采访、编辑 | 真梓、王与桐

作者 | 徐文璞

**

36氪此前发文，认为2022年第一个企服风口是RPA x 流程挖掘。一个佐证是，截止目前该领域已出现系列大厂收购事件。

2022.1 全球 RPA 三大厂商之一 Automation Anywhere （简称AA）宣布收购 FortressIQ，以增强RPA业务挖掘、发现能力，为今年的IPO做准备

2022.1 美国自动化标准品牌Decisions收购Process Diamond，推出首个智能流程自动化（IPA）平台

2022.3 Celonis宣布收购流程挖掘厂商Process Analytics Factory（简称PAF），以增强产品能力和扩大市场赋能范围

2022.4 微软收购斯洛伐克流程挖掘供应商，以发展其流程自动化产品

2022.5 微软对RPA产品Power Automate新增多项功能：流程挖掘、任务挖掘、托管RPA机器人、SDK接口、Windows11免费使用、在Power Apps中构建自动化流程等。

另一方面，在流程挖掘领域，国际标杆企业、市场份额第一的Celonis，2021年估值已高达110亿美元。而国内，从2021年开始出现了包括杰成合力、凡得科技、璇星科技、望繁信、熵评科技、优数腾等在内的专注于提供流程挖掘解决方案的流程挖掘公司。同时传统的RPA厂商，如来也科技、弘玑cyclone、九科信息、艺赛旗、容智信息、实在智能等，也陆续发布了其流程挖掘产品。其中，在资本遇冷的情况下，多家专注流程挖掘的厂商在2022年获得数千万元融资。

为了跟进解释流程挖掘究竟是何方神圣、可以解决什么问题、国内都有谁在做流程挖掘、现在遇到了哪些问题以及如何解决，日前，36氪发布新风向被SAP、IBM、微软盯上的流程挖掘，能长出中国独角兽？

由于流程挖掘是学科推动产业化的背景，加之不论对产业界还是学术界来说，其都算是近期国内出现的新兴事物。对于目前流程挖掘落地的难点是什么？国内产品与海外产品有哪些差距？市场前景如何？未来哪些因素将影响流程挖掘行业的发展？本文专访了山东理工大学计算机科学与技术学院刘聪教授，将对以上问题一一解答。

刘聪教授曾于2015-2019年间在荷兰埃因霍芬理工大学攻读工学博士学位，师从欧洲科学院院士、“流程挖掘之父”、Wil van der Aalst教授，进行流程挖掘理论与应用方向研究。2019年回国后，刘聪入职山东理工大学并组建了流程挖掘实验室，同时也担任了国内多个流程挖掘创业公司和行业媒体的技术顾问。

流程挖掘：从学术界到产业界

36氪：流程挖掘源自学术研究，有很强的科学属性，请您大致介绍一下背景。

刘聪：是的，流程挖掘作为一门科学或者一个研究领域，有它的传承。目前为止，它大部分的算法和框架，是建立在Petri网理论模型的基础上。大家可以把Petri网理解为一种描述流程的形式化模型，可以描述流程活动间的顺序、选择、并发和循环等关系。现在很多商业工具采用有向图来描述流程行为，然而有向图只能描述活动间的前后跟随关系，而活动间其他的重要关系（如并发关系和选择关系）则丢失了。相比有向图，Petri网与流程挖掘技术可以做到无缝对接，从Petri网理论到工作流管理技术，再到流程挖掘是一个学科发展传承的过程。

国内Petri网领域有两位宗师级别前辈，一位是北京大学的袁崇义教授，另一位是山东科技大学的吴哲辉教授。这是Petri网作为一门科学，在国内的主要源头。而流程挖掘本身是一个舶来品，国外的源头是荷兰埃因霍芬理工大学的Wil van der Aalst教授团队。所以对于国内的研究人员和企业从业者来说，如果想深度且高效地学习流程挖掘相关技术，建议跟进该领域内的专家大佬们的最新研究进展，并争取与他们深度交流学习的机会。目前为止，在国内流程挖掘领域一直深耕且较为活跃的科研人员，大都去Wil教授团队做过访问、博后或者直接读博士。这可能也是流程挖掘学科上的一个门槛，身临其境后才会很快上手并掌握其精髓要义。

