什麼是程序探勘？
程序探勘是一種技術，可分析事件記錄檔中的資料，協助組織發掘、監控及改善業務程序。這項技術結合了資料科學和程序管理。程序探勘技術會使用專門的演算法，讀取企業資源規劃 (ERP) 或客戶關係管理 (CRM) 工具等系統中留下的數位足跡。並將原始資料轉換成業務流程的視覺化圖表。
開發人員或業務主管查看這些圖表時，就能清楚掌握即時動態。不再需要猜測或假設程序的運作方式，而是提供以資料為依據的客觀資訊。這有助於機構找出瓶頸、發現效率低落之處，並找到讓營運更順暢的機會。
進一步瞭解資料處理服務
程序探勘的運作方式：從事件記錄到洞察資訊
程序探勘技術會從企業資訊系統中現有的資料擷取知識。這項服務會按照特定工作流程，將分散的資料轉化為可做為行動依據的洞察資料。
- 擷取：第一步是收集「事件記錄」。每當使用者與軟體系統互動，系統就會建立記錄。這類記錄通常包含案件 ID (程序的特定例項，例如訂單 #123)、時間戳記 (發生時間) 和活動 (發生什麼事，例如「訂單已核准」)。程序探勘工具會擷取這些資料，做為分析的基礎。
- 探索：資料擷取完畢後，alpha 演算法或歸納式挖掘程式等演算法會重建程序流程。這些演算法會查看每個案件的活動順序，然後由 Looker 等軟體自動繪製程序圖。這張圖以視覺化方式呈現不同案件的路徑，顯示最常見的路線和離群值，沒有任何人為偏誤。
- 分析：最後，團隊會使用軟體來分析結果。他們會尋找「滿意路徑」，也就是程序應採取的理想、最有效率的路徑。接著，他們會將這些資料與偏差、迴圈或延遲情形進行比較，找出工作停滯或團隊執行多餘、不必要步驟的地方。
程序探勘類型
組織會根據目標採用三種主要的程序探勘技術。每種技術在瞭解及改善工作流程方面，都具有不同的用途。
探索
探索通常是起點。這項技術只會使用事件記錄資料，從頭開始建構模型。演算法會直接查看資料，並產生反映實際情況的模型，因此您不必從假設或預先建立的程序運作模型開始。這項功能有助於您拋開先入為主的觀念，瞭解實際發生的情況。
符合性檢查
符合性檢查是將實際情況與標準進行比較。您會將實際資料與預先定義的「理想」模型或一組規則進行比較。目標是找出違規情形。舉例來說，如果訂購單必須先獲得核准，才能支付應付憑據款項，符合性檢查就會標出所有先付款的案例。這可以確保團隊遵守規則。
強化
強化是指使用資料來改良或擴充現有的程序模型。這項技術不僅能找出錯誤，還能創造價值。舉例來說，您可以將現有的程序圖與時間戳記資料疊加，精確找出發生延遲的位置。這有助於修復模型或調整程序，使其更符合實際的業務環境。
比較程序探勘、資料探勘與程序建模
這些術語很容易混淆，但它們指的是不同的領域。雖然這三種技術都與資料和業務分析有關，但切入點不同。
- 程序建模通常是手動作業，仰賴業務分析師進行訪談、舉辦研討會，並使用便利貼來描繪程序的運作方式。這項技術很主觀，代表「應有」的狀態。
- 資料探勘是相當廣泛的領域。這項技術會尋找任何資料集中的模式，而不僅是處理資料。例如，這項技術可以回答「哪些顧客可能流失？」這類問題，而不是「為什麼運送時間這麼久？」
- 程序探勘則著重於以程序為中心的資料，將順序和流程視覺化。
功能 | 程序建模 | 資料探勘 | 程序探勘 |
主要來源 | 真人訪談、研討會 | 大型資料集 | 事件記錄 (系統資料) |
焦點 | 程序應有的運作方式 | 模式和關聯性 | 程序實際運作方式 |
客觀性 | 主觀 (根據個人意見) | 客觀 (以事實為依據) | 目標 |
結果 | 靜態圖表 | 預測模型/叢集 | 動態程序圖 |
功能
程序建模
資料探勘
程序探勘
主要來源
真人訪談、研討會
大型資料集
事件記錄 (系統資料)
焦點
程序應有的運作方式
模式和關聯性
程序實際運作方式
客觀性
主觀 (根據個人意見)
客觀 (以事實為依據)
目標
結果
靜態圖表
預測模型/叢集
動態程序圖
各產業的程序探勘應用實例
程序探勘應用範圍遍及各行各業。任何仰賴結構化工作流程的部門，都能運用這些技術提升成效。
財經
財務部門通常是第一個採用程序探勘技術的單位。例如，他們可以運用這項技術簡化應付帳款和應收帳款作業，縮短應付憑據處理週期時間。這有助於停止重複付款，並防範未經核准的供應商 (通常稱為「違規採購」)。財務團隊可透過這項功能，瞭解應付憑據的確切流程，確保能享有提前付款折扣，並避免產生滯納金。
製造與物流
對於實體商品公司，程序探勘可協助管理複雜的供應鏈，例如找出導致延誤的站點，進而最佳化生產線。
在物流業，從倉庫到顧客手中，這項技術可將商品在供應鏈中的確切移動情形視覺化。有了這項資訊，主管就能預測延遲情況、更順暢地管理庫存交接，並確保生產排程符合顧客需求。
