#14 聊聊流程挖掘｜企业流程的“X光机”（上）
57:42 Share

它其实就是帮助企业能够做一次非常细致甚至于到 X 光级别的这么一次整体的巡检或者说我们叫一次体检欢迎收听由科技慢慢拍和 AIGC 开放社区联合出品的播客节目今天我们想聊一个在流程管理领域或者流程优化领域非常新的一个技术我们把它叫做流程挖掘

以前大家可能更熟悉的名字叫做数据挖掘可能很多人都听过到底流程挖掘跟数据挖掘或者跟流程优化或者流程管理到底有什么样的关系这项技术我们在企业中到底是怎么应用的今天我们请到的是国内的流程挖掘的头部的公司也是流程挖掘这项技术在国内的引领者的旺凡信公司的两位我们这个

帅哥天团两位领导者一位是来自旺凡信科技联合创始人的于天宇余总另一位是旺凡信科技咨询合伙人汪志鹏我们先请两位跟各位听友打个招呼好吧非常感谢您的介绍我这个是来自上海旺凡信科技有限公司的创始人之一我叫于天宇我在公司主要负责的是运营和营销方面

今天很高兴能参加王老师这个节目其实已经收听了好几期了然后也觉得说能够跟大家一块去分享一些新的技术然后展望一下未来大家在放松的情况下来谈一谈现在新技术的一些困局和一些希望的点我是觉得很荣幸的能够参与其中我也希望说在这当中能多学习一些东西吧好 谢谢

志鹏感谢科技慢慢拍和 AIGC 开放社区尤其感谢王老师的邀约我是来自万寒性科技的汪志鹏我今天也是非常开心能够和大家一起来去聊一聊流程挖掘聊一聊我们对一些新的技术的创新怎么这样帮助到咱们的企业帮助到咱们企业的一些管理谢谢大家好 谢谢因为上次我记得我们见面可能是 21 年年初吧我记得当时

公司可能刚刚起步吧我作为一个旁观者啊也算半个从业者吧目前来说呢感觉万万新呢这些年的发展还是不错的

但是我觉得可能对很多的我们的普通的比如说科技爱好者或者从业者来讲留声挖掘这个词可能还是相对比较陌生一点我想就说看看是不是余总能够给一些小白的听众能够通俗的介绍一下什么是留声挖掘然后以及它这个名词到底是怎么来的以及它目前的价值或者意义所在

我借用一下流程挖掘行业当中一直以来的大家的一个通用的一个比喻我觉得可能对于技术爱好者来说是比较前线易懂的对于咱说小白或者普通的听众来说可能在我们的民生方面其实都经常遇到过我们经常把流程挖掘这个技术比喻为企业的 X 光机

那么在现在的这个企业的运营和流程精益化的这种要求之下或者说在这个大环境

在趋稳的情况下大家越来越讲究的是在流程调整方面要进行精益化的一些操作我们的这个流程也好我们的企业运营也好要越来越精细要能够看到的问题要见微知著那在这个情况下我们也技术方面我们也要不断的提高那我们就产生一种新的技术能够让企业先见到微小之处

那么我们认为流程挖掘在数据的这个世界里头就是这么一项技术它其实就是帮助企业能够做一次非常细致甚至于到 X 光级别的这么一次整体的巡检或者说我们叫一次体检

通过数据分析的方式我们可以完整的还原出来一个企业运行的整体脉络我们如果把企业当作是一个人他每天有不同的事情要处理他有很多的运动要做那么到底他的身体当中的每一个脏器每一个部门之间是怎么协作的

流程就像是血液就像是骨骼一样它支撑着整个这个人体在运动之初到底每一项事情是不是都能够传达的非常的顺畅其实这些信息藏在我们的血液当中那我们需要通过血检我们需要通过 X 光机我们才能够看到一点点小小的病灶在它发展成一个巨大的损失之前尽可能的阻止住它

这个其实就是流程挖掘这个软件服务于商业世界的一个初心所以作为一个数据分析软件它其实就是要帮助到我们企业快速的诊断并且定位到一些还处于微小阶段的一些病灶并且快速的能够做一些预知性预防性的一些告警或者分析

溯源到我们真正问题的根本然后快速地剔除掉它这样子我们的企业从长治久安的角度上讲才可以稳步地发展所以在现在这个阶段精益化运营需要的这种数字化工具我觉得流程挖掘是一个非常首推的一个产品

大概是这么一个简单的介绍那我也就借着咱们余总的话顺着往下讲刚刚余总其实讲了一个比较浅显的一个说法就是流程挖掘像是一个 X 光机来帮助去补全我们去发现其中的问题咱们说要治病咱得先看病把病灶先摸清楚对吧

那这个所谓的 X 光机它的一个原理咱们可以后面再讨论我想先说一下为什么会出现这样一种情况就企业为什么需要去用到这 X 光机也是因为我们企业其实目前咱们要看一个国内企业发展的大环境就其实都一直在学习

首先是学习外企那些先进的管理理念再到我们发现国内其实也有流程做得特别好的企业例如华为对吧这些公司那么逐步的企业也都不断的在发生所谓的结构转型从职能型打破部门墙往流程型的这么一个结构进行转变

可是这个转变的过程你会发现很多人尤其是管理者他其实并不能把流程说清楚他说不清楚为什么因为站在管理的视角很多的流程是有断点的他可能很难站在一个全局端到端的视角去把问题讲明白讲清楚第二呢因为所谓的位高权重啊他可能也会对很多的模块很多的业务领域那些因为

