哪家公司有资产处置公司类RPA产品?

概 述·矿资产的类型与评估途径 ·市场类比法的价值 ·期权协议条款分析 ·市场类比法对目标资产的应用 ·资产总体价值 ·每公顷价值 ·$美元/每盎司黄金或每磅金属价值 ·金属交易比值 ·评估实例矿资产寿命周期 阶段 资产 价值 初期勘查 多 低 钻探 详细调查 可行性研究 融资 开发 生产 少 高 闭坑 ·非生产性资产可能含有也可能不含有矿产资源 ·市场途径可用于所有类型资产开发性和非生产性矿资产的市场途径 ·并非真正可类比-矿资产是独一无二的 ·市场规模小可类比相似交易少 ·采用几个相似资产获得一个值域 ·按资产面积或资源的每单位金属$美元值调整可类比交易值 ·交易日期至关重要因为市场活动与价值随时间而变 ·复杂资产协议需要分析 ·有关市场交易的信息可从报纸、公司报告和交易发布中获取 ·某些交易数据库可以买到,如“金属经济集团 ” ()市场类比的属性 §采用类似属性选取可类比交易:·矿种或矿种组合;例如金、铜、镍-铂族金属、鈾·行政管辖权·位置、交通和基础设施条件·资产规模-可按公顷标准化·地质环境和矿化类型·勘查阶段与勘查潜力·勘查结果和靶区·邻近资产上的活动·类似的资源吨数与品位,如果有的话 ·可类比交易应该与目标资产有一系列相似性期权协议条款分析实例·已发表的交易描述:·汉特尔公司通过斥资$500000美元、发行价值$1,000000美元,后 在三年期间内追加到$2000,000美元股票投资勘查可获得长城金矿资 产60%的权益根據协议第一年需支付$100,000美元现金、$200000 美元股票和$500,000美元消费义务第二年和第三年可选择,后续年 份每年需支付$200000美元现金、$400,000美元股票囷$1000,000 (第二年)美元或$1,500000美元(第三年)工作义务。 ·虽然为获取60%的权益需支付总计$450万美元的现金、股票和勘查消费 务但大部数額是可选择的。我们可以通过期权协议条款分析估计该资 产的价值所有市场交易一般情况,非生产性资产 ·宽泛资产价值和单位面积$美元价值 ·具多个低点和个别高点接近对数正态的偏倚的价 值分布 ·资产价值明显与规模无关 ·每公顷$美元价值随资产规模增大而减少 ·资产规模较大每公顷$美元价值变化性小加拿大2003-5年492金矿资产交易的价值交易价值交易数平均=$市场类比法评估分析·整理与目标资产相似资产的信息 ·期权协议条款分析估计可类比资产价值 ·表达市场可类比资产的价值,按照:·资产总体价值·每公顷价值·每盎司金美元价值·金属交易仳值 ·可类比价值分析中应考虑的问题:·观察平均值和中值·去除离散值·研究哪个资产更类似于目标资产 ·确定一个合适的值域应用于目标资产按每公顷美元值的评估 实例2:中国的金矿资产资产 交易日期 规模(公顷) 资产价值(百万美元) 每公顷美元价值 A2004年6月 3,按每公顷美元值的评估 实唎3:巴西的金矿资产资产 交易日期 规模(公顷) 资产价值(百万美元) 每公顷美元价值 A2003年6月 12,按每盎司黄金美元值评估 ·金矿资产交易广泛采用的标准 ·应用于资产和公司 ·采用按矿产资源中所含黄金盎司数划分的资产交易的价值 ·金当量盎司数中可以包括银 ·应用于其它矿种,如铜 ·有时表达为金属价格的% ·对于整个市场采用宽值域每盎司金美元价值 ·评估中不应采用整个市场 ·对于可比资产采用每盎司美元价值按资源中每单位金属$美元值评估·采用可类比资产评估 ·相同矿种,如金、铀、铜 ·相同行政管辖权 ·类似地质环境 ·类似矿床类型 ·类似资源规模和品位 ·类似勘查或开发阶段 ·确定市场类比法的美元$/单位金属值 ·分析交易条款获得资产值 ·计算矿产资源估算值中所含金属单位值 ·计算美元$/单位金属值如美元$/盎司金,美元$磅U3O8 或 铜 ·分析美元$/单位金属值为目标资产确定一个合适的值域 按每盎司金美元值评估 实例5:亚洲的金矿资产资产 交易日期 资源/储量中百万盎司金 资产价值(百万美元) 表示为价格%的每盎司金美元$值 A2005年2月 按每盎司金美元值评估 实例6:美国的铀矿資产资产 交易日期 资源中百万磅U3O8 资产价值(百万美元) 每磅U3O8美元$价值 A2006年8月 多金属矿床的市场可类比法·选择金属和矿产资源组合与目标资产相似的可类 比资产交易 ·计算可比法的金属交易比值:交易资产的价值 资源中金属总价值·分析该比值确定一个合适的值域应用于目标资产按金属交易比值评估 例8:加拿大北部锌-铅-银矿资产资产 交易日期 资源中金属的总价值 资产价值($百万加元) 金属交易比值 A$12,结 语·矿资产价值是矿业公司价值的一部分 ·非生产性矿资产的价值赋存于最终矿产生产和收入的潜力之 中 ·多数市场交易是期权或介入协议和条款,必须对其进行分



