当我第一次听到流程挖掘的时候，我就意识到这必将成为主流趋势，因为，对于业务的表达，最为直观也是最为客观的两个维度，就是数据和流程。今天我们对数据有多重视，不久的将来就会对流程有多重视。看看现在的数据要素、数据资产、新质生产力等各种概念的火爆，下一站流程资产已经破晓。

数据治理和流程治理从技术上看各有挑战，然而为什么会有这种先后的次序呢？我个人认为，除了技术发展的原因外，还有由于认知思考没有深入到体系化的理论高度的原因。当面对一个客户在同时开展数据治理和流程治理工作的时候，很自然我就想到把二者统一到一个体系化的框架内，于是，“业务治理”这个名词就浮现在脑海中，而相应的对于治理对象的名词定义“业务资产”也就伴随而来。

要全面理解业务资产就需要改变传统孤立的视角。

传统上从数据视角看资产是这样的：

而从流程视角看是这样的：

于是，当我尝试诠释一幅完整的业务资产蓝图时，相关的构想便在脑海中清晰浮现。

广义的业务资产基本上涵盖了包括企业战略思想、业务战略制定、组织架构、业务流程、支撑系统以及数据体系。而更为准确的所谓狭义的业务资产主要包含着流程（业务层）、数据（数据层）和知识三个维度，这里尝试着给出一个框架概念，业务资产就是以企业业务为载体的伴随并衍生出来的信息化资产。如下图展示出流程、数据和知识三者之间的关系。

先说知识资产。

知识对于企业业务资产而言从实体角度一般可以被理解为知识模型、知识库或者是知识图谱，也可以简单理解为例如包含业务规则的作业指导书、包含核心工艺参数的工艺设计、数字化生产线设计或是实验报告等具象的各种企业文件。本文要强调的更为宝贵的知识是隐藏在业务流程和数据流转中的数字化经验，从某种意义上说这样的知识代表着业务的最佳实践，是宝贵的业务经验的数字化解析和承载。

例如，如下图所示，在离散制造业基于超级BOM实现从需求BOM-设计BOM-工艺BOM-生产BOM-采购BOM-交付BOM-服务BOM整个产品生命周期的物料的自动化流转分配就是典型的知识体系的一种，通过业务逻辑规则的制定，沉淀了人工分解的知识经验，摆脱了人为BOM制作的低效，释放出高效的业务协作生产力，充分表现出知识的力量。

再比如促销政策的制定。特别是对于食品等快消品行业，敏捷地捕捉市场需求和变化并开展针对性的促销策略制定就是产品营销的核心竞争力。如下图所示，开展促销策略的快速制定从业务需求上就要准确地建立包括区域网店、消费者特征和产品特征等各种数字化标签，并通过数据挖掘探寻更为有针对性更具有效性的策略机制，同时梳理从市场策略制定、审批到发布完整流程从而将传统的若干天的促销审批流程缩短到小时级的流程，以高效的流程管控支撑敏捷的市场行为，这其中就包含着流程知识与市场策略知识的贡献。

而且，不知道大家是否感受到，这个案例也展现出数据、流程和知识相结合后的业务价值的潜力。

知识管理和知识工程（Knowledge Based Engineering，KBE），是企业各团队在业务过程中共享统一数据源、共享企业的知识积累和进化，使得基于企业知识的业务协同变成了现实。企业的各项业务过程从设计、管理到执行、归档、分析等全过程涉及到的建议、操作、经验、知识可以在其后的工作中得以进化、沉淀和重用，从而使企业创新可以在无数次试错所积累的经验教训真正可以数字化沉淀成为知识规则，使以往那种知识经验随着人员的流失而消失的现象得以消除。

