美国一家多元经营的大型电力供应商知道，他们自身存在“特立独行的购买”问题，并意图从根本上解决这一问题。这意味着向下钻取历史采购数据，以详细了解偏差从何处产生，并由此了解问题的实际影响范围。该公司求助于 IBM 公司 MyInventio 来开展流程分析工作。

该团队使用 IBM® Process Mining 与公司的采购经理进行了密切合作，这是一款流程发现和建模工具，属于 IBM Cloud Pak® for Business Automation 解决方案的一部分。在项目的第一部分，团队从公司的核心资产管理平台 IBM Maximo® Utilities 套件的采购模块中获取了大约一年的数据流。这些数据量主要涉及公司的采购和仓库会计部门，其中跨多个业务部门 (LoB)。

将数据馈入 IBM Process Mining 后，其基于 AI 的底层模型就会将其全部分解为对应于每个业务部门的 P2P 流程每个步骤的示意图，从申购和 PO 到收据和开票。对于“采购经理”而言，这些模型的价值不仅在于能够找出当前“现有”流程中的问题，还在于能够以数据驱动的方式呈现全新的理想流程，通常称为“理想路径”。他解释说：“我们通过从未拥有过的 P2P 流程看到了实际发生的情况。这也给了我们一个更客观的观点，那就是最佳的基线流程什么样，并非流程专家推断而来，而是来自数据本身。”

在该模型的主要输出中，我们发现与材料相关的采购活动（购买备件等）中，仅有 20% 遵循最佳采购路径。对于不符合理想路径的 80% 的活动，平均订单交付时间超出 30%，主要原因是在发票匹配和订单返工方面花费了额外的时间。

服务采购表现稍好一点。IBM Process Mining 模型在最佳流程路径中仅找到 10 个步骤，而在不合规路径中平均发现了近 30 个。对采购经理来说，了解其中原因将得出瞬间的启示。他说：“我们知道，订单返工是一个重大问题。但事实上，50% 以上的服务采购订单都需要返工，这实在令人吃惊，但数据显示情况属实。

电力供应商开展的项目达成了目标：规划应如何真正进行采购，及其对关键性能指标的影响。正如采购经理所看到的，项目的真正意义在于它能为公司的流程转型工作提供指导。他说：“在使用真实数据和 AI 来规划我们的采购流程时，我们还获得了流程转型的潜在路线图。它为我们提供了一个严格的框架，用于了解重点关注哪些方面来改进流程，以及有可能实现流程中哪些不同环节的自动化。”

这就又回到了对于电力供应商来说什么最重要这个问题：为客户提供安全可靠的电源。即，有效的采购做法，这些做法要高效、标准化且具有较高的成本效益，同时符合公用事业更广泛的资产管理战略。

在实践层面，采购经理指出，数据驱动的流程洞察有助于为转型计划创造条件。他解释说：“利用 AI 驱动的动态流程建模框架，我们可以模拟出，如果流程不合规的情况有所减少，零部件订购的平均交付时间也将缩短。这是业务案例中强有力的消息，正因如此，IBM Process Mining 解决方案这款工具才会如此强大。”

这家能源公司总部设在美国，为几个州中数百万的住宅、商业和工业零售客户服务，其中包括一些最具竞争力的电力市场。

本案例研究的客户最初于 2021 年 8 月 1 日与 IBM 的咨询合作伙伴 MyInventio 建立了合作关系。本案例研究中的 myInventio 产品 myInventio Process Mining 现在称为 IBM Process Mining。