凡得热点

从“流程”到“资产”：开启企业数字化运营的下一个黄金点

在数字经济浪潮下，企业间的竞争已从产品和服务的竞争，深化为运营效率和管理智慧的竞争。当数据被公认为企业的核心资产时，一个常被忽视却蕴含巨大价值的领域——“流程资产”正悄然成为决定未来企业核心竞争力的关键。作为流程智能领域的领航者，凡得科技最新推出的流程资产管理平台，突破性地实现了流程架构、数据架构、应用架构的三位一体管理，并整合文档、指标、组织、角色等全要素资源，让流程真正成为可复用、可进化的战略资产。希望我们最新的流程资产管理理念与产品革新，帮助企业将无形的流程转化为可度量、可管理、可增值的核心数字资产，从而在激烈的市场竞争中建立难以逾越的护城河。流程资产创造价值的过程（注：该素材来自《流程资产：从组件到解决方案的企业核心能力建设》张燕飞著  版权归原作者所有） 新时代的挑战：为什么传统的流程管理已无法满足未来需求？长久以来，企业流程管理一直专注于流程的梳理、设计和固化。然而，在当今高度动态和复杂的商业环境中，传统方法正面临前所未有的挑战：流程与现实脱节：静态的流程图往往无法反映业务执行的真实情况。业务人员在实际操作中可能存在大量“绕道”、“变通”和“异常”，这些偏离标准流程的“暗黑流程”不仅是效率的瓶颈，也是合规风险的温床。跨系统的信息孤岛：企业的业务流程横跨多个信息系统（如ERP、CRM、SCM等），数据分散，导致端到端的流程视图缺失。管理者如同盲人摸象，难以获得对流程全貌的客观认知。管理要素的割裂：流程本身并非孤立存在，它与企业的组织架构、岗位职责、绩效指标（KPI）、政策文档、数据标准等管理要素紧密相连。传统管理方式下，这些要素常常是分散存储和维护的，导致变更不同步，管理效率低下。优化依赖主观经验：流程优化往往依赖于咨询顾问的访谈和业务专家的经验，缺乏客观、持续的数据支撑，不仅成本高昂，且效果难以量化和持续。面对这些挑战，企业需要的不再是僵化的流程图纸，而是一个能够真实反映、智能诊断并持续进化的“活的”流程体系。这就引出了我们的核心概念——流程资产化。 重新定义核心竞争力：什么是“流程资产”？流程资产，是将企业业务流程及其所有相关的核心元素，通过系统化的方法进行识别、建模、管理和复用，使其成为像资金、技术一样可度量、可增值、可治理的核心企业资产。此次，凡得科技的产品升级，正是围绕“流程资产”这一核心理念展开，我们认为，完整的流程资产管理应包含两个核心层面：核心资产对象的统一管理：这不仅仅是管理流程图本身。一个完整的流程资产，应当是流程架构、数据架构与应用架构的三位一体。这意味着，我们需要清晰地定义一个业务流程（如“订单到收款”）涉及哪些核心步骤、由哪些应用系统（如SAP、Salesforce）支撑、以及在流转过程中产生了哪些关键业务数据和主数据。将这三者统一管理，才能形成一个稳固的、能够指导企业IT建设和业务运营的数字化骨架。关联管理要素的全面整合：流程的有效执行依赖于一系列管理要素的协同。因此，流程资产管理必须实现对这些要素的统一维护和复用。这些要素包括但不限于：文档：与流程节点关联的SOP、政策法规、操作手册等；指标：衡量流程健康度的关键绩效指标（KPIs），如周期时间、一次性通过率、处理成本等；组织、角色与人员：明确每个流程环节的负责人（Owner）、执行部门、具体角色和人员；风险与内控点：识别流程中的潜在风险和必须遵守的内部控制要求。通过对这两大层面的系统化管理，企业能够将原本散乱、隐性的流程知识，沉淀为结构化、显性化、可被整个组织高效复用的战略资产。这不仅是对现有流程管理模式的颠覆，更是企业迈向精益化、智能化运营的基石。 “诊断”与“治理”的双剑合璧：流程挖掘与流程资产管理的协同价值如果说流程资产管理构建了企业运营的“理想蓝图（To-be）”，那么流程挖掘（Process Mining）就是透视运营现实的“X光机”。二者的结合，能够形成一个前所未有的管理闭环，实现从诊断到治理的无缝衔接。#1流程挖掘：客观、量化地诊断现实流程挖掘技术通过从企业现有信息系统的事件日志中自动提取数据，能够100%客观、真实地还原业务流程的实际执行路径。它如同一个全天候的“业务医生”，帮助企业：发现未知：可视化呈现所有流程变体，包括那些偏离标准、效率低下的路径，找到流程瓶颈、不必要的重复和合规风险点。