輔助性RPA：RPA在發展初期，只能以在個人電腦上部署的形式，無法完成大規模應用的部署。

自主性RPA：隨著RPA產品的發展、廠商對業務理解的加深以及RPA與其他技術的融合，RPA可以進行一體機、云端的大規模部署。

當前，RPA正處于從自主性到智能化的發展過程中。

計算機視覺、機器學習、低代碼、自然語言分析、商業智能、流程挖掘等各類技術正在與RPA的融合中不斷發展。

其中，流程挖掘主要應用于流程改進，挖掘時需要大量數據作為分析素材，RPA的運行日志正好滿足需求，同時改進后的流程又可以用于RPA新場景的開發，所以流程挖掘和RPA是匹配度極高的技術組合。

流程挖掘貫穿RPA項目的開發和使用階段
有利于銀行改進業務流程，從而實現效率升級

流程挖掘基于數據挖掘、機器學習、過程建模和分析等技術，通過定向采集、處理企業各IT系統中儲存的信息日志，能夠將業務流程及其邏輯可視化，進行多維度切片分析根源，識別流程返工迂回情況，發現節點冗余，優化流程。相應地，流程挖掘貫穿在RPA項目的全生命周期。

RPA項目開發過程前期，利用流程挖掘技術發掘大量的可以應用RPA的潛在流程。

RPA產品投入使用后，在運行中會產生豐富的行為日志，可用于流程挖掘后續分析的數據素材，可以一定程度上實現流程的自動發掘和后續優化。

企業規模越大、部門越多、協同越頻繁、系統越復雜、流程鏈條越長、數據量越大、分支越多，產生流程變體的可能性越大，因此從理論分析上，流程挖掘確實適合銀行用于改進流程，從而實現工作效率的提升。

給銀行的建議

易觀分析認為，流程挖掘當下的市場熱度有一些虛高，因為流程挖掘是RPA廠商這一階段給資本市場講的故事，流程挖掘在當下仍處于探索與項目打磨階段，尚無比較突出的實踐案例，所以銀行需要審慎看待這項技術。

銀行需要參考流程專家分析和投入產出比的評估，再決定是否在RPA規劃以及建設運營的過程中引用流程挖掘技術。

對科技能力強、規模大的銀行而言，流程挖掘應該是當下就引入研究的技術。這些銀行結構復雜、分行數量多、業務種類多、業務流程長，雖然工作流程已經經過流程專家優化，但是流程挖掘能夠以計算機的“視角”地審視現有流程，發掘改善機會，每發現一個改亮點，都可以大幅提升效率、節省成本。