醫療照護
在醫療照護領域，程序探勘可用於提升病患體驗。醫院可運用這項工具，將病患從入院到出院的「病患歷程」視覺化。分析不同階段 (例如檢傷分類、檢驗和治療) 的時間間隔，管理員就能找出造成長時間等待的瓶頸。這能提高檢傷分類效率，確保資源分配到最需要的地方，進而改善病患的治療成效。
電信
電信公司可運用程序探勘技術，提升客戶服務和新手指引。啟用新線路或設定網際網路服務的過程，涉及許多步驟和部門。程序探勘有助於找出造成顧客流失的阻礙，並揭露啟用票證卡住或在技術和支援部門之間來回處理的原因，讓公司能修正根本原因，提升顧客滿意度。
程序探勘對業務營運的好處
導入程序探勘技術後，公司的營運方式可望大幅改善。組織通常能透過資料導向的決策，獲得明確的投資報酬率 (ROI)。
資訊公開
資訊公開
程序探勘技術能讓營運狀況近乎 100% 透明化。由於該技術會分析系統中記錄的每一筆交易，因此任何資訊都無所遁形。主管能藉此掌握不同部門與地點的工作流程實況，消除複雜營運帶來的「黑箱」疑慮。
效率
效率
這項技術擅長找出並排除瓶頸。舉例來說，在供應鏈中，這項技術可能會揭露出訂單之所以卡在「待處理」狀態長達三天，竟然只是因為需要人工簽署。公司可藉此找出延誤環節，簡化步驟，更快將產品送到顧客手中。
法規遵循
法規遵循
這項工具可協助偵測不符合規定的行為，例如員工略過標準採購程序進行「違規採購」。此外，還會監控服務水準協議 (SLA) 的違反情況，確保履行合約義務，降低受罰風險。
自動化
自動化
程序探勘是自動化的絕佳前置作業。這項技術可找出重複且穩定的步驟，交由機器人流程自動化 (RPA) 處理。企業不必猜測該自動化哪些程序，而是根據資料選擇能大幅提升效率的流程。
建構程序探勘管道範例
對開發人員來說，程序探勘不只是查看資訊主頁，而是建構資料管道，進而取得洞察資訊。以下是實際範例，說明如何使用 Google Cloud 設計解決方案，將電子商務訂單系統最佳化。
- 步驟 1：集中管理記錄。首要任務是將原始資料從應用程式移到可進行分析的位置。您可以將電子商務應用程式 (在 Google Kubernetes Engine 或 Compute Engine 上執行) 設定為將應用程式記錄傳送至 Cloud Logging。接著建立「接收器」，自動將這些記錄匯出至 BigQuery。這可確保每個「下單」、「付款處理」和「商品出貨」事件都永久儲存在可擴充的資料倉儲中。
- 步驟 2：將資料轉換為事件記錄。原始應用程式記錄通常是雜亂的 JSON BLOB。您需要將這些資料轉換為乾淨的「事件記錄」格式，才能讓程序探勘演算法讀取。您可以使用 BigQuery SQL 或 Dataform 編寫轉換管道。這個管道會擷取三個重要資料欄：案件 ID (訂單編號)、時間戳記 (事件發生時間) 和活動名稱 (例如「付款核准」)。
- 步驟 3：使用 AI 預測結果。將清理後的事件記錄資料表匯入 BigQuery 後，即可使用 Gemini Enterprise Agent Platform 加入預測情報。您可以直接在 BigQuery 資料上訓練表格分類模型，預測二元結果，例如「這筆訂單會延遲嗎？(是/否)」。接著，您可以將這些預測結果寫回 BigQuery，為程序資料加入未來發生機率。
- 步驟 4：製作圖表和設定警告。最後，您可以將 Looker 連至 BigQuery 資料表，以圖表呈現程序流程和預測的延遲時間。您也可以設定 Cloud Run 函式，在 Gemini Enterprise Agent Platform 預測到高機率的配送延遲時，觸發警告來提醒客服團隊，讓他們主動聯絡客戶。
相關產品和解決方案
如要建構完善的程序探勘架構，您需要能處理大規模資料、機器學習和圖表的工具。
其他資源
進一步瞭解驅動程序探勘的相關概念、資料基礎和 Google Cloud 技術。
- 使用 AI 探勘對話資料：這篇技術網誌文章詳細說明新創公司如何運用 Google Cloud 基礎架構，從非結構化對話資料中，擷取可做為行動依據的洞察資訊。
- 適用於 SAP 等的 Google Cloud Cortex Framework 資料基礎：觀看這部深入探討影片，瞭解如何建構程序探勘所需的資料基礎，特別是處理複雜的 SAP 環境時。
- 運用 Google Cloud Cortex Framework 加速達成業務成果：瞭解如何使用預先定義的範本和加速器，略過繁瑣的資料準備工作，直接取得業務洞察資訊。
- 供應鏈適用的資料與 AI 雲端：瞭解如何運用 Cortex Framework 和 Google Cloud 的 AI 工具，掌握全球物流資訊，解決實際供應鏈問題。
