数字智能方案使企业能够在最关键的领域（如客户体验、竞争优势、可见性、以及合规性方面）产生巨大的影响。
成功的自动化方案可以改变组织的各个层面（从董事会到车间）。为了有效地部署机器人流程自动化（RPA）项目，以及实现自动化可能带来的生产力，企业需要深入了解其组织内部的流程。在实施自动化方案的过程中，企业最常见、并为之付出巨大代价的错误是未能正确理解其流程的实际执行情况，选择了错误的流程进行自动化。利用实际的业务流程数据对于任何自动化项目的长期财务和技术成功至关重要。仅凭满腔热血参与其中去解决问题被证明是很难获得成功的。
数据是有的，但可以访问吗？
许多组织面临的挑战是理解他们的流程如何在不同的职能团队之间、在单一的后端系统中实时运行。传统上，企业试图通过人工与第一代平台（包括流程挖掘和商业智能）共同干预的方式生成流程见解，事实证明这些平台既耗时又昂贵，且容易出错。反映端到端流程的综合流程数据是自动化成功的关键，而且它几乎已经存在于所有的企业软件应用程序中。
无论是使用ERP、CRM还是其他应用程序，数据都可以随时被使用。流程智能等解决方案使组织能够发现、评估、可视化、分析和监控流程。在人工智能和机器学习技术的帮助之下，流程智能化方案能够提供准确、深入和实时的流程发现、分析和监控，帮助自动化领导者加快数字化转型计划。
阻止流程失败
许多RPA项目最初就失败了。虽然许多因素都会影响自动化项目提交时的最终结果，但理解流程以及自动化正确的流程却是成功数字化转型的关键。自动化错误的流程会导致资源浪费和RPA投资回报率降低。然而，在不清楚流程实际是如何运行时，要选择正确的流程进行自动化颇具挑战。许多组织认为他们了解他们的流程是如何运行的，但实际上，单个流程通常会有数十甚至数百种变化。
传统的发现和分析流程的方法包含内部人员或外部顾问通过人工观察、计时、记录流程，然后手动整理和编译数据数据。这种耗时的方法通常需要几个月的时间才能完成，而且具有很强的主观性。数据反映了在观察流程的特定实例期间流程是如何执行的。
其他方法包括商业智能，它虽然在提供汇总数据和时间点度量方面发挥了重要作用，但缺乏对流程关键——时间的理解。传统的流程挖掘工具（其中许多源自Eidenhoven大学的研究生课程）已经假设公司流程符合一个简单的流程图，却忽略了流程的运作更像一条时间线。
是否有更准确的流程视图？
流程挖掘和流程智能解决方案之间的主要区别在于，它能够为任何类型的流程（包括仅使用原始事件的临时流程和案例管理流程）重构流程历史记录。 这些类型的事件包括事项日志条目、审计表数据或正在执行的活动的任何其他记录，然后将这些数据以时间线的方式提交，从而提供更准确地反映出流程实际的运行方式。流程智能可以将不同系统的事件组合起来，即使在不同记录系统上执行多个步骤时，也可以端对端分析流程。其结果是重构了历史流程实例的动态模型，该模型为广泛的分析奠定了基础。理解并端到端分析初始状态的流程可以为自动化计划获取成功提供支持。
尽管传统的流程挖掘工具一直推动人们思考如何更好地理解其流程，但传统方法的一个根本缺陷是流程日志背后存在一个可发现的流程图的概念。虽然这在一些条理清晰、定义明确且始终如一按计划执行的流程中情况确实如此，但对于当今的大多数企业来说，并没有一个简单的流程图来描述流程A-Z。而是会有多个决策点产生几乎无限种可能组合。
流程监控应该反映现实生活
