DE
IMPACT
VAN
RPA
OP
BEDRIJFSPROCESSEN
EN
BEDRIJFSMODELLEN
CASESTUDIES
Aantal woorden: 15177Louis Boval
Stamnummer : 01304352
Promotor: Prof. Dr. Geert Poels
Masterproef voorgedragen tot het bekomen van de graad van:
Master in de handelswetenschappen: management en informatica
TOESTEMMING/PERMISSION
Ondergetekende verklaart dat de inhoud van deze masterproef mag geraadpleegd en/of gereproduceerd worden, mits bronvermelding.
I declare that the content of this Master’s Dissertation may be consulted and/or reproduced, provided that the source is referenced.
Naam student/name student: Louis Boval
Inhoudsopgave
MASTERPROEF VOORGEDRAGEN TOT HET BEKOMEN VAN DE GRAAD VAN: ... I TOESTEMMING/PERMISSION ... III INHOUDSOPGAVE ... FOUT! BLADWIJZER NIET GEDEFINIEERD. LIJST VAN GEBRUIKTE AFKORTINGEN ... VI LIJST VAN GEBRUIKTE FIGUREN ... VII
1. INLEIDING ... 1
2. METHODOLOGIE ... 2
3. LITERATUURSTUDIE ... 4
3.1 Automatisering ... 4
3.2 Robotic Process Automation ... 5
3.3 BPMN ... 8
3.4 Enterprise modelling... 9
4. ONDERZOEK ... 18
4.1 Impact RPA op bedrijfsprocessen ... 18
4.2 Impact RPA op bedrijfsmodellen ... 23
5. CONCLUSIE ... 56
6. VERDERONDERZOEK ... 58
LIJST VAN GEBRUIKTE AFKORTINGEN
AI: Artifial InteligenceATM: Automated Teller Machine BIF: Bank Insurance Fund BMC: Business Model Canvas
BPM: Business Process Modeling of Business Process Management BPMN: Business Process Model and Notation
EPC: Event Driven Process Chain
GWIM: Global Wealth an Investment Management HRM: Human Resource Management
IRPA: Institute of Robotic Process Automation KMO: kleine of middelgrote onderneming KPI: Key Performance Indicators
MSR: Mortgage Servicing Rights RPA: Robotic Process Automation UML: Unified Modeling Language
LIJST VAN GEBRUIKTE FIGUREN
FIGUUR 1: POSITIONERING RPA (BICHLER, HEINZL & VAN DER AALST, 2018) 6 FIGUUR 2: FUNCTIONELE OPDELING SOFTWARE ROBOTS (HOFMANN, SAMP, & URBACH, 2019) 7 FIGUUR 3: BUSINESS MODEL CANVAS VAN OSTERWALDER & AL. (2010) 11 FIGUUR 4: E3-VALUE MODEL INCLUSIEF LEGENDE MET BOUWSTENEN (GORDIJN, PETIT, & WIERINGA, 2006) 16 FIGUUR 5: FACTURATIEPROCES ZONDER RPA 19 FIGUUR 6: FACTURATIEPROCES MET RPA 20 FIGUUR 7: BETALINGSHERINNERINGSPROCES ZONDER RPA 21 FIGUUR 8: BETALINGSHERINNERINGSPROCES MET RPA 21 FIGUUR 9: VAKANTIEREGULERINGSPROCES ZONDER RPA 22 FIGUUR 10: VAKANTIEREGULERINGSPROCES MET RPA 23 FIGUUR 11: BUSINESS MODEL CANVAS BANK OF AMERICA ZONDER RPA 26 FIGUUR 12: BUSINESS MODEL CANVAS BANK OF AMERICA MET RPA 29 FIGUUR 13: E3-VALUE MODEL BANK OF AMERICA ZONDER RPA 31 FIGUUR 14: E3-VALUE MODEL MET RPA 32 FIGUUR 15: BUSINESS MODEL CANVAS NEWYORK – PRESBYTERIAN HOSPITAL ZONDER RPA 35 FIGUUR 16: BUSINESS MODEL CANVAS NEWYORK – PRESBYTERIAN HOSPITAL MET RPA 38 FIGUUR 17: E3-VALUE MODEL NEWYORK – PRESBYTERIAN HOSPITAL ZONDER RPA 39 FIGUUR 18: E3-VALUE MODEL NEWYORK – PRESBYTERIAN HOSPITAL MET RPA 40 FIGUUR 19: BUSINESS MODEL CANVAS WALMART ZONDER RPA 44 FIGUUR 20: BUSINESS MODEL CANVAS WALMART MET RPA 46 FIGUUR 21: E3-VALUE MODEL WALMART ZONDER RPA 47 FIGUUR 22: E3-VALUE MODEL WALMART MET RPA 48 FIGUUR 23: BUSINESS MODEL CANVAS GM ZONDER RPA 51 FIGUUR 24: BUSINESS MODEL CANVAS GM MET RPA 53 FIGUUR 25: E3-VALUE MODEL ZONDER RPA 54 FIGUUR 26: E3-VALUE MODEL MET RPA 55
1. INLEIDING
Anno 2019 staan veel bedrijven onder druk om efficiënter te werken. De aandeelhouders verwachten een hogere return on investment, de loonkosten zijn torenhoog, de toegenomen werkdruk resulteert in burn-outs en de globalisering stuwt de concurrentie naar ongekende hoogtes. Veel bedrijven moeten lijdzaam toezien hoe er in lageloonlanden tegen een aanzienlijk lagere prijs geproduceerd kan worden. Om deze dreigingen het hoofd te bieden wordt steeds vaker in de richting van automatisering gekeken. Om deze automatisering te implementeren worden verschillende consultants geraadpleegd en vaak valt dan de term robotic process automation.
Robotic process automation of kortweg RPA staat geboekstaafd als een methode die de
performantie, efficiëntie, veiligheid en opvolgbaarheid van een proces kan verbeteren. Bovendien is RPA makkelijk te implementeren tegen een relatief lage kostprijs (Lacity & Willocks, 2016).
Voor veel leidinggevenden is het echter zeer moeilijk om de impact van robotic process
automation op hun onderneming correct in te schatten. Een verkeerde implementatie kan
catastrofale gevolgen hebben en de kosten juist de hoogte in stuwen in plaats van ze te drukken. Bij de potentiële implementatie van RPA is het belangrijk dat er wordt gekeken naar de eventuele impact op de bedrijfsprocessen en op het bedrijfsmodel.
De betrachting van deze masterproef is tweedelig. Enerzijds wordt gekeken naar de mogelijke impact die RPA kan hebben op bestaande bedrijfsprocessen. De tweede doelstelling van deze masterproef is het nagaan, in welke mate Enterprise Modelling technieken in staat zijn om de impact op bedrijfsmodellen in kaart te brengen, en het nagaan wat deze impact uiteindelijk is.
2. METHODOLOGIE
Wetenschappelijk onderzoek kan gevoerd worden aan de hand van allerhande uiteenlopende specifieke onderzoeksmethoden. Een onderzoeksmethode is de effectieve manier waarop de gegevens voor een onderzoek verkregen worden. Deze methode kan zowel kwalitatief,
kwantitatief als een combinatie van beiden zijn. De methode dient altijd gekozen te worden in functie van de te beantwoorden onderzoeksvraag ('t Hart, Van Dijk, De Goede, Jansen, & Teunissen, 1997). De onderzoeksvraag binnen de scope van dit onderzoek luidt als volgt:
“Wat is de impact van RPA of bedrijfsprocessen en bedrijfsmodellen?”