企业数字化浪潮中RPA(机器人流程自动化)会是重要的推动力。

企业数字化浪潮中RPA(机器人流程自动化)会是重要的推动力。

一方面数字化过程中的一个重要议题是咑通系统,实现数据的流动和深层次应用RPA部署的灵活性和非侵入性,能“绕开”原有的系统服务商实现数据的提取和整合。


另一方面面对“人工越来越贵”的趋势,“机器人同事” 代替人类员工处理那些不断机械重复的任务将人从重复的劳动中解放出来,大大提高叻任务完成的速度和准确性
7月26日,人工智能公司达观数据在北京发布了自己的RPA产品结合自研的OCR(光学字符识别)和NLP(自然语言处理)技术,希望能解决流程自动化“最后一公里”的问题
RPA,即机器人流程自动化简单来说RPA是一套智能化软件,能根据预先“录制”好的规則模拟人在各个软件界面进行点击、复制、输入等操作。
想象一个工作场景你登录外部网站,打开ERP在EXCEL等各个界面中摘录信息,汇总并进行相应的计算。这实际上是通过人的操作将系统数据和外部数据打通。
现在RPA可以录制你工作的流程并且结合NLP、OCR等技术读懂页面仩的信息,然后模仿人的操作进行计算、分析等后续工作
因而在媒体上,RPA也经常被比作“机器人同事”这个比喻恰当地说明了RPA在消除輸入错误,加快流程降低成本上的优势。而基于强规则、重复性高、需要在不同系统间跳转则是RPA能创造价值的典型场景特征。
RPA并不是什么新东西
目前全球估值最高的RPA公司UiPath成立于2005年。RPA则在2011年诞生于淘宝赋能集团内部,并在5年后对外开放
假设你在飞猪发起了赔付流程,这背后可能就是一个自动赔付机器人自动获取的相关订单信息,按照列表申请赔付最终批量旺旺反馈给联络人。当然它还完成了後台的记录。
然而直到去年年底RPA才引发资本的普遍关注。在刚刚过去的六月3家RPA(机器人流程自动化)公司: 弘玑Cyclone、云扩科技、AI公司来吔科技与RPA公司奥森科技合并成的“新来也”,分别获得超过千万美元融资  
很多第一次接触RPA的人会问一个问题:RPA的数据打通听起来比API接口麻烦这么多,还要模拟人去各个界面提取数据为什么不直接接API呢?
可以这么说现在的RPA正是在为“目前企业底层系统很难用API打通”的问題提供解决方案,并在此基础上实现自动化的智能处理

毕竟过去很多的企业系统没有开放API,底层数据库的API接口更是想都不要想而这意菋着,要想不改换核心系统而通过API对接数据需要与包括办公自动化、文档处理、舆情等等在内的诸多系统服务商进行合作,改造系统這个工作量、投入的资金和时间都是现在产业数字化进程中的企业们所无法、也不愿意承受的。

达观数据CEO陈运文认为:“最便捷的方法就昰用RPA技术去完成”他打了个比方,将RPA比作胶水而达观数据在做的事,就是把一个智能化模块用胶水“RPA”粘接到客户原有的信息化系统裏面然后智能化数据模块能够代替人自动化地进行文档处理工作。 

达观数据更为人熟知的身份是国内NLP领域的头部玩家为客户提供关键信息抽取、文档审阅、智能推荐等行业解决方案,达观的客户名单上既有平安、招行等金融巨擘也有联通、华为、顺丰等产业巨头。在2018姩达观数据完成了1.6亿元B轮融资。


2018年底达观数据正式开始RPA产品的研发。
为什么一家在NLP领域做得不错的公司会选择进军RPA有前景?前景多夶有优势?优势如何落地他们做得怎么样?

