市场的瞬息变幻、竞争的日趋激烈，给企业的业务流程管理带来了巨大压力。如何充分利用企业的数据资源，将流程运行数据转化为决策信息，成为企业快速应对外界变化的关键。智能化的流程管理凭借流程智能技术的分析能力，通过对流程数据进行深入的分析，使管理者及时地洞悉业务流程的执行情况，为流程管理提供预测、推荐和监控等实时的决策支持。
流程智能利用数据挖掘技术，从流程日志中抽取流程规律，充实企业的流程知识库，形成企业的流程管理智慧，指导业务人员在复杂的业务环境下进行客观、高效的流程决策。例如，在货运流程中经常存在货物配送超期、货品丢失等流程事故，严重影响了企业的流程服务质量和客户满意度。使用决策树等分类算法，分析流程特征与流程事故之间的关系，帮助管理者提前预测流程事故的可能性，降低业务流程的风险[8]。通过定义服务超时、成本超额、资源浪费等流程事故，挖掘流程活动、流程处理人员、已用时间、成本等流程属性与流程事故严重性之间的关系，生成流程风险预测模型，为参与者提供流程假设分析，指导业务人员制定降低流程风险的策略。
此外，智能化的流程管理借助先进的数据分析技术，使流程管理者实时掌握客户对企业服务的评价，针对其中的问题采取针对性的优化措施。利用Web挖掘、文本挖掘等分析工具，对社交网站、呼叫中心的客户反馈数据进行深入分析，帮助企业实时了解服务流程的质量、流程中的问题、客户满意度等重要的用户反馈信息，指导企业采取有针对性的流程优化措施。例如，对用户的评论数据进行情感分析，可以获取用户对流程服务的满意度[9]。利用多目标决策方法对服务质量、流程时间等客户反馈的信息进行汇总，可以帮助企业全面了解客户对服务的认可程度，从而帮助企业改进业务流程。
【例1.2】 IBM基于大数据分析的信用卡欺诈检测
信用卡是电子支付的一种重要手段，但每年因信用卡欺诈带来的损失也很大。如何实时地检测信用卡的使用行为，减少欺诈的发生是非常必要的。利用决策树等分类技术，分析银行信用卡的历史消费记录，找出信用卡欺诈的特征，已经成为信用卡欺诈检测的一种重要方法。
一般而言，信用卡欺诈的交易事件的数量远小于正常的信用卡支付数，信用卡欺诈交易额是典型的非平衡数据，需要把银行多个分支机构的信用卡欺诈数据整合使用。由于信用卡支付的数据非常大，现有的分类算法和计算机内存难以集中一次处理庞大的信用卡数据，因此可以采用分而治之的方法：把整合的信用卡欺诈相关数据在银行的n个分支机构间共享，然后再分别处理银行分支机构分布式的信用卡交易数据（使用Hadoop架构存储），使用IBM支持大数据分析的数据挖掘平台SPSS Modeler 15中的决策树算法C5.0，得到n个不同的分类模型，这些模型经过检验后就可以组合使用。当新的信用卡支付发生时，就可以由上述的n个分类模型做欺诈的预测，最终由分类模型预测的结果投票产生。上述的过程如图1.4所示。
图1.4 IBN基于大数据分析的信用卡欺诈检测
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