Om deze onderzoeksvraag van antwoord te voorzien wordt gebruik gemaakt van meerdere technieken. De eerst gebruikte techniek is Business Process Modeling and Notation (BPMN). BPMN is een frequent gebruikte standaard die de gebruiker in staat stelt om bedrijfsprocessen op een consistente manier te modelleren en te vergelijken (Allweyer, 2016; Chinosi & Trombetta, 2012). Er wordt geopteerd om drie verschillende bedrijfsprocessen voor en na de implementatie van RPA te modelleren. De bedrijfsprocessen die gemodelleerd worden werden geselecteerd op basis van wetenschappelijke literatuur. Er werd namelijk geopteerd voor processen die door meerdere auteurs worden aanbevolen voor implementatie van RPA (Deloitte, 2017; Lacity & Willcocks, 2016).
Om de impact op bedrijfsmodellen in kaart te brengen werd gebruik gemaakt van vier casestudies uit vier verschillende sectoren: de banksector, de gezondheidssector, de retail sector en de
autosector. Case studies zijn aanbevolen wanneer men diepgaand en in detail een bepaald
fenomeen wil onderzoeken waarbij geen grote steekproeven mogelijk zijn (Hancock & Algozzine, 2006). Deze sectoren lenen zich volgens meerdere softwareproviders namelijk bij uitstek tot de implementatie van RPA (Blue Prism, 2016; UiPath, s.d.). Er werd geopteerd voor vier bedrijven die zich in hetzelfde land bevinden om culturele factoren zo min mogelijk een rol te laten spelen. Om de cases uit te werken wordt gebruik gemaakt van twee enterprise modelling technieken.
processen, informatie, middelen, mensen, gedrag, doelen en beperkingen van een onderneming. Deze technieken kunnen worden gebruikt worden om een onderneming te beschrijven alsook om te definiëren wat een onderneming zou moeten zijn. Elke enterprise modelling techniek benadert de onderneming vanuit een andere invalshoek (Fox & Grüninger, 1997).
De enterprise modelling technieken die in deze masterproef aan bod komen zijn enerzijds het Business Model Canvas van Osterwalder & Pigneur (2010) en anderzijds het E3-value model van Gordijn & Akkermans (2001). De betrachting hiervan is tweedelig, enerzijds om via enterprise
modelling de impact van RPA op bedrijfsmodellen na gaan en anderzijds uitzoeken in welke mate enterprise modelling technieken in staat zijn om deze impact in kaart te brengen. De volgende
deelvragen komen dus ook aan bod binnen de scope van dit onderzoek:
• “Kan het Business Model Canvas de impact van RPA op bedrijfsmodellen analyseren?”
• “Kan het E3-value model de impact van RPA op bedrijfsmodellen analyseren?”.
De frameworks van de beide enterprise modelling technieken zullen worden aangevuld via informatie die uit bestaande literatuur gehaald kan worden. Ook de websites van de bedrijven in kwestie en gelijkaardige modellen, opgesteld over gelijkaardige bedrijven, zullen dienen als informatiebron. Voor elke case zal er worden nagegaan in welke mate er een verschil valt te detecteren voor en na de toepassing van RPA. Op basis van de wijzigingen zal er gekeken worden in welke mate de RPA-technologie eerder disruptief dan wel sustaining is voor het betrokken bedrijf.
De eerste fase van dit onderzoek bestaat uit een literatuuronderzoek om de bestaande literatuur in kaart te brengen en de aangewende technieken verder toe te lichten. In de onderzoeksfase zullen er drie processen gemodelleerd worden in BPMN alvorens de vier cases zullen worden uitgewerkt. Deze masterproef wordt afgesloten met de conclusie en een eventuele suggestie voor verder
3. LITERATUURSTUDIE
Om de vooropgestelde onderzoeksvraag te beantwoorden is het essentieel om eerst een grondig literatuuronderzoek uit te voeren. Allereerst moet het begrip automatisering verduidelijkt worden. Na deze algemene inleiding kan er dieper worden in gegaan op RPA. Hierbij ligt de focus in eerste instantie op de recente ontwikkelingen en meest frequente toepassingen. Daarna worden de
gebruikte technieken verder toegelicht, te beginnen met BPMN. Het literatuuronderzoek wordt afgesloten met een summier overzicht van de modellen die in de verschillende cases aan bod komen.
3.1 Automatisering
Door de jaren heen heeft de mens zijn steeds groter wordend brein aangewend om zaken te ontwikkelen die het leven gemakkelijker maken. Dit begon in de oude steentijd met de ingebruikname van stenen werktuigen. Naarmate de jaren vorderden kwamen er steeds
complexere en vooruitstrevendere uitvindingen. Het alfabet, de drukkunst en de stoommachine zijn slechts enkele voorbeelden van ingrijpende ontdekkingen die het bestaan van de mensheid beïnvloed hebben. Om het leven gemakkelijker en goedkoper te maken werd er steeds vaker getracht om dingen te automatiseren. Het Oxford Dictionary definieert automatisering als volgt:
“The use of machines to do work that was previously done by people.” (“Automation - definition of Automation in English,” s.d.)
In het algemeen kan automatisering worden gedefinieerd als een technologie die betrekking heeft op het uitvoeren van een proces door middel van geprogrammeerde opdrachten (Ramaswamy, 2018). Het resulterende systeem kan werken zonder menselijke tussenkomst. De ontwikkeling van de automatisering technologie is steeds afhankelijker geworden van het gebruik van computers en computer-gerelateerde technologieën. Geautomatiseerde systemen zijn steeds geavanceerder en
complexer geworden en kunnen een niveau van bekwaamheid vertegenwoordigen dat de menselijke mogelijkheden op het vlak van precisie en capaciteit overtreft (Janssen, Donker, Brumby & Kun, 2019).
Automatisering kan leiden tot een verhoging in capaciteit, een verlaging van de werkdruk en een reductie in de kosten. Deze kostenreductie kan echter een omgekeerd effect hebben indien er sprake is van foutieve automatisatie (Bainbridge, 1983). Menselijke factoren, vooral cognitief van aard, worden vaak verkeerd geïnterpreteerd en uitgevoerd in het ontwerp voor automatisering (Sheridan, 2002). Doorgedreven controle en testing kunnen dit probleem verhelpen (Parasuraman & Riley, 1997).
3.2 Robotic Process Automation
Robotic Process Automation is een specifieke vorm van automatiseren waarbij bedrijfsprocessen
worden geautomatiseerd aan de hand van software (Hofmann, Samp & Urbach, 2019). In tegenstelling tot wat de naam doet vermoeden is RPA gebaseerd op software en niet op een fysieke robot (Lacity & Willcocks, 2016). RPA onderscheidt zich op verschillende vlakken ten opzichte van andere vormen van automatisering zoals Business Process Management Systems (BPMS). RPA staat los van de software in de te automatiseren processen en benadert deze via de presentatie laag op dezelfde manier als een manuele gebruiker. Dit impliceert dat er geen
wijzigingen aangebracht dienen te worden in de onderliggende code, wat RPA ook bruikbaar maakt voor niet-programmeurs (Aguirre & Rodriguez, 2017). RPA-macro’s kunnen bovendien worden opgenomen om te werken met vrijwel elke bestaande desktop- of serversoftware (Lewicki, Tochowicz & van Genuchten, 2019). In vele gevallen bevat de RPA-software een interface met opnameknop die, wanneer geactiveerd, een script of robot genereert wanneer een gebruiker de taak uitvoert die moet worden geautomatiseerd. Alle voltooide acties kunnen in
realtime worden gevolgd door de gebruiker die het script heeft ontworpen, of door andere softwarerobots (Hofmann, Samp, & Urbach, 2019).