再说数据资产。

数据资产大家都比较了解了，也有很多研究机构给出了各种成熟的定义，这里我就不赘述了，简单分享一下个人的理解。

这里，我们不讨论数据资产入表类的话题，只谈数据业务价值。作为一个在中国第一批从事过数据挖掘机器学习产品的人员来说，对于通过数据挖掘和机器学习带来的业务价值有着更具象的体会。数据自然是数字化的基础，信息化其实就是获取数据的技术手段。数据不仅反映出企业真实的运营状况，同时，基于准确的数据质量开展科学有效的数据分析，还可以为企业各个层级的业务决策提供严谨依据和有效参照，甚至可以仿真模拟未来趋势或业务过程与结果预测。

这段话说的简单，一下子就概括了数据获取与采集、数据加工与处理、数据存储与管理、数据分析与展现等各个数据技术纬度。再有今天火爆的AI人工智能的加持，数据价值得到了空前的挖掘与发展。

其实，数据更为宝贵的价值在于，基于先进的算法技术，从海量的历史沉淀数据中发现依靠人工无法发现的潜在的规律和趋势，从而指导辅助业务决策，这也是一种宝贵的知识财富。

如果说数据对于企业就如同血液在人体中流淌，那么流程对于企业就如同神经系统，组织、器官、功能，都依赖神经系统的传导，形成有机的生命体。

所以这里重点介绍一下流程资产。

流程资产概念相对比较新。对于企业而言，业务流程是用于管理企业以实现高效、有序和可靠的业务运作的最佳手段，是公认的知识资产。流程资产可以概括的分为静态流程数据资产和动态流程数据资产两部分，静态资产主要包括企业流程制度文件基础上梳理、执行和改进过程中所沉淀、积累的结构性的知识资产，例如流程图、权责矩阵、流程元素，风控要素等，是服务企业经营、组织发展和战略目标的指导手册。动态资产是企业的业务流程所产生的数据本身，例如审批记录、销售、生产线、采购记录等。

这里我特别强调一下，个人认为流程资产管理应该包括正向的流程设计和逆向的流程执行所记录的全部流程数据资产。传统流程治理的咨询往往停留在正向的从L1-L3的流程梳理阶段，以及通过工具制作的L4的流程视图，这是由于历史上的技术能力的局限造成的不全面。传统的流程生成和管理是在文件系统或专业的流程管理软件（BPM） 例如 ARIS或者K2中绘制企业流程图或者建立企业流程制度。但因为流程数据的缺失，使得无论是以上哪种方式生成的流程均无法达到被分析、优化、监控、提炼价值。流程资产应当紧密地与数据、组织架构、管理制度相关联，并利用流程挖掘技术实现流程的自动化沉淀和检测。而流程挖掘，通过流程表单数据的采集，弥补了L5-L6执行和活动的数据展现，形成完整的流程体系。所以，一个完整意义的流程资产应该包括通过流程挖掘分析后的最佳流程实践的沉淀。

当然，这种流程分析的沉淀依赖于流程挖掘技术，依赖面向流程的数据分析以及流程数据的支撑。

流程数据是指在特定业务或操作流程中产生、流动和被处理的各种信息和记录。流程数据描述业务过程中的步骤、状态、执行者、时间戳以及相关属性，也是流程资产数据的最大组成部分。流程数据是流程挖掘执行过程中的流程表单日志（Eventlog），流程指标是指在业务流程运行过程中的核心指标，例如时效、通过率、退单率、平均单据成本等。流程指标是在流程数据之上定义、计算出来的。

综上所述，业务资产涵盖的流程和数据，既是伴随业务发生的，同时也是对业务的反映和表达，是业务抽象化的成果，也是业务数字化的表现形式，而其中还有隐藏的不可忽视的黄金资产，就是知识。不过，有意思的是，业务资产并不仅会跟随着业务活动的结束而结束，相反会以数字化的形式沉淀成为更长久的存在。

