在数字化转型的浪潮中,流程挖掘已成为企业优化运营的核心工具。其起源可追溯到 20 多年前北欧和中欧的学术机构,像埃因霍温理工大学和亚琛工业大学,以及 ARIS 和 Celonis 等工业软件的开发,不过这一概念直到近期才在更广泛的市场中引发高度关注。全球市场和技术的急剧变化,促使企业对运营透明度产生迫切需求,进而极大地提升了对数据驱动洞察的兴趣。
2023年,流程挖掘因其对运营透明度的重要意义,获得了关键认可,Gartner 将其视为业务流程管理(BPM)领域的新要素,并发布了首个关于流程挖掘平台的能力象限,推介市场上的优质工具,引发了创新解决方案的激烈竞争。到了2024年,我们见证了一场围绕打造终极流程挖掘解决方案,尤其是基于人工智能(AI)解决方案的激烈角逐。
尽管流程挖掘潜力巨大,但企业接纳这一技术变革并非一帆风顺,需克服文化和运营层面的障碍,还需要强有力的领导以及有利于变革的氛围。这使得项目团队能将精力集中在其他挑战上,以实现最终目标 —— 构建企业流程图的完整数字孪生,这将成为增强流程管理的基石,充分发挥基于 AI 新算法的强大功能。
自 2023 年起,流程挖掘市场的迅猛增长,有力推动其成为高效数字化转型的关键驱动力。然而,这种高关注度也带来了负面影响,干扰了企业内部学科的成熟发展。极具吸引力的商业宣传,常使企业在购买产品后即刻产生过高且不切实际的期望。实际上,没有哪家供应商能充分了解企业独特的技术和人文环境,进而提供涵盖流程和技术架构的预配置解决方案。
商业成功案例展示的成果并非完全脱离实际,但现代营销手段往往催生对流程挖掘项目快速出成果的不切实际预期。启动这类项目,需要企业投入大量精力,远不止数据连接和分析,还涉及技术人员的有效管理和预算资源的保障。
通常,流程挖掘有四种主要应用场景:
概念验证(PoC):这是初始阶段,利用有效数据集,通过发现分析和体量测量来验证挖掘工具的功能,几个小时即可完成任务。
价值验证(PoV):与 PoC 不同,此阶段依赖操作知识,特别是现有(AS-IS)模型和当前数据架构,以生成精确且可执行的分析,通常需要约八周的工作时间。
流程的数字孪生:这是一个宏伟目标,旨在创建一个综合模型,涵盖所有相关任务及其在业务流程中的交互。尽管受各种系统和遗留技术影响,实现难度较大,但一旦达成,将大幅提升流程效率,支持高级分析。
该学科的全球采用:持续创建数字孪生,有助于建立流程挖掘卓越中心,专注于最佳实践、培训以及监控技术对关键绩效指标(KPI)的影响。
为实现真正的投资回报(ROI),企业必须在流程挖掘工作中不断成熟,启动转型机制以落实改进建议。若忽视这些基本要素,受激进营销言论误导,就可能对流程挖掘失望,错失充分挖掘其潜力的机会。因此,以现实期望和持续改进的决心开展流程挖掘工作至关重要。
流程挖掘依赖两大关键要素:关键人员的业务知识以及存储在信息系统中的执行数据。现代系统虽能有效管理执行跟踪,但许多核心系统高度定制或陈旧过时,导致数据连接和提取困难。为克服这些难题,必须让技术专家参与,确保数据的可用性、质量和集成,从而开发出强大的数据模型。流程挖掘项目的成功,以及将数字孪生应用于流程智能项目的潜力,与执行数据的质量直接相关。所以,重视数据质量和可访问性,对企业进行有效分析和改进决策至关重要。
流程挖掘项目所需的企业工作具有跨部门协作的特性,需要不同专业领域协同。传统上,这类项目以业务专业人员为主,而流程管理部门缺乏数据提取、转换和加载的技术能力。因此,让技术部门参与保障数据可访问性,在流程团队中融入具备分析能力的复合型人才至关重要。
变革阻力是常见挑战,部分人可能不愿承担新责任,还有人可能在与企业目标相悖的方向上主导项目。项目发起人的有效领导和监督不可或缺,因为其应具备调动所有相关部门的权力。此外,流程所有者发挥关键作用,深度参与流程改进并推动关键验证,助力项目成果落地,确保改进建议成功实施。
如同任何分析学科一样,流程挖掘项目的成功在很大程度上取决于所分析信息的准确性、质量和可用性,包括信息系统内流程行为的数据,以及对其结构和所支持业务功能关系的洞察。为提高成功几率,企业应聚焦三个要点:
通过设定切实可行的目标,在整个项目过程中保持积极性和行动一致性。
实施清晰的治理策略,促进各相关部门高效协作。
在项目开发全程,维持关键项目角色的积极参与。流程所有者的持续监控至关重要,同时项目发起人也应做好监督工作。
虽然流程挖掘是一门相对新兴的学科,但多数大型技术咨询公司已组建专门团队,运用各类工具助力客户开展技术项目。不过,每个企业仍需依据自身在流程科学方面的成熟度,审慎地逐步构建流程数字孪生,探索有效的企业方法。
相关新闻推荐