找到合适的RPA用例
识别理想用例的关键是找到那些能够在不完全自动化的情况下有效运作的流程。一些应用程序，如客户反馈分析、销售或质量控制，不能完全自动化，因为它们需要一定程度的人为监督。因此，这些用例并不适合用于RPA。
主要处理非结构化数据的用例也不太适合RPA技术。不幸的是，这可能占据了企业数据的很大一部分。一些估计表明，普通企业中非结构化数据占到80%到90%。
流程的复杂性是另一个需要考虑的问题。流程越复杂，在完全自动化时越容易出现故障。IT需要选择相对简单的流程。IT可以通过流程挖掘来进行尽职调查，以识别和优先考虑哪些流程最适合通过RPA进行自动化。
或许最重要的是，IT应该选择那些一旦自动化后能够带来明确投资回报的流程。虽然RPA具有成本效益，但它并不是免费的，因此你选择自动化的应用程序或流程在正确实施时应该能够带来明确的回报。
屏幕抓取还是API？
这两种数据提取方法对任何RPA实施的成功至关重要，虽然它们的结果相似，但采用不同的方法来实现相同的目标。屏幕抓取，也称为终端仿真，是一种从用户界面（UI）收集视觉数据（抓取）的方法，然后，这些数据会自动应用于其他程序或系统，而无需人工手动重新输入数据。API（应用程序编程接口），如大多数人所知，允许两个独立的程序自动交互和交换数据。
API方法具有多重优势，包括效率和易用性。通常，围绕数据收集的法律问题并不存在，因为你有主机访问数据的许可。API方法还消除了诸如JavaScript渲染和CAPTCHA避免等问题，使其在收集大量数据时比屏幕抓取更快更有效。
话虽如此，你需要受制于API提供商，提供商可能会限制在特定时间段内的数据请求数量，或者基于地理位置。API提供商也可能会更改政策，影响你提取数据的能力。
相比之下，屏幕抓取或网页抓取相较于使用API可以提供显著的规模和时间节省，它还可以提高数据准确性并提供更多样化的数据来源。通常，它也更加具有成本效益，但需要注意的是，屏幕抓取可能会违反版权和商标法，以及某些网站的服务条款协议。有些网站可能还会阻止抓取程序，导致数据收集困难。
你选择采用哪种方法通常取决于所利用的数据源以及组织对数据治理的方式，这也是我们下一个关键元素的良好过渡。
进行适当的数据治理
实施有效的数据治理是所有企业应优先考虑的事项，这个话题甚至可以写成一本书。良好的数据治理对于确保从法规遵从到数据隐私和客户满意度的所有方面都至关重要。领先的行业分析公司Gartner估计，到2022年，几乎100%的企业战略将数据视为企业资产。最重要的是，它将企业的数据转变为资产，使其可被RPA等技术所利用。
因此，组织建立具有有效数据治理基本原则的程序非常重要。有效的数据治理程序将建立角色、规则和政策，以最大化组织数据的价值，这也意味着要概述开发、实施、批准、持续监控和性能评估自动化应用程序和流程的要求。
确保RPA安全性
与所有应用程序一样，确保安全性和降低风险对于RPA实施的成功至关重要。一个好的第一步是为每个RPA机器人分配特定身份，包括专门的命名要求和认证程序，这种方法为流程级别的责任制奠定了基础。IT还应部署应用程序访问限制和行为的明确权限。
一旦这些参数建立，IT应确保RPA系统提供详细且准确的机器人活动日志。最后，RPA脚本应定期审查和更新，以确保准确性。
作为“最后一英里”的集成
RPA中的“最后一英里”指的是完成过程自动化的最后阶段，这通常是最困难和最复杂的部分。与遗留系统的集成、过程变异性和可扩展性等问题可能是主要障碍，但自动化这些步骤也能提供最大的投资回报，这些挑战突显了需要仔细的规划、强大的设计原则、持续的管理以及可能使用更先进的技术，如AI和机器学习，以支持你自己的RPA部署。
总体而言，这些元素为IT组织提供了一个有效的蓝图，以避免任何首次实施RPA自动化的最大潜在陷阱。只要仔细遵循，企业可以立即开始享受RPA带来的生产力提升和成本节省。
