如今，隨著企業信息化管理改革的不斷深化，面對復雜的業務流程，企業管理者迫不及待的想要深入了解其自身的根本問題，并加以處理和改進，以便于企業更好的經營管理。因此，越來越多的企業開始尋求企業級智能自動化的工具及解決方案，流程挖掘（Process Mining）和任務挖掘（Task Mining）應運而生。

而在與合作伙伴交流的過程中，我們發現了大量對任務挖掘和流程挖掘進行混淆的見解，國內市場上也出現了大量宣稱自己擁有流程挖掘產品的廠商，而真正部署實施地卻是用戶桌面級的任務挖掘。這一現象讓國內很多企業決策者產生了重大誤解。

任務挖掘和流程挖掘是可互換的術語嗎？

任務挖掘和流程挖掘的工作原理一樣嗎？

還是它們有很多不同點？

……

簡單的回答是流程挖掘和任務挖掘都是適合企業的解決方案，但他們有不同的功能和應用場景。當然，它們也可以互補應用，進而幫助企業在多個層面上實現企業流程智能化管理和運營。

本文將帶您真正了解任務挖掘和流程挖掘的定義及兩者的區別。

一、什么是任務挖掘

任務挖掘（Task Mining）是一種新興技術。任務挖掘技術側重于任務，即包含多個步驟的流程或子流程的較小組件，通常由員工在其工位上手動執行。它使企業能夠通過跟蹤用戶活動和收集用戶交互信息來更好地了解他們如何執行任務。企業可以使用收集到的信息來審查他們如何管理運營，識別執行作業時最常見的錯誤，以及識別可以自動化的任務。

為了讓您更好的理解，在此以圖書出版為例進行敘述：印刷一本書的活動包括諸如創建印刷版式、印刷版式審查、印刷機配置、將紙張裝入印刷機等等，這些操作都屬于“任務”。

再比如在企業應付賬款流程中，需要先從電子郵件中下載發票，將信息復制到表格中，然后將 pdf 發票上傳到會計系統。在這個過程中，員工執行的任務就包括打開電子郵件、下載附件、在表單中輸入信息、上傳文檔、保存更改、形成“發票提交”等活動。

（任務挖掘應用實例）

了解用戶操作

任務挖掘軟件記錄和分析用戶的操作。企業通過任務挖掘工具收集員工與其電腦桌面交互的數據，并分析所有工作是如何完成的。目的是幫助企業丟棄冗余步驟或操作、改善用戶體驗、統一流程變量以提高效率和發現自動化機會等。

用戶桌面日志/數據

任務挖掘的數據源是記錄用戶與其電腦桌面交互行為，譬如鼠標點擊、擊鍵、復制和粘貼以及其他常規操作的UI日志/數據，使用的技術包括數據挖掘、模式識別、自然語言處理 (NLP) 和光學字符識別 (OCR)等。

任務挖掘分析的結果是對用戶執行的一系列操作步驟及其變體的描述，這可以為實施流程挖掘作準備，也可以用作RPA（機器人流程自動化）計劃的框架。所以很多RPA廠商會利用任務挖掘技術消除RPA技術和其數據科學團隊之間的鴻溝，幫助企業為某些認知性任務和流程實現自動化，而非全流程。但基于國內的現狀，任務挖掘的部署難度較大，數據只能小范圍采集，僅僅只能為部署RPA（機器人流程自動化）提供方向。

二、什么是流程挖掘

流程挖掘（Process Mining）是一種新興的跨數據挖掘、機器學習、過程建模與分析等領域的綜合學科。核心原理是從現代信息系統的事件日志中獲得數據和提取知識，發現、監測和改進實際流程。流程挖掘在數據挖掘和業務流程管理之間搭建了一個重要的橋梁，推動了新型智能技術的發展，是CPM、BPI、TQM、6-Sigma等管理理念的使能技術。

（望繁信-流程挖掘產品）

還是以圖書出版為例：圖書出版過程從寫一本書開始。一旦這本書分發到書店的書架上，它就結束了。那么從高級的角度來看，這就是我們所講的“端到端的流程”，即從第一步“開始端”-寫書到最后一步“結束端”-分發，在整個過程中，您可以識別和分析數十個子流程，利用成熟的流程挖掘產品還可以識別和分析多個“任務”。