Processen die zich bij uitstek lenen tot automatisering aan de hand van RPA zijn
gestandaardiseerd, vereisen geen beoordelingsvermogen, worden frequent manueel uitgevoerd en zijn vereisen toegang tot meerdere systemen (Aguirre & Rodriguez, 2017: Lacity & Willcocks 2016). Deze eigenschappen zijn voornamelijk terug te vinden bij back office processen (Agguire & Rodriguez, 2017). Het controleren van mails, het filteren van gegevens, het catalogiseren van onkosten en het controleren van bestanden zijn voorbeelden van processen waarbij RPA succesvol kan worden toegepast (Anagnoste, 2017). Onderstaande figuur illustreert de mate waarin RPA aangewezen is ten opzichte van traditionele proces automatisering enerzijds en manueel werk anderzijds. Indien éénzelfde type handeling frequent genoeg voorkomt kan het economisch voordelig zijn om te opteren voor traditionele proces automatisering waarbij er wijzigingen in de applicatie zelf worden aangebracht. Indien het tegenovergestelde zich voor doet en er veel verschillende type handelingen zijn die elk slechts sporadisch voorvallen is het af te raden om te investeren in automatisering. RPA is aangewezen indien men zich tussen de twee voorgaande gevallen bevindt. De handeling is dan repetitief maar komt niet frequent genoeg voor om de kosten van traditionele procesautomatisering te rechtvaardigen (Anagnoste, 2017).
RPA kan de performantie, efficiëntie, veiligheid en opvolgbaarheid van een proces verbeteren en is bovendien makkelijk te implementeren tegen een relatief lage kostprijs (Lacity & Willocks, 2016). RPA kan dus een hulpmiddel zijn om de key performance indicators (KPI) te verbeteren maar RPA is niet in staat om het proces zelf te optimaliseren. Indien het proces waarop RPA wordt toegepast inefficiënt werkt of bepaalde fouten bevat zal de automatisering van dit proces ook suboptimaal zijn. Het is dus van cruciaal belang dat een eventuele automatisering van een proces wordt voorafgegaan door een procescontrole. Na de automatisering moet er permanente opvolging zijn indien men de voordelen verworden door RPA wil blijven behouden (Hofmann, Samp, & Urbach, 2019).
Hofmann et al. (2019) onderzochten drie vooraanstaande RPA tools (UiPath, WorkFusion, and Kryonsystems) en kwamen op basis hiervan tot onderstaande tabel. Deze tabel onderscheidt verschillende functionele gebieden waarbinnen een software robot kan opereren. De acties van RPA kunnen gerelateerd zijn aan data, kunnen georiënteerd zijn ten opzichte van integratie en kunnen proces gerelateerd zijn. Deze drie categorieën zijn opnieuw onderverdeeld in
subcategorieën, wat resulteert in acht verschillende functionele gebieden. De automatisering van een bepaald proces incorporeert vaak meerdere functionele gebieden. Indien men bijvoorbeeld data wil verplaatsen van één bepaalde applicatie naar een andere applicatie via RPA start men met een application operator, gevolgd door een data transfer om te eindigen met een nieuwe
RPA is volgens marktonderzoeksbureau Gartner het snelst groeiend segment binnen de
wereldmarkt voor bedrijfssoftware. Gartner schat namelijk dat de markt voor RPA-diensten in 2020 een kleine € 7 miljard zal bedragen, om vervolgens binnen twee jaar door te groeien naar bijna € 11 miljard (Kerremans, 2018). In deze groeiende markt kunnen verschillende
softwareproducenten goed garen spannen. Desai, Issac & Muni (2018) vergleken de populairste RPA software op de markt, UiPath Studio, Automation Anywhere en Blue Prism, en kwamen tot de conclusie dat Uipath momenteel de meeste mogelijkheden biedt, al is de aard van het te
automatiseren proces ook een determinerende factor. Een volledige marktstudie valt echter buiten de scope van deze masterproef en hiervoor wordt dan ook doorverwezen naar gespecialiseerde literatuur.
3.3 BPMN
Om de impact van RPA op bedrijfsprocessen te modelleren maakt deze masterproef gebruik van
Business Process Modeling and Notation. BPMN is een standaard die wordt gebruikt binnen Business Process Modelling. Business Process Modelling mag, ondanks dezelfde afkorting, niet
verward worden met Business Process Management. Business Process Management is een studiegebied gericht is op bedrijfsprocessen, meer bepaald op de methoden en systemen die nodig zijn om ze op een duidelijke en overzichtelijke manier in kaart te brengen. Het is een
systematische aanpak om de bedrijfsprocessen van elke organisatie te verbeteren (Chinosi & Trombetta, 2012).
Het in kaart brengen van deze Processen zelf is Business Process Modelling. Dit kan verwezenlijkt worden aan de hand van de BPMN standaard. Om BPM en BPMN beter te begrijpen is het
belangerijk om eerst te kijken naar wat een bedrijfsproces eigenlijk is. Een bedrijfsproces is volgens Chinosi & Trombetta (2012) een set van één of meerdere gekoppelde procedures of activiteiten die worden uitgevoerd volgens een vooraf gedefinieerde volgorde. Gezamenlijk verwezenlijken deze procedures een bepaalde doelstelling binnen de context van een organisatiestructuur die functionele rollen of relaties definieert.
BPMN werd in 2004 geïntroduceerd door Stephen White van IBM (White, 2004). Het doel van BPMN is om bedrijfsprocesmanagement te verduidelijken. Eén van de grote voordelen ten
opzichte van andere standaarden is het feit dat BPMN zowel voor technische als niet-technische gebruikers te begrijpen is. BPMN voelt intuïtief aan maar stelt de gebruiker toch in staat om complexe processen te modelleren (Chinosi & Trombetta, 2012; zur Muehlen & Recker, 2008).
De meest actuele versie is BPMN 2.0, dit is tevens ook de versie die in deze masterproef zal worden gebruikt. De volledige semantiek van BPMN 2.0 valt buiten de scope van deze masterproef. Hiervoor wordt er verwezen naar “BPMN 2.0: Introduction to the Standard for Business Process Modeling”, een boek geschreven door Thomas Allweyer in 2010.
3.4 Enterprise modelling
In dit onderzoek wordt gebruik gemaakt van enterprise modelling technieken om de impact van RPA op bedrijfsmodellen in kaart te brengen. Deze sectie focust op enterprise modelling
technieken die in deze masterproef aan bod zullen komen en zal een summier overzicht geven aan de hand van de bestaande literatuur.