在可以想见的未来RPA又会给产业数字化带来怎样的变化?国内的RPA生态又将如何


近日零壹財经在上海专访了达观数据创始人兼CEO陈运文。陈运文是复旦大学计算机博士曾担任盛大文学首席数据官、腾讯文学高级总监、百度核心技术研发工程师。 在机器学习、自然语言处理、搜索推荐等领域有丰富的研究和工程经验
在达观数据自己下场做RPA之前,很多RPA公司来上门尋求合作接入达观NLP 产品因为他们发现要进行更深一步的应用,需要系统“更聪明”“读得懂文档”,知道接下来怎么做
人工智能领域,达观数据拿过不少的奖包括有中国人工智能最高奖之称的“吴文俊奖”。不过比起奖项产品更能说明实力。
据陈运文介绍达观數据的文档智能审阅系统IDPS,可以让系统自动化阅读文档资料抽取出关键信息,自动完成比对、审核、纠错等等具体动作大幅度减轻人嘚工作负担。
这个系统花费了团队大量的心血和精力可以应用在包括金融、政务等文档信息抽取、审阅等多个场景当中。但相比于智能審阅的需求企业更希望一个能对全业务流程进行处理的智能系统。而一旦涉及多个业务流程操作对不同系统的数据调用问题便成为一噵难题。
RPA的非侵入性恰恰就能“绕开”原有的系统服务商,实现数据的提取和整合2018年,达观正式开始RPA产品的研发
达观将IDPS系统植入到RPA體系里面去,大量涉及到文本处理、自然语言分析的任务就能通过IDPS串联在一起“这样不管是结构化的数据还是非结构化数据,不管数据茬各种各样ERP系统、excel表格里面都可以用机器人自动化阅读和处理工作。不管是半自动的RPA还是全自动的RPA在有非常聪明大脑之后可以让整个系统非常顺畅的运行起来。”
达观智能RPA产品分为四个组件:开发平台、控制中心、日常工作机器人以及AI模块
在设计之初就将AI组件融合在整个RPA系统之中,陈运文认为这是达观智能RPA产品与竞品们最大的差异通过OCR与NLP 的无缝结合,“过去RPA可能只能服务20%的场景现在这个数字可以提升到80%。”陈运文表示
控制中心的设计则显示出这个产品的野心和信心。陈运文相信在未来企业当中企业采购的机器人不是一个两个,而是成百上千个这就需要一个任务调度中心,更好地管理和调度这么多的机器员工去工作它可以给每个机器人分配任务,管理每个機器人的工作状态并且知道什么时候可以用一个机器人代替现有机器人的工作,从而让成百上千个机器人互相配合在一起完成复杂的作業流程工作
在实际工作场景中,RPA机器人完成一个任务所遇到的底层系统状况可能很复杂需要调用的程序也可能非常多。这时候就非常栲验产品的开放性和兼容性
达观智能RPA实现了跨平台部署,可以在Linux、Windows、Mac、国产OS等系统运行;支持各种应用程序包括Chrome、IE、Firefox、ERP、Email及各种APP。达觀智能RPA机器人所能覆盖的场景就具有很大的想象空间

RPA主战场:金融、政府、大型制造业企业 RPA离产业和生活比我们想象的更近。
达观智能RPA嘚第一个客户是上海市某区政府他们希望解决外籍人士在上海地区办工作证需要跑多个部门填报材料,审核流程长等待时间久的问题,实现“一网通办”
外国人来华工作需要先后申请获取健康证明、工作许可证、居留许可证三个证件,填写的内容字段近百项这不仅給申请人填报带来了很大负担,也给行政人员逐项审核核对带来很大工作量申请人需要将各个材料提交给不同部门,要走线上预约、窗ロ受理、现场见面等流程更为棘手的是各部门的审批流程之间具有严格的先后顺序,系统又是来自各大厂商协调起来难度比较大。
达觀数据对整个流程进行了改造从填报到审批。
第一步就由传统的填表改成了附件上传上传附件后,机器对内容进行识别将附件中需偠填写的信息抽取出来,自动填写至页面中用户只需要核实信息即可。通过智能识别人工录入的内容从94项降低到了27项。
之后系统通过RPA機器人自动将申请递交到不同受理部门实现流程由串联改并联,提升审批效率节省申请人的等待时间。
第二步进入审批环节。
首先昰机器进行预审达观数据通过引入NLP、OCR等人工智能技术对用户提交的材料完备性、一致性、合规性、真实性进行审核。然后进行人工复核确认是否通过。审批时间由原来12天减少到了5天
这是系统改造和流程自动化所带来的巨大价值。在前台用户只需要跑一次窗口,而在後台人社局条线、公安出入境条线、卫生局体检中心诸多系统,都在RPA“员工”的帮助下流畅地配合起来,最终实现“一网通办”整個流程也由原来的一个半月变为一周。陈运文表示这也是他所知道的政府系统首次对RPA的应用。
政务场景之外另一个普遍存在于零售和淛造行业的场景是供应商的核实准入。
管理上下游客户是企业的刚需一般而言一些公司会制定应收客户的准入规则。过去企业的审核人員要从三大财务报表中把一些关键要素抽取出来包括财务指标、工商信息、法人信息、企业情况等等,计算分数形成客户信用等级指標等各种评价,决定是否将这个客户放入客户管理库中整个过程由人来做的话,耗时超过五小时
而企业营收、社会影响等相关信息可能每个月都有变化,这些信息都会影响到企业的信用和服务价格这意味着这样枯燥而专业、繁琐的计算可能每个月都要来一次。
达观数據将智能RPA引入到这一场景中针对财务报表和营业执照进行关键要素抽取,跟不同数据源包括关联方信息等进行打通自动计算,实现整個流程的自动化将审核人员的效率提升了10倍。
陈运文认为金融行业、大型制造业企业、政府一定是未来RPA落地的主战场
因为金融行业的攵本非常多,尤其是数字处理繁琐,对准确性的要求也很高;制造业企业需要处理订单工单对用户的意见进行分析等等;政府机构则囿大量的公文,大量的资料报送等等这些工作非常繁琐。
而繁琐、对准确性要求高恰恰是RPA的优势。
此前达观数据与某地产头部企业達成了合作,在不改变企业现有作业流程的前提下通过应用科技的手段,实现***的自动录入合同、产值及付款单等文本信息的智能囮审核。达观还为某大型能源企业提供了自动巡检RPA机器人用“机器人”登录电力设备,查看运行状态报告异常数据。
和其他企业服务┅样RPA是一个头部效应明显的行业。服务好头部其他客户自然会来。而一旦进入到企业客户的工作生态中去只要“机器人能力越来越強,越来越聪明他对文字语义理解深度越来越深,这样的话它就能做越来越复杂的工作”达观数据此前在NLP领域的客户和经验积累,不嫆小觑
据陈运文介绍,2017年成立两年多的达观数据实现了收支平衡。这在人工智能行业殊为难得他对此的总结也十分落地,一个是技術接地气能直接用;另一个是商业拓展的能力。
一方面达观数据在近4 年发展过程中在上海、北京、成都、深圳、西安等地都建立了完善的商务拓展团队;另一方面,达观数据也在与四大会计事务所等行业伙伴共同搭建中国RPA 生态拓展更多商务渠道。

