2023年2月27日国家正式对外发布了《数字中国建设整体布局规划》，指出建设数字中国是数字时代推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑，为加速数字化转型发出了明确号令。

  随着数字化转型的推进，流程挖掘技术慢慢的变成为企业优化业务流程的重要手段。本文旨在探讨流程挖掘技术在数字化转型中的应用价值，并分析其未来发展方向。

  数字化转型是当今商业领域中的一场全球性的变革，将传统业务模式转变为灵活性更好、高效和创新的形式。这一趋势是由迅猛发展的数字技术和信息化手段推动，包括云计算、大数据、人工智能以及近期备受瞩目的大模型等。数字化转型是个长期的过程，既是技术问题，也是管理问题。事实上，无论企业规模大小，业态如何，在这样的一个过程中通常都会经历三个阶段：

  数字化转型的难点在于怎么实现数字化运营，即第二阶段，这大多数表现在数据、流程孤岛，精益化管理和自动化作业三个方面。这样一些问题与流程紧密相关，因此流程挖掘成为根本解决这样一些问题的关键：

  1、数据、流程孤岛：由于企业的业务流程涉及多个环节，信息化很难一蹴而就，往往是按系统或模块逐步搭建。不同的系统及模块，倘若在信息交互上不能联通，就会成为一座座孤岛，大幅度的降低作业效率，因此系统间需要连接起来。

  2、精益化管理：系统的迭代，是由粗到细的。同样，业务的升级也是由粗到细。在人工作业阶段，由于存在很明显的效率瓶颈及能力边界，业务信息的记录没办法做到精细化，因此导致业务的决策也无法精细化。通过借助更先进的系统工具，业务的精细化决策成为可能。

  3、自动化作业：一些机械的、重复性的、逻辑简单的工作流，能够最终靠RPA系统实现自动化的处理。

  可见流程挖掘不单单是门技术，还是一门学科，涉及流程科学和数据科学的方方面面。在实际应用中，我们该结合真实的情况，综合应用相应知识、算法、工具，最大限度地发挥其价值对业务流程来优化和持续改进。

  同时，Gantner也把流程挖掘作为超自动化的技术之一，未来这种超自动化的技术组合运用，是发现、衡量、优化和管理整个企业的工作流和业务流程的重要技术构成，通过超自动化来加速企业的数字化转型过程是未来的趋势。

  需要说明的是，通常情况下5级框架，基本能满足我们的需求。对于复杂的流程，可增加子流程一层，也就变成了6级框架。这里，为便于读者理解，我们以证券行业举例说明。它的一级流程有投行业务、固收业务、经纪业务、自营业务、营运中心、资产托管、财务、人力、科技等。我们再以资产托管为例，从L1-L5剖析整一个流程管理框架：

  从上述L5任务流可见，这是非常细节的操作的过程，常见的RPA场景即实现的是这种自动化作业。L4 就是流程的节点，每个节点都可能通过RPA实现自动操作。这样，我们就可以梳理出L3-L5中哪些节点可以用RPA，形成新的人机协同流程。结合流程的优化，就可以实现所谓的流程再造。

  2、数字化转型是从“系统驱动”到“流程驱动”再到“数据驱动”的演变。上面曾提到，数字化转型分为三个阶段，分别是信息化建设、数字化运营和智慧化管理，这里就详细说下每个阶段的重点：

  （1）信息化建设：实现线上化、云化，主要涉及系统建设，如ERP、CRM、MES系统等，以及IOT物联网建设。企业在这一阶段，通过良好的系统建设实现核心业务线上化和云化。这部分我们一般理解为系统驱动。

  （2）数字化运营：此阶段要解决的是信息化建设中存在的数据孤岛、流程孤岛问题，从业务流程的视角，打通数据、部门的壁垒，实现业务协同和运营的数字化。这是当前数字化转型的重点和难点。

  通常，大多数RPA的场景建设，过于关注L5的任务自动化，缺乏对L3流程的视角，从L4各个流程节点全面设计，更缺乏从卓越运营的角度，实现整个业务流程管理的数字化建设。如下图七所示：构建超自动化的业务运营管理平台的核心思路，就是把卓越运营、流程服务、超自动化有机地结合起来，实现数字化运营。这部分我们一般理解为流程驱动。

  （3）智慧化管理：在实现数字化运营的过程中，企业积累了海量优质数据，包括业务数据和流程数据，这一些数据又和业务流程L3-L5紧密相连，通过AI和大数据技术，尤其是大模型的加持，形成行业垂直领域的大模型，实现AI的应用从被动变成主动服务，使流程变得更智能，例如智能决策、创新辅助、智能引导、智能预警、智能调度等。这部分我们一般理解为数据驱动。

  （1）场景挖掘：在To B服务中，通常我们要帮助客户进行场景挖掘。这里的场景通常指的流程挖掘或者任务挖掘，关于他们的区别参见下图：

  金智维在RPA领域十多年的经验积累中，总结了一系列场景挖掘的方法，可针对不一样的客户，不同业务，不同阶段，综合使用这一些方法，获得较高的投资回报率。

  流程优化是专业度比较高的环节，国际上很成熟的有精益、六西格玛、卓越运营等方法论，通常经过培训的业务人员、IT人员，在专家的指导下能够直接进行初级程度的流程优化。

  通过本文的研究，我们大家可以得出以下结论：流程挖掘技术在数字化转型中具备极其重大的应用价值，并且随技术的持续不断的发展，其应用场景范围将更广泛。不过尽管流程挖掘技术在数字化转型中具有广泛的应用价值，但也面临着一些技术挑战。例如，怎么样处理大规模数据、如何保障数据安全等。

  针对以上问题，金智维也提出了对未来研究的建议：需要加强对数据安全和隐私保护的研究，并加强完善流程挖掘技术的应用场景。未来，金智维也将持续探索流程挖掘技术，重点研究更多行业应用场景，为公司能够带来更多可见、可量化的业务价值。