第 4 章

到目前为止,我们已经研究了如何使用流程挖掘来最大化 RPA 的价值,展示了在何处以及如何应用 RPA 来实现最大回报。

但这在现实中意味着什么?

首先,有必要概括一下将 RPA 用作独立解决方案具有的诸多好处。当 RPA 用于自动执行重复单调的任务(如数据输入和批处理文件重命名)时,它可以:

  • 快速创造价值:RPA 的价值实现时间可以缩短至几天乃至几小时,因为可以使用低代码 RPA 工具快速轻松地创建机器人。
  • 避免人为错误:机器人每次都能正确执行分配的任务,避免了与复制、粘贴和数据输入活动相关的人为错误。
  • 提高工作效率:智能机器人能够以比人类快得多的速度执行劳动密集型任务,并且可以全天候执行,而不会损失性能。
  • 提升员工参与度:人工智能驱动的自动化技术将人类从单调乏味的任务中解放出来,让他们专注于更高价值、更令人愉快的工作。
  • 走出劳动力短缺困境:机器人可以执行以前组织不得不雇佣人员来完成的任务,在劳动力长期短缺的情况下支持业务连续性。

当 RPA 与流程挖掘一起使用时,这些收益呈指数级增长。通过结合使用这两种解决方案,组织能够:

将 RPA 扩展到整个组织

流程挖掘可在整个组织中识别 RPA 的候选任务,从而大幅提高其战略潜力。

最大限度实现任务自动化

任务挖掘是流程挖掘的一个核心元素,它揭示了所有可以通过 RPA 自动执行的任务,而不是依靠单个员工和部门来发现它们。

确保正确的任务实现自动化

整个组织中流程的不完整视图通常会导致错误的自动化操作。流程挖掘突出显示了最能从自动化中受益的任务。

确保任务以正确的方式自动完成

某一部分流程的临时自动化通常会在其他地方产生问题。通过提供全局图,流程挖掘可确保以最有效的方式应用任务自动化。

更快构建 RPA 机器人

当流程挖掘与 RPA 集成时,可以通过流程挖掘工具自动生成机器人,从而节省更多时间。

通过 RPA 持续进行优化

RPA 通常只应用一次,并应用于最容易实现的目标,随即就被遗忘。流程挖掘则会不断搜索新的自动化机会,最大限度实现 RPA 投资的长期价值。

预测并防止 RPA 故障

随着流程挖掘持续监控组织流程的变化,它可以预测流程的变化何时可能会破坏现有的自动化状况。这使组织能够修改自动化技术,避免因流程失败而导致的不合规状况等风险。

打造卓越运营中心

流程挖掘和 RPA 一同为持续优化和自动化奠定了强大的技术基础。这一基础是专门的卓越运营中心的基石,可确保在整个组织中充分利用流程挖掘和 RPA 的价值。

以下是一些组织的示例,这些组织通过流程挖掘和 RPA 创造了大量价值:

Max Mara Fashion Group

Max Mara Fashion Group ROI 驱动的流程改进

全球时尚奢侈品集团 Max Mara 在订单履行过程中遇到瓶颈,这对订单到现金周期产生了负面影响,特别是在季节性销售高峰期间。它希望能够细致地了解这些瓶颈,这样不仅可以确定问题所在,而且还可以了解哪些纠正措施能够产生最高的 ROI。

Max Mara 寻求一种可将实现灵活性与细粒度流程建模功能相结合的流程发现工具。在其评估的各种工具中,IBM Process Mining 为数据驱动流程优化奠定了最全面的基础。IBM 工具先前可用于可视化订单到现金流程,并识别优化机会。

如今,IBM 工具则可用于分析整个企业的复杂流程,同时对流程变更和自动化的 ROI 进行建模,并有所了解。例如,IBM Process Mining 提出的一项自动化功能,使 Max Mara 能够将客户服务解决时间减少 90%,每解决一个问题的平均成本降低了 46%。

阅读完整案例:重新设计订单到现金流程,打造更出色的购物体验

Credito Emiliano S.p.A

Credito Emiliano S.p.A 节省了数百万美元

意大利地方银行 Credito Emiliano (Credem) 于 2013 年开始其数字化转型之旅,旨在优化客户和员工体验。

起初,各个部门都会自动执行各自的小型流程或部分流程,但该公司知道,采取更全面的方法可以创造出更多价值。它选择实施了 IBM Process MiningIBM RPA,以便分析和自动执行内部流程,包括后台流程和关键的客户服务相关流程。

在某个案例中,它确定了自动执行部分信用卡检查和审批流程的机会,将核准时间从 4 天缩短为 1 天,每年节省了大约 50 万欧元(52.1 万美元)。而在另一个案例中,它能够将员工处理贷款的时间减少 70%。总的来说,迄今为止,该银行已能够实现 91 自动化模式,从而节省了数百万美元的运营和服务成本。

阅读完整案例:转变客户和员工体验

跨国制造公司

大型跨国制造公司精简了订单到现金流程

由于其广泛运营的复杂性,大型 MMC 很难找到物流活动延迟的根本原因,这些延迟影响了其订单到现金周期。尽管物流经理一再试图尽量减少延误,但由于信息不完整和脱节,纠正措施受到阻碍。

在审查概念验证 (POC) 之后,MMC 实施了 IBM Process Mining,为组织创建数字孪生,以揭示问题。通过将流程挖掘与 RPA 结合使用,该公司能够解决订单到现金流程中的瓶颈和低效问题,从而节省了数十万美元的成本,并将交付周期缩短了数天。

阅读完整案例:优势 AI - 如何简化和优化工作流程

第 5 章

立即迈出自动化转型的第一步