随着全球数字转型的深入，RPA的部署便捷、易使用、效率高、投资回报率高等特性，被公认为最有效转型工具之一。为了降低RPA使用门槛，加快场景化落地以及突破业务效率瓶颈，流程挖掘被国内外厂商广泛集成在IPA、超自动化产品中。

在Gartner发布的《流程挖掘市场指南》报告中，对流程挖掘的技术概念、产品能力、常见用例、市场规模、市场发展方向、典型厂商等进行深度解读。所以，流程挖掘不仅是RPA的好帮手，在企业实现数字化转型过程中，也能提供强大的数据洞察、流程监控、流程检查、流程增强等众多能力。

无论你是想了解流程挖掘的企业用户，还是提供智能解决方案的供应商，都能从这份非常有厚度的报告中了解关于流程挖掘的一切。

主要发现

流程挖掘10种常见能力解析。
Gartner预计，2022年流程挖掘市场规模将超过10亿美元（Gartner没有算上咨询和技术服务收入）。并保持40%—50%的增长率。
Gartner认为，数字化转型、人工智能、任务自动化（RPA）、超自动化、运营弹性是驱动流程挖掘市场发展的5大因素。
流程挖掘常见的5大类用例包括，发现和分析、审计与合规、自动化（RPA）、数字化转型和IT流程。同时Gartner与“流程挖掘之父”Wil van der Aalst进行了交谈，为每一类用例指明了发展方向。
流程挖掘可以帮助业务分析师发现和评估流程自动化（RPA）的机会。
典型国外流程挖掘厂商介绍。

01

流程挖掘

流程挖掘主要通过从企业信息系统的事件日志中提取数据进行智能处理，从而实现发现、监控和改进真实流程（不是假定的流程）。因此，任何流程挖掘任务的起点都是事件日志。日志中的每个事件都涉及一个活动（某个流程中明确定义的步骤）并与特定案例（即流程实例）相关。

流程挖掘的功能包括： 自动化流程发现（从事件日志中提取流程模型）、一致性检查（通过比较模型和日志来监控偏差）、社交网络/组织挖掘、模拟模型的自动构建、模型扩展、模型修复、案例预测和基于历史推荐等。

02

流程挖掘常见的10种能力

再过去的几年时间里，Gartner通过与终端用户的互动，与流程挖掘学术人员的多次交流，并与大多数流程挖掘供应商进行深度调查，确定了流程挖掘常见的10种能力。

1、流程模型、异常和流程实例的自动发现，以及基本频率和统计数据。

2、自动发现和分析客户交互，以及与内部流程保持一致。

3、一致性检查和差距分析：通过数据分析和执行差距分析，以检查业务的一致性。

4、对流程模型增强的智能支持：通过使用日志和事件的附加数据，来增强或扩展现有流程模型。

5、支持数据准备和数据清洗。

6、提供实时数据仪表盘，支持持续的关键绩效指标 (KPI) 监控。

7、业务的预测分析、规范分析、场景测试和模拟。

8、流程挖掘可以创建独立的应用程序或工具：通过高级分析功能和决策管理功能，将流程挖掘功能扩展到不同业务流程，并提供API来创建流程挖掘应用程序，例如，财务审计工具。

9、任务挖掘：从UI日志中，通过分析低级事件数据找出有用的信息。这些UI日志中详细描述了用户完成任务流程中的单个步骤，例如，鼠标点击、键盘输入等操作。

10、将“洞察力”转化为“行动”的执行能力：能力的范围可以从简单的更新源应用程序（为流程挖掘传递事件的应用）到创建支持任务执行的脚本等。

03

驱动流程挖掘发展的5大因素

Gartner认为，数字化转型、人工智能、任务自动化（RPA）、超自动化、运营弹性是驱动流程挖掘市场前进的5大因素。

数字化转型： 数字化转型推动了业务用户在更广泛的企业环境中，分析和理解现有的流程和业务运营的好处和知识增长。之所以出现这种情况，是因为数字业务和数字转型已成为主要主题，而业务流程是数字业务计划实施的重要组成部分。

此外，在这个数字业务、数据和分析的时代，需要一种方法来展现新技术能力是如何为企业提供商业价值。流程挖掘正是通过对业务数据的分析、模拟、监控等方式，为用户提供可视化数据见解。