36氪：这个精髓指什么？

刘聪：就是流程挖掘学科包含哪些东西，它的理论基础是什么，它是怎样发展起来的，哪些算法或者哪些模型对于推动学科发展起到了里程碑式的作用。

从科研角度讲，掌握这门科学的精髓或者核心，体现在是否能够以流程数据为中心对业务流程进行还原和分析，是否能够快速且深刻地捕获或者预判流程挖掘行业的最新需求，然后针对这些需求进行持续预研和攻关。具体而言，大家比较熟知的流程挖掘理论研究的标杆——Wil教授团队，不管是在荷兰时期，还是2018年后到了德国，一直都在引领本领域的发展方向，一个很重要的原因就是该团队在过去的20多年里能够一直深刻捕获行业的最新需求，并以此为基础持续流程挖掘理论和技术创新。据不完全统计，国际流程挖掘标杆企业Celonis的流程平台上大约有10个左右的算法，都是来源于Wil团队的早年的理论成果，把Wil团队的算法做了商业化。

36氪：这些算法要落地，需要经过哪些过程才能达到理想的效果？

刘聪：我认为整体分两个阶段。第一个阶段叫实验室工具，只做理想情况下的数据分析，并得到结果。这里面的数据一般假设没有噪声，十分完备，能够拿来直接验证方法的正确性和有效性。这是研究阶段的东西，主要是把整个算法的思路理清楚，明确要解决的问题。

第二个阶段就是商业机构看到自己有类似的问题需求，希望把实验室的算法商业化来解决问题。这个过程就是把实验室工具做得尽量通用和实用，能够适配不同的应用场景并产生实际的价值。比如说，我们团队现在研究的跨组织流程挖掘方法，通常用开源的测试数据集来验证我们提出方法的准确性和有效性，如果商业化的话就需要根据实际的应用场景进行适配和优化。再比如，实验室算法对时间性能、稳定性要求一般不会太高，结果的可视化可以不美观，但是如果要对其进行商业化应用就要做到高性能、高稳定性、且对用户友好。这就需要在熟悉流程挖掘算法基本原理的基础上，对软件架构和产品进行重新设计。

商业工具会用实验室算法，说明实验室算法满足了他们要解决的问题需求，但是又不能直接拿来用，因为场景不一样。做学术研究的人，大部分不了解实际场景中的具体需求，只能根据自己的理解做抽象和简化。做研究的前提是有假设，但这些假设在商业环境中并不是100%适用，不适用的部分就要去和商业工具做适配，但是整体研究的思路是延续下来的。

36氪：这里有很具体的例子吗？

刘聪：包括Celonis在内的大部分商业流程工具，都提供了流程浏览器（包括活动频次和边频次的调整功能）和流程实例的动画演示功能，其中流程浏览器的基本设计思路源于2002年的Heuristic Miner和2006年的Fuzzy Miner，流程实例的动画演示功能也是借鉴了Fuzzy Miner中基于token 的动画功能。

举个更具体的例子。比如说业务流程的合规性检查，就是用业务的标准流程和实际数据对比，看业务流程在实际执行过程中有没有违规和偏差。这个算法的原型是2004年左右提出的经典托肯重演算法，其本质也是基于Petri网的引发规则形成的一套方法。Celonis在2018年左右正式做了商业化应用。目前为止，国内有这个功能的流程挖掘创业公司其实并不多。

