商界有句俗話：“先爬，再行，最后跑”。這正是實現(xiàn)有價值突破的過程。

作者 | Wil van der Aalst教授

海明威在他的某部作品中描繪了這樣一幕：有人詢問如何走向破產(chǎn)，得到的答案是“開始時循序漸進(jìn)，之后突然降臨”。我覺得這句話也同樣貼切地描述了大部分技術(shù)進(jìn)步的歷程，即使是那些看起來一夜之間爆發(fā)的創(chuàng)新。實際上，這些改變往往是在經(jīng)過多年甚至數(shù)十年的緩慢發(fā)展之后才到來的。就在這些變化悄無聲息地累積時，像ChatGPT這樣的創(chuàng)新技術(shù)便已悄然走入我們的視野。

積少成多，終成突破

在流程挖掘領(lǐng)域，我注意到了一種相似的發(fā)展模式：緩慢而持續(xù)，但影響深遠(yuǎn)。流程挖掘作為一種科學(xué)實踐，從20世紀(jì)90年代開始就已孕育而生，在過去二十年里它逐步獲得了商業(yè)應(yīng)用中的認(rèn)可。盡管如此，流程挖掘要想完全發(fā)揮其潛能，仍有漫長的路要走。在這個過程中，盡管已經(jīng)取得了一些里程碑式的成就，但更引人注目的是那些逐步積累的小勝利。在這些積累中，最關(guān)鍵的莫過于第一步：就是從現(xiàn)在開始，用手頭的數(shù)據(jù)來構(gòu)建第一個模型。

每逢新年，人們總是喜歡展望未來，做出自己的預(yù)判。盡管一些發(fā)展趨勢可能要經(jīng)過幾年的時間才能完全顯現(xiàn)出它們的勢頭，但我對此感到非常激動，并且期待著能深入研究這些趨勢。
 

目前流程挖掘領(lǐng)域的一個新發(fā)展趨勢是“基于知識的流程挖掘”。這種方法的核心在于把人類的知識（無論是專業(yè)領(lǐng)域的知識還是對諸如COVID這類新情況的理解）整合到算法中。這樣，人類的智慧就能與模型相結(jié)合，共同打造出一種混合智能。雖然像以對象為中心流程挖掘（OCPM）這樣的最新進(jìn)展已經(jīng)提升了流程的智能化水平，但在這個變革的過程中，人類的知識仍然是至關(guān)重要的。

展望未來— “基于知識的流程挖掘”和“聯(lián)合流程挖掘”

這種基于知識方法的一個有力實例就是我所說的“交互式流程挖掘”。傳統(tǒng)的流程挖掘方法有兩種：一種是挖掘數(shù)據(jù)以發(fā)現(xiàn)實際發(fā)生的情況，另一種是建模并進(jìn)行合規(guī)性檢查以找出偏差。“交互式流程挖掘”允許我們同時進(jìn)行這兩種操作，并通過觸覺反饋來指導(dǎo)操作過程。這種方法甚至可以幫助我們區(qū)分出哪些流程問題是我們能夠解決的，哪些則是很難施加影響的。通常這種缺失的智能信息，對我們來說極其有價值。

將對象中心流程挖掘技術(shù)與類似于Celonis Process Copilot這樣的AI伴侶工具結(jié)合使用，可以極大地簡化人們與軟件以及他們自己數(shù)據(jù)的交互過程。這種簡化和加速的交互方式預(yù)示著我們即將步入一些全新的應(yīng)用領(lǐng)域。預(yù)計2024年，我們將逐漸看到這方面的發(fā)展。

我還關(guān)注到一個令人興奮的發(fā)展方向，稱為“聯(lián)合流程挖掘”。在組織之間難以共享數(shù)據(jù)或不愿過度透露信息的情況下，“聯(lián)合流程挖掘”為跨組織合作提供了一種更加簡便和安全的方式。例如，擁有多個業(yè)務(wù)單位并希望彼此借鑒經(jīng)驗的大型公司，或是希望建立合作關(guān)系的獨立企業(yè)，比如汽車制造商與其供應(yīng)鏈上的供應(yīng)商，都可能會采用這種方法。

“中間層流程”模型為專業(yè)模型奠定基礎(chǔ)

當(dāng)前，流程挖掘正在向更多的流程和跨組織擴(kuò)展，這一趨勢值得稱贊。但我們也面臨一個挑戰(zhàn)：往往只是對那些非核心業(yè)務(wù)環(huán)節(jié)的流程進(jìn)行優(yōu)化。我們的起點可能是訂單處理或識別重復(fù)的發(fā)票，這些工作雖然必要，但并不觸及企業(yè)服務(wù)或產(chǎn)品的核心部分。

盡管如此，有些激勵人心的例子仍然值得我們關(guān)注。例如，漢莎航空就在其核心業(yè)務(wù)（全球乘客運輸）中應(yīng)用了流程挖掘技術(shù)，通過優(yōu)化相關(guān)流程，減少了因更換登機(jī)口或飛機(jī)周轉(zhuǎn)等問題而造成的航班延誤。

我期待看到更多類似的創(chuàng)新應(yīng)用案例。而要實現(xiàn)這一點，關(guān)鍵在于運用基于知識的流程挖掘技術(shù)，以及像Celonis流程智能圖（PIG）這樣的解決方案?？梢韵胂螅@些技術(shù)在某些領(lǐng)域?qū)貏e有成效。例如，我特別希望醫(yī)療保健領(lǐng)域能夠加大應(yīng)用，尤其是在醫(yī)院中對患者流動性的管理上。另外，在制造業(yè)中，盡管德國并沒有統(tǒng)一的生產(chǎn)標(biāo)準(zhǔn)，但工程師們普遍遵循某些共通的操作原則，這些準(zhǔn)則完全可以通過數(shù)據(jù)模型來捕捉并共享。此外，地方政府提供的服務(wù)也是流程挖掘技術(shù)可以大有作為的另一個領(lǐng)域。

舉例來說，對于航空公司而言，飛行運營是它們的核心流程；對于汽車制造商，核心則是生產(chǎn)線上的作業(yè)。

對于這些核心而又具有行業(yè)特色的流程，我們不能指望有現(xiàn)成的方案。這需要人工智能與人類知識的結(jié)合，通過像“交互式流程挖掘”這樣的技術(shù)手段，流程智能圖（PIG）能夠在不同情境下捕捉并復(fù)用關(guān)鍵知識，即使在特定流程不廣泛普及的情況下也是如此。我相信，打造更多領(lǐng)域特定模型的關(guān)鍵是識別和完善我們所謂的“中間層流程”模型。只有當(dāng)我們看到更多這樣的半定制模型通過OCPM從頭到尾完整開發(fā)出來后，我們才能為進(jìn)一步專業(yè)化各個領(lǐng)域奠定堅實的基礎(chǔ)。

先爬、再行、最后跑

繼續(xù)閱讀：

未經(jīng)允許不得轉(zhuǎn)載：RPA中國 | RPA全球生態(tài) | 數(shù)字化勞動力 | RPA新聞 | 推動中國RPA生態(tài)發(fā)展 | 流 > 先爬、再行、最后跑，“流程挖掘之父”Wil教授談流程挖掘的突破之路