商界有句俗话：“先爬，再行，最后跑”。这正是实现有价值突破的过程。

作者 | Wil van der Aalst教授

海明威在他的某部作品中描绘了这样一幕：有人询问如何走向破产，得到的答案是“开始时循序渐进，之后突然降临”。我觉得这句话也同样贴切地描述了大部分技术进步的历程，即使是那些看起来一夜之间爆发的创新。实际上，这些改变往往是在经过多年甚至数十年的缓慢发展之后才到来的。就在这些变化悄无声息地累积时，像ChatGPT这样的创新技术便已悄然走入我们的视野。

积少成多，终成突破

在流程挖掘领域，我注意到了一种相似的发展模式：缓慢而持续，但影响深远。流程挖掘作为一种科学实践，从20世纪90年代开始就已孕育而生，在过去二十年里它逐步获得了商业应用中的认可。尽管如此，流程挖掘要想完全发挥其潜能，仍有漫长的路要走。在这个过程中，尽管已经取得了一些里程碑式的成就，但更引人注目的是那些逐步积累的小胜利。在这些积累中，最关键的莫过于第一步：就是从现在开始，用手头的数据来构建第一个模型。

每逢新年，人们总是喜欢展望未来，做出自己的预判。尽管一些发展趋势可能要经过几年的时间才能完全显现出它们的势头，但我对此感到非常激动，并且期待着能深入研究这些趋势。
 

目前流程挖掘领域的一个新发展趋势是“基于知识的流程挖掘”。这种方法的核心在于把人类的知识（无论是专业领域的知识还是对诸如COVID这类新情况的理解）整合到算法中。这样，人类的智慧就能与模型相结合，共同打造出一种混合智能。虽然像以对象为中心流程挖掘（OCPM）这样的最新进展已经提升了流程的智能化水平，但在这个变革的过程中，人类的知识仍然是至关重要的。

展望未来— “基于知识的流程挖掘”和“联合流程挖掘”

这种基于知识方法的一个有力实例就是我所说的“交互式流程挖掘”。传统的流程挖掘方法有两种：一种是挖掘数据以发现实际发生的情况，另一种是建模并进行合规性检查以找出偏差。“交互式流程挖掘”允许我们同时进行这两种操作，并通过触觉反馈来指导操作过程。这种方法甚至可以帮助我们区分出哪些流程问题是我们能够解决的，哪些则是很难施加影响的。通常这种缺失的智能信息，对我们来说极其有价值。

将对象中心流程挖掘技术与类似于Celonis Process Copilot这样的AI伴侣工具结合使用，可以极大地简化人们与软件以及他们自己数据的交互过程。这种简化和加速的交互方式预示着我们即将步入一些全新的应用领域。预计2024年，我们将逐渐看到这方面的发展。

我还关注到一个令人兴奋的发展方向，称为“联合流程挖掘”。在组织之间难以共享数据或不愿过度透露信息的情况下，“联合流程挖掘”为跨组织合作提供了一种更加简便和安全的方式。例如，拥有多个业务单位并希望彼此借鉴经验的大型公司，或是希望建立合作关系的独立企业，比如汽车制造商与其供应链上的供应商，都可能会采用这种方法。

“中间层流程”模型为专业模型奠定基础

当前，流程挖掘正在向更多的流程和跨组织扩展，这一趋势值得称赞。但我们也面临一个挑战：往往只是对那些非核心业务环节的流程进行优化。我们的起点可能是订单处理或识别重复的发票，这些工作虽然必要，但并不触及企业服务或产品的核心部分。

尽管如此，有些激励人心的例子仍然值得我们关注。例如，汉莎航空就在其核心业务（全球乘客运输）中应用了流程挖掘技术，通过优化相关流程，减少了因更换登机口或飞机周转等问题而造成的航班延误。

我期待看到更多类似的创新应用案例。而要实现这一点，关键在于运用基于知识的流程挖掘技术，以及像Celonis流程智能图（PIG）这样的解决方案。可以想象，这些技术在某些领域将会特别有成效。例如，我特别希望医疗保健领域能够加大应用，尤其是在医院中对患者流动性的管理上。另外，在制造业中，尽管德国并没有统一的生产标准，但工程师们普遍遵循某些共通的操作原则，这些准则完全可以通过数据模型来捕捉并共享。此外，地方政府提供的服务也是流程挖掘技术可以大有作为的另一个领域。

举例来说，对于航空公司而言，飞行运营是它们的核心流程；对于汽车制造商，核心则是生产线上的作业。

对于这些核心而又具有行业特色的流程，我们不能指望有现成的方案。这需要人工智能与人类知识的结合，通过像“交互式流程挖掘”这样的技术手段，流程智能图（PIG）能够在不同情境下捕捉并复用关键知识，即使在特定流程不广泛普及的情况下也是如此。我相信，打造更多领域特定模型的关键是识别和完善我们所谓的“中间层流程”模型。只有当我们看到更多这样的半定制模型通过OCPM从头到尾完整开发出来后，我们才能为进一步专业化各个领域奠定坚实的基础。

先爬、再行、最后跑

继续阅读：

未经允许不得转载：RPA中国 | RPA全球生态 | 数字化劳动力 | RPA新闻 | 推动中国RPA生态发展 | 流 > 先爬、再行、最后跑，“流程挖掘之父”Wil教授谈流程挖掘的突破之路