微软今天宣布收购了一家名为Minit的初创公司,该公司专注于帮助组织提高业务运营效率。
微软未对外公布此次交易的条款。Minit总部位于斯洛伐克,此前已经从投资方那里获得了1000多万美元资金,其中包括Salesforce.com的风投部门。
Minit提供的流程挖掘平台可以帮助企业了解员工执行业务任务的情况。例如,零售商可以使用该平台来规划供应链团队如何从供应商处进行新商品订购。在这种情况下,Minit可能会先确定供应链团队需要分五个步骤执行任务,每个步骤平均需要20分钟完成。
Minit的平台会收集给定业务任务涉及的每个步骤的详细数据,以图表形式可视化这些数据,提供工具帮助企业高管找到提高运营效率的方法。
据Minit称,该平台包含了一款工具,可以自动识别业务任务执行效率低于预期的情况。另外一项功能采用了机器学习来确定最可能导致效率低下的原因。管理人员可以使用内置的模拟引擎来测试解决问题的不同方法,从中找到最有效的方法。
微软流程洞察业务部门总经理Justin Graham表示:“Minit使企业能够改变他们分析、监控和优化流程的方式,Minit的解决方案帮助他们深入了解流程的运行方式,发现运营挑战的根本原因,帮助减轻他们不希望看到的流程结果。”
企业经常使用像Minit平台这样的流程挖掘产品作为业务自动化计划的一个组成部分。
组织在开始对手动业务任务实施自动化之前,必须确定哪些任务应该率先被自动化,然后管理人员必须确定实施该计划的最佳方式。流程挖掘软件收集的有关企业如何执行业务任务的信息和洞察,让企业可以更容易地找到执行自动化计划的最佳方式。
此次微软收购Minit有助于扩大自己在商业自动化软件市场的影响力。目前微软提供的Power Automate平台,让企业能够创建工作流以自动执行重复的业务任务,而Minit的流程挖掘功能将是对该平台功能集合的一个补充。
Power Automate已经提供了很多内置的流程挖掘功能,用户可以规划给定业务任务所涉及的步骤,确定哪些步骤最多需要多长时间才能完成,从而找到提高运营效率的机会。
Graham表示:“此次收购将进一步让微软能够帮助客户进行数字化转型,通过打造业务流程的完整图景来推动实现卓越的运营,从而使每个流程都能够轻松、自动地分析和改进。”
好文章,需要你的鼓励
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。