量化分析：以数据驱动的方式，精确计算每个流程环节的耗时、成本和资源占用，为优化决策提供依据。根因探究：通过对比分析，深入探究导致流程问题的根本原因，例如是特定区域、特定人员还是特定产品类型导致了流程延迟。#2协同模式：构建企业运营的“数字孪生”与自愈系统当流程挖掘与流程资产管理平台深度集成时，其价值将呈指数级增长，共同构成一个企业的“流程运营中心” 。这种集成模式超越了简单的工具组合，形成了一套完整的运营治理体系。“蓝图”与“现实”的持续对标：将流程挖掘发现的“X光机”流程与流程资产库中定义的“To-be”标准流程进行实时比对。系统可以自动识别和告警任何偏离行为，使管理者第一时间掌握流程执行的健康状况。例如，某金融机构在信贷审批流程中，通过这种对标发现存在绕过关键风控节点的“捷径”操作，从而及时堵塞了合规漏洞。数据驱动的资产模型优化：流程挖掘的洞察反过来可以滋养和优化流程资产。当发现某个流程变体虽然不符合标准，但效率更高时，可以将其经验固化，更新到流程资产库中，形成新的最佳实践。某大型制造企业通过流程挖掘分析售后服务流程，发现一线工程师的一种非标处理方式能显著提升客户满意度，于是将该方法标准化并纳入其全球流程资产库，实现了持续改进。构建统一的治理语言：流程资产平台提供了一套统一的流程、数据和应用架构视图，而流程挖掘则提供了基于该视图的量化分析能力。这使得业务部门、IT部门和管理层能够在同一个“频道”上沟通，基于统一的数据和模型进行决策，有效打破部门墙。从洞察到行动的闭环：先进的集成平台（如凡得科技的PROCESS X平台）不仅能够提供洞察，更能驱动行动。例如，当流程挖掘监控到某个订单审批环节超时，可以自动通过API触发提醒给相关责任人，甚至在预设规则下，自动将任务重新分配给其他人员，实现流程的智能干预和自我修复。 迈向卓越运营的实施路径：一个分阶段的行动指南成功实现流程资产管理与流程挖掘的协同，并非一蹴而就。它需要一个清晰的、循序渐进的实施路径。结合众多行业成功转型的经验，我们建议企业可以遵循以下关键步骤：#1第一阶段：需求调研与战略对齐关键任务：明确业务痛点和优化目标。选择一到两个具有高价值和代表性的业务流程（如采购到付款、订单到收款）作为试点。成立跨部门的虚拟团队，确保管理层支持和资源投入。成功要素：目标明确，范围可控，避免一开始就追求“大而全”。#2第二阶段：流程诊断与资产建模关键任务：利用流程挖掘工具对试点流程进行深度诊断，获取“X光机”流程图和性能指标。同时，在流程资产管理平台中，开始构建该流程的“To-be”模型，明确其关联的流程架构、数据架构和应用架构，并挂接相关的文档、角色和KPI等管理要素。常见挑战：数据质量和可用性是流程挖掘的初始挑战。一个强大的数据集成与准备平台至关重要。#3第三阶段：集成分析与优化迭代关键任务：将流程挖掘的实时数据流与流程资产模型进行对标分析，识别偏差和优化机会。利用平台的模拟仿真功能，对优化方案（如调整资源、合并步骤）进行预演，评估其潜在影响。成功要素：建立一个持续迭代的分析和优化循环，而不是一次性的项目。#4第四阶段：治理落地与规模化推广关键任务：基于试点成功经验，建立流程卓越中心或类似的治理组织。将验证后的最佳实践固化到流程资产库中，并建立长效的监控和治理机制。逐步将该模式推广到企业更多的核心流程中。常见挑战：组织的变革管理是关键。需要通过有效的沟通和培训，让员工理解并接受这种数据驱动的新工作方式。 结语：数字化转型的本质，是企业运营模式的深度重构。在这个过程中，将流程视为核心资产进行投资和管理，是实现可持续增长和差异化竞争优势的必由之路。流程资产适用场景阶段图（注：该素材来自《流程资产：从组件到解决方案的企业核心能力建设》张燕飞著  版权归原作者所有）凡得科技凭借其行业领先的PROCESS X流程智能平台，以及创新的V-I-A（Visualization-Insight-Action）架构，正致力于帮助我们的客户完成这一历史性跨越。PROCESS X流程智能平台聚焦于统一管理流程、数据、应用三大核心架构，以及全面整合文档、指标、组织等关键管理要素，旨在打造一个真正意义上的一站式流程资产管理与智能运营平台。