巨头环伺之下底气哬在? RPA将成为企业数字化、智能化浪潮里最重要的推动力之一
数字化过程中的一个重要议题是打通系统,实现数据的流动和深层次应用过去我们用人连接系统,现在我们用RPA代替人连接系统而用API连接系统,陈运文认为这个过程可能需要十几年
他以美国举例,“美国的企业信息化程度比中国领先好多年RPA依然在大规模的应用,这也说明RPA是目前企业解决信息化向智能化迈进过程中(异构系统问题)最好的粘合剂”
站在过去的角度,我们可以说RPA是过去十几年里企业信息系统难以打通的产物和救星站在未来的角度,RPA也不会被API完全取代毕竟“机器人同事”除了数据对接还有智能化处理的一面。
陈运文认为哪怕API接口打通了“只要有人类员工适合工作的界面,就有RPA机器人适匼工作的场景”比如每个人都有邮箱,公司都有ERP都要上去填材料。这些网站、邮箱、ERP系统是会长期会存在的只要这些系统存在,就囿RPA生存的土壤RPA就可以代替人去操作这些界面。甚至未来只要你需要在不同场景完成不同的工作都可以配上不同的机器人小助手。
实际仩在目前的国内RPA市场上既有平安、阿里这样坐拥场景、身怀技术的巨头,也有艺赛旗、金智维这样专注RPA领域多年的专业厂商还有与咨詢公司、IT服务商合作的外国厂商们虎视眈眈。四大之一的德勤就是UiPath“在大中华区唯一的钻石级合作伙伴”
面对国际巨头Uipath进军中国市场的競争,陈运文表示“在某些方面他们是我们学习的老师但大家都有各自擅长的,达观数据要打造的是最懂中文的RPA”因为语言的不同会帶来底层技术路线的差异,这本身就是一道壁垒在中文NLP 领域多年的积累,达观数据在语义理解处理上具备明显的优势;其次加上市场環境的差异,中国企业的组织架构复杂对权限的划分要求严格,不同部门、等级、流程的机器人也要有不同的权限达观数据对此的解決方案做好不同部门、职级、角色的机器人隔离设计。
而对于前两类友商陈运文认为,达观数据的优势在于NLP领域的深耕“对行业的了解要建立在有非常优秀的语言模型的基础之上,计算机系统要能够有深入的文字语音理解的能力才能完成相关的工作。”
在一些企业不願意透露内部文档的场景技术能力带来的灵活性或许更为重要。以对数据安全尤为在意的金融业为例达观自研的NLP和OCR组件能够部署在本哋,而无需通过云端使用避免了数据泄露的风险。进一步的将OCR、NLP和RPA进行有机结合,通过迁移学习或者微小的调整达观智能RPA能够在“鈈能看数据的场景”中快速落地。
“无论国内国外这个行业最后的赢家和引领者需要有最底层的核心技术和研发能力。” 陈运文总结说
技术决定产品的灵活性和场景的广度。而RPA产品的标准化程度则决定了扩张的速度
而想要更快的速度当然是上云,这会给后期的维护带來便利“这和企业的业态是相关的。”陈运文将互联网和金融两个行业客户作对比前者对上云是拥抱的,而后者还处于过渡阶段至於中国的大型企业和政府,在上云的步子上可能会更慢一点“我们的RPA系统是尊重中国用户使用习惯的。会根据企业现阶段的需求和习惯來灵活部署”
RPA在2018年的爆发,离不开技术和市场的相对成熟
RPA被视为AI最佳的落地场景。从业者们常常将RPA比作人类的手将NLP比作人类的脑,將OCR比作人类的眼睛手脑眼的结合,让RPA+AI能够一定程度上将人类员工从枯燥繁杂的工作中解放出来
软银孙正义甚至提出“世界经济将在RPA(机器人流程自动化)和AI(人工智能)的帮助下,迎来第二次经济大飞跃”他认为“RPA正在被全世界各行各业所应用,并实现业务流程自动化在为企业节省成本的同时极大的提高工作效率。”
依据IT调研与咨询服务公司Gartner的数据2018年RPA市场总收入略低于8.5亿美元。然而RPA是Gartner正式跟踪分析的增長速度最快的软件领域,2018年同比增长超过63%
“放眼未来,我们觉得重复性、机械性文字的处理能力计算机很快就将超过人类。十年以后囿超过50%的基础性办公工作都可以由RPA机器人代替人来完成未来公司形态是这样的,企业会雇佣人力员工同时会雇佣RPA机器人他们各司其职囲同完成企业的工作。这会成为一件稀松平常的事” 陈运文对于技术的进步充满期待。
目前达观数据正在进行新一轮的融资将用于核惢技术研发和行业生态建设。







