一项调查得出结论：“未能将自动化纳入其路线图的公司的客户保留率下降了25%。”另一项研究指出，“如果有60%的企业实现流程自动化，则可以节省超过30%的时间”。这两项以及许多其他研究已推动企业走向自动化。但是可悲的事实是，几乎有一半的自动化项目没有达到其最终目标。这些项目中有50%失败的主要原因是试图使错误的流程自动化。但这还不是全部。还有许多其他原因导致自动化失败。本文总结了自动化失败的7个原因。
1.对当前过程的理解不完整或不正确
对过程的不完全了解是您自动化工作的真正杀手。每个业务流程都在其界面下隐藏了一些细微差别，变化和层次。这些通常在任何典型的过程映射，基于访谈的发现或员工影子中都保持不变。
如果没有完整的流程透明性和洞察力，那么企业将面临的所有失败就是自动化失败或自动化程度欠佳。
为了成功实现自动化，他们需要摆脱部署分析师团队以绘制地图方框和箭头的传统方法。相反，他们需要采用计算机视觉，深度学习，机器智能和其他类似技术支持的更高级和现代的过程映射方法。他们需要投资于过程发现和过程挖掘软件，以实现成功的自动化。
2.最终目标含糊不清
仅出于自动化的目的，自动化不是正确的方法!您将只会面临无法与您不切实际的期望相提并论的努力和自动化。有一个清晰的目标，并制定一个一致的策略来实现相同目标。
您希望自动化产生什么？
数字化转型是您的最终目标吗？
您是否要自动执行重复任务以节省时间和人工？
您要标准化操作吗？
您想找到机会并利用机会成本吗？
还是只想弄清楚流程？
不管您的最终目标是什么，从一开始就明确这一点。
设定清晰的SMART目标是成功实施任何新计划的第一步，自动化也没有什么不同。在这里，SMART是指目标应该是具体的，可衡量的，可实现的，面向结果的和及时的。
3.忽略人为因素
构成过程的不只是工具和技术。人类也起着至关重要的作用。而且，如果您在分析流程的自动化程度时忽略了处理流程的员工，那么您的结果将不会富有成果。
大多数过程分析软件和平台都专注于应用程序和系统。他们从应用程序上的流程收集数据和事件日志，而没有考虑到许多流程和决策是员工在不知不觉中做出的。实际上，许多员工都有自己的工作方式来节省时间和精力。这是您企业的部落知识。并且您需要使用流程发现来发掘这种部落知识。
如果您只关注工具和任务，而忽略了流程的人为因素，那么自动化工作势必会减少。如果没有对过程的整体了解，您将无法通过自动化获得成功。并且为了获得整体图景，必须将人为因素与过程发现相结合。
4.不知道要自动化哪个过程
如果您将自动化工作错误或中断，则会导致失败。仅仅因为某个过程可以自动化并不意味着它需要自动化。
您可能会觉得每个过程都可以自动化，但事实并非如此。除了自动化以外，还可以通过多种方式优化许多流程。为了使事情自动化，大批企业忽略了业务流程分析的关键方面，以了解哪个流程可以成为自动化的最佳人选。这使他们在错误的流程上浪费了时间和资源，并且延迟了他们的数字化转型计划。
为了成功实现自动化，请检查哪个过程最适合您。考虑流程的不同方面，例如重复步骤，价值流，工作流程量以及不需要人为干预的步骤。这些可能是自动化的理想候选过程。
5.与RPA一起进取
机器人过程自动化被大多数企业视为自动化的火炬手。但是，RPA锤不适用于您企业中的每个流程。可以通过更简单，更面向过程的方法优化各种过程。
这些可能是：
· 流程再造；
· 将流程重新平台化为更先进和现代化的系统；
· 将业务流程外包给利用自动化的公司；
· 完全消除没有特殊作用的过程也可能是减少工作量并节省时间的绝佳选择。
6.将减少员工人数作为最终目标
越来越多的漫游器并不能衡量成功与否，减少员工人数也不应该。
通常认为，自动化意味着减少团队规模，并由机器人接管几乎所有任务。但是，这是查看自动化的错误方式。
这可以衡量您的自动化成功吗？无论智能机器人如何发展，它们都永远无法替代人类。如果您还是仅通过减少人手的机器人数量来衡量或比较自动化成功的人，那么数字化转型就不会太过分。
减少人员数量绝不是任何自动化工作的最终目标。尝试用机器人代替经验丰富的团队可能适得其反。它可能会让您脱离拥有完整系统知识并且可以有效控制和执行任何流程的团队。
实际上，有许多任务需要人工操作，因此不应自动化。实际上，应该将自动化视为解决业务问题或使流程更高效的另一种工具或技术。从长远来看，考虑减少员工人数的自动化永远不会成功。
7.将自动化限制为任务
价值流>主要流程>子流程>活动>任务。这是任何过程模型中遵循的通用层次结构。许多公司无法做到的地方是他们尝试自动化任务而不是流程本身。任务自动化似乎是一种更容易，更快捷的方法。但是，由于这不是端到端的自动化流程。这意味着收益将是短暂的，甚至投资回报率也将受到限制。您的任务可能是自动化的，但过程的其他方面仍将保持手动状态。
今天，许多其他技术脱颖而出，可以帮助您解决棘手的过程问题。这些可以是从简单的更好地雇用实践，重新组织工作重点到诸如计算机视觉，深度学习，自然语言处理等认知技术解决方案之类的任何事情。想了解更多关于企业自动化的信息，请继续关注。