2025-08-27

流程大咖说 |AI 重构 “中国制造”：如何让汽车行业效率狂飙 40%？

随着2025世界人工智能大会在上海成功举办，人工智能的热潮正方兴未艾，AI正成为推动传统制造业升级的核心引擎。作为国内流程智能领域的领军企业，北京凡得科技有限公司（以下简称“凡得科技”）凭借其自主研发的PROCESS X流程智能平台，以AI驱动的流程智能技术为核心，助力汽车等传统制造行业破解效率瓶颈，实现从生产到服务的全链路智能化转型。凡得科技的流程智能平台如上图所示，充分利用其在流程管理赛道多年的积累（即 AI-ready 的数据资源和流程资源），叠加过去两年在生成式 AI 领域的沉淀，形成了独特的 GenAI 基础设施，包括对基础大模型的调用技术、检索增强生成技术、AI 工作流编排技术、智能体技术和多智能体协同技术等，可以广泛应用于企业的知识管理、客户服务、智慧供应链、智能巡检和流程自动化等。以下结合凡得科技在汽车制造行业的应用详细解释：传统汽车行业痛点：效率瓶颈与智能化挑战汽车制造业作为传统工业的代表，在数字化转型中面临多重挑战。首先是流程复杂性与透明度不足，从研发、生产到售后服务，跨部门协作流程庞杂，传统人工管理模式难以实时监控和优化，导致资源浪费与成本攀升。其次是客户服务响应滞后：售前咨询、售后维保等场景需求激增，人工坐席处理效率低下，72%的用户期望电话等待时间不超过30秒，传统模式难以满足时效性要求。再者是数据驱动能力薄弱：海量业务数据未被有效利用，企业缺乏实时决策支持工具，难以应对市场快速变化。AI技术赋能：从流程优化到全域智能化针对上述痛点，以凡得科技为代表的AI企业通过以下路径推动汽车行业变革：用流程智能技术重构制造业“数字神经”：传统制造业在生产制造过程中产生大量数据，且分散在不同的业务系统中，有的在生产执行（MES）中、有的在业务经营（ERP）和办公系统（OA）中，现在利用数据及算法驱动的PROCESS X 平台基于“可视化-洞察-行动”（VIA）架构，能够实时还原真实业务流程，精准识别低效环节与潜在风险，并结合大模型等技术优化和重构生产制造流程。例如，在供应链管理中，PROCESS X 可构建物流、采购等业务流程的绩效分析系统，帮助企业实现流程合规性检查与动态优化，将供应链效率提升30%以上。用流程智能技术打破“黑箱”，实现透明化管理：PROCESS X 通过AI算法分析企业业务流程，自动生成可视化流程图，并与设计流程对比，识别偏差根因。例如，应用PROCESS X 后，某央企汽车企业的生产流程数字化，通过数智工厂改造，交付效率提升40%、成本降低20%，并实现个性化定制生产。此外，该技术还可结合仿真功能预判优化效果，为企业提供科学决策依据。用AI加持客服系统，重塑用户体验与资源分配：AI驱动的智能客服系统通过全渠道路由、动态知识库和情感交互设计，大幅提升服务效率。以某东部新能源汽车品牌为例，引入AI客服后，客户投诉响应时长从48小时压缩至4.2小时，人力成本降低37%。系统还能根据客户画像（如购车记录、服务历史）分配专属通道，实现高端用户的个性化服务与经济车型用户的高效问题解决。研发与生产智能化，从“经验驱动”到“数据驱动”：AI技术正深度渗透汽车研发环节。例如，某东部新能源汽车企业通过AI大模型优化能源管理系统，实时感知路况并调节整车能量，使混动车型油耗降低10%-15%。生态协同：构建跨界技术“朋友圈”：车企与科技公司的合作模式正从供应链关系转向共生生态。宝马与阿里联合开发基于通义大模型的AI引擎，应用于智能座舱与自动驾驶；长安汽车携手华为、腾讯推进电动化与智能化融合，共同打造全球化产品。凡得科技亦通过开放API接口，与ERP、CRM系统无缝对接，助力企业构建超级自动化生态。AI助力中国经济转型升级推动传统制造业向“智造”跃迁，长安汽车通过数智工厂实现降本30%、交付效率提升40%，吉利通过智能架构缩短研发周期，均体现了AI技术对生产流程的重构价值，此类实践为传统制造业提供了可复用的数字化转型模板。这两家车企与华为、宁德时代等企业的合作，带动了动力电池、高精度地图、车载芯片等上下游产业的协同发展。例如，动力电池产业链2024年新增投资达800亿元，形成万亿级经济辐射效应。重塑全球汽车产业竞争格局，长安与华为合作的乾崑智驾系统、吉利自研的7纳米车规芯片“龙鹰一号”，均标志着中国车企在核心技术领域的突破，此类创新有望打破欧美在汽车智能化领域的垄断。智能网联技术带动了车载娱乐、自驾游、智能房车营地等新消费模式，2024年相关产业增收超8000亿元，正在催生新型经济业态。未来展望：AI驱动制造业迈向“超级智能”随着5G、AR/VR等技术普及，AI在制造业的应用将更加立体化。例如，AR远程诊断可实时指导用户排查故障，数字孪生客服则提供沉浸式服务体验。凡得科技等企业正持续探索AI与工业场景的深度融合，推动制造业从“单一功能优化”向“全域智能重塑”演进。结语传统制造业的数字化转型已进入深水区，AI技术不仅是效率工具，更是重构产业生态的战略支点。长安与吉利的智能化实践，不仅代表中国汽车产业的转型升级，更折射出传统制造业通过AI与数据驱动实现“换道超车”的战略路径。正如凡得科技创始人海广跃所言：“流程挖掘的价值在于让企业看见看不见的问题，并找到最优解。”未来，随着AI技术的迭代与生态协同的深化，传统制造业将加速迈向高质量、可持续的智能化新时代，同时将进一步加速中国从“制造大国”向“智造强国”的跨越，为全球经济贡献“中国方案”。