人工智能(AI)： 几十年来，算法和几波人工智能一直是计算的核心。然而，开发大量数据起作用以识别模式的算法能力，创造了新的机会。在数字化经济中，商业算法为商业生态系统提供了新的价值来源。通过使用人工智能和先进的机器学习算法，数据获得了重要商业价值，并且可以从中获得可视化数据见解。

流程挖掘展示了如何将人工智能算法用作一种机制，以打包的形式捕获知识和洞察力，并且可以以一致的方式简单地重复使用。数据和分析领导者必须更准确地关注算法提供洞察力并成为竞争差异化关键的实例。

任务自动化（RPA）： 当前围绕任务级自动化的炒作非常火热，例如，通过RPA将重复的数字业务流程实现端到端自动化，已经被验证可以帮助企业节省大量运营成本。但要精准找出数字业务中适合RPA的流程并不容易。

流程挖掘通过其技术能力可以精准评估出，哪些任务可以通过RPA实现部分自动化或完全自动化，可以完美补充RPA以扩大自动化赋能范围。RPA厂商通过集成流程挖掘可以带来长期、可持续的商业价值，并能进一步节省RPA落地的成本。

超自动化： 超自动化是Gartner提出的一种技术概念，主要由RPA、AI、任务挖掘、流程挖掘、低代码等创新技术组合，从而超越RPA实现更强的端到端业务流程自动化。

流程挖掘可以在构建自动化之前为组织提供可视化数据见解，例如，不同的自动化孤岛是如何连接的，以及如何通过其监控功能持续优化自动化流程获取更高的收益。

运营弹性： 运营弹性是一组允许人员、流程和信息系统适应不断变化的技术模式。运营弹性主要通过“寻找”和“模型”的信息数据来实现学科中的第三个“适应”。流程挖掘基于可获得的日常运营数据，通过不断挖掘并找到相关的运营数据，然后，高级流程挖掘算法以任何人都可以理解的格式输出准确的工作方式模型。

此外，它允许持续适应和改进，因为在适应之后，新的运营数据将让我们深入了解新适应的工作方式。

04

流程挖掘常见的5大类用例，以及发展方向

流程挖掘可以应用于组织的不同业务领域，因此，流程挖掘的场景化落地实例非常广泛。简单来说，流程挖掘常见的5大类用例分别是发现和分析、审计与合规、自动化、数字化转型和IT流程。同时Gartner与“流程挖掘之父”Wil van der Aalst进行了交谈，为每一个用例指明了发展方向。

1、发现和分析

流程挖掘通过将一组算法应用于事件，提供对实际业务操作和流程的可视化见解，从而产生高度适应性、高度可维护性和高度验证的流程模型。除了识别流程效率低下之外，流程挖掘还可以洞察在何处改进运营（例如，在数字化计划中）以及如何实现业务目标成果（KPI）。

因此，流程挖掘与传统的业务流程分析领域高度互补，使业务流程分析师能够在概念和逻辑级别上记录、分析、简化和重新设计复杂的业务流程。

发展方向

此用例的大多数新功能都集中在数据输入功能（数据收集、清理和准备）、案例分段（流程实例）中，并且主要应用在数据分析方面。由于人工智能和机器学习的快速发展，流程分析能力已扩展至预测分析、规范分析、场景测试和模拟等领域。

另一个演变是支持不同流程的交互，以及流程实例如何相互交互。主要通过查看支持多个流程的事件，以及创建事件关系结构或图表。连同将洞察力转化为行动的执行能力，是供应商们打造产品差异化的关键能力。

因此，将流程挖掘应用于除工作对象之外（如产品、服务、资源、渠道和客户）的一个有前途的发展方向。结合所有商业模式要素，我们看到了一个被称为“商业挖掘”或“组织挖掘”的全新领域。该领域可探索客户交互如何与内部业务运营和流程保持一致，此分析可帮助组织解决，如何通过内部运营改进客户体验和客户保留率。

（2）审计与合规

大多数组织在内部定义了标准工作流程、政策、说明和最佳实践，并融入了企业应用程序，例如 ERP和CRM等。流程挖掘有助于验证或审核实际业务操作，是否符合预定义的操作标准，准确地评估流程偏差和合规问题，例如，职责分离，有助于管理这些风险并在审计报告中展示调查结果。