实际执行流程人他经验优先所导致的隐性流程那些不透明的流程他说不上来啊他说不上来对那还有另外一层呢就是在这个转变的过程中啊往往会出现啊我其实也只是有个方向和想法但是具体怎么做啊大家都没有摸索着出来所以都要摸着石头过河导致在流程型结构的转变过程中流程的 owner 他不是很明确啊

或者说流程的改进老板虽然说得算但是并没有一个关键的责任人这会拖慢对业务的响应的这么一个影响所以我觉得这些其实是当前很多企业无论上至管理者还是下到一些忠诚的管理干部他都是没有办法把这项流程说明白的

那没有办法把流程说明白那势必就希望去找到一款技术或者说一种方法甚至说一款工具和产品来帮我们像体检一样去照一个照一照拍个片子啊这就是我们讲的说我们经常把流程挖掘比作 X 光机的这么一个原因因为我们确实能做这么一件事啊

这是我想补充的据我所知就是流生挖掘这个词其实也是有了好长时间包括我之前也访问过咱们的官方网站网站上其实也引用了就是流生挖掘之父是荷兰的一个科学家是吧对对他叫 Valvander Aster 嗯

它那个是荷兰的名字所以它其实我看在 1999 年就已经其实开始领域了但是好像领域一直是不温不火我不知道最近是什么样的一个契机或者什么样的一个情况导致技术可能在这两年比如在国内不管国内外好像就开始很流行起来了我其实经历了这个东西它刚开始从不温不火到它火起来然后在国内的整个的过程

那么在刚开始他这个不温不火的时候其实我知道因为那个时候其实是 09 年 09 年的时候呢我们就在我们的世界里头其实都还很深远的时候我们不知道流程花绝但那个时候呢这个学科已经被创造出来了就是说那个时候在荷兰的爱因霍本大学其实就已经在学

有这门课当时这门课其实对于我们所有人来说那就太遥远了我真正注意到这个东西的时候其实在国内的世界环境里的可能都要到 16 年 17 年的时候

那个时候随着 SAP 在国内其实是传了一波流程挖掘这个事情的那个时候我是作为 SAP 的雇员我才接触到说原来有流程挖掘这么一个东西但是那个时候其实我们如果想想技术的前瞻性的话那个时候国外的流程挖掘已经

已经活得一塌糊涂了就恨不得很多的这个公司都在到处去问流程化剧这个东西于是当时我作为一个创业者其实我去了一趟国外我就想看看我非常喜爱非常热爱的这个技术我的眼光跟这个世界之间到底是否断代我想去看一看

事实上当我去到流程挖掘世界的第一厂商 Ceylonist 它的峰会的时候我很震惊于当时峰会的屏幕上写了一个数字那个数字才是真正映射了或者印证了我对于世界范围内对流程挖掘的需求的这么一个火热程度他写了一个 267 这个数字这个什么呢后来就是 partner

就是这个 partner 都是一个 global 级别的一个 partner 就是 267 家 part global partner 今天来到这个会议

就是来参加当时这个 18 年的这个斯洛尼斯的峰会但我估计当时国内都没人听过这个名字斯洛尼斯对对对当时当时给我印象特别深刻的是在这场会议上第一个孤单感孤单感特别浓重因为就就就没有国人嘛你看看个黑头发都新鲜那第二个呢当时我见到了这个华为华为的人因为你想这个

在他乡遇故知能碰到这个国人其实非常少见了当时见到华为那华为在我心目中在我们的很多因为疫情也好因为这个商贸环境也好我们的这个技术慢慢的不会去看最新鲜的技术而我们讲的是落地性实用性技术的时候其实国外的展会上面的这个国人是偏少的

而且这个趋势是能够看出来从刚开始我们还去展出参展到后来的我们连参展的人数都在缩减然后到后来没有人这个趋势其实我是随着多年的去国外的参展我是看得出来的那个时候还能看到华为的人我觉得非常的亲切那个时候我也很沾沾自喜的从一个普通人的角度说终有一天刘成华觉得会进国内的你看华为来看了华为来选品了

那个其实是坚定了我觉得说流程挖掘这个东西在国内它其实是有一片非常非常大的沃土的因为回首想一想我们十几年的从业经验当中其实一直都围绕着信息化这个主题没变过

对吧大家都在做信息化做数据化阿里提出中台然后大家在中台上进行新的角逐做数据湖其实大家从前期的信息化移到后端的这个数据然后再探讨数据如何利用这个过程当中流程挖掘就像是一个宝藏一样它已经等在远方并且我们知道它必然有一天会用到因为它是一个数据应用了

就是前面产生数据的做完了数据存的地方大家也思考过了那下一个问题就一定是数据该怎么用起来了对吧那我可以看到的就是在未来流程挖掘它必然是一个有潜力横更在那里的一个巨大的一个商业宝藏就是关于数据应用层面的这么一个平台化的规模已经出现雏形了

所以在那个时候 18 年的时候我就认为说哇这个没选错哈咱这个眼光起码这回真的没选错所以再到回来我们开始创办万凡性科技然后呢开始说我们不但

要有一个中国自己的流程挖掘同时我们中国的流程挖掘要做出能够符合中国国情符合中国的流程思想一个优质的流程挖掘产品这个是我们一直以来以产品为核心以客户的需求为核心的两个东西的宗旨

就是要有一款中国的符合世界级的最好的流程挖掘产品的一个初衷那在这一路路走来到时至今日我们发现大家都开始问流程挖掘到底是什么流程挖掘怎么做

我们遇到流程的问题遇到瓶颈的问题了所以我没有十几年从业经验但是从这五六年后面这五六年从国外火再到国内火我其实是一个亲身的经历者和一个见证者我是看着大家对于说我信息化都没做好再到我数据不知道准备怎么样再到我流程确实有问题了再到

