作为国内引领者，看繁信科技特邀流程专家进行产学研高峰对话，向全行业足够普及流程挖掘发展现状及使用趋势，为企业数字化转型提供全新看法与技术支持。

主持人：看繁信科技合伙人兼咨询总监汪智鹏

嘉宾：清华大学软件学院长聘副教授、看繁信科技首席科学家闻立杰；看繁信科技创始人兼CEO索强；看繁信科技联合创始人兼CTO李进峰

以下是直播对话节选：

流程挖掘的历史发展

流程挖掘与商业智能（BI）

汪智鹏：作为从业者，我们发现很多关注流程挖掘的人，经常将流程挖掘和商业智能（BI）放在一起往做讨论和审阅，那这两项技术的区别和联系是怎样的？

闻立杰：数据科学的核心是数据，包括业务数据、物联网数据、各种各样的多模态数据以及现在社交网络里面比较火的图数据等；流程科学的核心是流程，包括流程的建模和验证、流程的部署及实施、流程的执行与监控，流程分析、流程仿真等等。

展开全文

在数据科学和流程科学的交集当中，流程挖掘充当了两者之间的桥梁。流程挖掘既关注数据，例如关注业务流程日志、系统的行为日志，同时流程挖掘也关注流程，强调流程相关的模型作为输进，产生流程相关的洞察。

关于流程挖掘和BI，无论从业务目的、面向的群体、技术体系、支撑工具和平台，还是为用户带来的收益、业界和学界从业的队伍等方面来看，两者之间都存在着明显的差异。流程挖掘是更特定的、深进的，是围绕流程展开的；而BI则是更通用、宽泛的，是围绕数据展开的。就好比切一条鱼，BI更倾向于把鱼切成段，进而看察这个段具备什么样的特征；而流程挖掘更强调把这条鱼切成片，从片的角度往发现问题，并且找到根因来给用户提供一些改良的依据。

李进峰：流程挖掘通过为流程定制化开发的语言PQL(Process Query Language)往称心企业在流程相关场景下的业务要求，而BI则使用的是SQL（Structured Query Language），从技术底层上来说，流程挖掘和BI是两种完全不同的技术栈，这是两者之间最大的一个区别。

索强：从业务人员的角度来看，BI是通过病症往猜病因，这个过程中需要非常多的专业知识以及对业务的全面了解，企业通常会找一个非常资深的业务顾问或者花昂贵的咨询费用；而流程挖掘是像X光机一样直接照出病因，以易于理解且基于实际业务的方式进行全量流程数据的可视化，让企业快速形成问题洞察。

流程挖掘与机器人流程自动化(RPA)

汪智鹏：早在2020年，Gartner提出了超自动化的概念，并连续三年将其列进十大战术趋势之一。超自动化是一种技术合集，包括了RPA、人工智能、机器学习、流程挖掘、低代码等创新技术。而这几年，RPA的发展也扶助诸多企业获益。流程挖掘和RPA之间，有什么区别与联系呢？

闻立杰：RPA(Robotic Process Automation）重在Automation，它是以点对点的任务自动化为目的，通过自动化脚本来代替人类的重复性的劳动，从而实现效率提升、质量提升和成本节约；流程挖掘（Process Mining），重在Mining，本质上是以端到端的流程优化为目的，从日志当中往发现问题的根因，为流程的进一步优化提供依据，并为人们的行动给出意见。

从他们的联系来看，流程挖掘和RPA在超级自动化场景下确实是相辅相成的，共同构成了超级自动化的基石。

李进峰：从我个人角度理解，其实流程挖掘和RPA本身没有直接的关系，而任务挖掘由于与机器人相关，它跟RPA是有关系的。因为流程挖掘，它所考虑的是企业关系性数据库表里的数据，关注的是宏看的端到端流程，聚焦业务与治理；而任务挖掘，它所考虑的是捕捉员工天天日常的操作，挖掘出那些经常被很多用户反复进行操作的行为，这些可以作为RPA的输进，从而进行自动化优化。

流程挖掘在使用中的常见误区

汪智鹏：流程挖掘作为一项商业化技术，在深度运用的过程中也面临了很多误区。有看点认为流程挖掘是一项特定的数据挖掘技术，只能做离线的分析。还有一些看点认为流程挖掘是要取代BPM的。想听听各位专家对这些看点的澄清和解答。

索强：流程挖掘是针对于流程类数据的一个分析技术，在我的从业过程中，我们对流程挖掘的使用方式，大多数是一种离线的分析以及在线的监督。

关于“流程挖掘要取代BPM”这种说法我觉得是不对的。因为BPM是流程引擎，它里面里承载了很多流程，它不仅是流程的设计器，而且也是执行器；而流程挖掘更多的是用系统中已经有的日志往分析和优化流程，所以流程挖掘是在BPM的后一端——先设定一个流程，利用流程挖掘往优化一下，再往重新调整。它们两者之间是互补而不是取代的关系。

