プロセスマイニング

プロセスマイニング手法は、他のアプローチではプロセスの正式な説明が得られない場合や、既存のドキュメントの品質に疑問がある場合によく使用される。 Gartnerによると、プロセスマイニングはハイパーオートメーションの一部である^[5]。たとえば、 ワークフローシステムの監査証跡、 エンタープライズリソースプランニングシステムのトランザクションログ、または病院の電子カルテへプロセスマイニング手法を適用すれば、プロセス、組織および製品を理解するためのモデルが得られる可能性がある^[6]。 イベントログ分析を使用して、イベントログを事前モデルと比較し、観測値が規範的モデルと記述的モデルのどちらに準拠するか理解することも可能である。プロセスマイニングを実施するには、イベントログデータから文書ID、処理内容、タイムスタンプの3要素が取得できる必要がある^[7][8] 。

BAM（ビジネス・アクティビティ・モニタリング）、BOM（ビジネス・オペレーション・マネジメント）、BPI（ビジネス・プロセス・インテリジェンス）などの最新の技術動向から、 ビジネスプロセス管理（ワークフローシステム等）で診断機能のサポートが求められていることが窺える。

プロセスマイニングの概念は、1990年代後半にアイントホーフェン工科大学のウィル・ファン・デル・アールスト（Wil van der Aalst）教授を中心とした研究グループによって提唱された^[9]。

• 黎明期（1990年代後半 - 2000年代初頭）:

当初は学術的な研究プロジェクトとして始まり、ペトリネットやグラフ理論などの数学的モデルを用いてワークフローを自動的に発見する手法（アルファアルゴリズム等）が開発された。2004年には、オープンソースのプロセスマイニングプラットフォームである「ProM」が公開され、世界中の研究者がアルゴリズムを共有できる基盤が整った^[10]。

• 商用化と普及（2010年代）:

2010年代に入ると、企業のデジタルトランスフォーメーション（DX）が進んだことで実務への応用が加速した。2011年には、IEEE内にプロセスマイニングに関するタスクフォースが設立され、分野の定義と指針を示す「プロセスマイニング・マニフェスト」が発表された^[11]。同時期に、ドイツのCelonis（セロニス）社やFluxicon社をはじめとするベンダーが商用ソフトウェアをリリースし、SAPやOracleなどのERPデータを用いた業務改善手法として、フォーチュン500に名を連ねるようなグローバル企業に急速に受け入れられた。

• 標準化と拡大（2020年代以降）:

IEEEによってイベントログの標準フォーマットである「XES (eXtensible Event Stream)」が採択（IEEE Std 1849-2016）されるなど、技術の標準化が進んだ^[12]。また、デスクトップ上の操作を記録する「タスクマイニング」や、AIによる予測分析（プレディクティブ・アナリティクス）との統合が進み、単なる現状可視化から、ハイパーオートメーションの一環としてリアルタイムの監視と改善を自動的に行うシステムへと進化を遂げている。

プロセスマイニングの手法は、主に3つのタイプに分類される。この分類は、「分析の基準となるモデル（業務の理想的な設計図）」が事前に存在するか、またそのモデルをどのように活用するかによって定義される。

• プロセスディスカバリー（プロセスの発見）:

分析の基準となるモデルが全く存在しない、あるいは実態と乖離している場合に使用される。情報システムに残された操作履歴（イベントログ）を解析し、実際にどのような手順で業務が行われているかを自動的に図解・モデル化する手法である。 たとえば、「アルファアルゴリズム」などの計算手法が用いられる^[13]。ログから自動的にプロセスモデル（ペトリネットやπ計算^[14]など）を構築する手法は多く研究されており^[15]、近年では業務の流れだけでなく、「誰が誰と協力しているか」という組織内のソーシャルネットワークを可視化する研究も進んでいる^[16]。

• 適合性評価（コンフォーマンス・チェック）:

「あるべき姿（理想のモデル）」が既に定義されている場合に使用される。実際のイベントログと理想のモデルを照らし合わせ、ルール通りの手順を踏んでいるか、例外的な操作が行われていないかを分析する。 たとえば、「100万円以上の発注には2名の承認を必須とする」といった社内ルールが守られているかをチェックし、違反（偏差）を特定することで業務の健全性を高める。また、ログを詳細に調べることで、どのようなデータが原因で特定の「分岐（選択肢）」が選ばれたのかを解明する手法も存在する^[17]。

• パフォーマンスマイニング（プロセスの強化）:

既存のモデルをベースに、業務の「質」を向上させるために行われる。単に手順が正しいかを確認するだけでなく、各工程にかかった時間（サイクルタイム）、待ち時間、コストなどの実績データをモデル上に重ね合わせて可視化する。 これにより、どの工程がボトルネック（渋滞の発生源）になっているかを特定し、プロセス全体の効率を最適化するための改善案を導き出す。例えば、過去のパフォーマンスデータを用いて、将来発生しうる遅延を予測するシミュレーションなどにも応用される。

• 財務・経理（P2Pプロセス）: ドイツの製造会社はプロセスマイニングにより請求書処理における「手戻り」や二重支払いを特定。マスターデータの修正と自動化により、タッチレス処理率を大幅に向上させ、年間数百万ドルのコスト削減を実現した^[18][19]。
• ITサービス管理（ITSM）: チケット解決が停滞する原因（エスカレーションのループ等）を可視化した結果、特定の手順を生成AIエージェントに代替させることで、解決までのスピードを約40%向上させた^[20]。
• 物流・受注管理（O2Cプロセス）: 特定の地域での配送遅延の原因が、属人化した例外処理や「システム上の設定ミス」による保留であることを特定。プロセス標準化と不備の解消により、注文から納品までのリードタイムを25%短縮した^[21]。

• ビジネスプロセスディスカバリー
• ビジネスプロセス管理
• ワークフロー
• シーケンスマイニング
• タスクマイニング
• データマイニング
• データ視覚化
• プロセス分析