2012年，杰夫·伊梅尔特来到通用电气位于加拿大彼得伯勒的一家大型汽车厂。这家汽车厂正在亏损，杰夫·伊梅尔特希望知道原因。他和厂里的十几位管理者做了沟通，得知这些来自制造部门、工程部门等等不同部门的管理者都有各自的汇报线路和不同的上级，可能唯一的共同点只是，他们的上级都不在这个汽车厂里。

“你替谁工作？如果答案不止一个人，那么这就是个坏兆头。”

2001年杰夫·伊梅尔特从杰克·韦尔奇手上接手了通用电气，这家并购了600家公司的商业怪物逐渐变得混乱，在每一个微观的制造场景中建立了充满矛盾的流程迷宫。

2012年的通用公司在走出金融危机的余震后显得心有余悸。保守、矫枉过正的心态转化成更频繁的审查以及冗杂的组织结构。通用电气内部最常用的信息系统是CRM，供应商是Salesforce，而具体的客户关系管理系统有39种应用，且相互之间无法妥协。当时通用公司的客户可能从本公司的不同业务部门收到超过10多张不同的发票，内部流程的混乱可见一斑。

世界的运转方式永远在变的更加复杂。

波士顿咨询集团曾做过估算，从1955年以来，世界变得复杂了6倍，而组织的复杂性则增长了35倍。企业组织的复杂化直观的变成企业流程的复杂化，也带来了流程管理的概念成熟。说到底，流程这个概念的提出，就像一个汽车厂最初设定的汇报路线一样，并不是为了制造迷宫，而是为企业在不断变的庞大之后，保留一条做事最原始的逻辑。

对流程的重视也很快进入了中国企业的生存意识里。如何在冗杂管理机制已经成型的情况下，实现流程的挖掘甚至重建，正在成为一个显性问题。

2019年创立的流程挖掘公司望繁信科技，尝试为中国企业找到需要的答案。

一份苦差事

在管理咨询公司AMT一份2010年前后的中国企业流程管理调研中，80%以上的大中型企业都或多或少的在实践流程管理，但其中超过83%的企业在推进流程管理工作前期缺乏系统规划，并且由于缺少组织层面的支撑，流程管理往往过于陷入具体问题，而缺乏整体意识。

以CRM为代表的对应各种业务的流程系统从上世纪末开始迅速进入中国企业视线，但相比成熟的欧美市场，中国的流程历史并不一样。海外流程经过了1960年代，1980年代流程优化和建模，大家是在标准化流程上做数字化。中国完全不一样，中国流程起步非常晚，并且是由经验起步，然后才开始IT基础化建设。

也因此流程并不是系统性的前置于整体业务，而是更像一张张头痛医头脚痛医脚的膏药。随着业务的扩张，业务与流程之间的矛盾变得具体：

“一家22年的公司，有了几千条流程，在发展过程中如果发现什么问题可以靠流程解决就制定一条流程，很多年过去之后，发现很多流程已经成为企业的绊脚石，不能帮企业更好的管理流程。”

索强三年前回国创立望繁信科技，期间见到了非常多中国企业的痛点，这是其中一个，也是相当典型的一种。

2019年，国内开辟流程挖掘这一细分领域还并未为人熟知。为这样一个新的概念做拓荒者，望繁信科技显然知道这是一份苦差事。那时候“流程挖掘”在国内是个新词，它可以理解为一个企业的“X光机”，是一个为企业流程挑毛病的软件——打个通俗的比方就是“鸡蛋里挑骨头”。

这个概念最早在国外兴起，然后经历了一个从理论到成为企业常识的过程。

1998年，埃因霍芬理工大学的 Wil van der Aalst 教授首先关注到了流程与数据挖掘之间的关联性，几年后他提出了第一个流程挖掘算法。随着2009年流程挖掘（Process Mining）名词的首次提出，这一概念开始理论化。

而从理论到“临床”的进展则很快。

2011年流程挖掘公司Celonis成立，并在成立前4年完成了收入4000%的增长。直到2017年，博世因为降本增效的流程管理目标采购了Celonis产品，Celonis在经过西门子和博世的产品验证后迎来了自己的爆发期。

其背后流程挖掘的概念也真正开始登堂入室，进入欧美企业的主流视线。

相比于欧美在半个多世纪时间里建立起来的企业流程管理共识和成熟的SaaS市场，中国企业在短短一二十年里迅速成长的特点也压缩了原本应该日积月累的企业流程管理体系的建立过程。

