监控流程的异常和风险

智能化的流程管理通过全面分析业务数据，实现对业务流程的高效率监控。为了保证业务流程按照企业目标执行，需要对业务流程进行实时监控。流程智能通过在不同层级建立流程监测点，利用仪表盘等可视化的工具，通过图、表等直观的形式把流程的KPI、服务水平协议（service level agreement，SLA）等指标呈现给终端用户，帮助业务人员实时掌握流程运行状况。例如，IBM的ILOG Business Rules Management Systems在核心流程中加入智能的决策点，帮助金融行业实现对流程的自动化监控。通过在预先审核资格、审核贷款、定价、风险分析、信用等级和交叉销售等环节建立业务规则，降低业务流程的监控成本，实现对洗钱、金融欺诈等流程异常行为的有效监测。

智能化的流程管理利用复杂事件处理（CEP）技术，通过连续分析流程事件，使企业在最短时间内对环境变化做出反应。例如，Software AG的流程智能平台ARIS将企业业务系统进行无缝的整合，分析历史数据，发现流程事件的模式和发展趋势，实时了解事件异常，实现对流程事件的连续监控。利用实时的可交互仪表盘，帮助管理者迅速应对客户需求变化，全面提升企业处理业务事件的能力和业务敏捷度。

智能化的流程管理还借助数据挖掘的优势，通过分析异常模式，对业务流程进行实时的异常监测，保证业务流程按照企业规定有序执行。通过将流程挖掘得到的流程运行真实模型与业务标准进行对比，发现流程执行中的违规操作。针对异常情况，使用关联规则挖掘、决策树等方法，分析流程异常出现的规律，生成相应的流程异常模型。当新的流程实例与异常模型匹配时，通过警报器等可视化方式向管理人员发出警告，以实现对流程执行过程的实时监控。

通过挖掘流程日志，识别流程风险，并对流程风险进行实时监测已得到了初步应用[16]。在流程设计阶段使用故障树分析（fault tree analysis）识别业务流程潜在的风险，对流程模型中的相应活动进行风险标注。通过流程日志分析，估计流程故障发生的概率，建立流程风险模型，根据业务规则设定相应的风险阈值。在流程运行阶段，当业务流程的风险指数超出阈值时，就会通知相关的流程负责人采取相应的风险控制活动，从而实现流程风险的实时自动化监控。