多级流程是一种复杂的流程,其中包含具有多对多关系的实体,例如:采购到付款(P2P)和订单到现金(O2C)。传统的流程挖掘技术无法解决此类复杂业务流程中存在的典型问题——数据发散和收敛问题。
您可以利用多级流程立即发现一个实体中的活动如何给另一个实体的流程带来瓶颈和偏差,因此,有了多级流程,您就永远不必担心您为了解决了采购效率低下的问题而实施的变更会导致开票效率低下,出现得不偿失的情况。
我们继续来探讨多级流程。
端到端业务流程通常由多个流程和应用组成。请想想 SAP 中的采购到付款流程。从请购到发票的整个过程涉及四个不同但存在关联的流程:
- 请购
- 订购
- 收货
- 发票
一张发票可能与多项请购、订购和货物相关,因此,一个用例可以将多个请购、订购和收货流程实例组合到一个发票流程实例之中。
IBM Process Mining 能够通过多级流程将这四个流程中的多个实例组合到一个用例中。 从业务角度来看,这恰好能满足您的需求:您想要将与一张发票关联的所有请购或订购归入一个用例。
接下来,我们举一个简单的例子。
我们通过两份不同的请购单向一家供应商订购了四件货物。
采购部门负责处理这些请购单并创建一份订单,每行代表一件货物。
随后,仓库收到四件货物并其登记在一张收货单上,每行代表一件货物。
几天后,会计部门收到并登记发票,然后进行付款。
如果采用多级流程,这些事件均与一个用例相关联,因为它们共用一张发票。
这样我们就能得到正确的统计数据:当我们计算成本时,我们只需计算一次发票成本即可。
如果未采用多级流程,那么,每次请购都会产生一个用例,对应一张发票。显然,这种统计方法是错误的,因为我们会将发票成本计算四次。
更重要的是,多级流程可创建一个准确的模型,我们可以从中模拟某个子流程发生的变化,并衡量这些变化对其他子流程的影响。提高请购/订购的效率可能会导致发票环节出现新瓶颈,而我们可以发现这些瓶颈。如果未采用多级流程,我们就无法能进行这样的检测,因为我们只能在子流程之间建立一对一的关系。
我们来看看 IBM Process Mining 中的一个简单示例。
我们从 SAP P2P 数据集中提取并简化了与发票 3018000116_2018_IT10 对应的一个案例相关的多个事件。
您可以下载此 CSV 文件,然后将其加载到 IBM Process Mining 中。请确保映射以下 4 列:Req_ID, PO_ID, MatDoc_ID, and Invoice_ID to 'Process ID'。
您可以获得该流程模型,它能够清晰显示正确的子流程实例数量。

在流程挖掘项目设置中,我们已经说明,这些活动的成本为 20 美元(简化),然后,我们可以看到成本视图并确信有效成本准确无误,因为我们仅计算了一次发票成本。
我们可以使用分析功能计算用例的总成本、总订单金额和总发票金额。这样,我们就能获得正确的统计数据。

如果没有多级流程功能会怎样?
好,我们再来看同一个用例,假设 IBM Process Mining 不具有多级流程功能。
这样,我们就需要添加一个 caseID 列,作为每个子流程组合的唯一识别号。如上所述,我们必须将每张发票与每个请购/订购/货物组合相关联,这会导致数据重复。文件在这里。您应当创建一个新项目,仅映射 CaseID 字段。
模拟频率视图会显示这一结果,同时出现四张发票,和我们预期的错误结果一样。
通过查看成本视图得到的成本不正确,因为与发票相关的每项活动都被计算了四次。

因此,仪表板会显示错误的统计数据,因为与每张发票相关的数据都会被乘以 4。

可见,我们确实可以通过这种强大的多级流程能力正确地模拟端到端业务中涉及的多个流程。
在发现流程及变体,分析成本,绘制统计数据以及在模拟中使用数字孪生技术时均可利用多级流程能力。
>>>阅读原文
好文章,需要你的鼓励
埃森哲与Anthropic扩大合作,计划培训3万名员工使用Claude,标志着企业AI战略新方向。面对复杂模型生态、治理要求和人才短缺,咨询公司正成为关键的AI系统集成商。研究显示95%的企业AI试点项目零回报,尽管投资300-400亿美元。集成商能填补技术能力与实际应用间的鸿沟,但也带来新的依赖风险。CIO需要在利用外部合作伙伴的同时保持内部能力建设和架构自主权。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
IDC发布2025年第三季度全球企业级存储系统市场追踪报告,显示存储市场同比增长2.1%至近80亿美元。戴尔以22.7%市场份额居首,华为以12%份额位列第二且增长9.5%。全闪存阵列表现突出增长17.6%,中端存储系统增长8.1%。地域方面,日本、加拿大和欧洲表现最佳,而美国市场下降9.9%。IDC预计随着AI应用渗透,企业对闪存存储需求将持续增长。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。