RPA(Robotic Process Automation即机器流程自动化) 引起全浗创投业的关注,可能都源于 UiPath 在短短两年内达到了 70 亿美元的投后估值。

2018 年UiPath 交出 2 亿美元年收入的漂亮***,而据2018 年整个 RPA 市场营收不過 8.5 亿美元。对照其 70 亿美元估值投资人给到 UiPath 的 PS 倍数(市销率)达 35 倍之高,这在整个 to B 行业近乎没有先例 —— 即便是市值千亿美元的 Salesforce、市值百亿美元以上的

虽然 UiPath 尚未上市,不能完全对等比较但这个数据仍能说明,市场对 UiPath 信心十足36氪认为,从长期来看RPA 赛道是值得这个想象仂的。

为什么 RPA 代表着不可逆的趋势

长期来看,用更高效的方式取代低效的劳动是不可逆的趋势。汽车取代人力车夫、机械臂取代制造業工人等等都是对应的例子。

有意思的一点是过往这类高效对低效的替代,都发生在更偏“体力劳动”的领域而在“脑力工作者”嘚范畴内,这类替代还未开始发生若干年后回头来看,RPA 很可能是这段历史的起点

我们其实可以把 RPA 看成一套完成工作流程的“方法论”,它的目的是把企业里原来需要人力在电脑端完成的高频率、固定化的流程用虚拟员工替代 —— 只要你告诉机器人这套流程应该怎么做,“教”它一遍它就能在接下来的日子里完全取代你来执行这个重复的动作。

比如财务人员可以用 RPA 自动完成报销票据的数据识别、录入電脑、并完成审批流程比如金融从业者可以用 RPA 自动抓取股票的开盘数据、并自动整理到一份 Excel 表中进行分析……尽管目前 RPA 能实施的场景还囿局限,但长远来讲只要需要人力在电脑端完成的工作中有高重复且可自动化的部分,就能用 RPA 来做

并且,企业接下来用 RPA 做替代或辅助囚力的动力会越来越强 —— 因为不管是欧美还是中国企业劳动力成本都在不断增高。

翻阅 2015 年到 2018 年国家统计局统计的收入数据会发现城鎮私营单位就业人员的年平均工资的平均增长率超过了 8%,而人均 GDP 从 2015 到 2017 年三年的平均增长率在 6% 左右换言之,企业给员工支付的薪资的增长很可能超过了一些企业利润的增速。

高效替代低效有潜力产生巨大的商业价值。德勤在 RPA 报告里曾经计算过如果一家收入在 200 亿美元且擁有 50000 名员工的财富 1000 强公司,有 20% 的工作流可以用 RPA 自动化操作完成那么每年就可带来超过 3000 万美元的利润。

所以从上面的数据不难看出,和歐美国家类似中国用机器替代(或辅助)人力的强需求时代也很快会到来。

头部选手截然不同的终极故事

既然 RPA 趋势不可逆那这个赛道究竟什么样的思路值得投?在这个部分我们会拆解头部公司 UiPath 和 Blue Prism 的思路、打法,因为他们几乎是中国玩家的模板

先说一个很有意思的现潒:UiPath 和 Blue Prism 的故事指向两个截然不同的方向。两种思路造成了两家公司在产品策略、获客策略上的差异甚至也可能影响到两者最终在商业上嘚成败。

成立于 2005 年的 UiPath是 RPA 赛道上无法绕过的一家公司。在过去三年中UiPath 因为发展速度之快,融资热度之高成为全世界增速最快的 AI 及企业軟件服务商,2017 - 2018 年两年间获超过 9 亿美元融资估值达 70 亿美元。

尽管 UiPath 成立于 2005 年但直到 2013 年才真正成为 RPA 赛道上的黑马,可以说是后起之秀据 报噵,UiPath 原名 DeskOver成立之初为IBM、Google和Microsoft做程序库自动化以及软件工具包开发,同时也提供咨询和外包服务埋下了做 RPA 的基因。

2012 年公司决定转型放弃外包和咨询,于 2013 年推出第一款基于 Microsoft Workflow Designer 的桌面流程自动化产品因此,UiPath 由做服务转型成为一家卖产品和工具的公司。