这流程挖掘能不能帮我梳理一下流程再到今天我就要上流程挖掘只是选品的问题这一步一步的阶段其实每一步我觉得我都留下了脚印和汗水的同时我也见证了这一步步走过来确实是变化挺大的这几年

感觉呢就是中国的信息化已经走到这一步了那自然可能国外几年前流行的东西那可能自然这几年也就会转入到国内志鹏你看你有什么补充呢我也带一下我自己个人一些从业的经历来说那我最早其实在甲方在企业里面做的

当然是在外资企业外资企业其实录制的时候一定会有你的老板或者说你的同事给你一个像 SOP 或者说类似于 SOP 的东西说你看你的工作就按这个来你也别把它你也别把它想得太标准因为有很多东西是不在这上面的但是最起码这个东西能给你一个方法你能

一葫芦画条把事给做了那是我第一次知道流程按流程办事你其实是有一个指导手册的这就是类似于 SOP 的东西不一定是标准的 SOP 好那么做这项东西以后做熟了我会发现这条流程或者说这项工作这么做好像写的也就那样吧我是不是还可以再补点东西

于是乎后面随着我工作的变化我慢慢变成像咨询的一个岗位加到去咨询公司变成我是给那些干活的人写类似于 SOP 这种文档的人了那个时候就其实或多少开始去做这种流程梳理的工作这是我最早跟流程搭点边的一些工作事项

有了这些事项以后我们慢慢会发现这一整套的思路和方法其实挺不错的如果从执行层面来讲的话我既然把这些都标准化了把这些工作都可以以一个非常标准的这么一个过程记录下来的话是不是可以上 RPA 上点机器人来上这种程序来帮咱做事所以后面我不就又去了 RPA 公司那个时间段差不多就是一个从 1213 年到 17 年左右的这么一个转换

1617 年其实 RPA 在国内很火的 RPA 项目一方面从服务上的角度它能赚钱从客户的角度从企业的角度它确实能解决很多能够创造价值的一些事情所以它当时很火热火热到后面我们会发现其实开发 RPA 不是个难点难点变成了我怎么样去找到我应该开发这些自动化的场景

我怎么从我复杂的业务中去梳理出我可以让机器人让这种自动化去上线的这些场景出来那个时候我记得我们当时那家公司提了一个叫做 discovery boat 的概念那个其实就是很多 IP 公司当时都非常火热非常追逐的一个流程挖掘在任务挖掘这一项技术那个时候算是我第一次知道了流程挖掘这个东西

但是我们知道了以后无论是软件的 RPA 厂商还是资本房其实就已经把这个概念给带火了我觉得这是我从业经历以来我能感受到流程挖掘火起来这么一个节奏大概就是伴随着 RPA 的这么一个火热伴随着我们也碰到了 RPA 实施过程中的一些瓶颈伴随着我们在做流程治理在做流程运营管理的时候我们碰到了一系列难题

我们自然而然就会找到原来有这么一个工具其实海外早就用起来了能够在这样一个实务中帮助咱们去解决问题我觉得这是有一个这么一个从业务的视角上我们自然而然产生了对它的需求我觉得这是我从业能感受到的

那真正如果在结合当时就结合我现在在这家公司我之前做了一本这个流程挖掘技术发展的这么一个研究我发现这个节奏其实跟海外是不太相同的这是国内好像就是突然就很火而且好像似乎这个东西就已经成熟了但其实在国外它发展了特别久

早在文献可考的这么一个阶段 1995 年的时候就有一个是美国科罗拉多大学的一个博尔德分校啊有两位学者两位学者他们提出了说用这种呃

事件数据的方式去进行流程发现的这么一个学术概念因为说实话我们都知道数据挖掘其实是属于数据分析的这么一个大的范畴和学科这个其实是统计学啊等等一系列学科的延伸这个是很早的历史了但是在把这种事件数据应用到流程发现上来讲的话最早文献科考的是 95 年

所以时间是很早了 那个时候可能不要谈国内的怎么数字化了连做信息化的企业可能都是非常少 因为我们改革开放可能也没多久嘛在那个年代 对 然后到了 99 年的时候 我们讲说现在最推崇的一个叫做荷兰的这个科学家阿斯特教授 阿斯特教授他就是我们定义的这个流程 尊称他为流程挖掘教父啊

他是在一份研究提案里面首次提出了流程挖掘 process mining 这么一个概念但是一直都是学术领域的一直是不温不火因为他只是一个概念而已他是希望去解决他们在做一些业务流程建模业务流程管理的难题的时候所提出来的一套概念方法可能学术界都没把它想明白就更别谈去商用了

但是又因为这个是科学家教授他在爱因霍温大学提的所以他一直当做他的一个课程和一个研究课题在一直去做相应的研究

一直直到什么时候呢直到 08 年他们不断去丰富了无论是这个他的算法还是说去构建模型的这种方法这个其实都做得很深了因为从 99 年到 08 年差不多也做了快 10 年的时间于是乎在 09 年

这个全球最大的一个叫做非盈利的这么一个学术专业委员会叫什么叫电气与电子工程协会 IEEE 它成立了一个流程挖掘工作小组也是全球首个关于流程挖掘学术社区这么一个学术社区这个就有意思了因为这个小组呢

是由一系列的软件制造商比如说 IBM 咨询公司比如说四大比如说这些管理很出名的还包括了清华大学这些研究机构还包括了一系列的最终企业用户们共同投资组成的而不叫投资就是投入资源组成的

对那 09 年于是乎在国外自然而然的就形成了这样一个小型的生态然后慢慢的有了自己的一些受众但是这个国外的发展也不是那么的快因为我记得井喷式的国外的这种厂商的发展也是要到这个小组成立的三四年后了在差不多一一年一二年左右

