基于大数据技术的线上线下电商用户数据挖掘流程分析

电子商务的迅猛发展给电商企业带来了海量数据,而这种海量数据能否转化为商业价值取决于电子商务企业是否采用合适的数据挖掘方式和基于海量数据的管理经营方式。文章针对线上线下(Online-to-Offline,O2O)商业模式的用户数据特点,提出了基于大数据技术的O2O用户数据挖掘框架,并描述了其数据挖掘流程。

基于支持向量机的空间数据挖掘流程与实现方法

研究探讨了基于支持向量机的空间数据挖掘工作流程与工作框架,以及基于分类或回归功能的空间数据挖掘实现方法和基于核函数工具实现空间数据结构拓扑关系挖掘的方法。阐述了挖掘工作的重点和关键步骤。

数据挖掘流程改进研究

数据挖掘作为银行客户关系管理研究的核心方法,其实施流程的有效性对客户分析、甚至对整个银行业务的发展都具有关键性的作用.基于传统数据挖掘流程的优势与特点,建立改进的数据挖掘流程模型,并将改进的模型应用于银行客户流失的分析,为银行客户关系管理提供了新的借鉴.

面向流程偏差根因分析的港口物流流程挖掘方法及应用

港口物流是一种高度以人为中心、复杂灵活的业务流程。现有研究对其进行流程挖掘时,存在自动发现流程模型质量低的问题,同时缺少对于流程偏差进行系统化根因分析的支持,使港口流程偏差分析能力较弱。针对这一问题,提出一种面向流程偏差根因分析的港口物流流程挖掘方法。该方法基于事件日志进行港口物流活动统计实现流程绩效分析,使用Split Miner和Inductive Miner发现实际流程模型,并使用对齐方法识别流程偏差,接着结合分类决策树和桑基图对流程偏差进行根因分析。通过在某大型港口物流提货流程进行实际应用,结果表明,应用该方法能发现实际执行流程的更多细节来为流程偏差根因分析提供支持,并可以对流程偏差进行系统化的根因分析。该方法强化了港口物流流程偏差分析能力,进而降低了港口物流管理风险。

流程挖掘应用研究综述及对我国企业管理的启示

作为业务流程管理领域的前沿方法工具,流程挖掘技术起源并不断壮大于欧洲,近年在我国发展步伐明显加快。为了使我国企业更好地理解流程挖掘技术,并将其用于降本增效,在界定流程挖掘内涵、论述流程挖掘与企业流程管理关系的基础上,综述了流程挖掘在医疗、教育、制造等行业的应用研究,凝练出对我国企业的管理经验启示——流程挖掘可以从企业流程的体系性诊断、多措并举优化企业业务流程、夯实企业数字化转型的流程基础等方面改进我国企业管理水平。

基于流程挖掘的电力物联网供应链合规管控技术

随着物联网和发展,电力物联网由业务驱动向数据驱动转变,一方面紧扣供应链业务数据化要求,另一方面可充分利用流程挖掘技术驱动业务流程改进调优。流程挖掘聚焦电力物联网物资供应链业务的执行时效性、合规性及合理性问题,以供应链业务执行全流程为视角,依托供应链业务流程数据为基础,采用大数据算法和可视化技术,仿真流程执行的过程,发现流程执行的合理和合规性。对于流程执行的原因进行分析,通过人工智能算法给出流程执行影响因素,通过服务化方式为打造现代智慧供应链提供技术支撑。

基于流程挖掘的RPA财务自动化流程设计研究

财务自动化流程设计是企业财务数字化转型下RPA财务机器人应用实施的关键内容。大数据背景下,流程挖掘作为一门新兴的流程发现技术,能够基于流程系统中的日志数据,客观地展示可视化财务流程的运行过程。文章在分析流程挖掘和财务自动化流程内涵和契合性的基础上,构建了基于流程挖掘的财务自动化流程设计框架模型。首先,将获取的事件日志采用流程挖掘算法生成财务流程发现模型,再根据分析需求,基于时间、频率视角生成财务流程扩展模型。其次,从控制流维度、组织维度、性能维度分析财务流程的瓶颈问题,并根据发现的问题针对性地设计财务自动化流程。再次,采用净现值法对构建的模型进行价值评价。最后,以A高速公路企业的资金认款流程为例予以论证,为流程挖掘技术在财务自动化设计领域的研究及应用提供理论及方法上的参考与借鉴。

VUCA环境下基于流程挖掘的销售风险评价研究

销售活动的持续性是企业经营的重要保障,VUCA环境下不确定性等风险因素增加,在企业中则具体表现为生产活跃度不足、运营效率低下、需求减少、收入下降,风险明显升高。党的二十大报告指出,要着力推动高质量发展。企业的高质量发展应顺应智能化发展趋势,引入智能化技术,完善风险管理机制。鉴于此,通过引入流程挖掘技术,分析内外部环境变化对企业销售活动供应侧与需求侧的影响,协同建立适应于VUCA环境影响因素分析的风险评估指标体系,同时基于案例与时间维度展开风险评估,整理与X企业销售活动相关的事件日志数据,通过数据比对、数据统计、数据转换与数据分析,完善销售风险预警,通过划分等级和类别,以实现销售风险评价,为企业平稳度过变局环境提供参考和借鉴。