2025-08-11

当流程挖掘遇上 AI 智能体：凡得科技如何让企业流程 “自己跑起来”？

在数字化转型的赛道上，企业总在寻找这样一种能力：既能看清流程里的“淤堵”，又能让系统自己动手 “疏通”。凡得科技以 “流程挖掘 + AI 智能体” 的组合拳，正在把这种能力变成现实 —— 让流程从 “被动优化” 走向 “主动进化”。 从看见问题到解决问题，只差一个智能闭环 流程挖掘技术早已不是新鲜事，它像企业的“流程 CT 机”，能从 ERP、CRM 等系统的日志数据中，还原出端到端流程的真实样貌。某能源集团曾借助凡得科技的流程挖掘工具，发现其跨12 个部门的采购流程中，37% 的时间浪费在 “等待审批” 上，80% 的合同错误源于 “数据孤岛”—— 这些藏在系统深处的问题，此前靠人工排查从未被完整发现。但对企业来说，“看见问题” 只是第一步。传统流程优化常陷入“知道该改却改不动” 的困境：跨部门协调难、手工操作耗时长、规则变动跟不上…… 而 AI 智能体的加入，恰好补上了 “行动” 这一环。在上述案例中，凡得科技的AI 智能体接过流程挖掘的 “诊断报告” 后，自动启动了一整套行动方案：用自然语言处理技术提取合同关键信息，调用 RPA 工具跨系统核验数据，甚至根据库存动态调整审批优先级，保证合规与效率。  这正是凡得科技“PI+” 战略的核心逻辑：流程挖掘负责 “发现问题”，AI 智能体负责 “解决问题”，二者通过凡得PROCESSX流程智能平台形成 “洞察 - 决策 - 执行 - 优化” 的完整闭环。就像医生既要有精准的体检报告，也要有能落地的治疗方案，企业流程优化也需要 “诊断” 与 “治疗” 的无缝衔接。 流程挖掘的火眼金睛与AI智能体的灵活大脑 要理解这套组合拳的威力，得先看清两个技术引擎的底层能力。 流程挖掘的“火眼金睛”，来自对数据的深度解析。PROCESSX 能同时对接国内外主流数据库以及业务系统，通过Heuristic Miner 等算法，把杂乱的事件日志转化为可视化流程图。比如在制造业的生产流程中，它能精准定位“设备停机等待物料”、“质检反复返工” 等隐性卡点，甚至计算出每个节点的时间损耗占比 —— 这些数据，是 AI 智能体行动的 “导航图”。 而AI 智能体的 “灵活大脑”，则源于其“分析力性”与“学习力”。它不像传统软件那样局限于固定规则，而是能通过自然语言处理理解复杂流程需求，用强化学习沉淀优化经验，为决策提供精准参考。例如在供应链管理中，当流程挖掘发现 “某区域库存周转过慢” 时，AI 智能体会先自主梳理历史销售数据、物流时效记录与区域需求波动规律，定位根因 —— 可能是补货周期与实际需求错配，或是某条物流路线长期拥堵。随后，它会生成多套优化建议：比如将补货频率从每周 2 次调整为按需动态补货，或列出 3 家响应速度更快的备选供应商及其切换成本。这些方案会附带数据支撑的效果预测（如调整后库存周转率预计提升 20%），最终由供应链管理人员结合实际业务场景评估决策。这种 “AI 深度分析 + 人类最终决策” 的模式，既发挥了智能体处理海量数据的优势，又保留了人类对复杂情境的判断灵活性，让流程优化更贴合业务实际。 更关键的是PROCESSX的 “黏合” 作用。它整合了 RPA、低代码等工具，让 AI 智能体的决策能快速落地：比如用 RPA 自动填写跨系统表单，用低代码搭建临时审批通道。这种 “技术拼盘” 能力，让 “流程挖掘发现的问题” 与 “AI 智能体的解决方案” 之间没有任何落地障碍。 不止于效率：那些被重新定义的流程场景 这套解决方案的价值，早已跳出“降本增效” 的单一维度，在凡得科技行业深耕中，生长出贴合场景的 “智慧枝芽”。 在金融行业的个人信贷审批流程中，流程挖掘技术先对“客户申请 - 资料核验 - 风控审核 - 放款” 全链路进行扫描，像解剖显微镜般拆解出37 个细分节点，最终锁定“人工核验重复度高”、“补件通知滞后” 两大卡点 —— 这直接导致平均审批周期长达72 小时，退单率高达 15%。AI 智能体随即以 “决策者” 身份介入：通过自然语言处理自动提取申请资料中的关键信息，联动征信系统完成数据核验，对 “收入稳定、征信良好” 的客户触发 “秒批” 通道；而对资料存疑的申请，则智能分配给资深审核员并标注重点核查项。优化后，审批周期压缩至24 小时，一次性通过率提升至 92%，更通过动态更新的反欺诈模型，将新型欺诈交易识别率提高了 40%。 在制造行业的供应链管理流程中，流程挖掘先打通SAP 系统、供应商管理平台与物流跟踪数据，还原出 “采购下单 - 物料入库 - 生产排期” 的端到端链路，发现 “原材料库存与生产计划脱节” 的核心矛盾 —— 某汽车零部件厂商因此出现30% 的生产线停工等待物料，同时部分零件库存积压超90 天。AI 智能体接过优化接力棒后，启动 “感知 - 调整 - 协同” 模式：基于历史生产数据预测物料需求，自动向供应商推送补货提醒；当物流延迟时，实时调整生产排期并同步至车间 MES 系统；甚至通过数字孪生技术模拟库存周转场景，提前预警积压风险。实施3 个月后，生产线停工时间减少 65%，库存周转率提升 50%，供应链响应速度较行业平均水平快了 3 天。 这些场景诠释了凡得科技“流程挖掘 + AI 智能体” 的协同逻辑：前者像精准的 “问题雷达”，后者则是高效的 “行动中枢”，二者结合让行业痛点从 “被动应对” 转为 “主动化解”，这种组合既能看透数据背后的规律，也能让规律转化为持续生长的行动力。 与凡得同行，让流程成为增长的“隐形引擎” 数字化转型的深水区里，企业拼的早已不是单一技术的应用，而是“发现问题” 与“解决问题” 的协同能力。凡得科技以 “PI+” 战略为支点，用流程挖掘的 “洞察” 与 AI 智能体的 “行动”，正在为更多企业打造流程的 “智能神经系统”。当采购流程能自动优化审批节点，当生产流程能提前预警设备故障，当客户服务流程能预判需求变化—— 这些曾经的 “理想状态”，正在凡得科技的技术赋能下成为日常。或许正如凡得科技希望的那样：“未来的优秀企业，不需要专人盯着流程跑，因为流程自己就会‘跑’向最优解。”