（數字足跡-識別到任務級別）

端到端流程

流程挖掘圍繞發現、分析和監控端到端流程及其子流程展開。

還是用圖書出版舉例：流程挖掘將關注流程如何在作者、出版社、編輯、設計師、校對者、印刷公司和分銷渠道之間運行。如果從企業層面來講，一張特定的發票是一個流程挖掘實例，它貫穿多個部門，由多個員工處理，進入企業各個IT系統。

（流程挖掘應用實例）

流程圖

每張發票的完整旅程（或任何其他與此相關的流程實例）都被發現并顯示在流程圖中。流程圖描繪了真實的流程，包括所有的案例、變體和路徑，您可以進一步分析和監控該流程。作為望繁信的用戶，您可以使用數字足跡的瓶頸分析、合規性檢查、流程模擬等功能獲得更深入、更徹底的流程診斷和改進建議。

（數字足跡-識別企業全流程）

（數字足跡-瓶頸分析功能）

（數字足跡-合規率檢查功能）

事件日志

不同于任務挖掘，流程挖掘使用企業IT系統中海量的事件日志作為數據源，這些數據包含有關執行的活動（例如采購訂單創建）、案例（采購訂單編號 24395）和時間戳等信息。流程挖掘解決方案從各種IT系統（如 ERP、CRM、供應鏈管理等）獲取這些日志，從而幫助企業近乎實時地監控和分析流程，持續優化運營。望繁信-數字足跡可為 Salesforce、SAP、Oracle、MySQL和PostgreSQL等數據庫和信息系統提供連接器。

（數字足跡-連接數字庫）

流程挖掘建立在與企業戰略有關的全流程分析洞察上，彌合了任務分析數據和真實可自動化機會之間的差距。

三、任務挖掘和流程挖掘的比較

（任務挖掘和流程挖掘示意圖）

（任務挖掘和流程挖掘的區別）

如下圖所示，典型的企業流程具有不同的粒度級別 (L1-L5)，流程挖掘側重于L1-L3，它可以查看企業組織范圍內的全流程圖，通過分析應用程序事件日志，以進行流程診斷并獲取改進建議，而通過在桌面級別跟蹤人機交互的任務挖掘側重于L4-L5，它提高了員工效率，消除了自動化規劃過程中的人為主觀因素。

（業務流程粒度：任務和流程）

典型的流程挖掘用例

這些是使用流程挖掘時最常見的情況及應用：

1.訂單到收款

2.采購到付款

3.機器人流程自動化（RPA）

4.審計和合規檢查

5.流程優化

6.流程管理

典型的任務挖掘用例

這些是使用任務挖掘時最常見的情況及應用：

1.插入和復制數據

2.上傳和下載文件

3.登錄并瀏覽業務系統

4.改善用戶體驗，提高用戶效率

5.發現自動化機會

在此我們整理了三個關于流程挖掘和任務挖掘最常見問題及答案，以便于您能更好地理解：

Q：如何定義任務和流程？兩者有什么區別？

流程是具有起點和終點的與邏輯相關的任務和決策的組合，而任務由機器或人執行的操作步驟組成，其目標是使案例從流程的一個階段移動到下一個階段。兩者區別在于數據的粒度、數據來源、識別和分析數據的能力、結果、涉及的資源數量和用例等不同。總體而言，流程挖掘著重于優化業務流程，而任務挖掘更注重使用戶工作更高效。

Q：任務挖掘可以用來識別端到端的流程嗎？

不能，因為即使可以使用流程挖掘技術來處理任務挖掘數據，也必須配備其他技術，例如 OCR、文本挖掘和特定的 ML算法等，才能分析這種類型的數據。無監督（未聚焦）用戶交互記錄包含了很多的干擾信息和很細的顆粒度，這會使流程發現的效率低下，在大多數情況下是很難被識別的。國內很多廠商利用任務挖掘技術，大力宣傳自己可以實施流程挖掘，顯然是不能真正做到識別企業全流程的，更不可能會實現企業全流程的監控及優化。

Q：望繁信-數字足跡是否具備了任務挖掘的能力？

是的，作為流程智能建設的賦能者和企業數字化轉型的助推者，望繁信科技始終堅持注重技術創新和產品研發投入，有豐富的實施經驗和業界最佳實踐的積累。同時，我們與各種技術合作伙伴合作，致力于為企業客戶提供全方位的、安全可信賴的流程智能解決方案。

審核編輯：符乾江