基于流程挖掘的流程资产管理平台

随着信息技术的迅猛发展,企业面临着日益复杂的业务流程管理和资产管理的挑战。在此背景下,流程挖掘技术为企业提供了一种有效的解决方案。本文探讨基于流程挖掘的流程资产管理方法,通过分析企业流程数据中隐藏的模式和规律,帮助企业实现流程优化和资产管理的目标。

跨组织业务流程模型挖掘与质量评估

跨组织业务流程需要多个组织相互配合,协同工作来完成一项由单个组织无法完成的任务.由于跨组织业务流程的复杂性与分布性,其建模与分析过程是一项耗时且容易出错的任务,要求建模人员拥有丰富的经验和行业知识.流程挖掘通过分析业务信息系统执行过程中产生的日志为模型构建提供了一种自动化方法.然而,传统的流程挖掘技术仅支持单个组织的日志挖掘,无法有效地处理跨组织业务流程挖掘问题.本文针对此问题提出一种跨组织业务流程模型挖掘方法.首先扩展已有的流程挖掘方法来进行单个组织的业务流程模型挖掘;其次,定义组织间三种典型的协同模式,并提出相应算法以挖掘组织间的协同模式;再将各个组织的流程模型和协同模式集成,得到全局跨组织业务流程模型;最后采用传统的质量评估指标和提出的协同模式拟合度来量化发现的跨组织业务流程模型质量,通过四个不同的跨组织业务流程案例与已有挖掘方法进行比较,验证本文提出挖掘方法的有效性和可用性.

流程挖掘一致性检验算法研究综述

一致性检验作为流程挖掘中的一部分,不仅可以筛选可能存在问题的日志,还可以作为评价模型的一种方案,近些年来在研究和应用领域逐渐受到关注。发展至今,已相继提出了一致性检验中面向不同应用场景的各种算法。本文将从一致性检验算法、近似算法和在线算法三个角度对当前研究进展进行介绍,分析当前一致性检验算法的应用和发展前景。

一种预测流程剩余时间的可解释特征分层方法

流程剩余时间预测对于业务异常的预防和干预有着重要的价值和意义.现有的剩余时间预测方法通过深度学习技术达到了更高的准确率,然而大多数深度模型结构复杂难以解释预测结果,即不可解释问题.此外,剩余时间预测除了活动这一关键属性还会根据领域知识选择若干其他属性作为预测模型的输入特征,缺少通用的特征选择方法,对于预测的准确率和模型的可解释性存在一定的影响.针对上述问题,提出基于可解释特征分层模型(explainable feature-based hierarchical model,EFH model)的流程剩余时间预测框架.具体而言,首先提出特征自选择策略,通过基于优先级的后向特征删除和基于特征重要性值的前向特征选择,得到对预测任务具有积极影响的属性作为模型输入.然后提出可解释特征分层模型架构,通过逐层加入不同特征得到每层的预测结果,解释特征值与预测结果的内在联系.采用LightGBM(light gradient boosting machine)和LSTM(long short-term memory)算法实例化所提方法,框架是通用的,不限于选用算法.最后在8个真实事件日志上与最新方法进行比较.实验结果表明所提方法能够选取出有效特征,提高预测的准确率,并解释预测结果.

基于分解循环结构的流程模型挖掘方法

模型挖掘作为流程挖掘的热点领域之一,旨在从事件日志中生成描述业务流程的模型。事件日志包含具有可分解循环依赖关系的活动,此类活动既无法使用过滤非频繁活动的方式将其过滤,也不能当作混沌活动处理,导致流程模型精确度较低。现有方法不能在含有噪声的情况下根据有无循环结构划分事件日志,进而无法在无循环结构子日志上正确识别具有可分解循环依赖关系的活动,且需要依赖活动属性。为克服现有方法的不足,提高挖掘模型质量,提出分离循环结构和可分解循环依赖关系的分解流程模型挖掘框架。首先基于启发式方法将事件日志根据有无循环结构划分为两部分,在无循环结构事件日志中根据活动间可达关系频率和直接跟随关系频率识别具有可分解循环依赖关系的活动,进而将具有可分解循环依赖关系的活动从有循环结构事件日志中过滤,以识别事件日志的循环结构并投影得到子日志集合。然后使用现有流程模型挖掘方法挖掘子模型并基于边界活动分支结构关系合并子模型。实验结果表明,该方法基于ProM平台实现,并基于公开事件日志与直接使用Inductive Miner、基于最大划分框架和基于阶段的业务流程模型挖掘方法相比,精确度提高了0.08~0.42,复杂度降低了3.86~45.92。

