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。

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。