RPA机器人技术让银行数字化转型更高效

随着AlphaGo战胜李世石、柯洁的新闻一再刷爆朋友圈，引发了人们对人工智能的无限遐想。近期，德勤与Kira Systems联手，毕马威引入IBM Watson认知技术，多项创新型黑科技——云计算、流程机器人、可视化、高级分析、认知计算、内存计算和区块链技术正迅速渗透应用到金融领域，给银行业带来组织架构、人员管理和经营理念的变革，也迎来了以RPA机器人技术为代表的金融数字化转型时代。

RPA机器人技术是指用软件自动化方式完成人工操作计算机的业务。它让软件机器人自动处理大量重复的、基于规则的工作流程任务。如纸质文件录入、证件票据验证、从电子邮件和文档中提取数据、跨系统数据迁移、企业IT应用自动操作等，软件机器人能准确快速完成这些工作，减少人工错误、确保零失误、提高效率、大幅度降低运营成本。RPA依靠先进的软件自动化技术，极大降低了开发成本和开发周期，实现了银行管理及业务流程的自动化，提高了工作效率并降低了人力成本。

 RPA技术重塑银行核心竞争力

RPA具有如下特点：其一，它是基于桌面记录的自动化软件，可以出色完成大量重复性、定义清晰、有固定逻辑而少有意外情况的工作；其二，它能7*24h无间隙工作，具有相当于人工15倍的超高工作效率；其三，机器人的使用规模可以按需求调整，如在每年高峰期处理大量的数据；其四，由于能做到详细、实时地追踪所有流程步骤，因此RPA具备极强的管控及审核能力；其五，在虚拟环境下复制人机交互行为的RPA机器人无需人工操作，不会发生错误并提供自动校验和流程检查，它是风控要求极高的银行业务流程改造首选。

RPA所关注的重点是一些重复性高，基于明确规则的标准化业务。尤其对商业银行而言，其诸多存贷款、理财等业务流程都具有上述特点。因此，RPA可在银行业广泛应用。目前，就RPA技术在金融领域的应用范围来看，基本覆盖了财务、运营管理等方面。如账单管理、报表管理、预算管理、信用管理、税务管理、流程控制等，每个业务流程的规范化、标准化程度不同，RPA技术应用的范围也不同。

近期部分商业银行已推出包括信贷机器人、客服机器人、财务报表机器人等在内的十余款流程机器人产品，旨在为银行业务流程数字化提供解决方案，促进前、中、后台流程效率最大化。通常每个银行机构都存在多个信息化业务平台和管理系统，技术人员为了协调、转录数据以及处理各种交易，每天需在多个系统间切换并重复大量简单的手工操作，耗时费力。RPA流程机器人秉承集成化、智能化、云端化的创新理念，集兼容性和开放性于一身。用户无需改动现有系统，可根据不同的流程与环境自动配置业务规则，灵活适应流程变化。同时可以调用API（应用程序编程接口），和AI（人工智能） 如OCR（光学字符识别）、NLP(自然语言处理)、语音识别等技术，灵活整合达到“随到随用”的效果。

如在银行资金结算流程中，经常会有十几个，甚至上百个需要执行的小任务，并且每项任务之间环环相扣，密不可分，完成一个任务才能开始下一个任务。并且需要进行长时间的复核工作，以防出现作业失误的情况。针对此类价值不高的工作环节，RPA可以完美地取代人力的投入，高效完成重复性高但却有逻辑性要求的工作。

随着RPA、AI等创新技术在银行业的广泛应用，在带来组织架构、人员及管理变革的同时，商业银行亟需以RPA机器人技术为引领，重塑自身的核心竞争力。

金融服务共享中心重构银行业务流程

众所周知，当前许多大型银行机构众多，业务类型复杂，数据处理量大，核算检查项目多，人工处理效率低下。而大量重复乏味的操作，更是让员工叫苦不迭。金融服务共享中心作为一种新型的银行业务管理模式，已在多家商业银行推广应用。银行设立金融服务共享中心，可以将不同主体、不同地点的重复性高、技术含量低、易标准化的银行业务，通过人员、技术、流程的有效整合，实现标准化和流程化，从而解决银行金融职能建设中重复投入和效率低下的弊端。

而RPA可显著提高银行金融管理的精确度和事务处理效率，适用于规则清晰的重复性流程。而在金融服务共享中心的各个流程环节中，有大量重复、机械的任务，RPA金融服务机器人是“点”，是金融流程节点上的自动化应用。而金融服务共享中心是“面”，这些耗费人力的工作可由RPA金融服务机器人完成，实现“点”的自动化，提升银行金融服务的数字化程度，进一步优化金融共享服务中心的流程和模式，是银行业务流程的重构与优化。

以财务报表审核为例，银行做贷前审核需要对企业财务状况建立档案，以往的做法是把企业报表里的每一个数据通过人工录入系统，三张报表数据录入用时至少30分钟，且容易出错。RPA金融服务机器人把人工录入改为机器自动扫描、识别，准确率可达99.68%，用时仅需5分钟。此外RPA金融服务机器人也可根据实际业务流程，提供定制化的流程机器人服务。

此外，基于数字化的金融服务管理职能可分为三个层面：第一是看得到，即信息可视化，通过数据分析平台、数据抽取等方式，将信息整合到平台上，或用机器人去抓取数据整理报表，即可通过可视化的数据分析平台，轻松地看到银行的运营和财务状况；第二是看得准，就是基于银行的内外部历史数据，建立数学模型，对未来一定期间内的金融市场情况进行预测，便于银行提前部署经营模式，防患于未然；第三是看得清，即将数据分析提炼，进而支持银行高管决策。