36氪：整体来看，流程挖掘由哪些模块组成？

刘聪：从学科上来讲，分别是模型挖掘（从业务日志里还原流程模型）、合规性检查（将业务的实际执行日志和业务标准模型进行比对）和模型增强。其中模型增强是在已有模型（可以是挖掘得到、也可以是已经存在的标准流程模型）的基础上，增加效率、时间、瓶颈、堵点等洞察的信息。

预测性监控（对流程未来执行情况的预测，以便于风险的提前掌握、早期预备和有效防范）最早并不是传统流程挖掘的范畴，或者说不是最早的主流研究方向。是在加入机器学习、深度学习后，逐渐成为流程挖掘领域的一个新的研究热点。结合产业发展来看，我们提到的超级自动化平台，可以把流程挖掘作为平台底座，其核心功能是通过前期的分析和洞察，对业务进行实时的预测性监控，并通过动作引擎来实时干预指导业务流转，进而完成整个流程自动化闭环。

36氪：现在产业界是否形成共识，流程挖掘落地时主要是哪些步骤？

刘聪：我认为有基本共识。流程挖掘项目的初始点是企业数据库中记录的各类业务数据。所以第一步是针对数据的ETL，E是extraction（抽取），T是transformation（转换），L是 loading（加载）。就是把数据先提取再做清洗转换，最后导入到流程挖掘的平台里。

第二步是 visualization（可视化），把数据转换成用户能读懂的流程图和各种报表来对应业务相关的基本KPI，实现流程数据的可视化。

第三步是做洞察，包括合规性检查、瓶颈检查、根因分析等，本质上是诊断流程执行中存在的问题。

第四步是根据这些分析和洞察，发现流程的堵点和瓶颈，并给出业务优化和重塑的建议。整个过程迭代进行。

以上介绍的步骤是纯线下的分析，如果考虑线上或者业务分析的实时性，就要求进行实时的流程预测性分析，再根据业务要求通过动作引擎实现对业务系统执行的管控。这样，实时业务数据监测、预测和管控的自动化闭环就形成了。

36氪：你觉得流程挖掘项目落地过程中，哪个环节投入最大？

刘聪：这个需要具体问题具体分析。如果是针对P2P或者O2C这类标准流程挖掘项目，有标准和模板可以参考，整个过程自动化程度很高。如果是针对非标准流程的挖掘项目，把原始数据转换为流程挖掘工具能用的数据，这里面的工作量很大，通常会涉及到跟甲方业务部门和IT部门的对接，据不完全统计能占到流程挖掘项目总耗时的70%-80%。后面导入到流程挖掘平台里做分析，相对来说快很多，因为都是平台支持的自动化分析过程。后期的交付过程可能也相对较耗时，因为需要行业背景，可能也需要甲方业务部门的参与，甚至会需要咨询类公司的介入。就是一般情况来讲，从开始接触到最后完成项目落地，根据Celonis的经验，最快需要1个月，一般的复杂流程需要3个月左右可以完成交付。

36氪：我们了解到，一些流程挖掘公司会寻求处理日志数据的厂商来提高效率。

刘聪：这是个办法，但是也很难从根本上解决ETL的耗时问题，除非流程挖掘平台跟客户的数据库直接建立连接。根本问题在于，国内现在各种各样的数据库很难做通用的ETL数据处理，厂商只能慢慢地增加其产品支持的数据库系统，随着做的项目多了，接触的类型多了，经验就丰富了。比如，Celonis目前可以支持数十种数据库类型的连接。然而，国内的流程挖掘产业发展历史相对较短，行业经验积累相对匮乏，都是先参考国外的，边做边学。

36氪：合规性检查环节，你刚才提到Celonis在2018年才上线这个功能，国内有这个工具的创业公司很少。但在调研中，很多国内流程挖掘公司都说，之后要给用户提供一个比较好的算法标准做对比，你怎么看？

