國內數字化進程仍然處于發展早期階段（雖然這個早期實際上已經發展了幾十年），其中自動化領域顯然處于更加混亂的時代，無論是RPA、BPM、流程編排和挖掘還是IPAAS，這些新技術與產品的誕生，都將在未來十年內引發新的效率革命。

伴隨著這些新技術與產品的出現，重新定義了自動化范疇，也進一步模糊了邊界，比如近年來有許多自動化產品廠商跨越自身產品類型收購了其它類型的自動化產品，這也導致自動化產品之間的邊界與類型也在進一步交叉。

所以現在很多企業在自動化需求愈發強烈的情況下，仍然不清楚目前自動化領域中的不同類型產品之間有哪些區別，也不太了解應該如何更加高效的進行企業自動化。

工業革命改變了經濟，改善了生活，那么自動化革命將帶來類似的生產力飛躍，改良我們的工作方式。本文希望通過深入分析一些主要的自動化類型產品，并結合我們的成熟度模型，嘗試給大家輸出一些信息，幫助到大家。

現在企業自動化在市場內主要類型劃分

在2021年底一份自動化調研報告中，提出了當下最受企業歡迎的自動化產品類型，本文將圍繞這些受企業歡迎的主流類型展開討論。這份調查將主流自動化產品與技術分為機器人流程自動化（RPA）、業務流程管理（BPM）、流程監控、編碼和過程挖掘。

當然，數環通作為一站式企業級應用集成與自動化平臺，此次我們也將把數環通所屬類型（IPAAS）加入討論。

在本文中，我們將討論每一種自動化類型產品與技術，在什么情況下使用什么類型的自動化產品與技術，為什么使用，以及它們的優劣勢，并最終形成一些企業自動化發展中的一些建議與結論。

換句話說，企業并不會只為他們的自動化需求選擇一類產品。今天我們發現接觸到的絕大多數公司都將不同類型的自動化產品集合拼接在一起，以實現他們的目標。在這種趨勢下，業內人士試圖以各種方式命名這個拼接策略，比如“超自動化”或“OneOffice自動化”。

但企業在發展自動化過程中，正越來越了解這種拼湊起來的自動化解決方案所帶來的挑戰。具有諷刺意味的是，每一類自動化產品都承諾打破數據孤島，實現高效業務協同。然而，實際上這種拼湊下來的自動化方案產生了新的孤島：

認識到這些拼湊方案帶來的新挑戰，先進的企業正在轉向一種全新的類型——端到端自動化，不再通過拼湊解決。

在《企業自動化的新推動》中，摩根士丹利的研究很好地解釋了這一趨勢：“企業正在優先考慮目前市場環境的抵御能力，這推動了對終端自動化的需求，下一階段的準備工作將會更加全面——而且它正在刺激一個自動化軟件的新時代到來。為了實現轉型，曾經被孤立的一系列技術即將出現與一種新的基礎設施軟件類別相結合，以創建端到端企業自動化平臺”。

作者繼續解釋說：“為不斷增長的自動化產品組合爭論不休，應對不斷增長的自動化應用和服務組合是一項挑戰。客戶越來越感興趣的是，要在應用程序之中實現提效，并通過將其工具整合到一兩個供應商之間來降本 ” 。

接下來，我們將看看自動化市場中每個主要類型的情況，并將它們與摩根士丹利提出的端到端自動化觀點進行比較。

PS：值得一提的是，這些類型中有一些有，而另一些沒有的一個核心能力：低代碼/無代碼（LCNC），這是端到端自動化的一個基本要素。它允許自動化由整個企業的人來創建，而不是被限制在由一小群軟件專家處理的一小部分業務流程中。

當下主流自動化類型分析

業務流程管理（BPM）

起源：業務流程再造（Business Process Reengineering，簡稱BPR），這個概念首次出現于《哈佛商業評論》第10期。

歷史：30年以上

別名：業務流程管理（BPM）、智能業務流程管理系統（iBPMs）、業務流程自動化（BPA）、業務流程外包（BPO）、業務規則管理系統（BRMS）

價值：復雜事件的持續執行，實時事件的處理，提高現有流程的效率，降低運營成本，簡化系統和任務，增加利潤率。

建議：業務流程管理（BPM）與其說是一個類型，不如說是一個包含上面所有縮寫的學科，并且經常被用作幾個軟件類型的通用術語。一家公司可以選擇各種方式管理他們的業務流程——他們可以將其外包給第三方（BPO），就像薪資結算、人力資源或呼叫中心經常發生的業務那樣。他們可以使用流程映射工具可視化地繪制流程，也可以利用業務事件，連接系統，并使用ibpm、BRMS或BPA定義基于規則的自動化軟件。

