多层次的流程分析

智能化的流程管理融合了业务流程管理（BPM）和商务智能（BI）等技术，能够从多个方面分析业务流程，提高业务流程管理的成熟度。BPMS为业务流程提供运营支持平台，以流程日志的形式记录了大量流程数据，利用在线分析处理（OLAP）、流程挖掘等方法全面分析这些数据，客观评估企业流程的质量和效率，帮助业务人员发现流程的缺陷以进行优化。

1.在线分析处理

在线分析处理，也叫多维分析，将企业的相关流程绩效数据建立数据立方体，帮助管理者从成本、时间、服务质量、资源利用率等多个维度分析业务流程的质量。通过假设分析或针对其中的问题不断下钻，找出问题存在的根源加以改进。例如，针对某信用卡申请流程中存在的处理周期过长问题，可以使用在线分析处理深入分析问题根源[11]。通过从申请类型、申请结果、不同活动的处理时间、服务等待时间等多个维度、不同层次对流程效率进行详细分析，发现问题源于等待用户申请书返还阶段的时间过长。因此，根据申请人信息，适当缩减申请通过率较低用户的等待时间，提高申请流程的审批效率。

2.流程挖掘

流程挖掘是数据挖掘技术在流程管理领域的应用，通过挖掘BPMS中的流程运行数据，还原流程真实执行过程，获取流程结构、组织关系、资源分配、流程复杂性和流程绩效等多个方面的流程知识，帮助业务人员更加深入地分析企业流程的执行情况，发现业务流程中的问题并进行全面优化。

流程结构决定了流程活动的执行顺序，合理的流程结构不仅可以提升流程的执行效率，还能降低流程的复杂度，增强流程的可读性。使用流程挖掘分析业务流程的结构，可以识别流程中效率低下的环节，通过简化、调整等方式改善流程结构，降低流程结构的复杂性。例如，使用决策挖掘（decision mining）分析流程中决策点的效率，通过调整决策点的位置优化流程结构[12]。这里的决策点是指流程中出现选择结构的节点。使用决策树等分类算法挖掘客户属性与决策结果的关系，可以评估决策点的效率。通过将区分效果明显的决策点提前，提高申请处理等审批流程的效率。

组织关系包含业务流程中员工之间的社会关系、协作模式、组织结构和角色分配等知识，挖掘业务流程中的组织关系有助于管理者了解员工之间的协作紧密程度、组织结构与业务流程的适应程度，针对其中的问题加以改进，提升组织的工作效率。例如，使用聚类算法分析流程中员工之间的协作程度，可以发现组织内的社交团体[13]。根据流程参与者之间一起处理流程任务的频度，分析员工之间的合作紧密程度，可以自动将员工划分为不同的工作团体，以全面了解员工相互协作完成流程任务的过程。

业务人员作为流程的主要参与者是重要的流程资源，合理的资源分配是保证业务流程质量的前提。使用流程挖掘分析企业资源分配中的问题，挖掘资源分配规律，有助于调整资源分配，提高资源利用率，充分发挥企业有限人力资源的价值。例如，使用回归分析挖掘流程任务负荷与资源效率之间的关系，可以发现资源效率在一定范围内随工作压力增加而提升，但超过一定阈值后呈下降趋势的规律，以此指导企业为员工分配合理的业务量，最大化资源的工作效率[14]。在负责多个执行任务的业务流程中，员工需要处理不同的流程活动，员工的状态调整会给员工的工作效率产生很大的影响。挖掘员工在不同流程任务之间转换所需要的适应时间，可以帮助管理者洞察员工对多任务的适应性，从而提高资源分配的科学性。此外，多流程实例的资源分配也将影响流程管理系统整体的性能。

流程复杂度是对业务流程复杂程度的评估。复杂性是流程模型质量的重要度量指标之一。在流程设计阶段将流程结构复杂性度量融入对流程模型的评估，有助于设计简单、可读性强的流程模型。例如，Aalst教授等使用内聚性和耦合性分析了流程模型的复杂度，通过设计高内聚、低耦合的流程模型以减少信息交换中的错误率和耗时，提高模型的可读性[15]。

使用流程挖掘分析业务流程中的低效率环节，帮助企业减少资源浪费，提高运营效率。例如，从流程效率的角度挖掘活动的执行时间、活动之间的滞留时间，评估业务人员的处理效率、流程资源的闲置时间，可以及时发现流程中的浪费行为，通过对流程资源进行合理调度，提高资源利用率。此外，将挖掘得到的流程模型与企业的业务规则进行一致性检查（conformance check），发现流程中的重复、循环等效率低下的业务偏差现象。通过分析问题的根源消除流程偏差，提高流程的执行效率和安全性。