Process mining är en teknik där affärsprocesser extraheras från informationssystemets händelseloggar och analyseras. Det är en praxis för affärsprocesshantering som används i syfte att upptäcka nya processer, jämföra den befintliga processen med arbetsflödesmodellen och förbättra processen. Datautvinning av händelseloggar kan ge värdefull information som kanske inte kan erhållas med andra metoder.
Det finns tre kategorier av process mining. Den första är upptäcktsmodellen, så kallad eftersom den innebär att upptäcka tidigare okända eller odokumenterade processer. Denna typ av datautvinning utförs när det inte finns någon befintlig modell för arbetsflödet, eller när befintlig dokumentation är känd för att vara felaktig. Händelseloggarna mineras sedan för information, som analyseras för att kunna återskapa processen. Dokumentation skapas sedan för processen, baserat på data som extraherats från händelseloggarna.
Den andra typen av process mining är överensstämmelsemodellen. Namnet kommer från dess syfte att kontrollera om det pågående arbetsflödet överensstämmer med den planerade processen. Händelseloggarna är dataminerade för att lokalisera skillnader mellan den befintliga processen och modellen.
När sådana skillnader har lokaliserats analyseras de för att se om de har förbättrat processen. Skulle sådana förändringar visa sig vara fördelaktiga för processen, revideras modellen för att inkludera dessa avvikelser. Beslut som fattas vid processkontrollpunkter granskas med avseende på den information som finns tillgänglig vid varje punkt och de data som påverkar sådana beslut. Om sådana ändringar är ofördelaktiga, kan ändringar sedan göras i den befintliga processen för att göra det lättare att anpassa sig till modellen.
Den tredje klassen av process mining är förlängningsmodellen. Denna typ av datautvinning syftar till att utöka en befintlig modell med en förbättring. Data från händelseloggarna analyseras för möjliga förbättringsområden i modellens struktur. Flaskhalsar kan till exempel kontrolleras för möjliga alternativa vägar i arbetsflödet.
Processutvinning är inte utan svårigheter. Vissa uppgifter är undantagslöst dolda från händelseloggarna och kan inte datamineras. Dessa kan rekonstrueras med hjälp av noggrann analys av de synliga uppgifterna, men inte alltid. Slutsatser baserade enbart på information hämtad från händelseloggarna kan därför vara av tveksam kvalitet.
Dubblettuppgifter i händelseloggen skapar också problem, eftersom det kan finnas olika aktiviteter under samma uppgiftskategori eller namn. Det kan därför vara svårt att skilja uppgifter med samma namn från varandra, trots att de har olika funktioner. Andra problem inkluderar adekvat data om beslutsfattande, inkorporering av tid i modellen, olika perspektiv, felaktigt registrerade data och helt enkelt otillräcklig information. Processutvinning måste vara härdat med erfarenhet och gott omdöme för att övervinna sådana problem när man tillämpar denna teknik.