由于大多数业务工作流程具有复杂性和多样性，如果要反映出急诊室中患者的治疗流程，该流程图会是什么样子呢？如果将工作流程中所有可能的分支和循环（医生的诊断、测试结果和患者状态的变化）都考虑在内，则流程表现将不太像流程图，而更像是一个难以理解的网。我们通常称之为意大利面效果图（plate of spaghetti effect），因为流程图看起来很更像是一盘意大利面。即使在较简单的案例中（如客户支持或销售管理），流程步骤、重复和变化的数量也可能会有很大差异。
即使流程图很简单，它仍然会因其特有的设计而忽略重要信息——如不适合简单模型的事件。为了生成可读的图表，传统的流程挖掘工具会过滤掉不符合流程图步骤的事件。例如，在急诊室场景中，可以在流程图中放入以下步骤：患者到达、患者住院、分配医生和患者出院。但 是，在该图中“实验室测试命令”适合放在哪里？流程中的这一关键步骤可能发生在患者到达医院和患者出院期间的任何时间点。其他解决方案将过滤掉这个“噪点”，因为它不容易被映射到或无法始终适合每个单一实例中的流程。因此，当您以流程图模型呈现工作流时，您将看不到关于此流程实际如何运行的重要见解。
当流程的复杂性、变化性和规模被减少或忽略以适应简化的流程图时，关键数据就会丢失。在我们的急诊室场景中，潜在的实验室测试频率和时间点会产生重要信息，解释为什么患者在急诊室花费了这么多时间，或者为什么在就诊期间为患者分配了多个不同的医生。了解实验室测试工作流程并在分析中利用这些数据也是非常重要的。
流程智能重点关注业务流程中各个步骤之间的时间和关系，并生成对流程历史的深入分析以及对未来流程状态的实时监控和预测。
流程智能影响RPA的成功
反映一个流程所有维度（如时间、频率、流程变化和异常、以及子流程）的数据对于成功的数字化转型计划至关重要。深入了解流程可以帮助自动化领导者确定RPA计划的最佳用例，因为复杂的流程会使自动化计划变得复杂。
此外，由于流程智能提供了有关流程如何按其原始状态运行的多维视图，因此自动化领导者可以准确识别瓶颈发生的位置，并在RPA部署之前修复损坏或无效的流程。在RPA实施之前修复流程瓶颈对于成功的自动化项目至关重要。
部署后，正确监视和衡量RPA项目的结果也是成功维护和优化自动化计划的关键。但是，了解自动化工作流程是如何执行的可能会充满挑战。流程智能监控所有业务关键工作流程，使自动化领导者能够查看其RPA部署是如何运行的，并修复任何潜在的阻碍。
流程智能还提供了有价值的数据，从节约成本和时间的角度展示有效的自动化计划带来的影响。然后，它可用于证明和验证持续自动化投资的计划。
流程知识对于成功的数字化转型计划非常重要，但是了解锁定在半结构化和非结构化内容中的所有关键信息也至关重要。无论它位于哪个业务流程平台中，它都依赖于对所有业务关键数据的实时访问。这包括各种业务文档中存在的大量数据，包括理赔、发票、交货证明、贷款协议、合同、订单、身份证件、税单、工资单、水电费账单等。这种对内容和流程的理解被称为拥有数字智能。
借助数字智能，组织可以获取有价值、然而常常难以获得的流程见解，从而实现真正的业务转型。通过访问实时数据，了解流程当前工作方式以及推动流程运行的内容，数字智能使企业能够在最重要的方面（客户体验、竞争优势、可见性、和合规性）产生巨大的影响。
最新的Everest Group流程挖掘产品PEAKMatrix®2020评估表明，传统的流程挖掘在数据专业人士和自动化领导者中已具有稳固的根基，特别是在实行居家令、保持社交距离以及经济不稳定的影响下，流程智能方案发展势头更加迅猛。业务领导者需要对他们的业务工作流程有深入的了解，快速确定RPA项目的最佳用例，尽快解决流程瓶颈，并不断优化自动化性能。流程智能在整个业务中，甚至跨不同的工作流程、部门、技术系统和位置，都响应了此号召。
