過程挖掘技術能夠從現代信息系統普遍產生的事件日誌中抽取信息，該技術為各種套用領域中的過程發現、監測和改進提供了新的手段。過程挖掘日益受到關注有兩個方面的原因：一方面，越來越多的事件得以記錄，從而可以提供關於過程歷史的詳細信息；另一方面，在競爭和飛速變化的環境中改善和更好的支持業務過程這一需求日益突顯。
過程挖掘是一個年輕的跨領域的交叉學科，即跨計算智慧型與數據挖掘領域和過程建模與分析領域。過程挖掘的想法是通過從現代（信息）系統普遍可見的事件日誌中提取知識，來發現、監測和改進實際過程（而非假想過程）。過程挖掘包括過程（自動）發現（即從一個事件日誌中提取過程模型）、符合性檢查（即通過對比模型和日誌來監測偏差的發生）、社交網路/組織挖掘、仿真模型的自動生成、模型擴展、模型修復、案例預測，以及基於歷史的推薦等。
過程挖掘僅局限於控制流發現控制流發現當然是過程挖掘中最令人興奮的套用，然而，過程挖掘並不局限於控制流發現，還可以發現相關的組織模型、案例模型（即業務數據模型）和時間約束等信息。
過程挖掘只是數據挖掘的一種簡單套用傳統數據挖掘技術（如關聯規則和決策樹等）並不是以過程為中心，過程挖掘以支持並發語義的過程模型來表征挖掘結果，傳統數據挖掘技術並不能有效解決這一問題。
過程挖掘僅局限於離線分析過程挖掘通常是從歷史事件數據中提取過程知識，但是過程挖掘技術也可以套用於正在運行的案例中。例如，可以藉助於發現的過程模型來預測正在執行的用戶訂單的完成時間。