闻立杰：非常赞同索强的看点。流程挖掘其实是不能脱离于BPM而存在的。BPM里有一个概念喊做业务流程全生命周期治理，流程挖掘刚好是在这业务流程的全生命周期治理的尾部，它是衔接尾部和头部的一个重要的桥梁，这样才能使得BPM形成一个完美的闭环。

流程挖掘在使用中面临的挑战

汪智鹏：从具体项目实施以及客户反馈中，看繁信科技梳理出一些流程挖掘在使用中所面临的挑战。例如怎么做数据清洗？怎么处理概念漂移理念？如何让普通用户更加轻易地往理解和使用流程挖掘？

李进峰：在清洗数据里边最难的一个事情是什么？刚才闻教授也提到了，就是会有很多的噪声数据，这些噪声怎么往推断，怎么往填补，这些都是一些比较难的痛点。这些痛点需要学界和业界共同往讨论、往解决，让数据在被人分析之前能够做一些比较好的清洗，从而确保数据分析结果的正确性。

闻立杰：概念漂移并不是流程领域特有的，它是在上个世纪90年代的时候，在数据挖掘里边率先提出来的，指的是数据随着时间推移会不断地发生转变。流程的概念漂移，其本质是我们的业务并不是一成不变的，随着时间的演进，我们的业务模型会发生改变，而一旦发生改变，改变的这个点就要出现一次流程的漂移。

比如在这个点之前，a和b是串行的，但后来进行了一次优化，在这个点之后，a和b开始并发执行。于是我们在这个时间段里边就出现了两个版本的流程，一个是a 、b串行的流程，一个是a 、b并行的流程。这个时候假如我们把两段流程对应的日志放在一起来进行挖掘，你就会发现你只能发现a、b并行的这个结果，于是你就认为a、b应该是并行的。

还有一种情状是，改变之前是这样的一个模型，改变之后是跟之前完全不同的另一个模型。这时候假如把两个日志合在一起往挖掘，就会得到一个像意大利面那样非常复杂且难以阐明的模型。

所以我们也把处理概念漂移当成数据日志的一个预处理，期看找到一个或多个时间点，把日志一分为多，在切分之后的每段日志里面，使用现在的流程挖掘方法往挖掘，得到一组流程模型，而不是得到一个流程模型。

索强：流程挖掘本身是一项对业务用户非常友好的技术，因为它把数据非常直看地展现在了业务用户的面前。像看繁信科技这种非常成熟的流程挖掘平台，针对主流IT系统的各种数据模型我们都已经做得很齐备了，用户可以直接使用挈拉拽的方式，在最短时间内往完成数据清洗、合并等工作。

我举个例子，在使用软件的时候，我们要计算两个流程节点之间的吞吐时间，假如想清除节假日，是中国清除中国的节假日、国外清除国外的节假日？中国按照早上9点上班、晚上7点下班、一周五天把剩下的非工作时间清除？还是按996清除？单单一个吞吐时间这里就会有非常多细小的技术点。

我们把所有像这样考虑周全的、人性化的细节点内置在流程挖掘软件里，形成了一套非常行之有效的、可以让业务用户简单上手的教程，并把这套教程共享在我们的Prothentic学院上，免费对所有人开放。我觉得这个对扶助用户理解和使用流程挖掘也是非常重要的。

流程挖掘实施落地的意见

汪智鹏：流程挖掘工作组在发布的《流程挖掘宣言》里，提出了六项对企业用户使用流程挖掘的指挥原则。头两个原则就是我们前面提到的如何往对待事件数据，以及我们如何往提取日志这两个话题，想听听三位嘉宾的看法。

闻立杰：流程挖掘把事件数据，特殊是流程相关的数据当做头等公民。同时我们已经精美化到了对事件数据往进行成熟度分级的地步，对企业当中用于流程挖掘的事件数据往做评定。假如是5级，阐明企业已经预备得非常好了；假如是1级，阐明企业还需要很长时间往预备日志。

现在一直说数据为王，但实际上数据从来都不是王。在有人存在的情状下，什么是王？人是王、人制定出来的规则是王。人制定出来的规则，它的技术实现就是流程。所以这就是我想强调的，既然要做优化，首先就要从流程的角度开始进行优化。

索强：事件数据越来越受重视，国内外各大厂商都已经有了共识，像Workday、Salesforce、用友、金蝶等都已经默认了软件中内置事件日志的笔录。

日志的提取应该百分之百由企业想用流程挖掘往解决的问题驱动！这个我觉得特殊重要，因为只有这样我们才能更加精准有效地提取数据，且这些数据可以更好地来辅助我们的分析。假如不聚焦问题，把大家丢到一个端到端的全量日志里，最终形成一个特殊复杂且难以阅读的流程图，这样是没有意义的。

2023年，随着数字化转型走到实战的深水区，企业的需求在不断进化。更极致、更高效、更便利，不仅仅是客户的需求，也是看繁信科技流程挖掘工具升级的信心与使命。未来，看繁信科技将陆续深化产学研协作，和协作伙伴一起不断拓展能力边界，做流程挖掘行业的掘金者！