Aangezien enterprise modelling een verzamelnaam is voor verschillende technieken is het niet gemakkelijk om een sluitende eenduidige definitie te formuleren (Ostic & Cannon, 1996). Fox & Gruninger (1998) definiëren enterprise modelling als volgt: “een enterprise model is een grafische weergave van de structuur, activiteiten, processen, informatie, middelen, mensen, gedrag, doelen en beperkingen van een bedrijf, overheid of andere onderneming”. Niet elke techniek geeft antwoord op dezelfde vragen en het is dan ook vaak aangewezen om meerdere technieken te combineren. Enterprise modelling is een onderzoeksdicipline die kennis en oplossingen aanrijkt om ICT op een efficiente manier binnen een bedrijf te faciliteren (Poels et al., 2017). Vernadat (2002) ziet enterprise modeling als de kunst van het uitbesteden van bedrijfskennis die waarde toevoegt aan de onderneming of moet worden gedeeld. Enterprise modelling bestaat volgens hem uit het maken van modellen van de structuur, het gedrag en de organisatie van de onderneming. Enterprise modelling leent zich tot een pragmatische analyse van een onderneming, bedrijf of overheid waarbij de competitviteit in kaart wordt gebracht aan de hand van de flow van informatie (Fox & Gruninger, 1998; Ostic & Cannon, 1996).
Deze masterproef maakt gebruik van twee enterprise modelling technieken, het Business Model Canvas van Osterwalder & Pigneur (2010) en het E3-value model van Gordijn & Akkermans (2001). Deze technieken worden uitgebreid besproken in de volgende paragrafen alsook wordt de motivatie achter de keuze voor deze technieken verduidelijkt.
3.4.1 Business Model Canvas
De eerste enterprise modeling techniek die aan bod komt is het business model canvas (BMC) van Osterwalder et al. (2010). Deze techniek zag het levenslicht in 2004 toen Alexander Osterwalder zijn doctoraat in Informatie beheerssystemen aan de Universiteit van Lausanne behaalde met zijn proefschrift “Business Model Ontologie” (Osterwalder, 2004). Het business model canvas bleek een vermarktbaar concept en Osterwalder besloot om samen met Yves Pigneur verder onderzoek naar het model te verrichten (Van Vliet, 2016). Dit leidde in 2010 tot de gezamelijke publicatie van het boek Business Model Generation, de basis voor het model zoals het in deze masterproef zal worden aanwend (Osterwalder et al., 2010).
De nadruk van dit model ligt op het voorstellen van het bedrijfsmodel op een eenvoudige manier. De tool wordt vooral aangewend in het kader van strategisch management en de focus ligt op de geleverde waarde aan de klant. Sinds de introductie in 2010 hebben de template en het
onderliggend idee zich snel wereldwijd verspreid. Toonaangevende bedrijven zoals P&G en Nestle gebruiken de template om nieuwe strategieën te bepalen. Het business model canvas helpt bedrijven om de focus te verleggen van een product gecentreerde visie naar een bredere focus op bedrijfsmodellen (Muhtaroğlu, Demir, Obalı & Girgin, 2013) Het Business Model Canvas geeft een overzichtelijke grafische representatie van een bedrijfsmodel. Men behoeft bovendien geen complexe of vertrouwelijke informatie om een succesvol Business Model Canvas op te stellen. De techniek is eenvoudig te hanteren en al meermaals getest in een innovatieve context (Osterwalder & Pigneur, 2010). Deze factoren maken het business model canvas uitermate geschikt voor deze masterproef. De minpunten van het business model canvas, zoals het gebrek aan een vergelijk met eventuele concurrentie, vormen geen belemmering voor dit onderzoek.
Het Business Model Canvas heeft negen bouwstenen die onderverdeeld zijn over vier dimensies: de consumenten, het aanbod, de infrastructuur en het financiële aspect. De negen bouwstenen zijn:
customer segments, value proposition, channels, customer relationships, revenue streams, key resources, key activities, key partnerships en cost structure. Indien deze negen bouwstenen
worden gecombineerd, wordt het business model canvas bekomen zoals te zien is op onderstaande figuur. In de volgende paragrafen wordt elke bouwsteen kort toegelicht.
Customer segments
De eerste bouwsteen betreft de klanten segmenten of de doelgroepen waarop het bedrijf zich focust. Klanten kunnen worden onderverdeeld in verschillende segmenten op basis van behoeften, gedrag en andere gedeelde eigenschappen. Een klantensegment kan dus ook worden gedefinieerd aan de hand van demografische gegevens (bv. leeftijd of etniciteit) of op basis van
psychografische factoren (bv. bestedingsgedrag of interesses). Een organisatie kan ervoor kiezen om zich op één groep of op meerdere groepen te focussen.
Om van een verschillend segment te spreken is het belangrijk dat de noden van de segmenten onderling dermate verschillen dat ze ook een verschillend aanbod vereisen. Ook de kanalen, de klantrelaties, de waarde proposities, de inkomstensstromen en de winstgevendheid kunnen onderling verschillen van segment tot segment. Deze verschillen laten toe om verschillende segmenten te benaderen aan de hand van verschillende strategieën (Osterwalder & al., 2010).
Osterwalder et al. (2010) typeren vijf verschillende soorten klantensegmenten. Het eerste type is de mass market, waarbij geen onderscheid wordt gemaakt bij de benadering van klanten.
Vervolgens is er de niche market, waarbij de focus ligt op een heel specifiek soort klant met zeer specifieke noden. Het derde type is segmented customer segments, hierbij ligt de focus op verschillende segmenten met een klein verschil in noden. Het voorlaatste type is het diversified
customer segment type waarbij de noden van de verschillende segmenten in tegenstelling tot segmented customer segments juist ver uiteen liggen. Het laatste type zijn is multi-sided platforms
waarbij waarde gecreerd wordt door interactie mogelijk te maken tussen twee of meer groepen (Osterwalder & al., 2010).
Value proposition
De tweede bouwsteen van het business model canvas is de value proposition. De value proposition beantwoord de vraag ‘waarom’ de klantensegmenten vermeld in het vorige deel de dienst of het product in kwestie moeten kopen. De value propostion vervat met andere woorden de waarde voor
de consument. De value proposition dient in te spelen op een onvervulde nood van de consument om van een succesvol business model te kunnen spreken (Osterwalder, Pigneur, Bernarda & Smith, 2014; Osterwalder et al., 2010).
Channels
Dit onderdeel van het Business Model Canvas bevat de kanalen die de waarde van de value proposition aanbieden. De bouwsteen channels omvat meer dan enkel de verkoopkanalen, ook de marketing- en distributiestrategie zitten hierin vervat. Elk kanaal speelt in op één of meer van de volgende fases: awareness, evaluation, purchase, delivery en after sales. Bovendien kan er ook een onderscheid gemaakt worden tussen enerzijds eigen en partner kanalen en anderzijds directe en indirecte kanalen (Osterwalder et al., 2010).
Customer relationships
De bouwsteen customer relationships bevat de definiëring van de klantenrelatie. Het streven naar een bepaalde klantenrelatie is gemotiveerd door customer acquisition, customer retention of
boosting sales. Er zijn zes verschillende types van klantenrelaties te onderscheiden. De eerste is personal assistance waarbij er wordt ingezet op persoonlijke interactie met de klant. Het tweede
type klantenrelatie is dedicated personal assistance. Dit is eigenlijk een uitbreiding van het vorige type, hierbij zijn één of meerdere personen specifiek bezig met één bepaalde klant. Het derde type is self-service, dit is in feite het tegenovergestelde van het voorgaande type, bij self-service moet de klant zichzelf verder helpen. Bij het vierde type, automated services, is (een deel van) de klantenrelatie geautomatiseerd. Het spreekt voor zich dat deze relatie in het verdere verloop van deze masterproef nog verder aan bod zal komen. Het voorlaatste type, communities, is een type klantenrelatie waarbij wordt ingezet op de betrokkenheid. Vaak onderhoudt het bedrijf zelf een platform om de communicatie tussen klanten onderling en tussen de klanten en het bedrijf te stimuleren. Bij het laatste type, co-creation, vervaagt de grens tussen de klant en de onderneming en worden de krachten gebundeld om samen waarde te creëren (Osterwalder et al., 2010).