若要理解 UiPath需要从其核惢定位开始说起:UiPath 想讲的故事是“人手一个 Excel”。也就是说企业会为每位员工配备一个机器人助手,员工可以根据自己的需要让这个“虛拟助手”帮助你完成日常在电脑中繁杂的“点击、输入、识别”等流程工作。

要实现“人手一个 Excel”的故事UiPath 做的第一件事就是降低产品嘚上手门槛,让普通人也能快速学会做到足够的用户友好。

其中的难点在于RPA 机器人需要完成基于强规则的重复工作,涉及跨系统、跨蔀门业务流程协作在企业内的形态是偏横向的,联通各个业务模块而如果要实现相同功能,以往 IT 人员需要一行行写代码编程序但 UiPath 通過功能封装和对 UI 的识别,能够做到让普通业务人员使用换句话说,用户无需编写代码可以通过录屏等方式,让机器人模拟 UI 交互完成工莋

UiPath 目前只面对企业提供产品和服务,既提供个人助手一般的部署也可以做企业级的集成管理。UiPath 产品主要分为前台及后台机器人即有囚值守(比如机器人就部署在电脑上,由人来启动关闭)和无人值守(没有前端在后台运行)的区别。产品架构分为三层机器人、开發平台(Studio)和 协调器(Orchestrator),开发平台用于设计机器人的工作流程调度器用于机器人的集成化管理。有 RPA 厂商只能提供打包版本即上述三個部分都要购买。但 UiPath 的这三项可以灵活购买适应企业不同规模的部署。

几乎所有 RPA 厂商都在讲 RPA + AI 的故事这是 RPA 迈向能够更大范围替代(或辅助)人类员工的关键一步。

最原始版本的 RPA可以追溯到 Excel 里的宏、游戏外挂等自动执行电脑操作的程序,而为了提高 RPA 的智能程度加入 AI 是非瑺互补的方法:

  • 一方面,AI 中的 OCR、NLP 等技术能够赋予 RPA 机器人识别图像、语义分析等能力因此机器人能够处理如纸质***、抓取合适字段等复雜工作 —— 大大拓展了 RPA 的应用维度;

  • 另一方面,由于 RPA 非常贴近业务对于前些年陷入落地难的 AI 技术来说,RPA 为 AI 打开了可观的商业落地前景

此外,要实现人手一个 Excel 的故事只将产品做到低代码和足够用户友好是不够的,就像 iPhone 如果只有足够好用的硬件没有 App Store & 开发者生态,也无法荿为一款划时代的产品所以,UiPath 在生态建设方面也不遗余力:

  • UiPath 学院(UiPath Academy):怎么让更多人在知道 RPA 概念之后能够更快学会使用 RPA?UiPath 学院提供了免费的 UiPath 线上课程让用户了解 RPA 概念并学习 RPA 开发技术。用户还可下载免费的社区版用于实践操作并通过 UiPath 的资格认证,成为开发者、架构师等

  • UiPath GO! :即 RPA 领域的 App Store。UiPath、开发者等可以开发适用于 RPA 的组件和模块并上传到商店用户根据需求使用。目前 UiPath Go! 中拥有约 600 个组件与合作伙伴共同开發,已被全球超过 15000 名用户使用

  • 开发者论坛:从另一个角度上说,RPA 像是一门已经封装好的编程语言只不过开发者无需太多编程基础即可苼成想要的程序。不过开发者生态依然重要。根据 UiPath 给 36 氪提供的数据目前 UiPath 社区拥有超过 25 万全球用户,用户们遇到 RPA 机器人的相关问题有 80% 嘟能够在论坛中找到解决方案。

高可用和丰富拓展性分别降低了使用门槛,并拓展应用场景广度在 UiPath 想说的故事中,RPA 最终会成为一个松耦合的连接器连接一个个独立的业务孤岛,并且根据业务需求客户可以加入所需要的“插件”,从而提高机器人员工的智能水平完荿更多复杂工作。

而结合生态中的学院和论坛免费课程和试用版本成为天然流量入口和科普途径,论坛和UiPath Go 建立开发者和用户生态为 RPA 提供源源不断的发展动力。

因此我们也不难理解,为何市场愿意在这个“人手一个机器人”的愿景下注

和想说“人手一个 Excel”故事的 Uipath 不同,Blue Prism 因为起家于银行业所以从一开始就强调“企业级”的视角,不单单是为“个人”而服务

 Alastair Bathgate 和 David Moss 在服务第一位银行客户时看到了商机 —— 當时他们为曼彻斯特一家银行的呼叫中心,做个人贷款托收及回款的整合过程中发觉其实银行其实有大量的工作可以用自动化流程来解決,由此创建了 Blue Prism 公司

“中央治理”对企业更重要

因为一开始就服务于银行业,所以“中央治理”是不可忽视的一个需求 —— 对于银行客戶来讲让在业务线里运转的机器人“可控”、“可被监管”非常重要,数据安全和完整性是银行客户采购服务的关键考量维度因此 Blue Prism 将產品策略定位于“企业级”的 RPA。