基于流程挖掘视角下的数据要素利用研究

流程挖掘作为跨数据挖掘与过程建模的关键技术,有助于发挥数据要素价值,但当前业内对流程挖掘技术、数据要素利用程度不足。基于要素特征及DIKW模型等分析,发现数据要素应用于流程挖掘具有直接性、动态性和外部性等特征,可通过业务牵引、要素整合、技术融合机制发挥要素价值。因而企业需要进一步强化流程挖掘技术应用积累、注重数字化治理体系建设、探索建立数据安全与共享的共存机制等措施促进数据要素价值最大化。

郑智先:流程挖掘的先行者

近年来,随着数据和信息的爆炸式增长,企业数字化转型不断深入,数字化的流程成为企业运行与执行的核心基础能力。与此同时,这些数字化的流程在执行过程中,往往不可视并且很难优化,流程执行的效能评估和管理一直是企业运行管理中的难点。流程挖掘(Process Mning)技术的出现。

关于流程挖掘在银行业应用的思考

近年来,商业银行持续推进数字化转型战略,综合应用机器人流程自动化(RPA)等人工智能技术进行端到端数字化流程重构,打通业务流程断点,打造环节无缝衔接、信息实时交互、资源协同高效的业务处理模式,提升客户体验,降低运营成本,重塑银行品牌价值。然而,从商业银行流程执行的全生命周期来看,单纯地根据业务需求进行流程改造是不够的,商业银行应主动从流程运行过程中提取数据、发现关键因素。

一种并行化的启发式流程挖掘算法

启发式流程挖掘算法在日志噪音与不完备日志的处理方面优势显著,但是现有算法对长距离依赖关系以及2-循环特殊结构的处理存在不足,而且算法未进行并行化处理.针对上述问题,基于执行任务集将流程模型划分为多个案例模型,结合改进的启发式算法并行挖掘各个案例模型所对应的C-net模型;再将上述模型集成得到完整流程对应的C-net.同时,将长距离依赖关系扩展为决策点处两个任务子集之间的非局部依赖关系,给出了更为准确的长距离依赖关系度量指标和挖掘算法.上述改进措施使得该算法更为精确、高效.

基于混合人工免疫算法的流程挖掘事件日志融合方法

流程挖掘是流程管理和数据挖掘交叉领域中的一个研究热点.在实际业务环境中,流程执行的数据往往分散记录到不同的事件日志中,需要将这些事件日志融合成单一事件日志文件,才能应用当前基于单一事件日志的流程挖掘技术.然而,由于流程日志间存在着执行实例的多对多匹配关系、融合所需信息可能缺失等问题,导致事件日志融合问题具有较高的挑战性.对事件日志融合问题进行了形式化定义,指出该问题是一个搜索优化问题,并提出了一种基于混合人工免疫算法的事件日志融合方法:以启发式方法生成初始种群,以人工免疫系统的克隆选择理论作为基础,通过免疫进化获得"最佳"的融合解,从而支持包含多对多的实例匹配关系的日志融合;考虑两个实例级别的因素——流程执行路径出现的频次和流程实例间的时间匹配关系,分别从"量"匹配和"时间"匹配两个维度来评价进化中的个体;通过设置免疫记忆库、引入模拟退火机制,保证新一代种群的多样性,减少进化早熟几率.实验结果表明:该方法能够实现多对多的实例匹配关系的事件日志融合的目标,相对于随机方法生成初始种群,启发式方法能够加快免疫进化的速度.另外,针对利用分布式技术提高事件日志融合性能,探讨了大规模事件日志分布式融合中的数据划分问题.

基于流程案例簇的任务关系挖掘算法

为了进行流程发现,提出一种基于流程案例簇的任务关系挖掘方法。该方法首先将基本案例按照特征向量分为多个案例簇,根据基本案例的任务轨迹对案例簇中任务间的依赖关系进行挖掘;然后给出了基于循环基元的循环结构建模和挖掘方法,最终可以从事件日志导出流程中完整的任务依赖关系以及存在的循环结构。所提方法能正确处理任务依赖关系随案例属性取值不同而变化的情况。只要日志完备,基于挖掘到的任务关系和循环结构就能得到一个与原流程行为等价的流程模型。

基于流程挖掘的决策支持方法

为了提高业务流程的执行效率,考虑工作流执行过程中存在的各种约束条件对工作流决策支持的影响,研究了如何将工作流中各种约束条件考虑在内的决策支持方法,并侧重考虑时间约束和成本约束。首先扩展了传统Petri网,研究了一种增加工作流中资源信息描述的、可扩展的业务流程表示模型——时间资源Petri网模型。在此基础上提出一种资源分配优化方法,利用业务流程中存在的多种约束条件,对使用TRPN模型表示的业务流程进行资源优化分配,以在满足当前工作流约束条件的基础上提高流程执行的效率。通过具体的实验分析,验证了所述方法的正确性和有效性。