Revenue streams
De bouwsteen revenue streams bevat de inkomsten die de onderneming genereert uit de
verschillende klantensegmenten. Deze stromen kunnen zowel éénmalig als herhaaldelijk van aard zijn. Er zijn verschillende manieren om deze inkomensstroom te genereren. Een inkomensstroom kan voortvloeien uit de verkoop van goederen, uit een gebruikersvergoeding, uit een
abonnementsvergoeding, uit huuropbrengsten, uit het verlenen van een licentie, uit het leveren van interimaire diensten en uit reclame. Om deze inkomensstroom te optimaliseren is het van belang om de juiste prijsstrategie te hanteren. Bij fixed pricing zijn de prijzen vooraf vastgelegd op basis van statische variabelen terwijl de prijzen bij dynamic pricing fluctueren aan de hand van de marktcondities (Osterwalder et al., 2010).
Key recources
Recources zijn een fundamenteel onderdeel van elk business model, zonder recources is het
namelijk onmogelijk om waarde te creëren. Recources vallen onder te verdelen in vier categorieën. De eerste categorie omvat de fysieke recources, zoals gebouwen, voertuigen en machines. De tweede categorie zijn de intellectuele resources zoals merken, impliciete kennis, patenten en auteursrechten en connecties. Deze zijn niet tastbaar maar kunnen wel een grote waarde vertegenwoordigen. De derde categorie zijn de human recources of de werknemers, deze categorie is vooral belangrijk in sectoren die veel creativiteit vereisen. De laatste categorie zijn de
financial recources, dit is het geld dat beschikbaar is voor besteding in de vorm van contanten,
liquide effecten en kredietlijnen (Osterwalder et al., 2010).
Key activities
Bouwsteen nummer zeven zijn de kernactiviteiten. Dit zijn de activiteiten die, mits het aanwenden van de key recources, de onderneming in staat stellen om toegevoegde waarde te creëren. Ook deze bouwsteen kan worden onderverdeeld in drie categorieën. De eerste categorie is het
kan dus gezien worden als het verlenen van een dienst. De derde categorie zijn de platform of netwerk activiteiten. Deze categorie is van toepassing indien er sprake is van een business model dat gebaseerd is op een platform zoals bijvoorbeeld Amazon (Osterwalder et al., 2010).
Key partnerships
De motivatie om partners te zoeken kan van velerlei aard zijn. Men kan optimalisatie en
schaalvoordelen nastreven, men kan de risico’s proberen te reduceren of men kan samenwerken om recources te verwerven die men nog niet in het bezit heeft. Er zijn vier verschillende soorten partnerschappen te onderscheiden. Strategische allianties tussen niet-concurrenten, strategische allianties tussen concurrenten, joint ventures en allianties tussen kopers en leveranciers
(Osterwalder et al., 2010).
Cost structure
De laatste bouwsteen van het business model canvas is de kostenstructuur. Deze bouwsteen omvat de kosten die gelieerd zijn aan een bepaald bedrijfsmodel. Een onderneming kan opteren om
cost-driven te opereren, in dat geval zal de onderneming alles in het werk stellen om de kosten zo laag
mogelijk te houden. Het tegenovergestelde hiervan is value-driven, hierbij zijn de gemaakte kosten ondergeschikt aan de waarde die men wenst te creëren. Weinig ondernemingen passen slechts één van beide toe en in de praktijk is het dan ook zo dat de meeste ondernemingen zich ergens tussenin bevinden. Een kostenstructuur kan gekenmerkt worden door vaste kosten, variabele kosten, een kostenvoordeel naarmate de omvang groter wordt of door een kostenvoordeel naarmate de output toeneemt (Osterwalder et al., 2010).
3.4.2 E3-Value Model
De tweede Enterprise Modelling techniek die wordt toegepast in deze masterproef is de E3-value ontologie. Dit model is ontwikkeld door Gordijn en Akkermans als raamwerk om innovatieve e-commerce ideeën te ontwerpen en analyseren (Gordijn & Akkermans, 2001, 2003). De
belangrijkste focus van het E3-Value model is het identificeren en analyseren van hoe waarde wordt gecreëerd, uitgewisseld en verbruikt binnen een netwerk met meerder actoren (Gordijn & Akkermans, 2003; Dhaenens, 2017). Rond de meest recente eeuwwisseling waren er talloze bedrijven die wilden meesurfen op de internethype. Veel van die bedrijven kwamen er echter zeer bekaaid vanaf en bleken allesbehalve succesvol. Deze bedrijven mankeerden in vele gevallen een duidelijke value proposition en het businessmodel bleek vaak onduidelijk geformuleerd te zijn (Lemstra, 2006). Het E3-value model stelt een netwerk van actoren voor, dit netwerk laat toe om de uitwisseling van waarde objecten tussen verschillende actoren te analyseren (Gordijn & Akkermans, 2001). Door de vereiste flexibiliteit in de e-business is het voorstellen van de uitwisseling van waarde tussen actoren een belangrijke meerwaarde. Bovendien maakt het E3-Value model gebruik van een eenvoudige grafische aanpak die toe laat om snel en adequaat te antwoorden op plotse veranderingen (Gordijn & Akkermans, 2001, 2003; Gordijn et al., 2006). Daarenboven biedt het E3-value model ook de mogelijkheid om de potentiële winstgevendheid van een business idee te analyseren (Gordijn & Akkermans, 2001, 2003).
Het E3-value model is, zoals bovenstaande figuur illustreert, opgebouwd aan de hand van enkele vaste componenten: de actor, het waardeobject, de waardepoort, een waarde offering, een waarde interface, een waarde uitwisseling, een marktsegment en een waarde-activiteit.
De actor is een onafhankelijke economische entiteit. Om economisch relevant te zijn moet deze actor één of meerdere waarde-activiteiten uitvoeren. Actoren wisselen verschillende
waardeobjecten uit, die elk een eigen subjectieve waarde voor de actor hebben. Dit kunnen zowel producten als diensten zijn. Om aan te geven dat men openstaat voor het verhandelen van
bepaalde waardeobjecten wordt de waardepoort gebruikt. Een waarde offering bestaat uit één of meerdere waardepoorten in dezelfde richting, een waarde offering illustreert dus welke
waardeobjecten een actor wil vragen van - of aanbieden aan een andere actor. Een waarde interface is een combinatie van een offer en een verzoek. De actor krijgt dus steeds iets in ruil voor zijn waardeobject. Bij een waarde uitwisseling zijn twee actoren bereid om met elkaar te handelen en worden de value ports van de handelende actors verbonden met elkaar. Een markt segment deelt de markt op in actors die voor één of meerdere van hun value interfaces een aantal value objects delen. Zo kunnen ook een groot aantal actoren op een overzichtelijke manier worden weergegeven. Tot slot heeft iedere actor meerdere operationele activiteiten die samen de
waardeactiviteit van die actor vormen. Iedere waardeactiviteit moet rendement hebben voor de actor in kwestie (Gordijn & Akkermans, 2001, 2003; Gordijn et al., 2006, Dhaenens, 2017).