包括我们现在有时候能想的一家厂商叫 Salonis 它其实也是 11 年才在这个德国成立的并且它之前一直都是和 SAP 合作并且某种程度上来说是 SAP 孵化出来的那么 11 年成立到 17 年 18 年之间其实并没有发生太多波澜转过关于流程挖掘的事项直到

直到出现了一件大事啥事呢这个机器人流程自动化的企业 UiPath 他当时收购了当时号称全球第二的一家荷兰的领先的流程化机构以上 Process Gold

他把流程挖掘和 RPA 其实是流程挖掘部分的一个概念叫任务挖掘和 RPA 的功能整合到了一起去提供一个这样的规模服务这个时候资本市场也开始发现这一条赛道似乎有搞头有搞头对对对对再加上那个时候 Celantis 也确实很强他在半学期跟 ICP 共同孵化的过程中到了 20 年他也推出了他也是收购了一家厂商收购了一家厂商以后推出了一个叫做

企业执行管理的这么一个平台是结合他流程挖掘能力一起的去进一步我们简称叫 EMS 这个应该也是很出名的去进一步来帮他的产品去来实现对企业的流程管理的效率所以你看从 95 年 99 年提出概念到一几年的时候厂商成立再到真正 1819 年资本市场率先火爆再到这个企业去接受他的这个有价值的服务其实是花了很久的时间的

但是也是因为这段时间国内我们的信息技术在高速发展我们其实也是大步的去推实现了我们企业的信息化甚至说数字化的转型我们又自然而然的在这个节奏上跟海外的节奏去一致了像刚刚天宇提到的我也是很受他们这个故事的鼓舞的就是说去到了德国他们在德国当时说

放眼望去几百号人没有一个中国人除了华为他说这个东西又感到骄傲又感到很很很很失落吧就骄傲的就是其实中国早就有企业已经在用这玩意儿那失落就觉得说明明我们有这么大的市场这么多的企业怎么就只有个华为呢所以我相信这可能也是他们

就是咱说的开句玩笑叫有但不多你回头就发现其实很多领域真的只有华为对就是

很高兴在那里见到华为但很悲哀的是在那里也只见到华为对所以我觉得我甚至都怀疑他们是不是在那个时候就萌生了要再回国创业办流程挖掘这么一个念想我当时我当时那会的时候的创业身份还真的不是说咱自己做个产品那会我想法特别简单就是你这个 Celonis 好

然后国外高中低档的流川挖掘百花齐放什么面都有我费劲巴拉的回来创业自己做个产品康生康生还不一定能够成功

我为什么不直接代理一个呢所以我那会想法特别单纯就是说我想看看这个国外的产品能不能引进回来来做当时当时咱们说这个国产化的风潮和这个呃我们的这些信息安全这些东西当然还没有今天这么这个受到重视哈那那个时候还是想到这些数据分析的东西是不是能够引进国内来毕竟他确实好对于企业的运营这些现状的发现是一个特别现成的东西

所以当时是以这种身份想法去做这事的其实现在复盘价也没几年嘛就是从 16 年 17 年到现在也就是差不多七八年的时间所以我觉得这后面的七八年流程观就在国内基本上就是我们现在能描述的国内的这么一个一个节奏了嗯

我再补一句吧因为刚才一直提到 RPA 我怕有些听众不知道 RPA 其实是机器人流程自动化的缩写其实可能刚才没有谈到太多技术其实技术来讲我理解是基于一些日志的分析对吧流程日志的分析然后来去解决其实在你像之前做

做这些日志审计的你比如说 Splunk 这种做日志的运维的包括一些系统层面的监控其实利用日志来去形成一些所谓的处理流程其实这个在科技领域是常见的而且这个是可能历史会更早其实我们刚才讲到的是把这些我们的数据用于业务的分析领域可能这个是比较新一点的

很早就在用日志了但是怎么把这些日志用在所谓的业务领域而不是什么监管或者说这种 IT 的监督领域这个确实是之前都没有想到的而且我稍微补充一句您刚才提到 Splunk 这个话题我其实一直都非常感兴趣曾几何时那个时候我非常觉得说咱国内到底有哪个行业或者哪种技术是碰日志碰得最多的

对吧当时只是单纯的觉得这个碰到日志那是不是就等于说他天然的有一个呃

取数的一个优势或者说他对数据结构的一个理解的一个先天的一个优势那你想咱们国内的厂商比如说像日志易对吧这都比较出名的能够碰到日志的这个这个听云云智慧这样的这个做做运维的对吧他也是这个日志的里头的这个好手那当时我也是这么想的但是随着这个我们接触到的案例也好我们接触到客户以及我们自己在这个

不断的孵化我们自己的同时我们发现对于业务的理解才变成了一个真正的核心的竞争力真正流程挖掘当中我们发现对于业务的理解其实远胜于说取数这种相对来说的日制这种的技术问题

因为技术这些问题其实都有一些方法可以去克服可以去慢慢的去调整对吧我们的技术方案但是对于业务的理解一句话的偏差解析这些需求然后呢如何附用回业务以赋能这种真正对于客户能有获得感的东西

其实是千差万别的是隔行如隔山的这个我是深刻的感受到了这个不一样的地方我常常我特别接受说我也特别认可说这个业务很重要但是其实技术呢也非常重要因为咱实话说流程挖掘也好或者说其他的什么技术也好都是会有技术门槛的

咱也不是说流程挖掘有了日志咱就能干一切那之前这么多的企业比如说做 ITSM 的他其实拿的全是日志甚至能创造日志但是他为什么不能做流程挖掘的活呢也是因为这个技术门槛在哪首先呢我们传统的一些技术比如说什么阿法算法呀 Petro 网呀这确实能帮助我们将日志去做成这个我们

