第 2 章

长期以来,RPA 一直被视为数字化转型的关键推动因素。2021 年,德勤发现 78% 的组织正在实施 RPA,另有 16% 的组织计划在未来三年内实施,只有 6% 的组织表示尚未计划采用。²

这种近乎普遍的接受率源自于 RPA 令人信服的价值主张。在理想的情况下,它使软件机器人能够承担重复单调的任务,让人们能够抽出身来从事更高价值、更愉快的工作。RPA 可快速实施且经济合理,无需任何后端集成工作,这是因为会在用户界面级别执行自动化。

结果,加快了业务流程,大幅降低错误率,并使员工更积极地参与进来。成本也随之下降,收入增加,客户体验也得到了改善。

RPA 产生的真实结果

毫无疑问,RPA 能够兑现这一承诺。世界各地的组织都在报告将常规任务委派给机器人所带来的颠覆性收益。

以负责制定和发布标准的比利时机构 NBN 为例。2021 年,它部署了一个机器人来承担收集和输入选票信息的任务,这是先前手工完成的一项辛苦的工作。结果,NBN 从一年发布 800 项标准发展到发布 2150 项标准。由于每个新发布的标准均证实可使比利时的国内生产总值 (GDP) 每年增加 204 万欧元³,因此该机器人对比利时的经济产生了重大影响。

再看看位于宾夕法尼亚州匹兹堡的标志性连锁餐厅 Primanti Brothers。在其 89 年的历史中,它从未停止过创新。2021 年,它发现了一个可以使用 RPA 机器人从 40 个站点自动生成每日销售报告的机会。以前每个区域经理每天要花 45 分钟来完成的任务现在只需 3 分钟即可完成,每年可节省 2000 多个小时。这种时间上的节省意味着经理们可以将更多的时间花在连锁店的粉丝上,让他们感到满意。

或者看看 Credigy,这是一家总部位于佐治亚州亚特兰大的专业消费金融公司。早在 2018 年,它就看到了 RPA 的战略潜力,确定了整个业务中可以从自动化中获益的重复性常规任务。以前占用了专家大量时间的低级任务,如手动检查和重命名数千个文件,都被委托给了机器人来处理。在使用 RPA 的第一年,Credigy 自动执行了 25 个流程,这使其技能娴熟的分析师能够抽出身来就复杂的交易展开洽谈,这些交易是其为客户提供的创造性金融解决方案的基础。从那时起,自动化功能就为公司节约了大量的时间,帮助公司保持两位数的复合年增长率。

RPA 的实施和部署方式对成功而言至关重要

这些示例表明,如果将 RPA 作为业务导向战略的一部分来实施,花时间来分析流程,并确定自动化在哪些地方最有效,可能会产生怎样的结果。

但对于多达一半部署了 RPA 的组织来说,结果并没有那么亮眼。⁴ 要么是 RPA 根本没有实现预期的 ROI,要么就是早期的胜利未能扩展为企业范围的持续优化。

这有时感觉像是一个软件问题。但几乎在所有情况下,问题都不在于 RPA 解决方案,而在于其部署方式。

特别是,RPA 的门槛较低,这意味着它通常在一个部门内实施,用于自动执行某些特定任务,这些任务占用了员工的时间,或者可能会导致瓶颈和效率低下问题。

例如,假设一个组织一直收到供应商就逾期付款发起的投诉。人工输入纸质发票数据需要花费大量时间,这似乎是一个问题,因此财务部门使用 RPA 构建一个机器人,用于扫描发票,并将详细信息输入 SaaS 财务系统。

该机器人运行良好,但采购到支付 (P2P) 交付周期似乎并没有改善。最终,机器人的制造者离职。没有人知道如何使其保持最新状态,因此当 SaaS 供应商下次更新财务系统时,机器人就会崩溃。

RPA 项目的失败方式

这个简单的示例突出显示了 RPA 实施可能失败的几种方式:

只处理了流程的一部分:采购到付款和订单到现金属于现代组织中最复杂的流程范畴,涉及多个部门和外部利益相关方,包括一长串相互依存的任务。仅处理一部分流程可能会缓解一些问题,但如果流程中的其他地方存在瓶颈,那么总体改善可能微乎其微或者根本不可能。单独修复流程的某一部分甚至可能会在上游或下游产生新的问题或瓶颈。

将自动化应用于错误的流程:这一流程涉及纸质发票,这些发票可能已邮寄给组织,在邮件收发室进行分类,传递给客户的联系人,在实际传递给客户之前,可能已被随意丢在凌乱的桌子上一段时间。从这些发票中自动提取数据对加快整个 P2P 周期几乎没什么作用。在应用任何自动化技术之前,需要重新思考整个流程。

KPI 不明确:组织领导知道存在问题,但并没有仔细思考他们所希望看到的改进。他们没有指定期望的结果和可衡量的 KPI,而只是将 RPA 作为一种膏药应用于某个较明显的低效根源。通过回溯并检查整个流程,他们可以找出所有的低效问题,决定如何解决这些问题,并在采取行动之前计算每一次修复的 ROI。

临时工具的使用使自动化变得不可持续:机器人是由对技术感兴趣的金融人士使用低代码 RPA 工具构建的。他们发现该软件很容易使用,但是当他们离职时,这些知识也随之离开。这不仅导致了机器人无法运行,而且也错失了扩大 RPA 使用范围来解决其他低效问题的机会。

缺乏持续治理:因为机器人是临时构建和部署的,并不是自动化战略的一部分,没有人(也没有监控系统)关注它,所以没有人能够预测金融系统的更新会对它造成破坏。

成功 RPA 的五项要求

上述场景中缺少了五个要素,具备这些要素,就可以在短期和长期内成功使用 RPA:

  1. 跨多个部门、系统、利益相关方和接触点的 P2P 等复杂流程的端到端可视性
  2. 洞察组织中出现的瓶颈和效率低下之处、其原因以及如何最有效地解决这些问题。
  3. 对现有流程进行建模,并精确模拟对其进行的任何更改,以便在实施任何自动化技术之前评估其影响。
  4. 通过计算 ROI ,评估组织将从重新设计流程和自动化某些任务中获得多少收益。
  5. 持续监控自动化任务及其所促成的更广泛的流程,并建立警报系统,发现可能出现的任何潜在问题。

添加这些要素似乎涉及很多工作,到目前为止,它一直是这样。传统的业务流程建模 (BPM) 是一项劳动密集型活动,可能需要几个月的时间,并且需要手动映射和分析组织流程,确定可以在哪里实现效率。

而如今,可以通过一种快得多的更佳方法来洞察阻碍组织发展的潜在低效问题 - 这已经帮助全球各地的公司每年释放了数十亿美元的尚未被发掘的价值。

进入流程挖掘领域。

第 3 章

利用流程挖掘为 RPA 带来可视性、监管能力和可扩展性