2025-07-18

凡得科技入围中国超自动化先锋企业

36氪WISE2022超自动化峰会公布了「2022中国超自动化先锋企业」调研结果，凡得科技荣耀上榜2022年中国超自动化先锋企业TOP20。此次调研通过面向超自动化行业的企业进行广泛征集、线上信息审核、一对一访谈、专家推荐的流程，评选出了20家当下超自动化赛道最具代表性的先锋企业。感谢行业的认可与鼓励，凡得科技希望与行业伙伴共同建立一个超级自动化生态，携起手来去打造超级自动化的明天。

2025-07-07

从流程洞察到价值释放，AI赋能运营商全场景智能升级

在全球数字经济蓬勃发展的时代背景下，数字化转型已经成为各行各业的共识。流程智能的新技术应用是运营商数字化转型的关键驱动力，为运营商的数字化转型提供了强大的动力。从凡得科技视角出发，运营商的流程变革面临的是多场景、多环节和多指标问题的叠加，需要从企业全生命周期的维度开展咨询规划、流程设计及系统搭建，更需要全面开展财务、供应链、FTTR、DICT、客服等多个职能部门的流程标准制定，重新定义各个职能部门的关键流程绩效指标，从流程合规、业务需求响应到业务创新的全流程视角，对各项流程管理工作实施科学有效的数字化变革，提前洞察潜在问题，夯实流程根基，是推动企业高效运转、提升竞争力的关键路径。

2025-06-26

受邀参编中国信通院《流程数据治理能力成熟度模型》标准体系，凡得科技持续赋能行业生态

6月18日，由中国信通院主办的 “EP-Link 智能流程推进计划”2025年产业研讨会在北京顺利举行。本次会议聚焦探讨企业流程管理体系升级与智能流程技术的前沿应用，吸引众多知名企业与行业领袖、专家共襄盛举。北京凡得科技有限公司（以下简称：凡得科技）作为中国信通院“EP - Link 智能流程推进计划” 的首批成员单位，再次受邀出席。会议期间，凡得科技深度参与的《流程数据治理能力成熟度模型》标准编制工作成果显著，并正式获得相关证书。流程数据治理对于企业智能流程的高效运作至关重要，凡得科技凭借在该领域长期积累的技术与实践经验，积极参与标准编制，为行业规范的完善贡献力量。此次获证，体现了凡得科技在流程数据治理专业层面的深度耕耘与行业认可。

2025-06-20

热点聚焦 | 凡得科技受邀参加中国信通院“流程挖掘技术与应用”主题沙龙

3 月 27 日，由中国信息通信研究院主办的“流程挖掘技术与应用”主题沙龙在北京成功召开。此次活动，吸引了众多行业专家以及产业头部企业代表参加，活动聚焦“流程挖掘 + AI”领域热点，深入剖析流程挖掘技术在应用过程中的痛点，针对关键技术突破路径与流程应用的创新方向，展开了探讨与交流。 北京凡得科技有限公司作为受邀单位参与了本次活动。会上，凡得科技产品总监李广义发表了题为《PROCESSX 流程智能平台与 AI 应用》的主题演讲。他从流程智能的应用场景、技术创新和业务需求等多个维度出发，对业务流程的“智能副驾、智能会话、流程数据集”等核心创新技术进行了深入解读，系统阐述了凡得科技在人工智能领域的前沿探索成果，引发了参会人员的广泛关注。 会议最后，李广义进一步分享了智能流程的能力架构，并结合企业在流程仿真和业务流程编排方面的应用实践，提出了具体的应用路径。他表示，在助力企业迈向数字化转型与智能化发展的征程中，凡得科技将坚守“以流程智能孕育智能流程”的核心理念，通过流程还原、一致性分析、流程预测和根因分析等技术，对企业运营流程进行全面诊断和深度优化，同时将流程编排与生成式人工智能应用相结合，构建流程管理关键环节的场景创新，如工作流设计的优化、定向内容生成、任务自动化处理，以及智能编排多语言模型等前沿技术的应用创新。依托流程智能的中枢能力，形成流程智能的闭环机制，梳理流程指标，统览全流程运营态势，对企业流程的智能决策、行业知识库、私有化模型等全链条实施数字化管理，为领导决策提供依据，以创新驱动企业运营管理变革，深度挖掘利润增长点，实现经济效益与运营效益的显著优化。本次活动不仅是技术思维的研讨交流，也是打造流程智能创新技术应用生态的关键契机。中国信通院为流程应用的上下游企业搭建了资源汇聚的平台，围绕流程智能、会议活动、标准制定、报告研究和行业发展，为企业擘画出从前沿理论研究到实际场景落地的创新思路和路径。进一步促进企业集聚，加速技术创新进程，助力流程智能创新技术在各行业全方位、深层次地渗透与应用，推动整个产业向智能化发展的新高度大步迈进。