结合相关行业研究资料来看，基于抽象关系的总结和思路的延续，也可以发现数据资产和流程资产具有某些共同或是共通的地方：

• 最终的表现形式都是通过数据表达，也就是数字化的表现形式；

• 都需要通过治理才能成为具有价值的企业资产；

• 共同作用于企业管理和业务运营；

• 对于已经存在的数据和流程都需要通过逆向工程来观察和分析，流程挖掘不同的地方在于，对于数据来说是RE逆向数据库工程来获取元数据以及数据表之间的各种关联关系，而流程治理则需要通过流程挖掘来还原真实的业务流程的全貌，流程的设计、执行、优化、监控需要依赖于数据的输入、输出和处理，而流程的重构、优化又促进已有数据的更新及生成。

• 流程与数据的结合会出现业务叠加效应。企业是通过稳定的业务流程执行与持续不断的数据资产沉淀来实现企业生产能力的提升。企业内部已有业务可通过流程资产提升数据的复用性和稳定性，从而决定企业数据的可复用范围。流程资产稳定性越高，复用范围越大，流程资产复制能力就越强，从而企业生产力就越高。

• 流程和数据之间也存在着管理协同效应。流程资产和数据资产通常需要进行共同的管理和维护工作，管理范围包括企业规范、数据存储、访问权限、质量控制等方面。两者结合的管理模式可以有效促进组织内部的协作和决策效率，人工智能算法的调优也能够更好完善企业数据资产，形成数据采集、数据分析、数据优化、数据监测、数据沉淀的闭环，为企业带来更多的业务价值和竞争优势。

流程资产与数据资产的不同之处表现在相对于数据单一的表现形式而言，流程具有更为丰富和多元化的表现内容，如静态化的标准格式流程表单，流程架构和流程定义等，动态化的流程图和流程数据等。

在传统企业4A架构理论中，业务架构是作为应用架构和数据架构的输入条件的，而流程架构就是业务架构中的核心内容之一，所以从某种意义上说，流程架构决定了对于流程需要表达的数据架构；流程资产所需要的流程数据存在于企业各个业务系统中，流程资产是通过对企业数据资产的加工及再生，使记录在册的结构化或非结构化数据重新组合，经过二次挖掘、提炼产生更具实用性及可扩展性的价值。所以，流程资产应被记录在企业数据资产目录内，进一步为企业创造可持续发展的效益。从这个意义上也就解读了“业务数据化”这个概念。前一阵大家一直在讨论“业务数据化和数据业务化”，而业务数据化其实就是通过数字化手段，将业务流程中的活动、事件、结果等转化为可量化的数据。这一过程旨在利用数据揭示业务全貌，提升决策效率和运营效果。完成业务数据化，需要经历简单的数字化和流程数据化两个阶段。简单数字化是将业务信息转换为电子数据，流程数据化则深入挖掘数据间的关联，形成对业务的深度洞察。

数据价值可以通过非常直观的各种统计指标反映业务状况，也可以通过现在火爆的数据挖掘、机器学习和人工智能等技术来探知我们人类有限经验所不曾涉足的领域；而流程价值就在于最佳流程对业务效率的提升和业务连续性的保障等。从这个角度说，数据价值具有更为广大的想象空间，而流程价值则对于业务而言更为实际更为具体、更为直观。

由此，我们大胆地推测：未来，企业数字化业务资产概念将呼之欲出。我们尝试将这种解决方案定义为：以全面支撑企业业务战略为目标的，以业务数据和业务流程为核心管理对象的，以通过数字技术手段，科学准确反映业务真实状况为关键任务的，同时满足包括流程治理和数据治理在内的业务治理为基本要求的，以全面支撑业务洞察和业务优化等高阶业务需求为主旨方向的企业级业务资产管理平台。

当然，这一构想还需要被市场和客户认可，还需要不断的沉淀和成熟。

无论是流程还是数据，不通过治理是不可能形成资产的。流程治理与数据治理的理论方法存在着诸多不同，包括治理对象、治理手段和治理成果都存在着很多差异（此条后面第二章治理篇专门探讨）。

接下来，通过《治理篇》和《价值篇》做更为清晰的介绍。