一、流程挖掘
如何挖掘出更多潜在的自动化场景是决定整个项目投入产出比的关键因素。例如：实现1个业务流程的自动化需要采购1个RPA的设计器与运行器，但可以通过1个设计器和运行器开发运行更多的自动化流程，从而将低边际成本压缩到更低。
（一）RPA适用原则
对于业务流程是否适合采用RPA技术，可以对比以下两个原则，同时满足以下两个条件即是符合RPA适用原则：
（1）作业流程重复、作业的频次较高，作业时长较长，频次越高与时长越长则实现自动化后带来的业务价值越高。
（2）业务流程的逻辑是可以固化（又称为标准化）的，如果流程无法被标准化，则无法通过RPA编码固化实现自动化。
（二）流程挖掘的方向
在挖掘潜在自动化场景的时候可以遵循如下原则（图4-2）：
图4-1 RPA项目实施的6个关键阶段
图4-2 挖掘自动化场景遵循的5个原则
（1）在工作量较大的部门或岗位挖掘。
（2）在要求快速响应、快速处理的部门或岗位挖掘。
（3）在要求数据质量高的部门或岗位挖掘。
（4）在涉及多业务系统操作的部门或岗位挖掘。
（5）在需要处理大量图片、纸质文档、发票等非结构化数据的部门或者岗位挖掘。
（三）业务流程挖掘方法
业务流程的挖掘方法主要有交流访谈和采用流程挖掘工具两种方式，也可以两种方式相互结合，优劣势各有不同：(https://www.daowen.com)
1.交流访谈式（见图4-3）
图4-3 基于交流访谈式的业务流程挖掘
对于初期开始尝试RPA的医疗机构，可能只想先做少量流程的尝试，则可以通过其他行业或部门项目案例，找到相同的业务流程场景进行快速推广。共性比较强的业务部门包括财务、人事、审计、采购、IT等，其工作流程无论在任何行业都基本相同。可以通过交流访谈快速找到类似的潜在业务场景，借鉴以往成功的项目经验，既可以缩短整个项目的实施周期，又可以降低项目风险。
（1）人力资源通用业务场景
如图4-4所示，包括医院在内的各个机构都有“管人”的部门。现在的人力资源管理普遍由“人治”向数字化、智能化管理转型。通用的HR系统一般分为人力资源规划、招聘入职、员工培训、绩效管理、福利薪酬、员工沟通、员工离职七个模块。其中存在大量重复性的手工操作，也就给RPA带来高、中、低的替代机会。如“创建与管理报表”无疑就是高频次且规则明确的人事管理流程，事实上也占用了HR们大量的时间，在进行应用RPA系统前需求分析的时候，可以标红归类为“高RPA潜力”。
图4-4 人力资源管理场景潜在RPA机会
（2）医院行政管理场景
为推进我国“健康中国2030”建设和医疗机构高质量发展战略实施，国家卫生健康委已于2021年3月15日颁布了《医院智慧管理分级评估标准体系（试行）》，医院内部的行政管理数字化程度正在进一步加深。如图4-5所示，财务管理、物资管理和包括国考病案首页统计信息在内的健康信息服务，存在着大量RPA机会，支持医疗机构实现降本增效的目标。
图4-5 医院行政管理场景潜在RPA机会
针对没有行业项目案例可以借鉴的医疗机构，可以先进行RPA+AI理论解决方案概念的介绍，并结合实际近似的业务场景案例展示，让其充分理解RPA+AI解决方案的能力边界以及使用体验。各个岗位的员工理解后会逐渐联想到自身工作中有哪些业务场景可能是潜在的自动化机会，从而通过人工访谈交流的方式将对应岗位的工作流程还原重现并记录下来。然而，人工访谈交流的方式效率低下，需要各岗位员工操作演示具体的业务流程操作过程以及介绍业务的处理逻辑，然后进行可行性、价值、风险的分析评估以此判断是否存在实现的必要。此外，存在调研结果与真实现状有偏差的情况，因为员工介绍的业务流程是平时遇见最多的情况，有可能出现遗漏的业务流程操作过程。
2.采用流程挖掘工具
流程挖掘工具可自动地采集、清洗各业务系统中存储的有关业务执行信息的日志，提取各项流程的节点、工作量分布、工作流组织结构等业务信息，建立真实反映业务系统执行的模型。
通常，流程挖掘工具具有数据ETL（Extract—Transform—Load）、流程发现、可视化和流程诊断及优化等功能。首先数据ETL，流程挖掘工具需要连接至机构内各式各样的业务系统，读取数据（E）、转换数据（T），并将数据导入（L）至支撑数据挖掘的平台，或是预先自定义的“处理表”（Activity Table）。处理表的维度至少要包含三个字段：Case ID、处理名称（Activity Name）和处理时间戳，便于提取整个业务流程唯一的案例概念。其次流程发现，借助事件日志，在不需要任何先验知识的情况下，即可构建业务流程模型。再次可视化，进一步将数据转化为便于用户理解的概念图、结构图、流程图等，不同业务板块的功能、交互关系，以及整体结构都将直观地呈现。最后流程诊断，包括一致性检验、流程优化和风险预测等。一致性检验可比对业务流程模型与来自该流程的事件日志，用于判断模型的还原度；流程优化常借助从日志中提取的知识和信息来扩展现有流程；风险预测旨在引入机器学习、深度学习，对流程未来的执行情况进行预测，以提前规避风险。
可见，流程挖掘工具以模型驱动和数据驱动为基础，其能否成功部署受业务系统的连接能力和数据吞吐量影响。因此，流程挖掘技术的主要用户集中于各行各业的“龙头”单位，这部分用户的主要特点是信息化程度高、业务规模大。此外，流程挖掘工具的推广仍受限于业务系统的日志。一方面，大部分流程挖掘工具仅支持主流的系统，如ERP、OA等；另一方面，由于业务流程中的部分手工作业环节无法被系统的日志记录，挖掘工具往往无法“捕获”该环节的信息，需要进一步结合人员交流访谈的方式才能保证业务流程分析的完整性和一致性。