刘聪：首先，合规性检查作为流程挖掘平台的基础核心功能已经是国内外行业从业者的共识。目前为止咱们国内的大部分流程挖掘产品可能还没有（或者是没有完全）上线这个功能，但是这已在他们研发的pipeline里了，相对而言离完全实现只是时间问题。这个算法实现起来有些门槛，可以参考的学术工具和算法通常效率很低，而且在处理实际数据过程中可能会有很多漏洞，这是需要初创公司自己研发补全的内容，需要时间和研发成本。

36氪：国内不能引入这样的算法吗？

刘聪：能引入，但事实在于Celonis用的合规性检查算法是不会对我们公开的。虽然已有的学术工具和算法有开源代码，但不能拿过来直接用，因为可能会出现各种各样难以预料的bug。目前商业工具里面有一个规律，就是越开源的东西越不敢直接拿来用，都需要做改进。改进的过程中就要懂原理，至少需要读懂原来的代码，然后根据公司的具体情况做适配和优化。此外，即使做完合规性检查找到流程执行过程中的偏差，还要进一步做偏差配套的”根因分析”，以实现对偏差原因的快速定位，这也需要研发人员对流程挖掘原理有很深的理解。我认为国内公司肯定能开发出来这些算法，但是问题是由于目前我国流程挖掘产业还处于初级阶段，研发人员的比例低和经验相对不足，缺少产品在大量真实场景下的实战检验，这也是当前国内流程挖掘初创公司大都面临的一个难点。

36氪：这个算法到底有多难理解？

刘聪：如果熟悉Petri网理论的话整个思路会很直观，因为托肯重演的合规性检测方法就是按照Petri网的引发规则制定的，但是国内流程挖掘行业的从业者懂Petri网的人相对较少。Petri网本质上是一个有向二部图，其理论基础是矩阵论，建议有这方面需求的流程挖掘从业者可以找这些资料系统学习下。

另外，Celonis成立于2011年，一直到2018年才正式加入合规性检查功能，估计也有市场需求的问题。可能最早的市场需求就是基于日志数据的流程还原和各种KPI分析，告诉用户流程执行过程是怎么回事，针对合规性检查方面的需求相对较少。因为合规性检查对数据的要求更严格，需要用户提供标准的业务规范再做对比。但在实际应用中，这个需求可能没有那么迫切，所以过了好多年才加到标准的分析平台上。

我了解到Celonis在2016-2017年就开始往里加这个功能了，但是2018年才相对成熟并商业化应用。当时我在Wil组里读博士，Celonis公司的研发人员经常去我们组交流，并针对他们的需求调研最新理论研究进展，类似从实验室到业界转化的流程挖掘算法还有很多。

国内产品：与Celonis有差距

36氪：现在很多流程挖掘厂商更偏向做财务审批、报销这些比较通用的场景，其实这些业务本身流程已经比较标准了。如果是很复杂、长流程的其他行业需求，目前国内的流程挖掘公司能接得住吗？

刘聪：理论上讲能接得住，但是实际去不去做又是另外的问题了。这类流程的复杂性或者挑战性体现在几个方面：（1）业务对应的企业数据库相对比较特殊，可能会涉及到多个异构的跨组织数据库，ETL数据准备环节就是一个难点。这也是为什么现在的厂商都愿意做P2P、O2C等相对标准化的财务、审批流程；（2）对于新的业务场景，因为不同场景业务关注的KPI指标不同，需要IT人员和业务人员一起去完成一些定制化的ETL数据抽取，还有后期的业务分析；（3）如果客户需要定制化，目前国内的公司大概率会选择不接，主要是因为这对企业来说投入跟回报不成比。定制化意味着新算法、新适配，不是已有标准化组件能办的事。现在国内厂商主要关注通用的标准化流程，因为这块投入回报比最高。总之选择做通用场景符合国内大多数流程挖掘企业的现状，我国流程挖掘产业还处于发展的初级阶段，一般更倾向于做一些短平快的PoC落地项目。

