Sivu päivitetty / tarkistettu 28.6.2026.
Prosessilouhinnan taustalla on yleisempi tiedon/datan louhinnan ajatus (data mining), ja tähän liittyvä menetelmäpakki liittyen prosessitietoon. Data miningilla tarkoitetaan yksinkertaistettuna ilmiöiden hahmottamista ja oleellisen tiedon kristallisointia suurista datamassoista erilaisten, usein tilastollisten menetelmien avulla.
Prosessilouhinnan perusajatus on relevantin tiedon ja hyvän tilannekuvan luonti prosessiin liittyvän datan, erityisesti prosessin todellisiin tapahtumiin liittyvän tiedon avulla. Tässä olennaisia ovat tiedon kohde (objekti) ja objektiin liittyvät tapahtumat. Jos prosessilouhinnan työkalulla tarkasteltaisiin esimerkiksi tilaus-toimitusprosessia, objekti voisi olla asiakkaan tilaus, ja sen tapahtumia esimerkiksi tilaus otetaan vastaan, tilaus muutetaan tuotantotilaukseksi, tilaus valmistuu, tilaus lähetetään asiakkaalle ja näin edespäin.
Pohjatietona ovat yrityksen erilaiset tietovarannot, erityisesti toiminnanohjausjärjestelmän tiedot. Prosessin toivottava kulku on kuvattava, ja työkalu ”haistelee” miten objektit etenevät systeemissä. Toisin sanoen datasta louhitaan mitä tapahtumia objektille (tässä tapauksesssa tilaukselle) on todellisuudessa tapahtunut, eli mikä niiden toteutunut prosessi on eri variaatioineen.
Tätä kautta voidaan päästään kiinni esimerkiksi seuraaviin kysymyksiin:
- Onko todellinen prosessi sellainen kuin suunniteltu vai onko siellä vaikkapa ei-toivottua silmukointia, oikopolkuja jne.
- Millainen on prosessin suorituskyky (aika, laatu jne)
- Kuinka paljon on virheitä, millaisia virheitä, paljonko on ”kerralla valmiiksi” -tilanteita.
- Ilmiöiden suuruusluokat, keskinäiset riippuvuudet.
Prosessilouhinnalla pyritään siis tuomaan faktaa mutu-tuntuman tilalle, ja voidaan parhaimmillaan päästä kiinni tunnistamattomiin ongelmiin, löytää osviittaa niiden syille ja käynnistää kehitystoimia. Louhinta voi myös mahdollistaa reaaliaikaisen mittariston rakentamisen prosessille.