PI Graph 是一个与具体系统无关的、丰富的业务数字孪生体，它建立了一个统一的流程智能层，为所有应用程序的升级、自动化和系统转型提供支持。该技术创新采集并整合了组织内的流程数据，利用过去十年中从众多客户实施案例中获得的机器学习以及深厚的流程分析知识对数据来进行增强。PI Graph 作为Celonis平台的核心，对诸如生成式人工智能等新兴技术发挥着至关重要的推动作用
在企业内部，不同部门往往因分工不同而设定不同目标、采用不一样术语，并且依赖的系统间缺乏有效互通，这种分散式的运作模式造成数据孤岛，进而拖慢整体效率。要解决这一问题，重点是创造一种统一的交流机制，它能够使组织内部的行动与决策实现同步，从而统筹优化流程，释放价值。PI Graph便提供了这样一种流程智能语言，希望成为企业为其人工智能模型寻求训练数据的通用数据模型。
众所周知，OpenAI 在构建 ChatGPT 时使用了作为其训练数据的来源。作为全世界用户可接触到的资源，PI Graph 在Celonis的生态系统内不断丰富其流程改进的知识库，希望建立首个世界级的“流程智能”，也就是说希望成为想要部署人工智能（特别是生成式 AI）的企业的基础层。通过其提供的流程智能API，PI Graph 将这一智能资源有效地推广至世界各地，便于用户获取与应用。
PI Graph 旨在促进企业以更高效率实现价值增长。它不仅支撑着人工智能等尖端技术，而且构成了流程的优化及整个价值链优化的根基。
首先，PI Graph 能快速对流程数据来进行建模，实现一次部署后的无限扩展；
其次，通过Celonis深入的流程知识，PI Graph 能提出优先改进机会的推荐，供用户审视；
PI Graph 的核心设计原则在于其对各类系统的中立性，确保其应用程序能无缝对接包括Infor、SAP、Oracle等主流系统，以及各种定制化系统。这使得PI Graph 可以方便地在现存技术架构之上进行部署，实现其功能的广泛融合与利用。
PI Graph 提供的即插即用的对象与事件定义，大幅度降低了团队在对流程数据建模时对SQL的依赖。这种定义还支持模型的可重用性，使得一次部署后能够持续扩展到未来的流程中，极大地提高了客户的部署效率。同时，PI Graph 利用其标准化且即插即用的流程知识，为客户数据分析提供优化建议，识别出优先级高的改进机遇。
PI Graph 的核心特征是其以对象为中心的数据模型和综合流程知识层，这两者共同构成了精准的业务流程分析和优化工具。
对象中心数据模型（OCDM）首次在Celonis World Tour 2023上亮相，它是一个可伸缩的业务数据表征方式，覆盖了对象类型、事件类型、对象间关系以及事件与对象间的关联，旨在模拟公司运营中的各种场景。作为数字孪生构建的基础，OCDM不仅是组织数字映射的核心，还推动了Celonis平台上以对象为核心的流程挖掘创新，比如为Process Explorer和端到端交付周期应用程序提供了强大的数据支持。
流程知识层则是流程知识的集中数据库，它使得用户都能够在统一的平台上探索和管理流程知识，并通过机器学习增强功能，自动充实和完善数据。这种集成化的知识管理不仅简化了Celonis平台工具的使用，还有效促进了深入的业务洞见派生和价值实现的加速。
Celonis的联合首席执行官兼联合创始人AlexRinke在谈及流程智能图（PI Graph）时，将其比喻为现代企业版的罗塞塔石碑——一个至关重要的组织架构。他指出，通过融合数据、知识和ECO的力量，构建了一个扩展性强的模块化结构，Celonis正在为客户打造一套基础架构，旨在优化流程和价值链，实现为更广泛用户群服务的目标。这种跨流程、跨系统的智能水平是独特的，仅通过Celonis平台及其流程智能图的核心技术才能实现。PI Graph不仅为AI和自动化技术赋能，提供支撑流程运行的数据，还结合相关知识，以便用户理解流程的运作方式及其改进路径。