36氪：除了以上挑战，国内流程挖掘市场未来会面临哪些挑战或者发展瓶颈呢？

刘聪：对于流程挖掘行业来讲，我认为在未来最缺的还是人，也就是专业的流程挖掘行业从业者。国内流程挖掘行业专业人才储备相对欧洲在此领域的数十年的积累明显不足，没有那么多专业背景的人来从事这个行业，行业的发展就会受到限制。比如我们预计今年年底提供流程挖掘产品的企业会达到20多家，这些企业需要做各类项目落地，这些人从哪来？目前流程挖掘行业的人才储备可能很难满足这个爆发式的需求。

针对这个问题，我建议把人才培养重心放在高校，国内以清华大学为首的几个最早做流程挖掘理论研究和应用的团队也在规划成立流程挖掘的学术联盟，并依托联盟做一些行业交流，比如中国业务流程管理大会、流程挖掘研讨会等，后面还计划成立一些学术组织，定期做培训和市场引导。同时，我们有成立中国流程挖掘研究院的想法，专门做人才培养。目前已经有企业开始做自己的流程挖掘学院了，但是却受限于如下连个方面：一是影响力有限，二是培训只针对自己的产品，并不利于行业的大发展。我们还是要培养通用的流程挖掘人才，学完后能适配各个公司的需求，而不是仅针对特定公司和产品。行业人才培养应该是高校、科研院和产业界的共同责任，希望能看到我国在这方面率先实现产学研共赢。

36氪：目前国内流程挖掘产品与国外产品到底有多大的差距？

刘聪：这个问题很难具体量化，但可以以Celonis为例来做些比较分析，因为目前为止国内的产品大多对标Celonis。我认为目前国内产品的成熟度和水平大约处于Celonis 2015-2016年的水平，与Celonis至少还存在五六年的差距。整体来看差距主要体现在三方面，第一是工具功能的完整性，第二是分析结果的准确性，第三是从业人员或者分析人员的经验。具体而言，从产品的功能覆盖性看，国内产品基本可以做到Celonis 80%的功能。同时，即使某个功能已经有了，但是由于没有在足够多的场景下使用，导致对有效性和可靠性等方面缺乏验证。这也很好理解，国内流程挖掘行业实践时间相对较短，对流程挖掘的理解肯定低于Celonis做了10年的水平。

36氪：剩下的20%差在哪里呢？

刘聪：还是流程挖掘核心算法，或者说团队对整个流程挖掘算法的理解不够。国内的研发人员有很强的开发能力，但还需要熟悉流程挖掘的基本算法和原理，这样才能够直接定位到应该怎么开发，或者定位到具体问题背后需要哪一类算法。我认为流程挖掘公司团队里最好有几个科班出身的人员，这样发展起来会快很多。以Celonis为例，他们每年都会招很多流程挖掘方向的博士生到公司工作或者是实习。国内如果有条件也应该学习一下这种模式，这可能是一个补充我国流程挖掘人才缺口的有效方式。

36氪：国内产品跟Celonis在功能的完整性上，差距最明显体现在哪里？

刘聪：从流程事件日志到流程模型的可视化，到各种下钻深挖过滤，这些基本功能上差距不大。我认为欠缺出现在第二个阶段——通过这些偏差、下钻可视化找洞察和瓶颈，可能有的工具没这个功能，或者是功能不完善、分析不准确。再往后做预测，做实时的管控，基本上大部分国内工具还没有发展到这个阶段。因为只有流程挖掘公司发展到一定阶段，才会直接去管控整个企业的运营流程。

Celonis在2021年推出了Execution Management System(运营管理中心)，其目标是不光把流程挖掘做成流程日志的分析和洞察工具，还要把分析实时反馈给业务软件进行实时纠偏。最后它会成为一个业务中台，或者是全自动化平台，能够自动发现、解决问题。

除了前面提到的功能外，在业务数据源的对接上，国内也面临很多挑战。比如，国内的管理信息系统软件五花八门、种类繁杂，特别是很多中小型企业会部署自研的管理信息系统，这样产生的数据对接到流程挖掘平台就很麻烦，因为系统不通用，需要各个击破。