流程挖掘所需要的模型把我们所谓的什么流程图也好再通过什么 DFG 的这种框线图的形式这种直接跟随图的形式把它画出来确实这些技术是开源的大家都能去研究到但是并不是有了这些技术就一定能够拟合出一个特别好的这种所谓的流程模型

我可能还会考虑到这些日志拿过来以后我需不需要比如说从日志中去挖掘除了那些 IT 系统记录以外的一些信息能不能挖出来比如说什么权责比如说用户的角色比如说各个用户之间如果做一个这个用户角色存在的话他势必还要去挖掘出他们彼此的联系我们把它叫做社交网络这里面其实会涉及到一系列的算法的

这些算法还有包括它拟合度的高低等等并不是说我用个开源的技术随随便便就能给你画个图把这些信息全部呈现出来的它也是有门槛然后去把最终一个结果呈现出来的具体就体现在产品的呈现方式上了所以你看哪怕在呈现方式上我也会出现有很多开源的

这个流程挖掘的工具或者说平台它是只是套用了 BPMN2.0 式的这种图形那有一些企业就能画的比 DFG 这种直接跟随的这种流程图更高级一点它甚至能画出涌道图对吧那有一些是从左往右排的就阅读性很差有一些是从上往下排的甚至相同的节点或者说相同角色的这一系列的这些活动它能够排在一块啊

虽然有一些专业名词在里面但是我们就想表达并不是说有了这一套基础的技术我就能做出很深刻的产品或者说东西出来的还是会有一些技术瓶颈在的

肯定我举个例子比如说我们行内人都知道的咱们就提到刚才教父 Will Wender 他们学生当时都传我不知道信息准确不准确他们学生做了一个内部研究用的这么一个流程化学你想流程化学教父自己指导做的这么一个是吧 Disco 那款产品

那个产品你想它还是流程挖掘之父它从学术研究的角度或者从它难道做不出一个标准的流程图吗或者说它做的这个东西不准确吗可以的没问题但那个东西我们所有人都知道那东西没法商用

就是它距离商业世界然后再到这个东西要封装要商用要有足够的这个数据下赚和数据处理能力天差地别但那个东西你说它难道不是根红苗正吗它一定是这个还是有非常大的一个差别的其实我觉得这个也很好理解因为刚才

天悦比作 X 光机啊就是你有 X 光技术对吧和你能造出一台给医院能用的机器这台机器能够去协助诊断其实这个肯定是有肯定是有差距的或者这个是商业化的过程是一个很长的漫长的过程哎

我其实有一个问题还挺好奇的就是说你看咱们做这个 AI 的技术其实你往上倒推其实都是来自深度学习的这种一些算法呀这个积极学习的算法我不知道就是说现在所有的市面上的

就包括万凡信本身的这些的这个留声挖掘的产品那它的底层逻辑还是来自于原来刚才讲到的荷兰这位教授或者科学家的他的理论基础吗还是说这个过程中其实已经开始分门别类这个万字千红了

其实是已经百花齐放了因为我们先澄清一个观点就是学术领域的研究和商业领域的研究它的侧重点一定是不一样的学术一定是会做出各种假设然后去尽可能的想出一些场景研究的方向但是商业是讲究实打实增进扳影投入要有东西产出的

所以这会导致双方的研究方向完全不同具体体现在哪里我就先讲一个点比如说对于事件日志的这么一个处理比如说在技术和算法上比如说对这个事件日志的处理事件日志就是我们去做 X 光的基础就是我们做流程挖掘的基础我们从系统中导出了一堆的事件日志这些数据这些数据大家去想一想

我不管是什么数据不管从哪个系统导出来它绝对不只记录了一件事它其实会把我各种各样的活动和操作都记录下来的这就是我们世界日志的现状

学中介通常会做哪些事呢首先第一将这一大盘的这一桶的数据他先做个划分他会有日之划分的技术比如说从这其中找出彼此的特征分出模型 123 它可能代表着不同的业务类型

然后再根据时间认知去做一定的轨迹的聚类把一类的放在一块当然可能还会考虑到我可能拿的数据是一个时间段的我还考虑到它在这个时间段之前和时间段之后的一系列的可能性我可能还会做一些概念的漂移还会做一些概念的漂移那么这其实是学术界在对我们这个时间认知处理所可能考虑到的若干个方向也可能只是部分的方向

但是商业上第一步对不起我想告诉大家绝对不是考虑这个他一定考虑的是这一大桶数据我能不能放得下

我们假设说我们今天的目标客户是一个整车制造企业一年几百万台车下线如果从零部件的视角去关注它的采购流程的话零部件可能几万个甚至几十万个我采购量可能就是几百万条采购如果每个采购都有行为的话可能也可能采购一个品类的东西路库到最后完成结算上线去做生产的话可能有几十部大家想想如果按一行就是一个任务来记录的话这个日志量

可能是按 TB 来计的这么庞大的数据首先第一步商用要考虑的问题就是这么大的数据丢在哪的问题丢进去以后第二步要考虑的是这些数据我如何快速的把我要的资产信息给抽出来我难道丢在一个关系性数据库用便利的方式去把所有数据拿出来吗这效率大家说实话玩用数据库的都知道玩这个数据都知道这效率低的可怕

更不要提说我简单的基于里面的规则拿出其中两列例如金额例如这个单价或者数量我进行简单的加减乘除并且要快速的把结果呈现在我的前端那对不起这个可能传统的关系数据库虽然能做但是很卡

