大約100年前，弗雷德裡克-泰勒、弗蘭克和莉蓮-吉爾佈雷斯等著名人士對時間和運動的研究開啟了科學管理的時代。這些世紀之交的研究目的是最佳化任務--從砌磚到工廠車間操作--以創造理想和高效的人類流程。自這些早期的研究以來，流程最佳化已經得到了顯著的發展，並且在流程理解大幅擴充套件、計算能力更強、新的分析形式和大量新的資訊來源的時代，流程最佳化將變得更加突出。它將成為數字化轉型的一門核心學科。

流程挖掘：細緻研究電子流程並最佳化人力和電子部件的能力 -- 最近才作為一門獨立的學科出現。它源於荷蘭科學家Wil van der Alst的工作所帶來的流程改進舉措和分析技術的進步。

流程挖掘與業務流程管理(BPM)密切相關，但它更多關注的是當前的流程和它們的實際執行情況，而不是流程模型。它從電子流程管理系統中獲取現成的日誌，並分析這些潛在的大量資料，以確定當前流程的實際執行情況，它們是否偏離了旨在管理它們的模型，以及是否可以對這些模型進行結構性改進，以提供更高效或更有效的結果。

隨著實時資料分析的盛行，對業務流程進行深度分析並得出實質性效益的能力也隨之提高。現在，流程挖掘可以結合大資料的方法，透過交易日誌和記錄操作等實時資源來最佳化資料。儘管它現在的它還屬於新技術，但隨著實時分析和大資料解決方案變得更加普遍--以及基於人工智慧和機器學習的新興分析技術開始影響最佳化結果的科學，它的重要性正在增加。

流程挖掘居於流程相關工具的星系中，包括商業智慧、業務活動監控、複雜事件處理和企業績效管理，以及CPI、BPI、TQM和六西格瑪等質量相關舉措。透過檢視當前的流程，可能是實時的，流程挖掘可以成為所有這些流程相關工具的有力助手。在人工智慧的支援下，這樣的系統可以為持續改進建立一個骨幹，並在流程可能受到新的壓力或要求，或者在流程失敗時提供預先警告。

適合數字化轉型

流程挖掘和數字化轉型之間的聯絡是引人注目的。人們早就知道，有效的業務變革取決於當前對實際業績的瞭解。細節越精細越好。業務流程的最佳化是數字化轉型的關鍵目標。從流程挖掘中獲得的對數字化轉型有利的見解包括：

通過了解元件、行為、阻塞和它們之間的互動，提高將流程整合在一起的能力。更好地實現綜合流程的視覺化，以確定重疊和潛在的路障。更好地理解動態環境的影響，以及變化是如何影響數字流程的實際效能的。提高靈活性，以確保瞭解並適應流程變化。

流程挖掘將上個世紀的效率目標帶入到今天的數字化背景下，提供了一個重要的工具，將人的流程和數字化流程結合在一起，並評估如何協調二者的關係，以獲得更有效率和效益的結果。對於數字化轉型來說，它可以幫助你設定目標和優先順序目標，並能提供持續改進的手段。

發展軌跡

流程挖掘與物聯網分析一樣，依賴於對日誌的即時訪問和對日誌及管理系統其他數字輸出的實時分析。雖然在方法和內容上有很大的不同，但建立連續分析日誌資料的方法論是流程挖掘和物聯網的共同點，這確保了這一領域將快速發展。

日誌分析是一個反饋系統，可以提供一個良性的改進迴圈。這樣的迴圈，如果應用於業務流程，很可能帶來極有價值的收益，但也需要高度的數字化。必須建立、處理和儲存日誌。還必須從數字、數字/人混合和機器人流程中建立更多的資料，以便對它們進行有效分析。

目前，包括Gartner和IDC在內的領先分析公司已經對流程挖掘產生了興趣，並且有一些早期的軟體平臺，如Celonis（由an der Alst創立）和Fluxicon。這種方法還是比較新的，但隨著我們進入人機混合操作和萬物數字化的複雜時代，它確實提供了一種考慮業務流程最佳化的新方法。