2025-04-08

Splunk专家撰文“什么是流程挖掘”？

本文翻译自Stephen Watts撰写的《What Is Process Mining? A Complete Introduction》，作者是Splunk领域的专家，英文原文发布于2024年12月3日。Splunk是一家总部位于美国旧金山的公司，成立于2003年10月，专注于机器数据的收集、分析和处理。它提供的软件平台能够帮助企业从各种来源和格式的机器数据中获取实时的业务信息和运营洞察。Splunk的产品和服务广泛应用于安全信息和事件管理（SIEM）、IT服务智能监控、用户行为分析等领域。Splunk的主要产品包括：Splunk Enterprise：一个全面的机器数据平台，用于收集、索引、搜索、分析和可视化任何形式或来源的数据。Splunk Cloud：提供与Splunk Enterprise相同的功能，但是以云服务的形式提供。Splunk Enterprise Security：为用户提供安全信息和事件管理（SIEM）服务，帮助检测并应对潜在的安全威胁。Splunk IT Service Intelligence：用于监控关键IT和商业服务的健康状况和性能指标。Splunk User Behavior Analytics：利用数据分析、机器学习等技术来识别潜在的网络攻击和内部人员威胁。在2024年3月，思科公司完成了对Splunk的收购。一个IT流程是用于完成IT相关任务的程序流。流程用于支持IT运营、软件开发、网络安全和风险管理以及许多其他活动的一系列任务和活动。因此，流程挖掘是一种分析方法，用于通过从组织中的事件日志系统中提取可用知识来监控和改进实际业务流程。利用这些日志中的信息，组织可以获得关于其流程工作情况以及需要进行哪些改进的重要见解。在本文中，我们将探讨：为什么流程挖掘对企业很重要在哪里以及如何使用流程挖掘它如何为您的组织创造价值如何上手自己的流程挖掘实现 1、什么是流程挖掘？流程挖掘是一个框架，用于更好地分析和关联不同且看似不相关的信息，识别弱点并快速采取行动加以纠正。不要浪费数小时、数天或数周的时间在电子表格上解决流程故障，采用正确的流程挖掘工具将使您能够更有效地使用您拥有的数据并推动更多的业务价值。本质上，流程挖掘提供了实时事件和运营业务流程之间的关键联系。流程挖掘是一种从日志数据中检查事件数据的方法，以了解组织中的员工正在做什么以及他们实际上是如何做的。通过分析完成任务或项目所需的步骤，流程挖掘会自动构建一个流程。随着时间的推移，随着这些数据的收集，它可能会出现各种瓶颈和低效率——这些瓶颈和低效率会阻碍生产力和盈利能力。流程模型或流程图是通常在流程挖掘过程结束时进行的可视化表示。它说明了流程中涉及的活动序列。它通常包含：过程中涉及的事件执行每个事件的人员或工具连接各个组件的箭头或线条，显示工作流程或步骤顺序流程挖掘的重要性流程挖掘起源于数据挖掘和业务流程管理，两者几乎与互联网一样古老。20世纪90年代末至21世纪初，寻求从数据中获得洞察力以提高效率的企业中出现了数据挖掘的繁荣。随着公司数字化，并且（在大多数情况下）看到他们的在线存在变得比实体存在更重要，这最终被称为“业务流程管理”，并演变成我们今天所知道的流程挖掘。（这就是为什么今天你会听到BPA：业务流程分析和业务流程再造的相关输出。）今天的流程挖掘利用先进的算法来明确当前的业务流程，帮助组织简化和改进它们。它可以快速发现有价值的见解，可以提高生产力，并最终阐明对您的客户和底线产生最大影响的核心业务流程中的机会。对于影响您业务的机会，流程挖掘可用于检查三种主要类型的关键绩效指标（KPI）：时间关键绩效指标：完成一个特定过程需要多长时间？成本关键绩效指标：完成一个特定流程的成本是多少？质量关键绩效指标：此过程的结果是否符合既定标准？流程挖掘比更传统的“现状”分析有一个显著的优势——那就是它能够访问实时事件数据。此外，流程挖掘还可以查看历史数据，能够仔细检查一系列事件日志，以深入了解正在发生的事情——这与以前用于进行相同计算的缓慢、手动和重型数据基础设施形成了鲜明对比。流程挖掘可以揭示当前正在发生的事情，利用所有系统中的大量事件数据来：发现人员、组织和机器的实际行为，并将其与现有模型进行比较。关联数百万个事件，展示现实与感知、观点和信仰的不同之处。为不断改进和构建更好的流程提供基础。最重要的是，流程挖掘允许您了解系统和流程的当前状态，同时提供更快、更精细的方式来识别任何偏差和异常-然后，然后进行纠正。流程图示例，在本例中演示系统管理员应如何解决搜索性能缓慢的问题2、流程挖掘用例流程挖掘可用于任何行业的任何应用程序中的业务流程管理和流程改进。