数据挖掘 vs 流程挖掘

流程挖掘和数据挖掘都可以帮助业务领导者获得竞争优势，但它们的工作方式不同。

数据挖掘 专门研究大型数据集中的关系，以获得新的见解。通过分析数据库中的静态数据，我们试图将这些隐藏的联系转化为可以用于各种目的的信息。数据挖掘的应用领域包括科学研究、零售和新闻业等。

流程挖掘 是一个相对较新的学科，它源于连接数据挖掘和业务流程管理的需求。数据挖掘侧重于分析大型数据集，而业务流程管理侧重于业务流程的建模、控制和改进。流程挖掘弥合了两者之间的差距，将数据分析与业务流程的建模、控制和改进相结合。

什么是流程挖掘？

流程挖掘使您能够根据公司系统（ERP、CRM、服务管理等）的事件日志自动分析业务流程，以识别运营层面的具体改进领域。这是一种创新的分析方法，可以获得客观的见解并揭示隐藏的问题。

业务流程管理是一项密切相关的实践，但业务流程管理使用访谈和其他主观措施，而流程挖掘则使用公司系统中的具体数据。流程挖掘执行非侵入性程序，尽管听起来可能如此。

IT 部门可以在一夜之间从您的 IT 系统中导出事件日志，然后第二天，您的团队可以坐下来将这些导出内容输入到您的流程挖掘软件中，该软件将开始实时创建您的流程的可视化映射。

然后，可以将此视图与在 BPM 周期中创建的地图进行比较，从而最准确地了解流程中可能存在瓶颈、低效率或差距的位置。

流程挖掘软件分析复杂流程，例如供应链管理和订单到收款。例如，流程挖掘可能会发现供应链中的瓶颈。对于订单到收款流程，它可能会记录和分析击键，以发现对某些客户的信用冻结导致不必要的延迟。

流程挖掘的优缺点

流程挖掘使业务流程管理成为一门科学，但在应用之前必须满足某些先决条件。

• 优点：流程挖掘从 IT 系统事件日志中提取数据，并使其对企业团队具有实用性和可用性。
• 优点：流程挖掘算法可以使现有流程模型更加准确，并生成假设模型，展示如果流程发生变化会发生什么。
• 优点：流程挖掘提供了一个关于现有工作流及其结果的数据驱动视图，为企业提供了更客观的商业智能，以指导资源分配、自动化计划、工作流优化和其他关键业务决策。
• 缺点：组织需要使用专门的工具来部署流程挖掘，因为该方法依赖于高级数据挖掘算法。员工不一定需要数据科学背景来进行流程挖掘，因为大多数流程挖掘工具都会自动应用算法和生成模型。

什么是数据挖掘？

数据挖掘旨在在海量原始数据和大型数据集发掘模式，以基于数据中先前未知的关系预测未来结果。

数据挖掘本身就位于统计学和计算机科学的交汇点。数据科学家使用算法对海量原始数据进行筛选和排序，以理解数据所表达的含义。然后，他们将其转化为可操作的信息，供营销和销售团队、软件设计师以及几乎所有其他公司部门使用。

数据挖掘软件通过在数据中搜索频繁的“如果-那么”模式来创建关联规则。“如果-那么”模式说明了一个变量和一个结果。一个简单的例子是：如果一种产品打折，那么会有更多的人购买它。公司可以使用数据挖掘软件来做出更好的业务决策。

例如，它们可以使用数据挖掘来发现忠实客户的共同点，发现不满意的客户，决定在超市货架上放置哪些产品，或者预测向特定客户发放贷款的风险。制造商使用数据挖掘软件来提高产品安全性，识别质量问题，管理其供应链，并简化运营。零售商可以使用一种称为网络挖掘的数据挖掘类型，该类型使用传统的数据挖掘方法来理解客户行为并深入了解网站的有效性。零售商可以利用网络挖掘获得的信息来更好地定制他们的网站以满足客户的愿望。医疗保健公司可以分析数据以发现欺诈，医生可以使用它来更好地了解如何治疗患者。

流程挖掘和数据挖掘之间的相似之处

流程挖掘是使用数据挖掘技术和数学算法来梳理业务流程，最终目标是简化和优化业务流程，以利于公司的盈利。流程挖掘和数据挖掘共同处理的基本要素是数据。

它们都作为业务智能 (BI) 的一部分出现，为数据支持的业务决策提供必要的信息。基于它们的起源，数据挖掘和流程挖掘之间存在重叠是合乎逻辑的。

流程挖掘和数据挖掘之间的区别

数据挖掘和流程挖掘有许多共同之处，但它们是不同的。数据挖掘和流程挖掘都属于业务智能的范畴。两者都使用算法来理解大数据，也可能使用机器学习。两者都可以帮助企业提高绩效。

然而，这两个领域是不同的。流程挖掘更侧重于生成信息并将其拟合到流程中，而数据挖掘则依赖于可用数据。数据挖掘更侧重于模式本身，而流程挖掘则试图回答“为什么”。作为其中的一部分，流程挖掘关注异常以及这些异常有助于讲述的关于整体答案的故事。相比之下，数据挖掘会丢弃异常，因为异常会阻碍找到主要模式。以下是流程挖掘和数据挖掘之间的一些更多区别，例如：