发展方向

大型审计公司已在其审计服务中应用流程挖掘技术，同时他们与流程挖掘供应商合作构建平台，以高效的自动化方式进行审计业务和报告。

此外，通过流程挖掘实时比较实际业务发生的情况，例如，将特定任务分配给流程参与者，可以指导这些参与者完成任务，或者敦促他们对某些任务进行优先级排序。

（3）自动化

RPA、IPA等自动化技术可以大幅度提升数字业务效率，但只能在自动化完成后才能获得实际数据，因此商业价值大打折扣。通过流程挖掘可以在实施自动化项目之前，提供实际的运营数据，可以指定更准确的自动化实例。

任务级流程自动化，例如RPA，经常错过流程上下文，没有提供对嵌入这些任务的流程发生的变化的认知。流程挖掘将通过两种方式提供帮助：首先通过在更全面的流程上下文中发现任务自动化的机会，其次通过将自动化任务与其流程上下文联系起来，以便可以预测业务流程的变化。

因此，流程挖掘可以帮助业务分析师发现和评估流程自动化的机会。大量流程（或任务）自动化的商业价值是巨大的，但某些领域的客户通常很难自行创建。

发展方向

由于RPA在全球范围内走火，流程挖掘引起了RPA厂商的极大关注。流程挖掘通过可视化和理解流程上下文，来提高RPA的执行成功率，在业务流程发生变化时，自动化任务可以快速适应而不会失去关联性。

流程挖掘有助于RPA的自动化机会并确定优先级，所以，很多著名RPA厂商与流程挖掘厂商进行了深度技术合作。

一些RPA供应商已经开发出将神经网络和深度学习，应用于从屏幕和桌面捕获数据的功能，以获取用户如何完成任务的流程。尽管供应商称其为“流程发现”，但这应该叫做 “任务挖掘”。任务挖掘基于键盘输入、鼠标单击、应用程序的打开和关闭等草制品。捕获任务的执行流程。这是一项非常有价值的功能，甚至可以自动配置RPA机器人，这与流程挖掘高度互补。

Gartner也发现了一个有趣的发展方向，即基于流程挖掘结果，构建完整的应用程序功能。通过发现工作方式并使用这些挖掘的数据的可视化见解，用于流程应用程序构建。

（4）数字化转型

将流程挖掘应用于运营和组织领域，通过其持续的数据挖掘能力和可视化见解，能为组织提供围绕运营模型、可见性、分析和理解等多方面能力，这在数字化转型过程中起到数据驱动的作用。例如，将流程挖掘与组织的数字孪生相结合。

发展方向

将战略与运营联系起来，或专注于业务变革和数字化转型的用例，实际上都是DTO概念的一部分。这样，流程挖掘就成为任何业务转型计划的重要组成部分。流程挖掘通过DTO的数据连接部分，帮助组织制定数字业务计划。

最近围绕“DigitalOps”（数字运营）的研究已经触及了这些技术的组合，包括流程建模、流程监控和流程执行。领先的组织正在管理不同的业务流程模型和过去的绩效数据，结合这些流程、决策模型、工作情境，有助于实时控制和优化工作的执行能力和进度。

（5）IT流程

IT运营、流程分析、发现、优化是流程挖掘的一个新的用例，可为组织和广泛采用的实践（如DevOps）带来很多好处。例如，改进开发和测试流程、准备迁移流程、系统错误诊断、技术使用和实施后/转换稳定等。一些公司正在使用流程挖掘，检查某些应用程序功能的使用情况，并确定哪些功能适合进行优化。

发展方向

很多具有强大IT背景的供应商和系统集成商，例如，Atlassian、BMC Software、Broadcom (CA Technologies) 和 ServiceNow，正在将流程挖掘流程挖掘应用在IT运营中，并且未来会被大量应用。

05

市场规模与分析

Gartner预计，2020年新产品许可和维护收入的流程挖掘市场将达到5.5亿美元，市场规模比上一年增70%以上。流程挖掘市场预计将保持40%至50%的增长率，到2022年将超过10亿美元。

在实施项目方面，还存在一个巨大的后续咨询和服务市场。在计算流程挖掘市场收入时，Gartner没有包括咨询和服务收入。对于一些供应商来说，这种附加的咨询和服务收入大大超过了他们的软件收入。

在市场调查中，Gartner向流程挖掘供应商询问了不同类型的流程挖掘的应用情况。根据调查结果显示，目前，流程挖掘大多数应用仍侧重于“发现”。从2017—2022年的流程挖掘应用走势来看，一致性检查、业务流程增强的用例正在增加。