特别是金融服务、电信、医疗保健和零售等行业，这些行业具有广泛的数据可作为基础，并且流程偏离其预期行为可能会产生昂贵的后果。金融服务：随着交易量的增加和越来越多的业务数字化，人工流程无法捕捉所有异常行为。面对更大的监管和审计要求，流程挖掘为金融服务部门的公司提供了在大容量流程中持续和全面发现问题的机会。电信：随着用户数量的不断增长和电信激活变得越来越自动化，激活失败的风险是巨大的。流程挖掘帮助面临更大订单量的电信公司有机会在其订单到激活流程中发现昂贵的问题和客户后果。医疗保健：随着更多关于患者经历和结果的数据和信息的出现，维护人口健康和个体患者旅程结果的风险也在增加：我们知道有更多的内容需要覆盖、寻找和避免。对于医疗保健组织来说，流程挖掘有助于提供高效和高质量的端到端患者旅程，从最初的医生咨询前，到治疗方案，再到封闭的治疗病例。零售：由于系统或流程问题，零售组织经历了复杂电子商务流程带来的代价高昂的客户后果。面对日益增长的交易量，流程挖掘有助于零售商确保客户能够快速有效地完成订单，而不会出现问题。流程挖掘可以提供帮助的领域流程挖掘用例很多，但根据Gartner的说法，一些最常见的包括：改进业务流程管理。改进审计和合规提供分析和验证提高流程自动化。通过将战略与运营联系起来来支持数字化转型。改善IT运营资源优化。流程挖掘可能解决的挑战流程挖掘技术帮助组织解决由于缺乏可见性、洞察力、员工和适当工具而导致的大量流程痛点。挑战包括：系统太多：各种规模的企业都依赖于数十个系统和复杂的基础设施，这些系统和基础设施非常难以监控。更难的是在整个环境中实现清晰的端到端视图。流程挖掘可以打破分隔不同类型数据的孤岛，并将其全部合并到一个数据集中。手动处理的数据太多：来自内部网络、连接设备、网站、供应链管理、采购、质量控制和其他数十个系统的数据量不断增加，带来了新的快速增长的挑战。一个好的流程挖掘解决方案可以在分析越来越大的数据集的同时自动化数据清理和准备。帮助不够：虽然数据可能是组织中最有价值的资产，但你通常不知道该怎么做，也不知道如何利用它来获得优势。流程挖掘解决方案是为您自己设计的，无需专业的数据技能或专业知识。它们还允许您摆脱手动筛选数据，以便您可以真正专注于业务增长和其他关键任务。错误的工具：很可能，你花了很多时间试图将数据放入电子表格并构建公式来理解它，所有这些都是为了意识到你没有提供真正的商业价值。除了显示数据之外，流程挖掘还可以帮助你用它来推动决策。不灵活、不可靠的报告：你可能也花了几个小时或几天来组织重要的数据，这些数据在呈现时只会引发更多的问题。流程挖掘为你提供了灵活、可靠的报告，并让你在易于共享（和理解）的可视化和定制仪表板中表达流程分析，无论你的老板问了多少问题。业务流程流程图清晰准确地反映了业务流程的效率和有效性。流程挖掘算法任何有用的流程挖掘算法本质上决定了流程模型如何从原始事件数据中推断出来。一般来说：一种或多种算法关联事件日志数据，以识别信息系统记录的事件日志中包含的趋势、模式和聚合度量。然后将挖掘出的模型与原始企业流程模型进行比较，以检查一致性，或发现更精简和高效的业务流程模型。没有一个被广泛接受的基准标准来评估和比较流程挖掘算法。每个专有软件都运行在自己的算法上。例如，高质量的算法可以轻松地将来自完全不同系统和其他异构数据源的事件相关联。然而，由于不同的流程挖掘算法具有不同的质量，如果企业能够选择一种算法来生成与原始模型相似或更好的挖掘模型，那么它们将具有优势。流程挖掘自动发现实际的业务流程，并从现有的应用程序数据日志中获得洞察力——这些数据可用于自动生成流程模型和计算过程指标。通过使用事件的时间戳分析事件序列，流程挖掘可以完全重建实际流程，同时识别和发现低效、瓶颈和其他弱点。并且由于数据的可用性，流程挖掘具有不可知论地进行这种分析的能力。（相关阅读：遥测vs.可观测性vs.监测。）3、流程挖掘：如何实施指南第一步：流程挖掘入门如果您有兴趣启动流程挖掘计划，您可以首先确定痛点，识别数据，然后启动试点项目。请记住，任何流程挖掘项目的起点都是流程分析，它仔细检查业务流程的当前状态，找出缺点并确定改进的机会。这是一种经过时间考验的方法，用于研究流程挖掘的价值。识别问题：选择一个对业务重要的问题，并且您可以通过流程挖掘实际解决。然后确定解决它的业务价值以及您将使用哪些指标来衡量成功。识别数据：首先，确定您需要全面了解的数据来源，以解决任何明显的业务流程问题。同样，您需要确定哪些应用程序和系统必须提供事件数据源，以实现端到端流程的持续透明度。试点一个谨慎的项目：试点项目对于证明流程挖掘解决方案的潜在价值至关重要。确保项目可以相对较快地完成，并且可以提供组织中每个人都能理解的具体、可衡量的结果。