我在企业现状我可以接受一个简单的计算需要半小时一小时才给我答案吗不现实的你看这就典型的呈现出了在学术领域和商务领域大家关注的不同的方向我们商业领域可能会关注的问题是什么第一我如何让这个数据能够被我承载

我可能要攻克的不仅仅是什么模型提取的问题我可能要攻克数据存在的问题所以你看现在大家很流行讲说用劣势数据库比如说 ClickHouse 来完成这些工作我哪怕找到了一个类似于开源的劣势关系型数据库 ClickHouse 第二我需不需要对这里面的

可以靠进行一定的二开来帮助加快我后面的计算呢例如我能不能去调有我的函数调有我的这个 pipeline 等等对吧那这个其实就是商业上需要做很多

可能跟学术上不同的创新的这也是商业领域可能没有办法去原用学术界阿斯特教授他提出来那一系列的算法我可能还会产生一些自己全新的一些算法那例如什么例如我呈现的流程图我不想用 BPM2.0 的这种呈现方式我希望画我们国内的时候能想那种涌道图的形式或者说 visual 的那种形式这个大家都能看得懂那就意味着我又需要去做一定的算法的调优和更新

以及大家如果都玩过流程挖掘的话大家会发现流程挖掘在各个节点各个环节之间是会用线条连起来的对不对

那有很多企业的线条像麻花一样拧在一起那有一些企业的线条就会很清晰有一些企业的线条甚至不仅清晰还会有颜色那针对这些线条的排列排列针对这些线条的分布是不是还会有一些算法去调优让它变得更加的可读性更强被用户所接受呢这都是需要在商业上去做创新的啊

所以仅从这个点我就想告诉大家商业上去推广流程挖掘要做的技术难题的功课可能会远比学术界来的多的多可能还会涉及到一些跨学科的一些问题或者说算法也好或者说技术也好的功课这样的因为我为什么问这个问题其实因为大多数有的我不知道有不会把你们归到人工智能领域的或者是因为这个领域现在比较火嘛

其实你会发现人工智能领域大家现在很多从业者在做什么事就每天要读很多 paper 要读很多论文对吧这个你应该了解因为为什么呢因为他这个学术领域的进展很快

他的我认为他的工程性很多人比如说我去做提示词对吧 POMT 对吧但是我可能还赶不上这个 OpenAI 自己 GBT 的进展过两天可能他做的提示词完全通过一个 plugin 就没有意义了也就是说其实我认为其实可能在我的观察来看其实可能在人工智能领域他的学术的进展其实

可能是更重要的对目前来看因为他的很多的这种学术驱动为什么很多大学老师出来充满公司对吧很多独立的研究机构他不是靠这些商业公司推动的其实我背后这个逻辑是说其实对于现在的留生挖掘领域到底是还有多少是靠这种学术驱动的还是靠这种工程类的驱动的我其实背后的想问的是这个问题

其实我听志鹏的意思其实是还靠工程驱动对吧就是现在不会有太多学术界给你出很多 paper 说告诉你们应该用这种算法然后把这个流程搞出来它并不是这样了是吧我从这个公司的经历的角度上讲吧

我们曾经思考过一个问题就是你看国外的咱们 Celonis 它的最新的首席科学官是 Will Wender 本人对吧那么国内的其实也有一批的教授然后老师

在很早以前就开始研究流程挖掘那我们也在思考说那我们要学习一下就国内的流程挖掘它的这个研讨方向肯定也是要跟企业去接触之后然后出自己的 paper 对吧它有自己的这个学术方向那我们总要去学习一下看看是不是能够借鉴一些更加适应于国内的这个环境的一些想法或者说是这个看的角度然后来做我们的产品

那实际当中我们发现就是真的学术和这个工程之间其实差别确实蛮大的比如学术之间比较关心的问题就是这个流程图我应该怎么做它看起来更均衡然后看起来更平衡的同时它展现的内容更多更细致

但是你展现的更均衡更全面的同时对于我们所有做流程挖掘真正做分析的人来说第一个问题就是你那上一团麻就全都在上面所有信息室都展现的很全但一团麻没法看那你在做这个数据切分做这些问题去进行下钻这些问题对不起跟我的这个探讨 paper 没关系

这块不是我的研究范畴这是非常正常的一种现象所以说研究或者说学术这个东西他做的一定要精深一定要准确他的定位那个点让每一个人都能看清楚我这个 paper 是为了什么我这一个几个月的心思就为了研究这个话题但是工程的发展其实变化非常的快

我们每天都在面对不同的这种需求我们每天在探讨的都是你看别家那个做的什么东西你看那个产品你们类比那个产品它的这种特性我觉得加到你们这会更好这种

商业上面工程上面这种变化速度其实跟学术之间是有一些脱节的学术我们可以认为它是有前瞻性的但这个前瞻性就忽远忽近没有办法被商业所左右或者掌控的时候其实就会有脱节这个我承认所以在国内我们曾几何时我们是期望说来看看国内的这种前瞻性的研究的这种 paper 或者教授的合作到底现在属于一个

什么阶段我们是否能够有所借鉴最后我们发现其实距离我们自己还是有很多我们自己的见解更加的实用一点我实话说

理解理解我觉得这个分析也挺到位的其实这里边就刚才大家一直把它比作 X 光机我是说我在 X 光机的科学领域我要达到一定非常高的程度还是说因为我要治病救人我不如找一个好大夫或者能看病的人或者能看懂片子的人所以我也看到新闻最近我看陈国老师好像也是会参与咱们的工作对吧

这个陈工老师加入我们我觉得是一个很重磅的星啊因为本身撇开这个 X 光机不谈陈工老师一直都是一个特别出名的好 DAF 啊为很多企业都提供了很多的咨询服务的对那么呃首先我们再先回到这个 X 光机本身那我们肯定是工程导向的

