加载 Spotify 播放器；Spotify 可能会设置 Cookie。本设备将记住您的选择。
主要发现
- 综述确定并将用户行为、使用模式和情感状态（如不确定性与信任）确立为构成流程挖掘个体层面的三大核心要素，这一结论得到了综合文献的支持。
- 分析表明，技术、个体和组织等权变因素系统性地影响用户行为与情感；例如，数据不准确会削弱用户信任，而系统培训和方法指导则有助于任务的正确执行。
- 研究显示，个体行为和情感状态会直接影响价值产出，如假设检验等结构化行为能够缩短分析周期并提高洞察质量。
- 本研究的主要局限性包括仅基于23篇样本文献、未能捕捉序列或时间动态的静态框架，以及在定性编码过程中缺乏严格的编码员间信度检验。
实践启示
CIO / IT 高管
Initiate a data audit of the source pipelines feeding your enterprise process mining tools to eliminate data discrepancies, directly addressing the research finding that data inaccuracies severely undermine user trust and derail tool adoption.
IT 经理
Add a mandatory 'Hypothesis-First' template to your team's process mining workflow, requiring analysts to document their specific diagnostic hypothesis before running queries to enforce structured behavior and reduce analysis duration.
商业战略师
Redesign the process mining ROI dashboard to measure actual business value outcomes (e.g., cost savings from process changes) rather than user log-in frequency, linking individual analytical insights directly to operational KPIs.
研究人员
Draft a research design for a longitudinal study tracking 20 process mining analysts over six months to capture the sequential and temporal dynamics of user affect and trust, directly addressing the static limitations of current literature.
政策制定者
Establish an internal organizational standard mandating that no department may deploy process mining software without integrating a formal training and methodological guidance program, ensuring compliant and high-quality data execution.
摘要
本研究对23篇学术论文进行了系统性文献综述，以整合并分析流程挖掘在个体层面的研究现状。作者综合了分散的文献，梳理出个体行为、使用模式和情感反应如何与各类权变因素相互作用，进而推动商业价值的实现。
核心问题
先前的流程挖掘研究主要集中在技术算法或组织层面的采纳，个体用户的关键作用在很大程度上被忽视。这一缺失导致术语碎片化，且缺乏对个体行为与决策如何切实转化为商业价值的连贯理解。
文稿
Expert: 谢谢 Anna。流程挖掘在企业管理中受到的关注度日益提高，但以往的大部分讨论都集中在技术算法本身或宏观的组织层面采纳。这项研究把视角转向了实际操作工具的个体用户。
Host: 确实，许多企业投入了流程挖掘工具，但实际收益往往不如预期。这项研究指出的核心痛点是什么？
Expert: 核心痛点在于，过去的行业认知往往默认只要系统和算法部署到位，商业价值就会自然产生。但这忽略了个体在人机交互中的关键作用。分析师与业务人员在面对流程挖掘工具时如何探索、如何决策、遇到了哪些阻碍，此前缺乏连贯的理解和统一的术语。这种碎片化导致企业很难弄清员工的具体操作是如何转化为实际业务价值的。
Host: 那么，研究团队是如何开展这项研究的？
Expert: 研究团队开展了系统性文献综述。他们筛选并分析了23项相关的学术研究，对文献中分散的概念进行了定性提取与综合归纳，最终构建了一个把个体行为、情感状态、前后影响因素和价值产出联系起来的分析框架。
Host: 在综合了这些文献后，这项研究有哪些主要发现？
Expert: 研究提炼出构成流程挖掘个体层面的三大核心要素：首先是用户行为，例如提出假设和数据探索；其次是使用模式，比如使用工具的频率、广度与深度；第三是情感状态，特别是面对复杂流程图时的不确定感，以及对底层数据的信任程度。
Host: 这些个体要素是如何受到外部环境影响的？
Expert: 这涉及技术、个体与组织等多重权变因素的系统性作用。例如在技术方面，数据质量不足或不准确会直接降低用户对分析结果的信任；而在组织和个人层面，系统性的技能培训和方法论指导，有助于减少用户的不确定感，促使用户更规范地执行分析任务。
Host: 那么这些行为和情感状态又是如何影响最终业务产出的？
Expert: 文献分析显示，个体的行为和心理状态直接关系到产出的质量与效率。例如，采取结构化假设检验行为的用户，能够更快验证业务瓶颈，缩短分析周期，并得出质量更高的业务洞察。相反，如果缺乏信任或缺乏结构化方法，用户往往会在复杂数据中迷失。
Host: 这项研究在方法上是否存在一些局限性？
Expert: 是的，作者在研究中明确指出了几点局限。首先，研究结论建立在23项样本研究的基础上，样本规模较小；其次，当前提出的框架是一个相对静态的模型，未能完整捕捉个体行为随时间推移的动态演变；另外，在定性编码过程中未进行严格的编码员间信度检验，这些都是未来研究需要进一步验证和完善的方向。
Host: 从商业实践的角度来看，这些发现对企业管理者有哪些具体启示？
Expert: 有三点务实的建议。第一，在推进流程挖掘时，企业不能只关注软件采购，必须同步重视数据治理与透明度，因为数据可信度直接决定了员工是否愿意采纳分析结果。第二，企业应针对流程分析提供结构化的方法培训，引导员工从无序的数据探索转变为基于假设的分析路径，以提高洞察效率。第三，管理者需要识别员工面对新工具时可能产生的不确定感，通过建立支持机制帮助员工建立使用信心。
Host: 总结来说，这项研究表明，流程挖掘的技术潜力需要通过个体的规范行为和信任来释放。关注用户的使用模式和情感体验，是企业实现数字化投资回报的重要环节。非常感谢 Alex 今天的客观解读。
Expert: 谢谢 Anna，也感谢大家的收听。
Host: 感谢收听本期的 A.I.S. Insights — powered by Living Knowledge。我们下期节目再见。
Process Mining, Individual Level, Literature Review, Research Framework, Value Creation, User Behavior