望繁信科技汇集了一批当时全球最早从事流程挖掘领域的人员，但就像之前举的例子一样，他们面对的是一个习惯了边打仗边学习，流程概念还未成型的中国市场。

在一家有健全流程体系基础的公司中，对于流程挖掘的需求可能只是1%的效率提升。望繁信科技希望做这样一台足够精密的“X光机”来为企业捡出业务中零星的流程问题，这个过程就像是在鸡蛋里挑骨头。但国内有大量企业所面临的问题是，“没有鸡蛋，全是骨头”。

三年多时间里，望繁信科技的服务客户包括华润集团、百度、美的、中国移动、南方航空、越秀地产、宝洁、德意志银行等各行各业头部企业。而随着流程挖掘这个赛道的逐渐成型，望繁信科技的业务也在做着调整。

“在没有标准化流程之下要开始流程挖掘，做一两条流程的优化对企业来说没有太大意义。企业需要的是重构，而不是优化。”索强这样总结过去三年多时间里，服务大量企业所得到的共识。

流程挖掘的实现，首先需要找到一个着力点，这个着力点就是流程资产。

流程资产：一种回归

望繁信科技的流程设计都贯彻在SaaS产品数字北极星中。

望繁信科技合伙人&CPO曹企闻，在与企业接触时遇到的问题是，一家企业有强烈的流程建立需求，但往往在没有最初流程梳理的前提下，直接上线了一套IT系统。各种系统之间相互扰乱，企业做事的真实逻辑隐藏在经验主义下的企业复杂行为里。

而一家企业的流程管理成熟是分阶段递进的。

最初的阶段是个别部门开始有意识的建立和梳理流程，也就是数字化系统（如ERP, CRM, BPM）的逐渐引入。

到了第二个阶段，企业从整体上开始有意识的建立和梳理流程，一些记录流程执行过程的设计软件开始被引入，然后参考这些设计软件的观察结果，企业的管理者以相对主观的方式来优化流程。

此前数字北极星旨在帮助企业从长久的的第二阶段挣脱出来，将数据驱动的能力融入流程管理，使得日常业务流程能够通过流程挖掘被实时监控与分析，但这仍然没有能形成一个流程迭代的顺畅闭环。

在做流程挖掘之前，企业需要厘清自己现有的流程是怎么样的，每一次做版本优化的时候，流程又会升级成什么样。每一个时刻的流程都是企业自己的资产。换句话说，如果原来望繁信科技对流程挖掘技术的探索与应用是去做一台“X光机”，那现在它需要帮助企业建立自己流程的“基因库”。

最理想情况下，这个“基因库”是时时动态的。流程本身的动态化——也就是将每时每刻流程管理的变化都沉淀为资产，以始为终的自己推动流程的持续迭代，以此形成一个管理和监控流程变化的闭环，则是流程管理进一步成熟的标志。

数字北极星3.0中所提出的流程资产“就是为了打通这个闭环”，曹企闻说。

在此之前，阻断流程管理闭环的原因是流程资产形成时天然伴随的滞后性和主观性缺陷。

小型企业没有能力在内部形成有效的流程资产，而大的集团型企业在发现了流程问题后，往往会引入外部的咨询公司来做这样一个流程梳理和流程资产的建立。但一个集团型企业有几百甚至几千条流程线。这样的咨询项目本身是非常耗时耗力的。

“他们来到了你的企业，做各种各样的访谈和尽调，去了解真实的业务流程，需要什么样的角色，在每一个节点做什么样的工作。这样子一个流程的梳理，可能会费时半年、一年甚至更多。一年之后，他的实效性还在吗？”

滞后性的问题是一方面。另一方面，在拿到调研数据后对企业流程所做的还原往往是主观的。这是一个企业普遍面临的流程设计与执行两层皮的问题，员工想象中的流程，在实际执行过程中会发生偏差。

因此望繁信科技的流程资产并不依赖人，而是数据。用数据技术反推，才能在客观上帮助企业建立适合自身的流程。

虽然国内的SaaS市场仍不成熟，但企业软件背后的日志数据其实非常齐全。望繁信科技要做的是把国内企业大量本地化或私有化部署的软件背后的数据拉通。以数据去反向推演的方式，可以还原出企业的真实流程。

曹企闻表示，这个过程——从开始拿数据到把流程还原出来——最快只需要一个星期。“并且这其中数据获取的审批和沟通流程耗时会占的很多”，他强调。这意味着数据的清理和分析阶段其实非常快。

人工智能的深入

流程优化中时常会出现这样的情况：管理者看到了一条流程中的某个节点的拥堵。然后尝试了一些方法解决了这个节点的拥堵情况。但这个节点的疏通仅仅是因为它把拥堵转移到另一个流程节点上去了。最终端到端的流程整体并没有变快。