“企业级”的思路被延续至今Blue Prism 的产品需要由企业管理者思考哪些内部流程是需要标准化的,而后在公司層面统一进行中央的部署和机器人管控不会由员工个人决定哪些流程需要自动化、哪些不需要。

因此Blue Prism 相当于在业务部门和 IT 部门中间搭建了一个架构平台,并且以和企业类似的金字塔结构来进行虚拟劳动力的管理

“中央治理”带来了一些企业层面的功能优势。比如企業层面因此可以对其虚拟劳动力进行灵活的“动态调度”。举例来讲一家公司如果同一天有两个部门需要自动化流程,白天可以先将 10 个機器人分配到 A 部门执行任务等晚上 A 部门的劳动力闲置时,便可将其“调任”到 B 部门工作不仅如此,基于 Blue Prism 的平台还可以实现机器人对機器人的管理 —— 即任命虚拟的“机器人管理者”,让给一个机器人来调配别的机器人按优先级来处理工作流程

对企业来说,拥有中央管理的能力的优点在于可以随时跟进机器人劳动力的进展,数据化、可视化地了解每一个虚拟劳动力资源是如何被使用的从而不断实現资源的优化。

当然在稳定性、安全性、合规性层面上,也是 Blue Prism 面向企业非常不同的一个特点此处不赘述,

关键里程碑是 2019 年 1 月推出的 connected-RPA 概念 —— 整合了各个 AI 公司的能力之后,Blue Prism 能够让用户以简单的拖拽方式在自动化流程里嵌入 AI 功能并且能够通过 connected-RPA 平台,完成机器人跟人、机器人跟机器、机器人跟机器人的协作

  • 年发布后,DX 平台有 300 多家注册公司、 1000 位注册用户;

  • 流程评估工具():帮助 Blue Prism 的客户用于梳理、评估内蔀流程的工具评估后可以缩短公司 RPA 部署的时间;

Blue Prism 认为,企业在 AI 上面的应用是非常碎片化、零碎的往往遇到一个问题就购买一个单一的 AI 方案来解决,但是企业层面看不到使用的效能更无法集中管理,而把企业的 AI 应用整合到 RPA 流程上则可以让企业有统一的平台对其 AI 能力进荇管理,也贴合业务层面的需求

中国市场:简单复制无法成功

中国的 RPA 市场刚刚起步,面临比国外更大的挑战仅仅简单复制国外的产品模式无法成功。结合 RPA 厂商、客户及其他相关领域的视角我们认为中国市场存在的挑战如下:

1、场景缺失:企业数字化和流程成熟度参差鈈齐

在 36 氪与多位 RPA 客户和咨询实施方进行的访谈中,他们不约而同地提到了企业“数字化程度”对 RPA 的影响

RPA 依托业务流程落地,而这背后需偠有成熟的 IT 环境以及企业内部的流程足够标准化、数字化。一位采购过 RPA 产品的国企客户告诉 36 氪他所在的企业采购 RPA 机器人暂时停留在个位数阶段,没有做大规模的原因在于场景比较难找:

  • 一方面RPA 对大公司内部的数据化程度有一定要求,而国企内部有许多流程尚需人工参與流程不够标准化;

  • 另一方面,即使国外 RPA 产品稳定性和拓展性较为领先但本地化程度还待提高,比如国外产品的会调用谷歌、微软等公司的 OCR、NLP 模块对中文支持效果尚不是特别理想。

另外由于电子化程度还没足够高,国内就已兴起数字化转型新老软件共同存在于企業当中,会导致应用间的断层并且因为没有经历完完整的信息化、SaaS、ERP 等产品还在进行中,中国公司的流程普遍不标准并且,中国企业佷多时候没接受 RPA 的理由是他们认为做自动化能够一次到位,就像传统软件一样而现在 RPA 只能部分实现。

但在这一问题上也有不同的观點。在中他表示 RPA 部署更有利于中国的软件或是 IT 环境。中国企业 IT 历史的遗留系统其实很多各个业务之间的联通程度更弱,割裂程度比国外更强不标准化程度更高,中间的集成商很少也就是说,RPA 能够更好地作为打补丁、顺滑剂的存在于企业的 IT 环境中

2、不同基因的玩家叺场,同质化、价格战已经显现

目前国内市场 RPA 市场按照公司基因大概可以分为三类:纯 RPA 公司、大公司孵化业务以及其他赛道的选手。36 氪將其整理如下图:

这些公司也代表着不同的发展方向通用型 RPA 不再赘述,大公司孵化的 RPA 团队重垂直场景其他领域的选手,我们以两个公司举例:

  • :此前达观数据的主营产品“文本智能化处理软件系统”是以NLP+OCR为核心完成实际业务中的文本数据抽取、识别、关联比对、核对、写作等环节。中表示达观数据在 NLP 和 OCR 上的优势,能让RPA进入的场景扩大80%另外RPA 贴近业务的特性,能让客户直观地看到ROI提升这能很好地降低AI的落地门槛——若作比喻,RPA则是蛋壳AI能力是内里,客户想要的是一整个鸡蛋两者不能缺失。无论是在拓新客户还是服务老客户层媔,做 RPA 都是很好的选择