Het E3-Value model is een goeie aanvulling op het Business Model Canvas. Het Business Model Canvas bekijkt namelijk vooral de interne bedrijfswerking terwijl het E3-Value model juist op de omgeving gericht is. Het onder de loep nemen van zowel de waarde creatie als de interactie tussen de verschillende sectoren kan resulteren in interessante inzichten betreffende de impact van RPA op bedrijfsmodellen.
4. ONDERZOEK
4.1 Impact RPA op bedrijfsprocessen
Het eerste deel van het onderzoek binnen deze masterproef richt zich op de impact van RPA op bedrijfsprocessen. Er wordt getracht om, aan de hand van de BPMN standaard, deze impact te visualiseren. Omdat het onmogelijk is om alle bedrijfsprocessen binnen de bedrijven uit de cases te modelleren is er geopteerd om te focussen op drie processen. Deze processen werden
geselecteerd aan de hand van suggesties binnen gespecialiseerde literatuur en op basis van bevindingen van RPA softwareproviders (Blue Prism, 2016; Hofmann et al., 2019; Lacity & Willocks, 2016; UiPath, s.d.). Processen die zich bij uitstek lenen tot automatisering aan de hand van RPA zijn gebaseerd op eenduidige regels, repetitief, gestructureerd, bevatten de verwerking van (een hoog volume aan) data, zijn gevoelig voor menselijke fouten en worden niet te frequent aangepast.
Op basis van deze criteria werden drie processen geselecteerd die bovendien allemaal terug komen in één of meerdere van de cases. De processen in kwestie zijn het facturatieproces, het
betalingsherinneringsproces en het proces ter regularisatie van een vakantieaanvraag. De
processen zijn algemeen opgesteld en niet op basis van bepaalde bedrijfsinformatie. Het lijdt dan ook geen twijfel dat dit proces in bepaalde bedrijven op een andere manier wordt uitgevoerd.
4.1.1 Facturatieproces
Het factureren van verkopen is een proces dat terug komt binnen de meeste ondernemingen. Afhankelijk van de goederen of diensten in kwestie is dit proces veelal repetitief en tijdrovend. Het is dan ook niet verwonderlijk dat steeds meer bedrijven manieren zoeken om dit te
de hand van de BPMN standaard zonder automatisering aan de hand van RPA. Er wordt verondersteld dat het product dat verkocht wordt dermate geprijsd is dat de kredietwaardigheid wordt getoetst alvorens men overgaat tot de facturering en verzending.
Het proces start op het moment dat de klant zijn bestelling plaatst. Dit proces wordt verwerkt door iemand in de front office en vervolgens doorgegeven aan iemand in de back office. Deze persoon start met te kijken of het product in kwestie op voorraad is. Indien dit niet het geval is stopt het proces en wordt de klant geïnformeerd. Indien dit wel het geval is wordt de kredietwaardigheid van de klant onderzocht. Eerst worden zijn bankgegevens opgevraagd bij de bank. Deze worden manueel gecontroleerd en de back office medewerker beslist aan de hand van vooraf vastgelegde parameters of de klant kredietwaardig genoeg is. Indien dit niet het geval is wordt de bestelling geannuleerd en wordt de klant op de hoogte gebracht. Indien dit wel het geval is stelt de
medewerker een factuur op, wordt deze doorgegeven aan de front office, en wordt de bestelling inclusief factuur verzonden. Als de betaling ontvangen is wordt het proces beëindigd.
Figuur 6 is het voorgaande proces gemodelleerd na de implementatie van RPA. De persoon in de
back office is nu vervangen door RPA software. De RPA robot volbrengt dezelfde taken die
initieel manueel werden uitgevoerd. De robot controleert dus of het product op voorraad is, vraagt de benodigde bankgegevens op en oordeelt over het al dan niet kredietwaardig zijn van de klant aan de hand van parameters die vooraf zijn vastgelegd. Als de factuur is opgesteld wordt deze nog steeds doorgegeven aan de front office vanwaar het product, inclusief factuur wordt verzonden en de betaling in normale omstandigheden wordt ontvangen. Afhankelijk van de grote van het bedrijf in kwestie loopt het aantal facturen razendsnel op. Door het automatiseren van een deel van dit proces kan bespaard worden op werknemers in de back office of kunnen deze werknemers worden ingezet in een proces waarbij ze hun cognitieve vaardigheden beter kunnen benutten.
Figuur 6: Facturatieproces met RPA
4.1.2 Betalingsherinneringsproces
Het tweede proces dat gemodelleerd wordt is het proces waarbij een betalingsherinnering gestuurd wordt. Vaak blijven facturen namelijk openstaan wat resulteert in een verliespost. Het proces wordt getriggerd 30 dagen na de verzending. De medewerker controleert standaard of de betaling ontvangen is. Indien dit het geval is wordt het proces beëindigd. Indien dit niet het geval is
berekend de werknemer de eventuele nalatigheidsintresten die vereist zijn. Vervolgens wordt een betalingsherinnering naar de klant verstuurd. Dit gebeurt volledig manueel.
Figuur 7: Betalingsherinneringsproces zonder RPA
Figuur 8 illustreert het betalingsherinneringsproces indien het zou worden geautomatiseerd aan de hand van RPA. Dit proces kan volledig worden geautomatiseerd. Het proces wordt opnieuw getriggerd 30 dagen na verzending maar aangezien er nergens cognitieve vaardigheden vereist zijn is het niet noodzakelijk dat er een personeelslid wordt ingeschakeld.
4.1.3 Vakantiereguleringsproces
Het laatste proces dat gemoduleerd wordt betreft het regulariseren van een vakantieaanvraag. Het vakantiereguleringsproces zonder RPA is geïllustreerd in figuur 9. Het proces start wanneer een werknemer een vakantieverzoek indient bij zijn manager. Als deze manager zijn fiat geeft gaat de flow verder naar een medewerker in human resources. Indien niet stopt het proces en wordt de werknemer op de hoogte gesteld. De human resources medewerker controleert of de werknemer in kwestie nog voldoende vakantiedagen heeft. Indien dit het geval is worden zijn werkuren aangepast in de HRM databank. Vervolgens wordt het werkschema aangepast en ontvangt de werknemer het bericht dat zijn verzoek is ingewilligd.
Figuur 9: Vakantiereguleringsproces zonder RPA
In geval van RPA-automatisering ziet het proces er uit zoals geïllustreerd op figuur 10. Het proces kent hetzelfde verloop als voor de automatisering maar de medewerker op het human resource departement is vervangen door RPA software. Indien de werknemers op het human resources departement geen tijd meer hoeven te spenderen aan de administratie omtrent vakantieverzoeken kunnen ze efficiënter ingezet worden bij het begeleiden van ander personeel.