36氪：总体来说，你觉得流程挖掘的技术难点在哪几个方面？

刘聪：坦白来讲难点有很多。根据我的理解给大家分享一下。第一个难点（更确切应该称为耗时点）就是前面提了很多次的ETL，将业务的数据源转为流程挖掘平台能用的数据源。2011年Wil教授牵头学术界发布了《流程挖掘宣言》，里面明确了11个领域挑战，这是第一个挑战，也是目前为止解决得最不理想的一个。因为这是一个具体问题具体分析的事情，没法用通用的方式去解决。

国内的情况可能更麻烦，前面也提到了种类繁杂的业务系统，缺少标准。对此，企业可以先从主流的流程感知信息系统接入做起，争取先覆盖SAP、用友、金蝶等主流厂商的产品，能做到80%的覆盖就很不容易了。这在后边的企业竞争中，也是一个关键——企业能不能快速地提取有用的业务数据，给客户提供精准的洞察。这方面，Celonis很值得我们学习。

第二个难点是支持精准流程语义的模型挖掘。现在国内的流程挖掘工具大都是选择用有向图表示流程，基于有向图来描述流程严格意义上算不上挖掘，更像是流程日志数据的一种直观可视化方式。Wil教授在很多公开的报告中也提到过，同样一段流程数据做同样的分析，用有向图的话只能表示两个活动之间的前后关系，而用有精准语义的BPMN模型，能够描述出流程中节点间的顺序、并发、选择、循环关系，这才是提供精准流程分析和洞察的基础和前提。不过国际流程挖掘市场最早也仅支持有向图的流程数据可视化，直到2016年以后才开始出现支持BPMN等精准语义信息的流程模型挖掘工具。从这点来看，国内的发展也符合整个行业的发展规律。

流程挖掘是一个学术驱动实践的行业，学术界从1999年开始研究。产业界最早是在2007年出现了一个公司叫Futura PI。PI的意思是Process Intelligence，它是做流程智能的，当时行业内部还较少提及流程挖掘这个词。在最初实践过程中，厂商大都选择用有向图模型来做展现和分析，一个主要原因就是有向图的挖掘难度远小于BPMN或者Petri网。

对国内来说第三个难点是，偏差分析和根因分析还需要持续加强。比如说，流程挖掘平台通过合规性检查发现该执行的活动没有被执行，这就是找到了偏差。进一步获得偏差发生的原因，就叫根因（根本原因）分析。根因分析大都依赖机器学习算法解决，通常需要往前查询活动序列和活动关联的其他属性或特征，这方面现在国内的流程挖掘工具还需要继续积累。

精准的偏差诊断需要依赖BPMN模型。只有合规性做得准确，才能准确地分析偏差。同时，因为精准地分析依赖数据的属性，不同的业务场景数据属性不一样，也很难做到通用。只有试图找到相对通用的方法论，比如通过特征工程挖掘关键属性特征，再分析事件间的关联，这是一个基本的做法。

第四个难点是预测性流程监控。比如说流程实例的剩余时间预测，这种预测性监控需要整个业务的上下文信息，明确哪些特征对当前流程实例运行时间影响比较大。这与根因分析本质上很类似，面临的问题和场景不同，需要依赖的关键数据就不一样，所以很难提前预知哪些关键因素和必备信息对精准的预测结果有用。同时，预测和之后的控制都是难点，特别是控制完了之后之前的流程模型还能不能继续预测，如何形成有效的闭环也是个难点。

36氪：在ETL环节，为什么Celonis能做得很好？是因为国外的系统相对标准吗？

刘聪：Celonis早期与SAP强绑定，目标就是先做已经部署了SAP平台的企业，这些企业的业务软件标准化和集成程度高，简单理解就是快速完成几个粗管子，而不逐个打磨很多细管子。再就是流程管理成熟度的问题，国外尤其是欧洲对标准化流程管理很推崇，德国的制造企业，比如西门子、宝马多年前就在用流程挖掘产品进行精细化流程管理。