BPM平臺的誕生是為了幫助組織更好地理解他們的流程，并設計策略和戰術以實現改進。另一方面，業務規則管理系統(BRMs)用于管理復雜的業務規則。這些系統利用業務分析師和其他專家創建的規則集，而這些規則集控制和規定業務操作和功能的狀態。

雖然BPA平臺被設計為自動化業務流程，但定制和自動化工作流的相同功能被內置到特定功能的應用程序中。這些應用程序專注于簡化業務功能或部門內的特定流程。CRM和ERP系統就是這類應用程序中很好的例子。

使用BPM可以實現的效果是如此顯著，但在顯著之前還需要很長一段時間來調整、優化與運行，一般來說都需要一組專家、開發人員等來一起完成對主要流程的徹底重構。雖然BPM供應商對其市場增長前景感到樂觀，但該領域的很大一部分服務提供商和顧問已經開始將精力集中在機器人流程自動化(RPA)上，在過去幾年中，RPA已經提供了更快的效果。

它如何適應端到端自動化：BPM工具用于真正關鍵任務流程的解決方案，這些流程需要訓練有素的專家幫助保持運行。雖然BPM可以取得非常好的效果，但不幸的是，隨著越來越多的企業轉向其他類型的自動化，它被拋在了后面。

機器人流程自動化（RPA）

起源：軟件測試自動化、“屏”抓取和宏：一種技術通過圖形用戶界面(GUI)記錄一系列動作并重復播放來自動化手動任務的技術

歷史：40年以上

別名（其他名稱和縮寫）：機器人、流程自動化、機器人桌面自動化（RDA）、任務自動化

價值：純粹的效率；節省人工工作時間；“更好、更快、更便宜”是他們的口號

建議：RPA是一種模擬人類行為的預置工具。RPA可以采取有人參與的自動化的形式，必須由啟動流程的人員觸發，也可以采取無人參與的自動化的形式。2021年是機器人流程自動化（RPA）的重要一年。轟動的IPO、并購，為2022年發展打下了堅實的基礎。根據IDC的數據，RPA的市場增長預計將從2020年的17億美元擴大到2025年的90億美元。

盡管有這些變化，但有跡象表明RPA這一自動化類型下正在發生一些奇怪的事情。例如，風險投資公司的CIO指數報告稱，RPA是公司希望在2023年減少投入的頂級技術之一。從令人不安的數據來看，該軟件并沒有達到其轉型宣傳的效果。弗雷斯特報告稱，RPA市場的增長最快將在2023年趨于平緩。IDC報告稱，整體企業自動化市場潛力為400億美元，而RPA預計的90億美元與之相比則有些相形見絀。

RPA在缺少API的系統或無法上云的非結構化數據等場景下的應用最為成功。當RPA被要求實現一個端到端自動化需求時，它會陷入困境。

它如何適應端到端自動化：雖然RPA可以用來完成機械、重復的工作，但企業最終更希望能實現企業全范圍內的端到端自動化，而不是機器人流程自動化，原因如下：

• 它不能很好地擴展：RPA機器人基于Ul界面即成，隨著部署的任務越來越多，它們也會變得越來越脆弱。維護需要大量的投入，即使RPA廠商已經綁定了APl、OCR、Al或過程挖掘功能，也會帶來另一層維護。“急需維護”的自動化阻礙了部署和可伸縮性的步伐。

• 在整個企業范圍內進行治理是很困難的：企業層面的成功需要穩固的治理，但RPA平臺本質上是在與組織范圍的治理對抗(包括IT和業務)。機器人提供了快速高效的巨大優勢，但隨著機器人數量的增加，IT驅動的治理和安全最佳實踐變得越來越難以實現。

• 它可能會變成技術和經濟債務：RPA最適合用于需要快速完成重復性且機械化工作流的自動化。伴隨著機器人數量的增多，維護需求也會增長。本質上，機器人大軍需要另一支機器人來進行管理。雖然機器人應該減輕人類的負擔，但人類最終還是需要減輕機器人帶來的負擔。