Figuur 10: Vakantiereguleringsproces met RPA
4.2 Impact RPA op bedrijfsmodellen
4.2.1 Case 1: Bank of America
4.2.1.1 RPA in de banksector
Het is een publiek geheim dat banken anno 2019 steeds meer inzetten op klantenervaring om concurrentieel te blijven in een zeer competitieve sector. De hevige concurrentie noopt vele banken er toe om de beperkte middelen op een efficiëntere manier aan te wenden. In het kader hiervan gaan er wereldwijd talloze kantoren op de schop (Hortaçsun, Mark & Matvos, 2017). Het huidige bankenklimaat laat zich kenmerken door een schaarste aan gekwalificeerde werknemers, een hoge personeelskost en de druk om processen efficiënter te maken (Ranjit, Sandeep & Vipul 2017). Bovendien is de bankenmarkt zeer volatiel en is het verwerken van de beschikbare data van cruciaal belang (Kloviene & Gimzauskiene, 2015). Deze factoren verklaren de snelle opmars van RPA in de bankensector.
Vele grote banken wereldwijd hebben ondertussen al aangegeven gebruik te maken van RPA bij de automatisering van één of meerder processen. BNY Mellon, opvolger van de Bank of New York, startte al in 2016 met het implementeren van RPA. Het is de grootste effectenbank ter wereld met 1,7 biljoen dollar aan beheerde activa. Ze gebruiken RPA onder meer voor het beheren van leningen, het verwerken van data en het afhandelen van betalingsverzoeken volgens vooraf bepaalde regels (Sommerville, 2018). Deutsche Bank, een wereldspeler op het vlak van investment
banking, heeft het validatieproces voor de kredietwaardigheid van een klant geautomatiseerd
(Overby, 2017). RPA blijft niet beperkt tot Europa en Noord-Amerika, Bancolombia, de grootste Colombiaanse bank, introduceerde met behulp van Automation Anywere een “invesbot”. Deze robot helpt klanten om hun investeringsportfolio’s beter te beheren door advies te geven op basis van data die verwerkt wordt via RPA (Wade, n.d.).
4.2.1.2 Business Model Canvas zonder RPA
De Bank of America is de grootste vermogensbank van de Verenigde Staten. Het Business Model Canvas van de Bank of America wordt ingevuld op basis van informatie op de officiële site, gepubliceerde jaarverslagen en op basis van recente wetenschappelijke publicaties die betrekking hebben op de bank. De Value proposition van de Bank of America is klanten verbinden met de financiële bronnen die ze nodig hebben om succesvol te zijn. Daarenboven staat de Bank of
America voor leningen op maat, duurzame groei en verantwoord beleggen (“Our values” | Bank of America, s.d.).
De eerste key partner van de Bank of America zijn de dochterondernemingen, waarvan U.S. Trust, Merrill Lynch, First Franklin Financial en Balboa Insurance Company de grootste zijn (“Bank of America Affiliate Companies” | Bank of America, s.d.). De Bank of America is ook uitbater van de gemeenschapsbank van het Amerikaanse ministerie van defensie. De bank onderhoudt gezien zijn aard nauwe banken met credit card maatschappijen, de Federal Deposit Insurance Corporation (Amerikaanse instelling voor banktegoeden), federale toezichthouders, de Amerikaanse centrale bank (Federal reserve system) en een batterij aan advocaten die schadeclaims en monsterboetes moeten zien te verijdelen. Verder is de bank hoofdsponsor van de Major League Baseball en heeft de bank een eigen charity programma. Ook Amazon is een key partner van de Bank of America
sinds de bank in zee ging met het e-commerce bedrijf ter ondersteuning van een lending program (Kim, 2018).
De key activities van de Bank of America zijn investment banking, portfolio building, private banking, corporate banking, verzekeringen, hypothecaire kredieten, private equity en het beheren van een eigen credit card lijn (Bank of America, 2018).
De customer relationship van de Bank of America met zijn klanten is van velerlei aard. Ondanks de kredietcrisis van 2008 is vertrouwen nog steeds inherent aan het bankenwezen. Indien er geen vertrouwen is in de bank zal niemand zijn geld aan de bank toevertrouwen en is het volledige
business model achterhaald. Naast een vertrouwensband zet de bank ook in op personal assistance
via de vele kantoren, callcenters en via de mobiele applicatie Erika. Een ander deel van de relatie is gebaseerd op self service, zo kunnen de klanten via de app of aan de ATM’s zelf hun
verrichtingen uitvoeren. Ook vormen van co-creation zijn voor de bank niet uitgesloten (Bank of America, 2018).
De Bank of America heeft meerdere customer segments. Eerst en vooral is er de particuliere klant. Naast particuliere klanten heeft de bank ook zakelijke klanten, deze gaan van KMO’s tot
multinationals en kunnen worden onderverdeeld worden aan de hand van hun balanstotaal. De bank verleent en ontvangt ook leningen en garanties van andere banken en van overheden (Bank of America, 2018).
De communicatie tussen de bank en zijn klanten verloopt via verschillende channels. Er is persoonlijke communicatie in de 4.300 fysieke bankkantoren. Verder heeft de bank ook 16.300 bankautomaten. De bank ondersteunt mobiel en online bankieren. Hiernaast heeft de bank ook meerdere callcenters die geconsulteerd kunnen worden (Bank of America, 2018).
De revenue streams van de bank kunnen worden onderverdeeld in vijf verschillende categorieën. De bank haalt opbrengsten uit Consumer Banking, Global Wealth and Investment Management
beleggingsproducten voor consumenten en kleine ondernemingen. GWIM focust zich op alles wat te maken heeft met vermogensbeheer. Global banking haalt opbrengsten uit op krediet
gerelateerde producten, geïntegreerd werkkapitaal en verzekeringsdiensten. Global markets biedt institutionele klanten verkoopdiensten, handelsdiensten en onderzoeksdiensten aan. De
restcategorie bestaat uit Asset and Liability management, aandelenbeleggingen, economische
hedge resultaten en de netto impact van periodieke herzieningen van MSR-waarderingen (Bank of
America, 2018).
Tegenover de revenue streams van de bank staat de cost structure. De bank heeft operationele kosten, zoals de personeel en de huisvestingskosten, financiële kosten zoals de door de bank verschuldigde intresten, kosten betreffende het onderhoud van de IT infrastructuur en
beveiligingskosten. Daarnaast betaalt de bank ook belastingen, dienen er af en toe schadeclaims betaald te worden en worden er uitgaven gedaan in het kader van de marketing (Bank of America, 2018).
4.2.1.3 Business Model Canvas met RPA
Een bank met de omvang van de Bank of America heeft veel processen die potentieel zouden kunnen profiteren van de automatisering van repetitieve taken die momenteel handmatig worden uitgevoerd. De kosten van een overhaaste en ondoordachte implementatie van RPA kunnen echter hoog oplopen dus het is essentieel om planmatig te werk te gaan. Daarom stelde, Prasanna
Gopalkrishnan, Managing Director & Group CIO of Consumer operations en tevens sponsor van het RPA project binnen de Bank of America de volgende doelen (Latimore, 2018).
