从流程挖掘见解中生成自定义 AI 模型
Power Automate Process Mining 可以有效分析流程中的历史数据，以帮助您确定如何优化流程。 若要激活该功能，您需要获取包含大量信息的历史数据，您还可以使用这些信息来生成自定义 AI 模型。 然后，您可以在流程自动化中使用该模型来优化您的流程。
例如，考虑以下应用场景：您想要预测付款是否会延迟。 您可以使用流程挖掘进行重点关注延迟付款的根本原因分析 (RCA)。 在下图中，RCA 设置为重点关注延迟付款以及可能影响该应用场景的指标。
通过探索 RCA，您可以更好地确定对延迟付款的影响因素。
您可以导出此数据以用作 RCA 的训练数据。 然后，您可以将此数据导入到 Microsoft Dataverse 中，以用作 AI Builder 的训练数据。 AI Builder 预测模型从您的历史数据中吸取经验。 它可分析和标识模式并将其与结果相关联。 有关详细信息，请参阅预测模型概述。
然后，您可以使用数据进行训练。
在下图中，请注意训练后模型的性能得分为“B”。 它跟踪了 RCA 发现的相同影响因素。
接下来，您可以在流中使用模型。 以下流可加快索赔，以帮助减少延迟付款。
以下视频演示了一个端到端示例。 该流程从流程挖掘开始，使用根本原因分析，然后生成 Power Automate 流使用的自定义预测 AI 模型的训练数据。
通过使用历史数据，并使用流程挖掘来重点关注问题区域，您可以将 AI 注入到您的流程中，使其更加主动而不是被动。