在我们的第一篇博文中(https://blogs.sap.com/2019/02/22/intelligent-process-engineering-a-new-approach-to-business-process-reengineering/)我们已经报道了智能过程工程的新设计方法。今天我们将更详细地描述这一点。

该方法分为五个步骤，首先是对业务流程的高级探索，然后是更详细的分析。与流程挖掘等流行方法不同，IPE的优势在于它不需要从一开始就处理详细的分析。IPE的初始阶段（"探索"）形成了关于公司相关（流程）改进领域的假设，可以作为分析的起点。这确保了可用项目资源的有效利用。

图1:IPE的第一阶段

"在IPE中进行详细分析之前，如何租用服务器，啥叫人工智能，必须全面了解潜在的改进领域。SAP Intelligent Enterprise Group高级主管Rüdiger Eichin博士说："使用SAP Transformation Navigator之类的工具，已经可以使用有关客户系统环境的现有数据和信息。"。随后的有针对性的分析将使用来自系统的数据（如事务使用情况、事件和其他类型的数据）来确定"更准确的线索，以便在何处更仔细地查看"。重要的是提供使用适当工具（如Qualtrics）的机会，低价的云服务器，通过向用户或流程专家提问，允许使用经验数据扩展事务数据集。这也为分析带来了额外的技术诀窍和流程客户视角。"在最初的步骤中，IPE有两个重要的特点：一方面，它是一种数据驱动的方法，另一方面，它从一个总体的观点向下到更详细的工作，这确保了过程的工程目标是最有希望的改进领域。"Rüdiger Eichin在一次采访中说SAP Intelligent Enterprise Group高级主管Stefan Schmidt补充道："在分析阶段，当使用IPE等方法时，会使用各种数据收集和评估工具。这会导致大量的部分和中间结果。这些结果必须由专家进行评估和解释。"基于真实数据的定量分析允许各种建议和解释，这需要专家的合格评估，"Stefan Schmidt说，

特别是在分析中，面向数据的工具的应用可能是一个挑战。一方面，必须有技术先决条件，即有相应的数据，以便能够根据足够的资料作出适当的评价。例如，这些可以包括来自系统日志的信息。另一方面，大数据学什么，信息的合法使用是一个重要的议题，应被视为一个需要注意的重要方面。"当然，应该记住，在处理技术数据的所有这些步骤中，可能必须通知员工的工作委员会。注意必要的匿名形式也很重要，因为方法的目标不是对员工进行绩效衡量，而是改进流程。"。因此，一个挑战仍然是在基于假设和数据驱动的自上而下方法与员工沟通之间找到平衡："这是应用该方法的一个重要成功因素，"Rüdiger Eichin说。

在数据分析中，基于系统的数据可能并不总是足以进行过程评估。"假设的形成中包含了专家知识，必须在分析中加以验证。在多维分析中，来自事务系统的真实数据非常重要，但它们不是唯一相关的数据源。为了缩小这一差距，有一些收集数据的定性方法可用于专家讨论和调查。

数据驱动的方法和在适当专家在场或参与的情况下使用现有数据是该方法应用的主要优势。此外，面向标准流程有助于相应地加速分析。例如，通过使用订单-2-现金流程的标准流程，您可以快速获得基于数据的真实流程绩效视图。

通过分析，可以验证（或证明）初始假设是错误的。进行这种评估的一个合适的选择是在研讨会中使用设计思维作为一种方法。这确保了参与简介的多样性和对分析阶段结果的接受。这样一个研讨会还可以决定下一步的工艺设计，这可以通过绿地方法或通过棕地方法使用现有工艺来完成。我们将在随后的博客文章中更详细地描述实施过程改进的必要活动。

"智能过程工程是我们与客户合作的结果。"，Stefan Schmidt说："设计方法会随着合作伙伴和客户不断发展。"我们正在与内部和外部的利益相关者交谈，零售大数据解决方案，他们都认为这种数据驱动的方法比以前的方法更有优势。