值得注意的是，盡管RPA經常被歸為“低代碼”軟件，但它并不屬于“易于使用”的類型。除了體現上面提到的治理問題之外，該技術仍然需要專家來構建和維護自動化，因此通常不會被業務線組織廣泛采用。

流程映射

起源：流程圖，這是由弗蘭克吉爾布雷斯在1921首次解釋給美國機械工程師協會

歷史：100年以上

別名（其他名稱和縮寫）：流程圖，過程映射，過程監控

價值：純粹的效率；節省手工工作的時間；“更好，更快，更便宜”是他們的口號

建議：在過去的100多年里，流程圖經歷了相當大的變化。從在繪圖表上手工繪制，到使用昂貴的預置軟件創建，再到今天，它們在瀏覽器中的拖放界面中繪制出來。流程圖是一種典型的方式，可以直觀地布局流程，并與他人分享對企業運作方式的理解。

流程映射與BPM密切相關。在20世紀80年代和90年代，企業會聘請昂貴的顧問，進行采訪和研究，并提供流程說明圖，說明公司正在做的事情，以及公司應該如何做。然后公司將嘗試實施該建議，并取得不同程度的成功。

今天，分析人員仍然以各種方式依賴流程圖，現在許多軟件供應商已經添加了將流程圖連接到數據的能力，并通過密切關注關鍵的里程碑來監視流程。許多企業已經開始使用基于真實數據的人工智能自動創建流程圖表示的過程，這導致了過去幾年過程挖掘平臺的爆炸式增長。

它與自動化有何關系：這個類型不能與企業自動化直接掛鉤，因為隨著如此多自動化技術的出現，今天大多數企業都沒有轉向流程映射工具來改造他們的業務。然而，這是一個與自動化關聯的類型，許多企業仍然會購買。

流程挖掘

起源：威爾·范德·阿爾斯特，“流程挖掘的教父”，獨自花了數年時間在該領域進行研究，但20年后，它已經發展成為一個主要的產品類型

歷史：20年以上

別名（其他名稱和縮寫）：流程圖，過程映射，過程監控

價值：一個客觀的、數據驅動的公司經營流程 ，并著眼于改進。

建議：IBM對流程挖掘的定義是恰當的：“流程挖掘應用數據科學來發現、驗證和改進工作流。通過結合數據挖掘和過程分析，企業和組織可以從其信息系統中挖掘日志數據，以了解其流程的性能，揭示瓶頸和其他改進方向。流程挖掘利用數據驅動的方法進行流程優化，允許管理人員在現有流程的資源分配決策中保持客觀。”

流程挖掘技術是強大的，同時它還與自動化密切相關，因為一旦流程挖掘工具暴露了企業經營流程的問題，就會促使領導者重新思考這些流程該如何優化。事實上，這個類型下的一些頭部廠商已經收購了集成和自動化供應商，一旦需要改進的問題暴露出來，就可以立即滿足客戶的需求。

它如何與端到端自動化相結合：如果對現有企業業務流程的改造是業務升級的關鍵部分，那么流程挖掘和企業自動化技術可以攜手合作。然而，該技術對企業的影響是以犧牲企業的其他業務成果為代價，將目標鎖定在效率上：創新、增長和新領域機會都被無視掉了。希望在企業中利用端到端自動化的公司要保持流程挖掘技術的平衡，確保不會過于相信它，以至于最后只專注于降本增效，而犧牲了其他一切。

集成和業務流程

起源：中間件。這個領域最初的玩家是Teknekron信息總線，其次是Tibco。

歷史：20年以上

別名（其他名稱和縮寫）：集成平臺即服務(iPaaS)、提取、轉換和加載(ETL和ELT)、數據管道

價值：通常被稱為“管道”，IPAAS專門專注于確保數據在跨組織、跨部門、跨系統之間流通以及自動化，通常是通過API實現。

建議：IPAAS通過API集成多個應用程序，使它們可以在端到端過程中協同工作。這些系統使數據能夠實時地從一個系統移動到另一個系統。這些管道非常適合連接分析引擎和數據存儲。集成依賴于數據，通常是不同類型的數據。在許多情況下，這些數據并不在同一個地方，這個時候就需要IPAAS來跨系統獲取數據，以支持自動化流程和策略。