当企业的管理者拿到了企业的运营参数，并且选择了某种优化方向，这个选择本身也是从经验出发的。这种主观性会降低流程挖掘的效率，并且再次让企业的流程决策笼罩在一种不确定性之下。

望繁信科技将数据挖掘能力放进流程资产的沉淀过程里，但对于整个流程管理闭环来说，只要经验主义的人为判断仍然强势，主观性的问题就不可避免。要将流程挖掘的效率最大程度的释放，则要依靠人工智能的能力加持。

前面提到，望繁信科技希望通过流程资产这个新的产品让整个流程迭代的过程自动化。而在这个高频的迭代过程中，产品团队选择将迭代方向的把握则交给了人工智能。

话题回归到一个古老的概念上：流程仿真。

仿真是一个很古老的领域，之前都是通过排队算法来做的，但当面对一个大型企业、复杂的流程线以及其所带来的几百上亿行的这个数据量，排队算法并不是一个合理的选择。

“一方面一个足够拟合企业流程的排队算法会需要极高的数学和统计背景，很少有企业具备这种能力，并且排队算法本身过于理想化了”，曹企闻表示，“员工的个人效率不一样，并且他们一定是要休息的，虽然这一定程度上可以通过数学分布来描述，但是这里一定还会有所谓的黑天鹅的事件。”

望繁信科技选择基于机器学习来实现流程仿真。

这样最大的好处是，企业真实的业务数据会直接进入这个仿真过程。曹企闻以仓储业务举了个例子。

“比如说这次流程仿真是想提升端到端的仓储效率，那么我们会直接在它的业务上做一些变化。比如修改几个供应商的选择，或者修改了人员的分配方案，然后观察这吞吐时间的对应变化。”

这更像一种穷举法。在一个流程的不同节点调整参数，借由机器学习快速试错，然后得到一个对整体优化目标最有利的调整方案。

除了流程仿真之外，人工智能的能力已经全面渗入数字北极星3.0中。

望繁信科技为客户做根因分析建立了一个AI模块，用户在流程监控中发现任何指标出现问题，都可以借助这个模块来分析原因；而在流程资产的环节中，人工智能也会基于过往同类客户的流程管理经验，为企业提供流程优化建议。

流程挖掘与大模型AIGC能力的融合则体现在流程分析报告的生成环节。在大模型能力的加持下，员工只需要输入自己的行业和流程细节，就可以得到一份非常完整的业务洞察报告，这里面不单单包含了最终的数据洞察，同时有业务的洞察，业务的建议以及下一步优化方针等等。

在成立之初，望繁信科技关于客户流程分析的工作内容中，50%交给人力，另外50%的工作量则交给算法系统和人工智能。随着服务企业中沉淀出的产品能力变得更加丰富以及人工智能在产品内的角色加重，现在望繁信科技业务上70%的工作量已经不需要员工来完成。

订单的增加与团队的扩张同步进行着。三年时间里，望繁信科技科技在中国流程挖掘市场融资规模领先，完成了4轮融资，累计融资额过亿元，先后获得了高瓴创投、知名头部互联网公司、波士顿投资、昆仑资本等机构的投资。

保持聚焦

杰夫·伊梅尔特在通用电气内做的重要改革是重新为公司设立了边界。他在制度上做了大量减法，从2012年开始，通用电气内部的职级从13层变成了8层，内部的IT系统削减了一半，三分之一的流程设置被取消。杰夫·伊梅尔特希望以这种方式让通用电气重新找回对业务的聚焦，变得更加敏锐。

在谈论产品方向时，曹企闻总是提到“边界”这个词。边界意味着业务上的分寸感。望繁信科技本身处于一个相对细分的赛道里，并且自成立以来一直在这个赛道中寻找纵深，对“边界”的重视本身也体现了一种聚焦。

望繁信科技的独特性在于他聚集了一批国内最懂流程挖掘的人，并且率先把这个在国内还非常前沿的概念用自研的SaaS和PaaS产品来做具体化，带进越来越多的知名企业内部。当更丰富的客户服务数据转化成底层的流程计算引擎的打磨后，望繁信科技的流程挖掘能力将会进入一个正向的数据飞轮。

现在国内专做流程挖掘的公司已经超过10家，这个冷门赛道正在变宽阔。在未来更激烈的竞争中，不断迭代进化的流程挖掘自研技术和产品力将是望繁信科技最核心的优势，也会是这家正在起势的创业公司，继续保持聚焦的最大筹码。