应用流程挖掘，发现潜在 RPA 可实施的场景，助力银行优化业务流程

易观分析：流程挖掘和 RPA 是匹配度极高的技术组合。对科技能力强的银行而言，流程挖掘应该是当下就引入研究的技术。对科技能力较弱的银行而言，可以对流程挖掘保持一定的关注度，在两到三年后，基于流程挖掘的实际落地效果和大行的实践经验，再考虑是否引入使用。

RPA 从辅助性向智能化发展，多技术栈交叉融合提升复杂场景应用能力

RPA 的发展包含三个阶段，从能力上可以分为辅助性 RPA、自主性 RPA 以及智能化 RPA，如下图所示：

辅助性 RPA：RPA 在发展初期，只能以在个人电脑上部署的形式，无法完成大规模应用的部署。

自主性 RPA：随着 RPA 产品的发展、厂商对业务理解的加深以及 RPA 与其他技术的融合，RPA 可以进行一体机、云端的大规模部署。

智能化 RPA：RPA 还将与各类 AI 技术（如计算机视觉、机器学习等）、低代码、对话机器人等技术结合，将应用场景扩展至各银行部门和复杂业务场景。

当前，RPA 正处于从自主性到智能化的发展过程中。

计算机视觉、机器学习、低代码、自然语言分析、商业智能、流程挖掘等各类技术正在与 RPA 的融合中不断发展。

其中，流程挖掘主要应用于流程改进，挖掘时需要大量数据作为分析素材，RPA 的运行日志正好满足需求，同时改进后的流程又可以用于 RPA 新场景的开发，所以流程挖掘和 RPA 是匹配度极高的技术组合。

流程挖掘贯穿 RPA 项目的开发和使用阶段

有利于银行改进业务流程，从而实现效率升级

流程挖掘基于数据挖掘、机器学习、过程建模和分析等技术，通过定向采集、处理企业各 IT 系统中储存的信息日志，能够将业务流程及其逻辑可视化，进行多维度切片分析根源，识别流程返工迂回情况，发现节点冗余，优化流程。相应地，流程挖掘贯穿在 RPA 项目的全生命周期。

RPA 项目开发过程前期，利用流程挖掘技术发掘大量的可以应用 RPA 的潜在流程。

RPA 产品投入使用后，在运行中会产生丰富的行为日志，可用于流程挖掘后续分析的数据素材，可以一定程度上实现流程的自动发掘和后续优化。

企业规模越大、部门越多、协同越频繁、系统越复杂、流程链条越长、数据量越大、分支越多，产生流程变体的可能性越大，因此从理论分析上，流程挖掘确实适合银行用于改进流程，从而实现工作效率的提升。

给银行的建议

易观分析认为，流程挖掘当下的市场热度有一些虚高，因为流程挖掘是 RPA 厂商这一阶段给资本市场讲的故事，流程挖掘在当下仍处于探索与项目打磨阶段，尚无比较突出的实践案例，所以银行需要审慎看待这项技术。

银行需要参考流程专家分析和投入产出比的评估，再决定是否在 RPA 规划以及建设运营的过程中引用流程挖掘技术。

对科技能力强、规模大的银行而言，流程挖掘应该是当下就引入研究的技术。这些银行结构复杂、分行数量多、业务种类多、业务流程长，虽然工作流程已经经过流程专家优化，但是流程挖掘能够以计算机的“视角”地审视现有流程，发掘改善机会，每发现一个改亮点，都可以大幅提升效率、节省成本。

声明须知：易观数字化在本文中引用的第三方数据和其他信息均来源于公开渠道，易观数字化不对此承担任何责任。任何情况下，本文仅作为参考，不作为任何依据。本文著作权归发布者所有，未经易观数字化授权，严禁转载、引用或以任何方式使用易观数字化发布的任何内容。经授权后的任何媒体、网站或者个人使用时应原文引用并注明来源，且分析观点以易观数字化官方发布的内容为准，不得进行任何形式的删减、增添、拼接、演绎、歪曲等。因不当使用而引发的争议，易观数字化不承担因此产生的任何责任，并保留向相关责任主体进行责任追究的权利。