行业案例丨国内某大型商业银行RPA案例分享【艺赛旗】

数字经济时代,新一代信息技术正在推动多领域技术的交叉融合和创新,作为最愿意拥抱和应用新技术的银行业也在不断探索,制定金融科技发展战略,以迎接新的业务形态和新的技术发展带来的重大机遇和挑战。

行业案例丨国内某大型商业银行RPA案例分享【艺赛旗】

国内某大型股份制商业银行高度重视”提升科技赋能”,从科技治理、IT架构、开放创新等方面全力推进数字化转型。形成具有”综合化、智能化、生态化”特色的数字银行。该银行是中国人民银行批准组建的股份制商业银行,并且是国内信用卡行业的领跑者。

业务挑战

随着银行和其他金融机构市场竞争的不断加剧,银行面临人员成本激增和流程效率不足等挑战,需要不断提高效率、优化资源以持续向用户提供最佳的体验,得以持续保持竞争力。

该银行在面对业务量不断增长的同时主要面临以下痛点:

1、 金融环境:行业倡导数字化、轻型化、综合特色化经营;

2、 监管环境:金融监管环境审慎的监管要求,高标准的监管规则;

3、线上操作多:大量的业务工作由线下转为线上、线上操作工作量也暴涨、现有人力较难支撑;

4、系统关联性低:新旧系统统筹建设周期不一致、系统间的关联性低、技术壁垒、旧系统升级改造周期长,难度大,影响广、现有人工的工作量进一步加大;

5、行业环境:行业竞争大、风险管理要求高;

6、人力成本高:人力成本逐年升高,人员流动性大、受疫情影响,企业的负担进一步加大、人工操作在准确性,安全合规等存在较大风险。

解决方案

通过与用户进行深度沟通,了解需求,艺赛旗为该银行提供了针对性的RPA解决方案,为其打造集中管控数字化虚拟员工平台。该银行于2018年引入RPA,截至目前,参与实施部门有运营科技部、办公室、保卫部、财富管理及私人银行部、财务会计部等,全行(各分行、卡部、总公司)35个部门,6家分行子公司,210个流程总数,覆盖运营、零售、财务、单证、托管、零贷、网络金融等业务场景。项目ROI高达 452%,效率总体提升70%,节约 133 人年工作量,进一步推进该银行数字化建设。

1、总分统筹模式:依托该银行的数据中台、AI中台,部署RPA运营管理服务中心,构建 “集中部署”的全生命周期数字员工服务能力,同时面向总行各部门、分行提供数字员工能力构建、能力输出、成果共享的生态。

优势:此模式满足了集团集中管控数据安全需求、场景和资源共享需求、标准化运维需求以及分行人员效率管控需求。

2、成立专业技术团队进行RPA综合运营

成立专业的技术团队进行需求管理:为该银行建立相应的需求获取与分析机制,使前端业务人员充分参与,能够提出合理、可行的流程自动化需求,使二级RPA管理机构与总部管理机构共同进行需求的可行性分析,保证个性需求与共性需求的开发资源的合理满足。

典型场景
场景一:持卡人多账户调账机器人

行业案例丨国内某大型商业银行RPA案例分享【艺赛旗】

背景:该银行每月需处理约10000笔委外前调账业务,其中涉及佣金计收,故银行在委外前需把客户名下所有溢缴款先调至欠款卡进行平账,但系统无法自动把欠款客户其他卡片溢缴款自行转至欠款卡抵欠,同时账户状态及账户金额存在变化,故需每一笔批量调账经人工进入核心系统确认当前金额再进行调整处理,由于人工处理时效性不高,影响后续案件委外时间。

将此重复性工作用艺赛旗RPA机器人代替,减少人工处理,提升处理效率、数量及调账的准确性,节省委外佣金,加快每月委外案件流程促进约6000千万回款。

利用艺赛旗RPA单次可处理1000笔,节省1.46个人力;准确度及时性100%;人工操作4.5小时,机器人2小时,效率提升2倍。

场景二:对公账户开户比对机器人

行业案例丨国内某大型商业银行RPA案例分享【艺赛旗】

目前该银行对公账户约300笔/工作日,完成开户后均需柜员登录人行系统进行账户信息报送(不同类型账户报送方式不同),每个网点均需至少配备一名员工负责该项工作(约800名),平均每笔账户报送时间约10分钟(暂不考虑系统不稳定导致的延误),每月预计人工耗时合计63000分钟,折合约8.3FTE(1FTE=3600分钟/天)。银监会对公账户的报备及资料录入有时效性及准确性的对应监管要求。

采用艺赛旗RPA机器人后,可以有效解放人员劳动力,只需使用0.5个机器人处理,时效高、速度快、人力释放多、准确性100%、并符合银监会备案要求。

艺赛旗拥有丰富的行业案例,并针对不同行业及项目特点推出了针对性的解决方案,后续会为大家推出更多行业的精彩案例,敬请关注!

声明:
1.本内容作为作者独立观点,不代表RPA学习天地立场,RPA学习天地仅提供信息存储空间服务。
2.未经允许不得转载,如需转载和授权,请联系工作客服微信号。
3.如果对本稿件有异议或投诉,请联系邮箱或工作客服微信号。
作者:RPA学习天地,如若转载,请注明出处:https://www.rpa-learning.com/rpa-learning/5665