36氪：这里外企的IT系统标准化和集成程度高，是指他们爱用SAP等大企业的系统吗？

刘聪：工具是一方面，还有就是整个企业的管理理念，欧洲早就习惯流程化管理了。国外有组织专门做企业流程成熟度评估，然后找问题，逐步提高。国内的大部分企业对这方面的重视度较低，做的比较好的大都是国央企和各个行业的头部企业。这也是为什么现在国内的流程挖掘公司从大企业开始做，一是因为大企业有资金有数字化转型的需求，二是它们的IT基础和流程标准化相对好些。

国内市场：萌芽阶段

36氪：2019年中台的概念很火，它当时想解决的问题和流程挖掘想解决的类似，但是过了一两年，就没有什么动静了。流程挖掘会步中台后尘吗？

刘聪：当前流程挖掘的大厂商，比如Celonis，其目标就是做企业整体业务的自动化运营平台。国内流程挖掘的一个终极目标也是通过中台来实现企业业务的大规模自动化。具体而言，通过流程挖掘先对企业的业务做梳理和诊断，进而通过中台实现业务实施管控。我认为流程挖掘平台未来涉及到的业务面可能会很大，基本上就等同于做了一个业务中台。

流程挖掘往业务中台发展是一个趋势，不过它可能不叫中台，比如Celonis现在称之为运营管理中心(EMS)，其本质就是一个中台。

36氪：你觉得现在国内流程挖掘的市场有多大，想做流程挖掘的企业多不多？这种企业大致是什么画像？

刘聪：根据信科院的报告，到2025年国内纯流程挖掘软件的市场会到5亿美金规模，大概30亿人民币。这不包括上下游的咨询公司、RPA厂商和BPMS厂商。

今年年底估计会有超过20家企业可以提供流程挖掘解决方案，到2025年我预测国内会有超过30家企业，如果前面的估计成立，一个企业能均分1亿元左右销售额。现在RPA市场规模除以当前的企业数量，也差不多到1亿元。所以流程挖掘市场跟RPA市场比较有参照性。很多从业者也提到，三年前的RPA市场跟当前的流程挖掘市场有类似之处。

再看流程挖掘企业的驱动力。一些企业反馈，资本方对国内流程挖掘的技术很感兴趣，对流程挖掘能够解决的问题也很感兴趣，现在就是一个时间和发展快慢的问题。

从个人角度讲，我觉得流程挖掘行业已经有一定的自驱力了。首先，国企、央企和行业头部企业都有数字化转型的要求，这也是我国十四五战略规划的一个重点。企业现在很推崇RPA，那是否可以推理一两年后，企业也会同样推崇流程挖掘。第二，国内也有一批大型的、有主观能动性的行业企业，比如说电商行业，他们探索新技术的自驱力很强。

流程挖掘本质上是把一部分咨询公司的能力进行了产品化，咨询公司和各技术厂商之间的合作已是大势所趋。咨询公司现在更需要这个产品，因为他们手上有大把的客户，而且咨询行业早期大都基于BI，现在流程挖掘已经成为BI不可或缺的一部分或者说是有效的补充。高效地使用流程挖掘可以创造更多客户价值，很多前卫的咨询公司已经开始了与流程挖掘厂商的合作。

36氪：年底的时候，国内可能会有20家流程挖掘公司出现，这个判断依据是什么？

刘聪：在RPA中国的《流程挖掘简史》报告中我汇总了一下，现在纯流程挖掘公司有6家了，从RPA业务扩展而来的有7-8家，截止六月份就有14-15家了。而且我了解到很多公司正在组建团队进行流程挖掘产品的研发。比如来也、九科、艺赛旗、云智慧、弘玑、实在智能、容智这些知名RPA公司，在流程挖掘产品研发布局上都很快。

