長期以來，一直存在與業務流程管理相關的一些基本挑戰。我們認為，至少有兩個問題在一定程度上導致了流程管理和改進上有較大的阻礙。
其中一個問題涉及“當前狀態”流程的創建——對業務流程當前如何執行的描述。在業務流程再造中，企業主要對改進的“未來”流程感興趣，因此他們通常對探索“現狀”或流程當前的執行方式興趣不大。 但了解當前流程對于了解是否值得投資改進、哪里存在性能問題以及整個企業的流程存在多少差異至關重要。因此，一些企業傾向于完全跳過當前的流程分析，采用捷徑，或者向顧問支付大量費用來分析“現狀”流程。
另一方面，采用漸進式改進方法的企業往往會花費太多時間來分析“現狀”。 此外，他們當前的流程分析通常基于對業務流程一線人員的訪談，高管有時認為這些過于主觀，并持合理的懷疑態度。
流程管理的另一個普遍問題是業務流程和企業信息系統之間缺乏連接。 一些企業系統（例如 SAP）是面向流程的，因為它們支持訂單到現金或采購到付款等流程，但很少有一種簡單的方法可以從信息系統提取相關經驗。一些不同的技術支持流程設計的各個方面。 但是，如果您想要了解流程日常執行情況的信息，通常需要執行一組困難的手動步驟來收集和綜合數據。許多流程改進方法（例如精益和六西格碼）并未強調信息技術作為流程或流程管理的推動者。
流程挖掘可以解決這兩個問題。 多年來，流程挖掘一直是一個學術話題，受到荷蘭計算機科學家 Wil van der Alst 等研究人員的熱切追求。 但直到 2011 年，流程挖掘才開始受到越來越多的關注。 例如，Gartner 在 2018 年發布了流程挖掘市場指南，其中包括流程挖掘的幾個常見用例以及對供應商社區的分析。 Gartner 確定了十幾家流程挖掘供應商。
流程挖掘軟件可以幫助企業輕松地從企業交易系統中捕獲信息，并提供有關關鍵流程執行情況的詳細且數據驅動的信息。它會在工作完成時創建事件日志：收到訂單、交付產品、付款。 這些日志讓人們清楚地看到計算機介入的工作是如何實際發生的，包括誰做的、需要多長時間以及與平均水平的偏差。 流程分析為流程創建關鍵績效指標，使公司能夠專注于改進的優先步驟。 人工智能算法可以檢測變化的根本原因，例如，它們可能會指出，每次新客戶需要信用檢查時，該過程都會大大減慢。
選擇在哪里應用流程挖掘很重要。企業將通過將其應用到已數字化（即由 IT 系統支持）且仍存在一些非結構化工作（即由 IT 系統支持）的流程來獲得最大價值。
審查和批準發生在 IT 系統之外。 流程改進專業人員認識到，改進復雜的跨職能業務流程不僅僅涉及數據。流程挖掘作為一種方法依賴于日志中的案例和事件數據，并且它只能完成該數據允許的事情。
然而，正如您可能想象的那樣，這些功能對于任何負責監督、改進或排除運營業務流程故障的人來說都是令人著迷的。當前狀態流程的開發是自動的，不再是勞動密集型的。 即使您不關心整體流程管理，甚至不關心您工作的廣泛流程的狀態，您也可以找出其中一小部分發生的情況并解決任何問題。如果您的企業使用BPM系統來支持關鍵業務流程（現在幾乎每個大公司都是如此），您應該探索流程挖掘。
另一方面，流程挖掘可能并不適合所有企業。只有致力于質量并對內部基準測試有濃厚興趣的大型、復雜組織可以從其創建的透明度中獲得最大利益。 如果一個企業不面向流程管理，依舊停留在傳統管理模式之下，它可能不會很好地進行流程挖掘。
流程挖掘已被有效地用于分析業務流程績效的當前狀態、識別改進領域并評估流程改進的結果。這使其成為機器人流程自動化 (RPA) 等工具的有效合作伙伴，因為它可以首先確定實施“機器人”的最佳位置，然后提供計算RPA實施的有益影響的方法。
流程挖掘描繪了流程性能的視覺吸引力和基于數據的視圖。 這會吸引高級管理人員的興趣，他們可以很容易地看到問題和機會所在。它將加強企業對數據驅動決策的奉獻精神。我們預計未來會有許多解決方案涉及流程挖掘、RPA 和機器學習的組合。
