Process Mining 还是 Simulation？过去对未来
Process Mining 从系统日志重建一个流程的实际执行情况：变体、真实的流转时间、循环、规则违规。为此需要包含流程编号、活动和时间戳的事件日志。流程仿真则计算一个尚不存在的流程（例如在自动化之后、在量翻倍时、或在角色分配改变时），它不需要日志，而需要数量、区间和产能。经验法则：如果您想知道昨天发生了什么，应选择 Mining；如果您想知道在第3步自动化后明天会发生什么，应选择仿真。两者结合效果更佳：Mining 提供仿真否则必须估计的输入值。
Inhaltsverzeichnis
一句话的区别
Process Mining 向后看并测量。Simulation 向前看并计算。
由此产生所有其他内容。也包括对数据的要求、也包括边界、也包括哪个方法能解决您的问题。
Process Mining 做什么
从您系统的日志（ERP、工单系统、工作流引擎）中重建实际流程。需要三列：
工单编号 | 活动 | 时间戳
---------|-----------------------|------------------
RE-2026-0418 | 发票录入 | 2026-03-02 09:14
RE-2026-0418 | 发送审批 | 2026-03-02 09:22
RE-2026-0418 | 已批准 | 2026-03-09 16:40
由此得到：
- 真实的流程，不是文档上的流程。经常会有惊喜。
- 变体： 一个工单实际走了多少不同路径？两位数常见，三位数也并非罕见。
- 每步和每个变体的真实流转时间，是测量得到的而非估计。
- 循环与返工： 工单回退的次数。
- 规则偏差： 在付款之后才批准的审批；四眼原则却只用了一只眼。
这一类工具有 Celonis、SAP Signavio Process Intelligence、UiPath Process Mining、Apromore、Disco 以及开源库 PM4Py。
前提很严格： 如果没有跨系统边界的完整日志，就无法进行分析。通过电子邮件、电话或纸质方式流转的流程不会留下痕迹。行政流程的等待时间往往就出现在这些地方。
过程模拟（Prozesssimulation）做什么
它把流程建成模型并让工单在其中人工通过：按抽样到达、抽样的处理时长、有限的产能。需要量、区间、产能和日历。只要这些作为假设是可见的，估计是允许的。
由此得到：
- 在波动下的瓶颈，按高峰日计算而不是平均值。
- 作为区间的流转时间，用 P50 和 P90 表示，用于尚不存在的某种状态。
- 瓶颈随措施的迁移。
- 变更的金钱价值（欧元），对比前后。
并列比较
| Process Mining | Prozesssimulation | |
|---|---|---|
| 问题 | 发生了什么？ | 如果…会发生什么？ |
| 依据 | 来自系统的事件日志 | 假设：量、区间、产能 |
| 前提 | 连贯的日志记录 | 无，三组数字每步就足够 |
| 强项 | 对现状的真实描述 | 对尚不存在状态的断言 |
| 盲点 | 一切未被记录的内容 | 一切您未作假设的内容 |
| 典型工作量 | 数周到数月，需 IT 参与 | 半天，不需 IT |
| 典型费用 | 平台、数据接入、运维 | 工具授权，通常明显更小 |
| 结果 | 变体、指标、偏差 | 瓶颈、区间、前后对比的欧元值 |
那种会让您多花钱的混淆
“我们先做 Mining，然后才知道自动化值不值。”
不对。Mining 可以非常精确地告诉您今天的录入需要多长时间。它不能告诉您：如果录入明天缩短一半，会发生什么。因为那时全部量会到达下一个今天受限的步骤，瓶颈会迁移。这个连锁效应不在任何日志里，因为它尚未发生。
一些 Mining 平台现在提供了模拟模块。您在评估时要问同样的两个问题：它是把占用步骤前的队列建模出来，还是沿路径把时长相加？结果是以区间还是单一数值呈现？
反过来也成立： 一个声称能精确知道现状的模拟会高估自己。它只知道您输入的假设。用 Little's Law（在制品 ÷ 日吞吐量 与 计算的流转时间 比对）做交叉验证因此是必须的，而不是可选的。
两者如何协作
最强的组合很平淡：Mining 提供了模拟本来需要估计的输入值。
| 模拟输入 | 来自 Mining |
|---|---|
| 到达量与峰值因子 | 每个工单首个活动的时间戳 |
| 处理时长作为区间 | 起止事件之间的差异，作为分布 |
| 路由比例 | 变体的频率 |
| 循环与返工 | 日志中的回退 |
| 终止率 | 无结束事件的工单 |
同时拥有两者的情况下，您可以用测量值替换模拟中最薄弱的一环——估计的输入。只有拥有其中之一时，您应当清楚该工具无法回答哪些问题。
决策
选择 Process Mining，当：
- 存在一个连贯的事件日志，或可以在可接受的成本下建立，
- 无人确切知道流程实际上如何运行，
- 规则遵守、变体或返工是核心问题，
- 您想持续测量，而不是一次性决策。
选择 Simulation，当：
- 您想在变更发生之前评估它，
- 流程在系统之外进行（电子邮件、电话、纸质），
- 决策将在本月内做出，
- 您需要一个可签署的欧元数值。
两者兼用， 如果您既有日志又想进行未来预测。这在大型组织中是常态，顺序是：先测量，后计算。
常见问题
我需要事件日志来做流程仿真吗？
不需要。仿真计算的是假设，不是日志。需要的是数量、作为区间的处理时间，以及每一步的产能。估计是允许的，只要估计作为假设保持可见。事件日志很有帮助，因为它用测量值替代这些输入，但它不是前提条件。
Process Mining 能回答假设情景的问题吗？
仅限于某些方面。日志记录了已经发生的事情，而不是可能发生的事情。某项措施的核心影响——也就是瓶颈随后转移到另一个步骤并且该步骤获得全部产能——尚未发生，因此不会出现在任何日志中。有些平台提供仿真模块；请在这些平台上检查是否有排队的建模，以及结果是否以区间形式呈现。
哪个更便宜？
通常是仿真，而且往往差距巨大。Mining 需要平台、数据接入、隐私审查和持续运行，引入也要花数周到数月。对一个限定流程的仿真来说，半天的工作就足够，并且不需要 IT。两者的比较其实不公平：它们产出的是不同的东西。
我们的流程大部分通过电子邮件进行。有什么办法可以帮助您？
仿真。没有贯穿式记录的流程不会留下可用的事件日志，尤其是收件箱中的等待时间在日志中永远不会出现。对于仿真模型，参与者已知的信息就足够：有多少事项到达、处理需要多长时间以及有多少产能。
我们应该先引入 Mining 然后再仿真吗？
只有在您本来就计划引入 Mining 时才应这样做。作为仿真的前提它并非必要，而本月要做的决策不会等一个需要半年的项目。反过来，一旦日志存在，两者的组合是合理的：届时测量值会替代估计输入。
在您自己的流程上进行计算验证
FlowVisual 会把本文中的数字变成一个可运行的模型，使用您的数量、您的产能、您的利润率。
Guide: seven steps to the number