此外，流程挖掘在商业流程改进、RPA、数字化转型、IT运营方面的应用，也在稳步上升。

06

市场推荐

为了通过创新技术推动数字化转型和优化业务，业务主管以及数据和分析领导者应该：

通过投资流程挖掘，提高对业务运营和流程实际绩效的可见性和理解。将挖掘有价值的数据与价值链中的其他组成部分联系起来，例如，有关客户、产品、服务、渠道、资源、应用程序和角色的数据，这种丰富的信息将改善任何自动化的业务成果。

通过引入小型短期试点，就流程挖掘的好处、能力和使用提高业务和运营同事的意识并启发他们。

通过针对业务运营和外部各方（如客户）的交互，探索超越传统的以内部为中心的流程发现、流程验证和模型增强的用例。

通过定义流程挖掘结果的预期用户以及定义要挖掘的操作数据的数量、频率模式和并发性，来评估流程挖掘计划所需的可扩展性，这将有助于选择流程挖掘平台。

部分国外典型厂商介绍（排名不分先后）

IBM： IBM通过收购myInvenio进入了流程挖掘市场。这符合IBM的战略，即为组织提供人工智能驱动的一站式业务自动化功能，包括流程挖掘、RPA、文档处理、工作流和智能决策等。

这些功能都与 IBM Cloud Pak for Business Automation、IBM Cloud Pak for Integration、IBM Cloud Pak for Watson AIOps 和 IBM Cloud Pak for Network Automation紧密集成。

IBM的流程挖掘产品包括一个模拟引擎，用于在启动数字化转型计划之前，分析任何流程变更或未来模型的影响和投资回报率。IBM Process Mining 可以从数据中导出决策规则，并将这些规则添加到决策模型和符号 (DMN) 表中。

SAP： SAP 通过收购Signavio进入流程挖掘市场。将Signavio与 SAP 的业务流程智能部门相结合，将增强SAP帮助客户快速了解、改进、转变和管理其大规模业务流程的能力。

通过混合流程建模、流程挖掘和任务挖掘，SAP Signavio Process Intelligence加速了流程发现、模型创建、自动化和转换。Signavio通过挖掘内部业务流程运营和外部客户旅程，来探索客户卓越的运营化，以识别所有客户接触点和旅程中的低效率和痛点。

UiPath： 2019年，UiPath收购了流程挖掘公司Process Gold ，以补充其市场领先的RPA平台，使其能够发现RPA实施的机会，并对实施的机器人进行持续监控。此外，流程挖掘组件是UiPath 超自动化策略的重要组成部分。

继承Process Gold的平台思维和多维流程挖掘方法，使得UiPath Process Mining和Task Mining可以在单个模型中查看两个或多个相关流程和任务的所有属性。对这些多重交互的业务分析，创造了新的见解并丰富了UiPath超自动化平台。

Celonis： Celonis是一家全球性的流程挖掘厂商，在全球设有 16个办事处，为 1,000 多家客户提供服务，还拥有200多个咨询和实施合作伙伴。Celonis最大的数据模型包含超过5亿个案例和超过100亿个事件。从市场份额来看，Celonis在流程挖掘领域占据领导地位。

Celonis执行管理系统（EMS）是一个容器化的、基于微服务的云平台。除了所有常见的流程挖掘功能外，此云解决方案还提供实时数据摄取、流数据、用户行为的任务挖掘，以及基于机器学习的流程建模和模拟、流程智能等。

Appian： Appian通过收购Lana Labs，将 LANA Process Mining集成到Appian 低代码自动化平台中。Appian 提供与LANA Process Mining的双向集成，允许使用发现的流程来启动Appian中的自动化项目，并允许将Appian流程分析数据输入到LANA Process Mining中，以更深入地了解企业流程。

LANA Process Mining具有高度的分析自动化，基于机器学习的自动化根本原因分析和改进建议，以及针对 BPMN 的自动化实际目标分析。LANA Process Mining 非常注重集成，例如，其开放的 REST API 和多源转换，以及引入用于流程挖掘的单独ETL工具 (LANA Connect)。

Minit： Minit为流程挖掘市场带来了一种易于使用的企业级工具。Minit围绕流程性能仪表盘提供强大的功能和协作能力。Minit一直处于任务挖掘和流程模拟的的最前沿，目前已经被微软收购。

想了解国内流程挖掘发展现状、细分领域实践及厂商情况的可参阅RPA中国撰写的《2022年中国流程挖掘行业研究报告》。