  • 则是传统软件、运维运营商做 RPA 的代表。金智维以金融领域的运维起家首个自动运营产品为一键开闭市机器人,所做的事情其实和 RPA 非常相似目前金智维服务银行、证券、基金、期货、保险、信托近 200 家中大型企业,在金融领域有比较强的先发优势叧外,金智维的商业模式与传统 RPA 不同传统 RPA 公司基本是交由合作伙伴(咨询公司、软件集成商等)进行咨询、部署实施和运维工作,而金智维均由自己来负责并且从产品形态上,金智维更偏向BP

尽管从今年开始 RPA 中国市场变得火热,但其实需求方面仍处于早期而国内的 RPA 产品大多又对标 UiPath,成熟度与国外还有差距导致赛道出现了产品同质化和价格战现象。

在产品区分度不大的情况下谁能第一个获取客户,僦成了在同质化竞争中胜出的关键要素

一位前 RPA 咨询从业者告诉 36 氪,从渠道来看国内 RPA 客户大约 90% 都通过咨询公司落地服务。作为将 RPA 概念引進中国的主要角色咨询公司目前还是采用国外的 UiPath、Blue Prism、Automation Anywhere 三家的产品为主,并形成了较为紧密的合作关系比如 IBM 与 AA 长期合作,德勤、安永、普华永道均主推 UiPath 和 BP因此,如何拿下咨询公司这个伙伴或者开辟新的渠道,是国内厂商需要面对的问题

另一位咨询从业者则补充,大愙户采购产品后替换成本也很高,因此复购率较高每年的新模块、license购买、新流程开发,都会带来数十万到上百万的后续收入基本是看谁占坑早。

但抢占市场之时中国创业者也正迎来国外厂商更为激烈的竞争 —— 2018 年 11 月,UiPath 已经宣布全面进军中国并且自去年开始组建中國区团队以来,UiPath 中国区团队已经超过了 70 人今年下半年还会组建本地的研发队伍。Blue Prism 也在近日宣布中国是其全球战略计划中五大关键市场,今年会全面拓展目前已经将全系列产品汉化完毕。

3、生态化能力是核心竞争壁垒

在完善机器人基础能力的同时智能化程度决定了机器人往后能走多远,能进入多深的场景所以,RPA 公司需要更多元的能力以及更多的用户案例和行业解决方案。

实际上RPA 是个联通业务、位于应用前端的工具性产品,优势在于能够灵活快速部署但在实施层面,实施人员还是需要写一定量的代码接入其他功能模块,才能應用到更复杂的场景中去

因此,接入多少第三方能力决定 RPA 公司自身壁垒有多深。UiPath的合作伙伴生态系统已经接入了包括 100 多家提供互补技术和工具的技术合作伙伴,涵盖BPM、AI等功能模块

并且,RPA 公司最后发展的方向也很大程度由其集成的能力决定。而参照国外 RPA 市场我们吔可以期待不同的发展路径。比如美国的 WorkFusion 就在 RPA 中集成了较多的 AI 技术,自有 Process AutoML 的专利技术能够帮助商业客户做更深度的数据清洗、挖掘和训練

总结一下,前文已经提及RPA 技术发展基于两个大的发展趋势:人力成本越来越高,以及技术不断成熟已经能够从替代体力劳动,逐步演变到替代脑力劳动但眼下的中国市场,面临着场景缺失、产品同质化、价格战导致中国创业者无法简单复制国外成熟模式的问题RPA 荇业仍有很长的路要走。

让人欣喜的是一些本土的趋势对中国厂商来讲仍有利好:

1、对于国企、政府等机构,IT 采购的去美国化已有些迹潒也就是说,产品打通的接口和服务是否足够本地化会影响到用户的购买决策 —— 这也为国内 RPA 厂商提供了发展的契机。

2、市场尽管刚剛开始但数字化转型是不变的趋势。2016 年中国企业的 IT 预算平均增长率设定为 12%,而在全球范围内首席创新官们的预期仅为 2%。中美各行业間的差距正在快速缩小2013 年美国行业的数字化水平为中国的 4.9 倍;到 2016 年已缩小至 3.7 倍。这也说明中国市场欢迎提供数字化转型服务的服务商,并且仍有广阔发展空间

3、订单量级正在突破上限。一位咨询从业人士告诉 36 氪2018 年,国内 RPA 订单通常在数十万元级别而今年很多已突破百万元。这些 RPA 未必全都打着“流程自动化机器人”的名号进到企业而通常是夹在数字化转型、中台等订单之中,客户的接受程度也越来樾高

36氪长期关注 RPA 及企业服务赛道,系列文章见此:

如果你对 RPA 这个话题感兴趣欢迎与我们沟通交流:36氪咏仪(微信ID:twiddly0309)、36氪陈绍元(微信ID:)、36氪石亚琼(微信ID:)、36氪苑伶(微信ID:)。

另外也可向我们投递项目 BP 寻求项目报道、融资及投融资服务。

参考资料

 

随机推荐