ELT/ETL是一個密切相關的類型，它自動化了提取數據、轉換數據并將其加載到另一個系統的過程。這種轉換可能包括基于規則重新格式化或清理數據。ETL和ELT之間唯一的區別是數據轉換的順序不同。在ETL中，數據在加載到新系統之前進行轉換。在ELT中，數據在加載到新系統后進行轉換。傳統的ETL工具在本地硬件上運行，但更現代的基于云的ETL工具也可用。

它如何與端到端自動化相結合：IPAAS是一個重要的自動化領域類型，因為它構成了企業端到端自動化的基礎。然而，傳統的集成平臺很難進入這個新領域。與BPM一樣，集成平臺也受到技術復雜性的拖累，這需要擁有經驗豐富和資深頭銜的專家來確保它們保持運行。編碼、開發和長時間的等待是傳統集成產生的額外結果。隨著越來越多的市場遷移到企業自動化，傳統集成平臺必須更加努力才能跟上步伐。

自動化成熟度模型

隨著自動化領域的高速發展，在今后的許多情況下，企業成功的關鍵將取決于該組織自動化戰略的成熟程度，基于這個判斷，我們提出了自動化成熟度模型。這樣大家可以更好的了解當前自動化流程有多成熟，還需要怎么改進。

我們的自動化成熟度模型有7個階段：

0：第一個階段實際上根本不是一個階段。在這個階段，企業依靠人類來執行所有的工作，而根本沒有自動化。

1：自動化成熟度模型的第一個真正階段是單個單調乏味的任務被自動化。這可以像在excel電子表格中記錄的宏或RPA Bot一樣簡單。

2：第二階段是任務連接到工作流或特定于業務功能的自動化。

3：自動化成熟度模型的第三個階段是將多個特定于功能的工作流組合到應用程序更復雜的流程中。一個很好的例子是CRM應用程序，它圍繞客戶管理和銷售展開自動化流程。

4：自動化的第四個階段是創建跨越多個應用程序和系統的工作流和流程，并交付端到端流程。

在成熟度模型的這個階段，管理端到端流程可能會變得非常復雜。具有垂直場景價值的應用程序沒有在其價值以外提供自動化的能力。在這個階段，企業通常會采取集成策略，將應用程序即成在一起，或者轉移到BPA平臺，再或者兩者結合。企業可以利用本地應用程序集成將兩個應用程序緊密綁定在一起，BPA平臺可以使企業能夠從零開始構建流程。

5：成熟度模型的第五個階段利用人工智能和ML來進行更有效的決策。通過將如此多的功能、數據和進程集成在一起，不僅可以將復雜的進程連接起來，而且還可以訪問大量的數據。跨組織訪問實時數據的預測模型可以為決策提供更好的支持。利用跨CRM系統、會計系統和實現系統的自動化流程的智能定價只是一個例子。

6：第六階段更理論化，但建立在增加整合和智能的概念上。在這一階段，大多數決策都是自主做出的，很少有人為干預。有了這種水平的自動化成熟度，人類只涉及參與最復雜的決策或特殊的情況，并能夠在他們現有的工作流中快速決策。從本質上講，我們設想了一個環境，在這個環境中，復雜的決策會呈現給決策者，在可視化界面中擁有準確的數據。在這種認知自動化的水平上，系統也可以做到當有流程出現錯誤或者崩潰的時候，學會自我管理和自我修復。

為企業的明天打好基礎

數據集成是企業端到端自動化解決方案的核心，通過專注于集成跨應用程序共享數據和流程，將集成和自動化結合起來，在工作自動化中利用每個不同系統的集體能力。

今天，任何流程的人員、數據和流程這三個組件都緊密地集成到剛需使用的應用程序中。

明天，每個數據集、流程和用戶體驗界面都將可以通過api單獨訪問，以創建動態的端到端流程。

一個應用程序中的用戶界面將訪問另一個應用程序中的進程和第三個應用程序中的數據。例如，獲客網站創建的數據可以由CRM處理，然后營銷人員和報告可以發送給他們最常用的辦公協同軟件中的銷售人員。這種方法的關鍵是一個可靠的IPAAS，它可以在每個應用程序中協調這些步驟。這些體驗將從一個單一的平臺上創建和管理，用戶不會看到其背后的復雜性。

企業將變得更加高效。