01、数字化=ABCD？

AI、区块链、大数据以及云计算，这些都只是工具而已，它还不能代表数字化的本质。

推动数字化转型有三个要素：最关键的一个是带着放大镜去观察这个世界，完全极致的数字化，可以在需要的时候非常精确的将数据找出来。有了这些数据之后，就可以很容易产生新的业务形态和新的业务边界。

数字化转型是一场分辨率革命，涵盖渠道、产品、业务、运营、文化和人才。

很多时候，我们会说数字化的渠道就是线上化，但这不是说线上化能够很简单的等于数字化。本质还在于，因为这线上化的渠道，它可以很及时的得到客户的反馈。

比如RPA的应用，有机会使我们从重复的劳动解放开来，而去处理一些原来没有机会去做的事情，运营模式就会往更优化的方面发展。因为运营的核心应该是聚焦在处理异常，正常的流程应该是完全自动化的。

企业转型不是说某个部门独立去驱动，应该是每个人都会有这样的理念，才是真正的转型成功。

02、为什么说RPA能推动数字化转型？

RPA通过完全自动化的操作去取代重复劳动，有能力去自动采集数据，自动执行任务，自动触发服务，所以我们能够获得更高分辨率的数据。对于金融产品来说，可以得到更高的风险管理水平。

当然后面我们去打印流水也是能看到，但是在于某些监测系统的逻辑下，因为频率的问题，你可能没有抓到这个事情。

所以在这个例子上我们可以非常明显的看到说，它就意味着更高的分辨率，而且这也意味着更高的风险管理水平，也可以突破一些业务的边界。

03、企业内RPA大规模应用的思路？

第一个是RPA在整个体系内，我们把它当成一个服务。我们会有自己的流程引擎，会有自己的系统。在当我们需要去用RPA采集数据或者触发任务的时候会去调用。但不会很依赖RPA自己来串联，这样应用发挥到最大。

第二个是用户编程。这也符合UiPath人手都有一个RPA这样的思路，把大批的学习培训去到业务部门，而不只是在IT。

第三个是关注这些场景实施的ROI。其实每个场景如果说用外部的力量来实施的话，其实它的投入也是不小。我们会有一些评估的机制，来挑选出高ROI的项目或者场景来实施。

第四个是多层次的资源部署。根据我们的项目实施情况，会去平衡这样的一个资源投入。全部自己的人来做，或者全部让厂商的人来做，都可能会有一定的弊端，保持一个比例和灵活性，然后去做最优的部署。

第五个是有所节制。不是所有的工作都用RPA来做，要判断哪些项目让RPA做收效更高。

04、实战例子：把RPA做成数字员工平台/RPA+AI

把RPA真正包装成一个能够替代人工的某一个职能的工作。通过数字员工平台，设置一些管理控制，包括员工的费用审理、绩效等。

在AI的应用上面，也充分应用了用户编程的理念。在这个体系下，RPA让运营模式发生了一定的改变，比如IT部门不再去关注每天新模型的实施，而关注整个平台的建设；业务部门不再关注每天日常的对账单处理，而关注新的对账单模板的输入、训练以及某些异常模板的处理。

05、RPA的下一步

RPA与用户编程、AI+深度结合：

1、进一步深度集成AI能力。

2、引入低代码平台，进一步推进用户编程，与RPA相互补充。

3、扩展使用边界，突破组织界限，形成规模效应。