我们肯定是业务导向的为什么因为我们是一个特别偏向于业务的一个应用我们并不是需要结合着学术的方向而去改变我们的策略我们一定是结合着业务的方向我们去改变例如说新技术集合层面 IGC 现在很火 ChartGPT 很火

那我们并不会因为说这个方面火了我的产品就应该去做这方面突破是我要尽可能去想我虽然是 X 光机但我能不能跟 ChartGPT 合作不是我要替代它为什么你想我的优势在做 X 光那我能不能用 ChartGPT 来帮我解读我拍出来的报告呢

这是我们更多去构思的或者说从业务导向我们更去思考的问题我有了各种 AI 的技术我能把我的报告解析的更加透彻我甚至能够通过它去建立一系列的对标因为 CharterGPT 去公开的渠道获得信息的能力远比我自己去找能力来快得多而且它能够一步到位直接把一个特别好的呈现结果就放出来了

那这个比我们自己去吭哧吭哧搞个研究然后在这方面做的突破来的多得多那为什么我们不用这种更加这个快速更加和大家一起形成生态的方式去做而要自己去做这个学术上的超越呢这个我觉得不现实也不靠谱也不是一个做生意的逻辑这是第一第二呢 X 光机的问题解决了我可以把这个 X 光机

和 CTG 的功能一起结合我可以让它和核磁共振一起结合不只是做 X 光机的事那么接下来就是需要一个好代表为什么 Chad GPT 的成结果谁来验证它的准确性和合理性 Chad GPT 说的它可能非常的客观公允但就它一定适用于这家企业吗不一定

就好比我们去买个感冒药可能阿斯匹林可以治很多的病它效果也特别的好但我今天这一个小感冒就一定要去吃阿斯匹林吗不一定也可能我吃个 VC 就好了但这一系列是靠什么来判断呢可能不一定是靠 X 光剂来输出了而是靠一个特别靠谱特别懂我或者说懂这个企业的好大夫

那陈国老师其实是类似于这样的好大夫换句话说可能也不一定是陈国老师而是企业里面本身做这件事情一直以来累积的非常多对企业有非常强的见解的很深的洞见的这个业务专家们他有这样的能力把自己变成一个好大夫

所以换句话说如果我这一整套的设备我并不是给到一个专门的 IT 人员或者说管理者用而是给一个真正能力很强的这个业务专家用用在他自己所关注的业务上那是不是他能够获得见解获得一个更加精准的见解的能力会比其他人来的

更有优势或者说多得多呢所以刚才我觉得就是上一 part 就是我们谈到了本身流程挖掘这个技术的诞生关于本身刚才余总谈到的本身信息化的成熟对吧然后你这边志鹏谈到的关于自动化的这个发展其实本身包括企业数据的积累日日的积累可能这个都是促成了流程挖掘这项技术这个

发扬光大的一个这样的一个契机然后呢从实践上来讲呢其实我们是更偏于解决具体问题或者用户的问题并偏向于工程领域或商业领域的这样一个具体应用并不是那种学术的那种算法的研究啊并不是偏向于这个方面的因为我们要谈到给企业治病救人嘛那这个就存在于说到底我们这样的技术我们适用于哪些企业什么类型的企业

比如是大企业小企业还是说是那种创新企业还是流程稳定的企业我其实最早加入网盘信的时候因为我之前是甲方出身也在咨询公司做过也在软件公司做过所以我一直在思考一个问题我就软件卖给谁

卖给的那个对象他需要这款软件来干嘛如果我们把流程花绝先简单定义为一个软件的话那我带着这个问题我去尝试的和很多客户去聊过因为我们公司有投资人他其实有很孵化过很多企业有初创期的找过我们也帮我们前线做过很多大的客户那我会典型的发现第一初创的客户不需要我们

因为很多初创的企业本身的第一要义就是要在这个激烈的这个环境下活下来

要活下来的话,它要非常的灵活,要面临剧烈的变动,那么在这整个管理企业的过程中,它甚至都不需要流程,而是靠管理者本身,甚至说管理者的个人魅力才能让企业活下来。这种企业谈不上需要流程治理,谈不上需要什么所谓的制度,那就更谈不上说需要我们流程化学这个工具来帮助它了。

这是我认为在这种初创型的企业还是首要目的是为了活下来的企业来讲的话它可能暂时不需要我们

第二类是比较偏中型的我们从不同的生命阶段来讲比较偏中型的它可能已经在一个流程已经稳固下来它需要继续往前走这一类企业对我们的诉求有的但是也不多为什么这么去看因为它虽然稳定了但是它面临着一个战略的跃升就是我从一个旧的阶段跃升到一个新的阶段它可能还是需要去

不是去沉淀过往那些小的成功经验而是可能要去往大的这种规模去走的时候他需要去学习一些先进的经验过来德国中华区对他来讲可能更多的是锦上添花所以这一种中型的企业对我们来说也不一定是特别好的受众那就是大企业了

大企业为什么需要我刚刚讲到的无论是管理层看不清我们这个流程还是说它的管理需要进一步的去加深它的经营程度想把原来虽然管得起来但是管不好的流程管得更好一点又或者说大企业发展到一定规模有一些旧的业务要砍掉新的业务野蛮生长规范这个规范不明细质量称之不齐的这种