36氪：你如何看待现在流程挖掘厂商为RPA工具的部署提供洞察和依据？

刘聪：首先RPA的定位是实现流程性能的局部优化。如果把流程挖掘看作是企业的医疗体检，客户通过流程挖掘工具检查流程中的返工点、卡点和堵点等问题，针对发现的问题医生可以在病灶部位进行治疗，比如开药或者手术。对于企业来讲，通过流程挖掘技术发现问题后可以部署RPA机器人来治疗，也可以是通过别的方式。现在大家都讲RPA的效果好，但是还有别的选择，比如重新调整流程结构，或者做流程的部分重塑。

重塑包括流程结构重塑、流转重塑和执行者重塑。RPA是流程重塑的一种手段，一般是在不改变流程结构的情况下局部优化效率。现在的问题是，目前RPA的使用缺少宏观的控制。具体来说，如果业务流程中A跟B是并发关系，这两步都完成后，才能执行C。A的执行时间是一小时，B的执行时间是两小时，给B使用RPA机器人后，它的时间缩减到10分钟。但是整个流程的执行时间还是要在执行完A（一个小时后），才能去执行C，而不是根据B的10分钟。RPA也可以做全局的优化，就是多加几个RPA，但是这个过程中要平衡RPA的使用成本和流程的整体执行效率。

另外，部署RPA也可能对整个流程优化不产生效果，比如前期的流程分析或者瓶颈洞察方向不对。总体来说，现在使用流程挖掘与RPA的深度结合还缺少有效方法论的指导，这也是后续行业实践需要逐步摸索的。

36氪：你觉得流程挖掘最终的理想形态是完全自动化，还是说中间会伴随着人工的介入，去做分析诊断和执行修改。

刘聪：我个人觉得还是要有人的参与。流程挖掘只是整个企业运转自动化工具的一部分，目前来看大概率是充当整个企业流程自动化的底座角色。企业想做到超自动化，不是短期内能完成的。而且我认为100%自动化实现起来难度非常大，除非是限制在一些特定的小范围应用领域。流程挖掘能做的，是帮助决策者少拍脑袋，多一些客观事实洞察来指导决策。

目前的自动化工具，RPA能够实现局部自动化，运营管理中心能够实现全局流转控制，最终目标是提高整体效率。如果企业真的实现100%的自动化，也是一个很可怕的事，因为我认为有些关键的决策点还是需要人的指令输入。

36氪：国内的咨询公司有流程挖掘部门吗？

刘聪：目前我了解到的情况是没有，但是会有流程管理部门。考虑到国内咨询公司或多或少对标国际的咨询公司，所以大都接触到了流程挖掘的理念和产品，不过都是Celonis这些国外的工具，国内的还没有用起来。对于国内的流程挖掘公司来讲，可以考虑迅速占领国内的咨询市场。正如前面提到的流程挖掘软件工具不仅可以面向终端客户，还可以面向中间的咨询公司，而且咨询公司的人员更专业，他们还有自己稳定的客户群体。

36氪：你觉得现在客户的整体意愿如何？对流程挖掘感兴趣的比例大吗？

刘聪：现阶段还不算多，因为现在流程挖掘企业都还处在PoC项目试点阶段。流程挖掘是一个新技术，对客户来说第一个吃螃蟹都有风险，在可吃可不吃的情况下，大部分企业会退后一步。所以现在接受流程挖掘PoC项目的企业大都是国央企和各个行业的头部企业，他们的流程管理体系和信息化基础都较好，同时也有实力承受这个风险。如果被引导的客户做完测试后觉得行，这就是一个很有意义的事。总体来说，现在国内流程市场还缺少共识，需要时间培育。

山东理工大学刘聪：国内流程挖掘处于发展初期，面临人才、技术短板 | 36氪专访