在过去两年中，利洁时（Reckitt）在应该支付的账款、采购和订单管理等关键业务流程中创造了3150万美元的价值。公司通过优化付款周期和实施非接触式订单处理等措施，成功解决了多个挑战。现在，利洁时设立了新的财务目标，计划在下一财年末实现高达1亿美元的商业价值。
为了达成这一远大目标，利洁时计划扩展Celonis的应用场景范围，将其技术应用于应收账款和库存管理流程。此外，公司将部署Celonis的特定应用程序，例如处理开放信用备忘录的Open Credit Memo应用程序，以及旨在减少运输排放的Shipping Emissions Reduction应用程序。
利洁时强调了建立正确技术基础的重要性，以便支持人工智能等新兴技术的集成和应用。公司表示，Celonis提供了独特的流程智能平台，这不仅助力实现了利洁时的目标，而且还促进了企业内部各部门间的协同合作。
借助PI Graph支持的Celonis平台，利洁时能够深入分析和优化业务流程，这是公司实现财务目标和推动持续运营改进的关键。
Celonis首先对利洁时的业务流程数据来进行捕获，并将其整合成数字孪生模型。凭借以对象为核心的数据架构，Celonis能够将各种对象（比如发票、销售订单和物料）及相关事件（如发票的生成、销售订单的修改或取消）汇集一处，这一些数据跨越利洁时不同的系统，展现出它们之间的相互作用。
在数据建模完成后，Celonis将其庞大的流程知识库（这一知识库建立在数千次实际部署的基础上，包含了成百上千的流程改进机遇、关键绩效指标（KPI）和战略目标）应用于其流程智能层。
这样做使得利洁时的Celonis卓越中心（CoE）分析师能够迅速发现价值创造的机会，并据此确定行动的优先级。以新工具Celonis Process CoPilot为例，分析师能利用它来在利洁时的现金转换周期中挖掘价值并设定改进的优先级。
当分析师访问CoPilot时，他们将面对Celonis集成的四大核心流程：从采购到付款、从订单到现金、生产以及库存管理。这些流程的可视化展示帮他们洞察整个业务运作，提升决策效率和执行力。
CoPilot的直观聊天界面使得分析师能够轻松启动分析，例如，他们能够通过查询利洁时当前的现金转换周期（CCC）的时间长度开始。Celonis 动态展示了影响此关键指标的三个核心流程：应该支付的账款（AP）、应收账款（AR）和库存（Inventory）。在分析师深入点击具体计算时，Celonis 便会展现三个流程的并行运作情况，以及应收账款天数（DSO）、库存周转天数（DIO）和应该支付的账款天数（DPO）的详细计算。
进一步点击后，分析师便能看到Celonis推荐的改善机会列表。对于每一项改善机会，Celonis不仅提供了深入探究的途径，还给出了具体行动步骤的建议。例如，在审视DSO机会时，分析师会发现，在北美地区有31%的发票延迟是由于交货延迟引起的。借助Process Explorer，分析师能够追溯到导致应收账款问题的上游最终的原因。Celonis 还建议利用其预设的应用程序来处理该案例。
此外，Celonis还揭示了利洁时有85个客户同时也是供应商的情况，并指出这些客户对利洁时的付款周期比利洁时对他们的付款周期要长。通过重新谈判付款条款，缩短应收账款（AR）周期并延长应该支付的账款（AP）周期，利洁时具有实现相当于3000万美元自由现金流改善的潜力。分析师只需简单几步操作，就能将这些关键信息与CoE的领导层分享，进一步与财务团队协作，采取对应的策略行动。
这种跨流程、跨系统的深度分析和智能洞察，仅在搭载Process Intelligence Graph的Celonis平台上才得以实现。
关于CelonisCelonis的流程智能平台运用行业内领先的流程挖掘技术和人工智能，为企业构建了一个全方面覆盖端到端业务流程的动态数字孪生模型。这是企业内部每位成员首次能够基于一个共通的业务运作语言，明确看到价值潜藏之处，并且具备实现价值捕获的能力。