接受事实：除其他外，流程挖掘可以根据事实给你一个清晰的画面——所以要对你的分析结果保持透明。虽然具有挑战性，但流程挖掘只是验证你的业务流程环境中不舒服的现实的工具，也是你提出正确问题解决问题的建设性跳板。记住，流程挖掘不仅仅是一种工具——它是一种范式转变，需要熟练的管理员发现问题并纠正它们。反过来，他们有能力与组织的其他成员展开对话，全面客观地解决阻碍生产力和有效性的持续系统性流程问题。第2步：从流程挖掘中获取价值使用流程挖掘如果您了解如何从解决方案中提取最大价值，将为企业带来无数好处。关注流程挖掘的价值潜力，并调查它如何改善您最需要帮助的领域。潜在的关键领域包括：为IT人员腾出更多的时间和资源：由于流程挖掘提供了从IT数据重构的业务流程的清晰准确的图景，因此管理员花费更少的时间自行调查流程问题，更多的时间用于帮助组织实现业务增长目标的增值项目。并且通过扎实掌握业务流程的当前状态作为起点，花在其他问题和项目上的时间可以更有成效。清晰准确的流程环境大图：该数据提供了业务流程的真实图景，以及准确分析和诊断的基础。所有变量、延迟和其他问题都作为整体视图的一部分纳入其中，因此决策者可以根据事实而不是意见采取行动。改进的流程系统：IT管理员了解流程流程的来龙去脉，包括延迟和频率。IT系统日志跟踪大量有价值的数据，可以利用这些数据来检测流程效率低下，阐明最频繁的路径，并通常为更简化的流程环境奠定基础。流程挖掘还可以通过允许分析师立即解决痛点来加快调查速度，从而提高生产力并降低组织的成本。高效和改进的审计：组织可以依靠流程挖掘来创建更高效和准确的审计，避免猜测和基于意见的发现。这意味着更少的时间浪费在不确定性和随后的重新测试上。第3步：考虑流程挖掘软件和解决方案的这些功能要选择好的流程挖掘软件，一个解决方案应该擅长三个功能：强大的流程发现能力，能够搜索事件日志以跟踪员工实际在做什么，然后通过生成整个组织业务流的流程图来创建适当的流程模型。一致性检查分析事件日志以确保操作与流程模型一致。性能分析和改进/增强功能，分析事件日志中潜在的低效率，调查以确定是否以及如何改进，然后根据真实的过程数据进行改进。虽然正确的流程挖掘软件因组织规模、业务需求和目标而异，但解决方案中包含的关键功能应该使您能够：识别瓶颈以及优化流程的机会。深入了解失败的流程步骤。获取整个业务流程的端到端视图。执行实时持续的业务流程监控。实时监控关键性能指标。进行准备和数据清理。执行合规性验证和差距分析。改进流程模型。跨异构系统关联数据。组织衡量、监控和优化业务流程的能力直接影响其收入和客户满意度-这就是为什么您需要明智地选择最符合所有业务目标的流程挖掘解决方案。4、比较商业智能与流程挖掘流程挖掘在分析的层次和深度上不同于传统的商业智能（BI）。传统BI假定对底层流程有先验知识，因此专注于重复计算报告的聚合指标。但是，尽管这些商业智能仪表板可以阐明已知领域的任何潜在问题，但它们对未知领域几乎没有洞察能力。另一方面，流程挖掘基于这样一个前提，即流程并不总是按计划进行，问题会在无法预先预料的地方悄悄出现。因此，深入反思流程的实际表现对于确保运营卓越至关重要。流程挖掘与任务挖掘任务挖掘和流程挖掘经常会被混淆，但它们有一些明显的区别。流程挖掘记录IT流程中涉及的所有任务。任务挖掘侧重于优化流程中的单个任务。它侧重于用户与特定应用程序的交互，而不是在流程挖掘期间进行的高级流程分析。这里有一个例子：当试图分析他们的在线订单处理时，零售公司可能会专注于下订单的任务，以找出这项任务需要多长时间，或者从开始到结束处理订单的过程。当任务挖掘时，公司会收集客户将商品添加到购物车、填写物流信息等所需的平均时间的数据。他们还会注意到每个步骤平均需要多少点击。有了这些非常具体的信息，他们可以了解如何优化该任务，并使人们更容易完成。但是，在分析订单处理工作流程时，公司会采取更高级的方法。相比于查看细粒度信息，IT团队将分析从用户将商品添加到购物车到订单交付给客户的事件日志。使用此方法，他们可以了解每个步骤如何影响其他步骤，并创建整个系统的可视化图表。他们将能够确定哪些步骤效率最低，哪些步骤是不必要的。然后，这可以用于提高公司的整体效率。5、总结对于组织而言，通过流程挖掘分析日志数据的能力代表着巨大的机遇，特别是对于那些在复杂和笨重的业务流程中苦苦挣扎的人来说。组织正在迅速生成大量的数据，这些数据经常被闲置，这些数据可能会揭示新的盈利机会。由于无法深入了解甚至完全理解他们的业务流程，他们冒着昂贵的拥堵风险，不可避免地影响效率、运营绩效，最终影响他们的收入。组织需要一种方法，将以前复杂和混乱的数据转化为机遇，而不是风险或障碍-这就是流程挖掘的作用所在。