- 发行说明
- 入门指南
- 设置和配置
- Unassisted Task Mining
- 其他资源
Task Mining
Unassisted Task Mining 分析指南
本指南可在创建项目、完成操作记录并运行分析后，介绍如何使用 Unassisted Task Mining 分析结果。 它适用于业务分析师、项目管理员和其他想要了解如何解释 Unassisted Task Mining 结果并识别具有优化潜力的任务的人。 本指南还就如何处理分析中的意外结果和噪声提供指导。
为了生成结果，AI 算法会在记录的数据中查找相同步骤序列的出现位置。 它在没有任何上下文的情况下工作，因此可能会显示未自始至终完全捕获现实生活中任务的候选任务。
有时，分析结果可能包含从业务角度来看不相关的任务和步骤。 这被视为噪声。 为了确定自动化候选方案，审核人必须区分高质量任务和噪声任务，这一点很重要。
AI 算法识别的候选任务可能与现实任务一致，但也可能与预期不同。 并非所有候选任务都适合自动化，审阅者需要熟悉他们可能遇到的不同类型的结果。 已识别的任务候选者可以：
- 不显示预期任务
- 显示意外任务
- 将现实生活中的一项任务拆分为多个任务
- 部分捕获没有实际开始和结束的任务
- 不显示现实任务
1. 结果未显示预期任务
Unassisted Task Mining 应用一种算法来识别候选任务，这些候选任务可能适合自动化或流程优化。 无法保证 AI 算法能够检测所有内容，它可能会检测到部分流程，甚至比预期的更大的流程。 通过遵循本文档中提供的步骤，审核人可以确定已识别的候选任务是否适合自动化。 由于不保证 Unassisted Task Mining 能够检测到已知任务或找出每个变体或迭代，因此不应仅将其用于监控已知任务。
2. 结果显示意外任务
Unassisted Task Mining 可识别候选任务，然后根据候选任务成为更好的自动化机会的可能性对其进行排名。 某些结果可能无法代表任何实际的现实任务，但审核者仍可以根据本文档中提供的步骤将其识别为良好的自动化候选者。
3. 结果将实际任务拆分为多个 Task Mining 候选任务
无人协助的 Task Mining 算法会查找出现频率最高且一致的步骤序列。 根据用户执行任务的一致性，现实生活中的任务可能会在结果中拆分为多个候选任务。 一个候选任务的结束可能是下一个候选任务的开始。 候选任务可能仍适用于自动化或流程改进操作。 在这种情况下，我们建议在流程定义文档 (PDD) 中组合这些子任务，方法是将所有相关跟踪导出到 Task Capture 并将它们组合到一个文档中。 如果子任务共享开始步骤和结束步骤，则在 Task Mining 中通过重新计算来组合子任务可能不会产生最佳结果。
4. 结果部分捕获了没有真正开始或结束的任务
AI 算法将最一致的步骤序列识别为候选任务。 根据执行任务的用户的可变性，任务的中间可能比开始和/或结束更加一致，从而导致算法将此子任务检测为候选任务，而不是完整的端到端任务。
当任务的开始和/或结束涉及高度多功能的应用程序（例如 Outlook、Excel 等）时，可能会发生这种情况。 这些应用程序可能会在多个任务中使用，并且算法很难将它们的特定出现区分开来作为候选任务的开始或结束。 在这种情况下，我们建议您专注于大部分任务，而不是 100% 覆盖用户执行的所有点击。 如果任务是自动化的合适候选者，则可以在构建自动化时添加缺少的开始和结束。
5. 结果显示任务不切实际
发现的候选任务可能看起来不真实，或者不是可识别的任务。 如果从业务角度来看，任务候选者没有意义，则它可能是噪音，可以丢弃。
根据记录的数据，Task Mining 算法可能会识别出许多候选任务。 因此，审核者必须确定要首先分析的候选者的优先级，以免将时间浪费在不太可能适合自动化候选者的任务候选者上。 “发现结果” 页面及其 KPI 为此优先级提供输入。
“发现”结果中的任务候选者按成为合适的自动化候选者的可能性排序。 任务候选者在列表中的位置越高，就越有可能成为优秀的自动化候选者。 考虑到各种因素，包括可重复性和复杂性，无人协助任务挖掘算法已将名为“Task 0”的候选任务确定为最佳自动化候选者。 但是，此排名并不表示 Task Mining 结果的整体质量，但相对而言，“任务 0”更有可能优于“任务 10”。