这些都是大企业希望去做并且他也有这个能力有这样的资源以及有这样的成本能够投入进来去做这件事的他才会变成刘承华爵的一个

才能定义为是一个流程挖掘的一个比较好的目标客群和目标客户这是从企业的生命周期来讲从企业的生命周期来讲的这种大型的稳定的甚至说是需要去谋求一些精益化的这种客户是我们的重点客户重点客户这个是大概的一个从生命阶段的划分从那个行业上觉得哪些行业是你们的目标客户这个可能要结合到流程挖掘本身的一个概念了

流程挖掘这项技术或者说这个概念这 concept 它其实是基于我们拿到事件日志去产生一些人模型然后在此技术上去展开后续的什么流程精英化六 Sigma 等等一系列工作的结合管理学的思想那么这个事件日志是什么它必须是要有案例号活动和时间戳的

这些特征决定了什么决定了我们目标客群它应该是偏向于能够提供一个确凿的流程的 ID 能够把整个流程串联起来的这种类型典型的离散制造典型的离散制造是或者说一些快销或者说是一些工程基建类的

但是特别偏流程型的就比较难了我举个例子我如果是宝钢我想关注我的生产流程我原料其实是买了一堆的矿石我丢到我的高炉里去炼出钢材这整个过程我是很难去从系统中找到一个 ID 来去锁定我哪一个矿石最后变成了哪一种钢材的这个很困难那这种偏流程制造型的它的所谓的生产流程对我们来讲就很困难了

但是你会发现如果他做的是采购业务比如说我今天买的是我宝刚的比如说办公室原材料比如说买笔或者说买办公用品比如说笔桌子或者说为了工程我去买这种什么一系列其他的这种材料你会发现这个其实又比较偏向于我能够提供 case id 活动和时间了

所以从这个维度来讲的话柳橙花卷会分行业吗

大的行业肯定会分但是它又不局限于那几个行业本身的一些特征一些因为辅助的一些流程也能帮助到的因为毕竟我们是从流程上来看的这个是从划分的角度我想去补充的但是事实上如果结合我们的从业经历来讲我们的客群来讲的话接触流程挖掘最多的客群有哪些首先第一制造业尤其是整车制造

他先天会关注流程的效率问题比如我什么时候接到客户订单什么时候能把车交出去这个又是属于离散制造能够提供相应的什么 KCID 活动时间戳等等的所以这种离散制造尤其是整车制造对我们来说诉求就特别的显著什么大众宝马这些我们都是耳熟能详的流程挖掘的客户

第二就是快速消费品那么他特别关注于无论是采购流程还是销售流程还是其他流程的这么一个这个叫什么这个

效率他希望非常快速的响应他的客户的要求所以他也会运用到流程挖掘还有一类就是和流程紧密相关的比如说地产行业我们除了建房子以外他其实有很多的提供给客户的服务是可以提供一个 idea 例如什么例如当我的一个客户到我的售楼大厅里面取个号

到他最后看完房交完钱这整个购房的过程我能不能去加速他的体验减少他跟我们的交流同时呢又能加速他最终下决定买房的这么一个决策这里面有很多很多跟流程相关的我能提供一整套的标准化服务给到客户让他来帮助

提高我的用户的满意度提高我的决策来买我们的房子这其实都是跟流程解密相关的这一类也是我们的重点客户还有就是科技创新企业咱不管说他提供的是啥服务他一定会有的流程就是销售流程

无论你是卖云服务也好还是卖硬件设备也好它都是一个销售流程它一定会是一个采购的流程那么这种科技创企本身一个又财大气粗人员又多又对这个流程本身又有一些要求所以它也都会在这个咱们这个流程挖掘领域去做一些尝试甚至说它自己还会推一些产品出来对那还有一类呢我觉得比较特殊就是金融行业因为本身我们也有一些金融的客户嘛

那金融行业可能尤其是在 C 端可能特别希望通过流程挖掘能帮他做些事例如说我记得有一个叫做取现流程我们作为储户我们去银行取一笔钱其实是比较容易的我可能把卡或者把存折给到柜台或者到机器里面然后把钱拿出来就好那如果是柜台的话我可能存折给进去钱拿出来我的流程就结束了

但事实上对于银行而言他要做的流程是很多的他可能第一要去做这个呃客户的背景的调查要去检查客户在我们账户的一个状况要去检查他的余额可能还要去做一系列其他的事情等等等等那他要做的事情很多但为了不让客户感感觉到这个过程很复杂呃并且减少我们对客户的诉求只要他拿个存在金来就好以及我要加速我帮他取钱的这个速度让他啊

让前面这些工作都做完以后我快速的把他的诉求给响应掉这其实也是有很多围绕着流程效率和客户满意度去展开的同时我还要兼顾什么我还要兼顾我金融监管的这一个合规要求我不是说你有钱我就给你的对吧所以你看他兼顾了这么多东西他其实也是一个流程挖掘特别

目标的这么一个受众所以金融服务行业有很多围绕着类似于给客户提供服务的都会选择用到流程挖掘这是我想分享的本次关于流程挖掘主题内容的访谈节目录制时间比较长所以我们分为两期播出这一期主要讨论了流程挖掘的概念和适用行业下一期我将会和嘉宾继续探讨他的行业应用以及他未来的发展趋势敬请收听

从白天走到黑夜从星空走到天间从爱情走到白首走过漫长的旅途一路上繁华似锦一路上无趣我多想用力拥抱每一个春天的你可是如何能拥抱你锋利的骄傲

你拧不开的我像荒原的野草可是如何能接受你话语中的道你诚实的选择让我只剩孤岛昨夜闲谈目可怜成半管家在我生命中留下黑地漫长如春天温暖的你

如冬日寒冷的心我多想用你拥抱在你身边留下痕迹可是如何能拥抱你锋利的角落你拧不开像荒原的叶子可是如何能接受你花雨中的道你城市的选择

讓我只剩孤單