这样，一方面金融服务共享中心产生流程与规则，为RPA金融服务机器人的应用提供良好的运行基础和实施环境。另一方面，RPA金融服务机器人的应用，又将银行员工从大量、重复、机械的工作中解放出来，得以从事更具价值和创造性的工作，从而大大提升金融服务共享中心的服务能力和质量。据统计，目前，全球前500强的银行中超过40%已建立起金融服务共享中心，平均降低了30%的金融服务运营成本。

RPA高效提升报表数据处理整合能力

总体而言，金融领域的RPA是当前比较成熟的金融数字化应用技术，而银行业则是一个强规则的领域，该领域内很多事务和报告流程大多是可重复、有规律可循的，因此也最易于实现流程自动化。在其决策过程中相对标准化和可重复的规则活动，都可以应用机器人流程自动化技术予以实现。

尤其把银行业相关的输入-处理-决策-输出的流程进行分析、拆解，再用机器人软件模拟人的操作，把原本要在各种软件平台——包括银行业务系统、ERP软件、报表软件，甚至是CRM软件上需要很多人力完成的填写、报送、执行命令、菜单点击、输出报表等动作，都可交由机器人来完成。在输入端，还可以结合光学字符识别技术（OCR）、语音识别等认知技术，将业务信息转化为计算机可以处理的信息再交由机器人进行后续处理。如光学字符识别技术可以把纸质的凭证FaPiao、账册、合同的信息扫描到计算机里，并识别为电子逻辑信息，然后交给机器人去做记账、报表处理。而语音识别技术可以帮助机器人识别、接收银行员工的语音指令，甚至从员工的语音当中识别出数字信息并且进行处理。

同时目前银行等金融机构接触到最多的是结构化的数据。如金融领域最核心的三张表：资产负债表、现金流量表和利润表及账册，都是采用结构化数据。随着银行管理越来越向前端延伸去支撑业务，银行面对的就不仅仅是结构化的财务数据，还会面对很多非结构化的业务数据，如客户个人信息、产业信息等。在大量的业务数据中，有些信息甚至可以从社交媒体当中产生，这些信息反映了客户的偏好和聚焦程度，并可作为投资估值和市场决策依据，在资本市场上被投资机构和监管部门所关注应用。

比如，利用图像识别可以从一张照片中获得数据并分析出拍照的地点、拍照者装饰和周边环境，甚至还能分析出用户的更多信息。而自然语义识别技术能够让计算机像人一样去读懂一些在商业场合常用的信息，这些信息可能是非结构化的数据，而不是在表格中的明确信息。因此报表中的一段描述性的文字或在合同中的法律条款，利用各种识别技术，就可以快速将结构化数据和非结构化数据进行整合转换，并存储到计算机系统中，获得电子逻辑信息，作为银行业务流程处理、决策和输出的数据基础。
    除了提高工作效率之外， RPA还可以可以快速抓取信息，进行整合。而在这个基础上，辅以后台的决策支持模型，就可以帮助银行快速做出决策，规避风险。

RPA助力银行业开展控险反洗钱

当前RPA的应用不仅将银行员工从大量、繁琐的手动任务中释放出来，而且还可有效提升银行控风险和反洗钱业务的水平和敏感度，应对日益复杂的反洗钱、可疑交易甄别监管工作。同时通过RPA技术的应用，商业银行可在相对较短的时间内，降低运营成本，保证服务质量，提升基层网点反洗钱履职效能。

反洗钱是一项庞大的社会系统工程，不仅涉及的部门（通常需要公、检、法等司法部门和财政、税务、工商、海关、外汇管理等多家政府部门联手支持）繁多，其相关程序也较为复杂。作为反洗钱的主力军，银行等金融机构承担着反洗钱的基础工作，并在反洗钱工作中承担着最重要的作用。

与一般犯罪相比，洗钱犯罪具有一定的特殊性和隐蔽性，要想直接发现其犯罪事实较为困难。当前很多洗钱犯罪主体（自然人、法人）利用网上支付等方式，进行非面对面的线上交易，还可能得到一些受利益诱惑的专业人士的协助，隐蔽性越来越强，银行很难直接通过监控犯罪主体来发现洗钱线索。但由于存在现金流通限制，绝大多数的“黑钱”都要在银行或者其他金融机构间流转并留下记录，因此，对可疑支付交易信息进行采集、分析，监测资金交易的异常变动成为发现洗钱线索的重要途径。近期已有银行机构开始应用RPA技术，通过将手动工作进行自动化，代替人工在用户界面完成大批量、重复且规则明确的日常事务，来优化改进相关风险分析流程，更高效率的解决这个棘手的问题。

RPA机器人在反洗钱工作中可执行的任务包括反洗钱合规、反洗钱监控、反欺诈管理、尽职调查、可疑活动检测等。通过自动对可疑数据进行检测和调查，提高报警质量，减少误报。同时还可高效快速部署数据采集与调整系统，有助于银行降低反洗钱工作的相关成本，提高工作效率。

当然，在引进RPA技术时，需要用新的思维方式对待监测数据分析，不能只把这些数据看作生成静态报告的工具，而是要利用各种数据及信息，实现反洗钱流程的自动化、智能化并支持管理决策。通过RPA和AI技术帮助银行监管部门迅速由传统的追溯数据分析模式转换到数据预测模式。

总体而言，广泛应用RPA技术只是商业银行开展数字化转型的第一步。伴随RPA技术的飞速发展，未来RPA与人工智能技术的“世纪组合”，将会在更多的领域掀起智能化变革的新浪潮。