审核者还可以通过单击列标题来更改标准排序。 “任务名称” 列可用的三个排序选项分别是自动化潜力从高到低、自动化潜力从最低到最高以及基于任务名称的字母顺序。
使用“仅重要任务” 按钮进行筛选，以仅显示具有至少 5 个操作、3 个步骤和 30 秒执行时间的任务。 这应该可以减少结果中的噪音。
专注于更大的任务组。 组合在一起的候选任务通常是更有意义的候选任务。 检查任务组中的最佳任务代表。 在分析代表组的候选任务时，该候选任务可能具有很高的自动化潜力，但端到端任务并不完全正确。 在这种情况下，我们建议检查组的备选任务候选者，以寻找更好的代表。 审核人找到更好的代表后，可以选择该代表并将其标记为此任务组的新代表。
在任务组中，专注于级别较高的任务。 通常，组内排名较高的任务备选方案质量较高。 排名超过 10 或 20 的任务备选方案通常质量较低。
在分析备选任务候选者的过程中，可能会发现其中一些备选任务与具有代表性的任务相关的任务不同。 在这种情况下，审阅者可以根据这些替代任务 创建新的任务组 。
调查不同候选任务的指标。 每个候选任务都会显示不同的指标，例如用户在此任务上花费的总时间、已执行此任务的用户数量、最具代表性的任务中的步骤数等。 在分析中考虑这些指标，并根据 Task Mining 项目的业务上下文应用您自己的标准，例如，我们可以看到，与任务 1 和新任务组相比，任务 7 的总时间、跟踪和步骤数要低得多。 这可能表明 Task 7 的自动化潜力较低。 但是，请注意，对于所有 Task Mining 研究的总时间的大或小，没有总体准则。 应始终在特定 Task Mining 项目的业务上下文中解释这些指标。
利用书签和重命名功能。 在为不同的候选任务确定优先级以进行更深入的分析时，重要的是要概述已确定优先级甚至已分析的内容。 为候选任务添加书签和重命名有助于构建分析结构。
这些步骤基于屏幕。 候选任务及其步骤在唯一的用户界面/屏幕级别显示，不代表单个单击或键入操作。 在同一屏幕上发生的多次单击或键入操作通常会按 Task Mining 算法进行分组。 因此，该图表不会显示每个单独的单击或键入操作。
任务候选者至少需要两个步骤（屏幕）才能被识别出来。 要使 Task Mining 算法识别候选任务，它需要包含明确的开始和结束步骤。 因此，仅在一个屏幕上执行的任务将不会被识别为任务候选。
不同候选任务的步骤相同。 步骤不绑定到某个特定的候选任务。 在一个候选任务中发生的步骤也可能在另一个任务候选中发生。 这意味着重命名步骤等操作将影响整个项目。
PII 掩码算法可能会错误地将某些内容标记为或未将某些内容标记为 PII。 PII 模块是一种可以检测 PII 的 AI 算法。 算法可能会出错，并且可能无法屏蔽某些 PII，或者可能会屏蔽非 PII 的文本。 这些错误取决于屏幕上检测到的文本以及单词本身的上下文。 如果 OCR 未捕获文本或文本被部分截断，则可能不会对其进行遮罩。 此外，如果屏幕上的其他单词不同，则同一文本可能会在一个屏幕中被识别为 PII，而在另一个屏幕中则不会被识别为 PII。
如果任务候选者在检查追踪时没有视觉意义，则它可能不是高质量的任务候选者。 该算法可以检测嘈杂和不相关的候选任务，尤其是在任务排名较低的位置。 这些候选任务可能非常短或非常长，并且变化很大。 在检查一些痕迹后，一旦这一点变得清晰，您就不应浪费时间尝试解释它们。
查找流程的主体部分（80/20 规则）。 候选任务可能与预期的实际任务不完全一致，而仅覆盖其中的子部分。 如上所述，根据执行任务的用户的可变性，任务的某些步骤可能比其他步骤更一致，导致算法仅将任务的某些步骤检测为候选步骤，而不是完整的端到端任务。
无论缺少多少步骤，候选任务可能仍适合自动化。 这些可以在构建自动化时添加。
滚动浏览结果。 候选任务的轨迹和步骤的屏幕截图按时间顺序排序。 因此，建议滚动浏览列表，以查看多个点的结果。
要仔细分析优先任务候选者，请按照以下步骤操作。 这将有助于区分自动化候选任务和嘈杂任务
- 选择高质量追踪并确定关键活动后，我们建议重新计算。 仅选择应包含在候选任务中的关键步骤，省略不相关或嘈杂的步骤，并定义正确的步骤顺序。
请注意，这还将进一步减少可用于下一次重新计算的步骤。 因此，缩小候选任务的范围可能会变得更加困难。 重新计算选项还包括版本历史记录，如果您对重新计算的结果不满意，可以使用该历史记录重新加载候选任务的先前版本。