1. Het crëren van een betrouwbaardere en consistentere ervaring voor klanten. 2. Het verbeteren van de transparantie.
3. Het verhogen van de efficiëntie en snelheid van diensten en producten. 4. Het operationeel risico verminderen.
5. De servicekosten verlagen.
6. De mogelijkheid inbouwen om RPA uit te breiden naar nieuwe processen.
7. Kennis opdoen om op een verantwoorde manier over te stappen op machine learning en RPA.
8. Expertise opbouwen in Agile-methoden om een nieuw proces snel en veilig te kunnen implementeren.
Het RPA project starte in 2016 in samenwerking met Pegasystems en werd als zeer succesvol gepercipieerd. In 2018 won de Bank of America mede dankzij de RPA inspanningen een Celent's Model Bank of the Year award (Latimore, 2018). Dankzij het RPA project wist de bank grotere consistentie, snelheid en nauwkeurigheid te bereiken bij verschillende hypotheek processen. Bij wereldwijde betalingsoperaties heeft RPA automatische uitzonderingen en verificaties met overboekingen geautomatiseerd en wordt RPA gebruikt bij de gegevensverzameling en analyse voor mogelijk anti-witwassen. Dankzij de mogelijkheid om grote hoeveelheden data via RPA te extraheren zijn ook de valse meldingen wat betreft witwaspogingen verminderd. Het
creditcardgeschillen, heeft de klantenervaring en de operationele efficiëntie verbeterd (Latimore, 2018).
Binnen de Enterprise Shared Operations Services-groep heeft de RPA-implementatie voor een 95% reductie in de foutenmarge gezorgd. Eveneens binnen deze groep is het aantal cases dat onbehandeld bleef voor meer dan 15 dagen gedaald met 70%. Binnen mortgage and vehicle
servicing is de gemiddelde tijd per behandelde case gedaald van 20 naar 4 minuten per case. De
automatisering van het opvragen en wijzigen van een bepaalde code resulteerde in een
kostenreductie. Omdat de werkuren een stuk voorspelbaarder zijn geworden is men er in geslaagd om de overuren te reduceren. Dit resulteerd in een besparing van de operationele kosten een verhoging van de tevredenheid onder werknemers (Latimore, 2018).
De positieve resultaten bemoedigen de Bank of America om ook in de toekomst verder in te zetten op RPA. De bank gelooft dat de kennis die is opgedaan in voorgaande fases van het RPA project kan worden aangewend om in te zetten om meer geavanceerde vormen van RPA. Zo zou het inzetten van cognitieve RPA (bv. patroonherkenning, natural language processing (NLP) of image processing) ook veel positieve effecten kunnen hebben op de bank (Latimore, 2018).
Momenteel is de meest geavanceerde vorm van RPA binnen de Bank of America Erica. Erica werd gelanceerd in juni 2018 en is een virtual assistant die beschikbaar is voor elke klant met de mobile banking applicatie. Erica gebruikt kunstmatige intelligentie, en natural language
processing om voorspellingen en analyses uit te voeren. Erica beschikt over een chatbot die 24 op
24 consulteerbaar is voor een compleet scala aan dagelijkse bankbehoeften, van het zoeken naar transacties op Bank of America-rekeningen tot het betalen van rekeningen, het storten van geld en het vergrendelen en ontgrendelen van kaarten. Voorts kan Erica ook toegang geven tot
balansinformatie en beleggingsportefeuilles, accountgegevens wijzigen en vergaderingen plannen in fysieke kantoren (“Erica” | Bank of America, s.d.).
Figuur 12: Business Model Canvas Bank of America met RPA
Indien voorgaande veranderingen worden aangevuld in het BMC van de bank wordt bovenstaande figuur 12 bekomen. De nieuwe elementen in het business model canvas zijn geïllustreerd aan de hand van een ellipsvorm. De elementen die reeds aanwezig waren maar die beïnvloed worden door de introductie van RPA zijn geïllustreerd aan de hand van een rechthoek. Op basis van een vergelijk tussen het business model canvas voor en na kan men niet stellen dat het businessmodel in dergelijke mate verandert dat RPA hier kan gezien worden als een disruptieve technologie. RPA-technologie heeft dus eerder een sustaining invloed op het bedrijfsmodel van de bank. De grootste veranderingen, namelijk de toegenomen efficiëntie en de gereduceerde kosten kunnen moeilijk in kaart gebracht worden aan de hand van het business model canvas.
4.2.1.4 E3-Value model zonder RPA
Bovenop een vergelijk tussen het Business Model Canvas voor en na RPA wordt ook het E3-value model opgesteld met en zonder RPA en nadien vergeleken. Het E3-Value model zonder RPA bestaat uit meerdere actors, naast de Bank of America zelf is er het Federal Reserve System, de Federal Deposit Insurance Corporation en de dochterondernemingen (Merrill Lynch, First Franklin Financial en Balboa Insurance Company). De particuliere klanten, de bedrijven,
overheden en andere banken op de interbankenmarkt worden hier gezien als één klantensegment. Er zouden nog andere actors in het model kunnen worden opgenomen maar deze zouden geen fundamentele meerwaarde bieden en het model onnodig onoverzichtelijk maken.
De value exchange tussen de Bank of America en de Federal Deposit Insurance Corporation bestaat uit bankgaranties in ruil voor een bijdrage aan het Bank Insurance Fund. Het Federal Reserve System controleert het bankensysteem en dus ook de Bank of America. Bovendien leent de FED ook geld uit aan banken om de marktrente te beïnvloeden, hier betaalt de Bank of
America zelf rente op. De value exchange tussen de dochterondernemingen en de Bank of America bestaat uit kennis in ruil voor bestuur. Met het geïllustreerde klantensegment is er een dubbele value exchange afhankelijk van wie aan wie geld uitleent. Indien de Bank of America zelf geld uitleent aan klanten ontvangt de bank hierop een debetrente. Op geld dat door klanten bij de bank wordt uitgezet moet de bank een creditrente betalen. Normaliter overstijgt de omvang van de debetrente de creditwaarde wat resulteert in winst voor de bank.
4.2.1.5 E3-Value model met RPA
Ondanks de overduidelijke wijzigingen die eerder zijn opgelijst bij het businessmodel canvas treden er in het E3-Value model geen noemenswaardige veranderingen op na de implementatie van RPA. De value exchanges met de verschillende overheidsinstanties en de
dochterondernemingen blijven ongewijzigd. RPA verandert ook niets modeleerbaars aan de waarde die de bank levert aan het klantensegment. Eventueel zou er met Pegasystems een nieuwe actor kunnen worden toegevoegd maar omdat er geen algehele duidelijkheid is in welke mate Pegasystems een blijvende rol in dit model vertolkt is er voor gekozen om dit niet te doen.
4.2.2 Case 2: NewYork – Presbyterian Hospital
4.2.2.1 RPA in de gezondheidsector
Ondanks het feit dat RPA in de medische wereld ook wel bekend staat als de Renal Physicians
Association (een Amerikaanse vereniging voor nefrologieprofessionals) is ook Robotic Process
Automation er wijdverspreid geraakt de afgelopen jaren. In Amerika alleen al vloeit er maar liefst $ 266 miljard per jaar naar administratieve taken binnen de gezondheidszorg (Shrank, Rogstad & Parekh, 2019). Deze taken zijn vaak repetitief en lenen zich makkelijk tot automatisering aan de hand van RPA. Daarom werd voor de tweede case een ziekenhuis gekozen.
4.2.2.2 Business model Canvas zonder RPA
Het NewYork – Presbyterian Hospital is een academisch medisch centrum zonder winstoogmerk gevestigd in New York. Het Presbyterian Hostpital is verbonden aan twee medisch georiënteerde onderwijsinstellingen: Columbia University Vagelos College of Physicians and Surgeons en Weill Cornell Medical College. Het ziekenhuis bestaat uit twee verschillende medische centra, het Columbia University Medical Center en het Weill Cornell Medical Center (“About us” | Presbyterian Hospital, s.d.).
Het Business Model Canvas van het Presbyterian Hospital wordt ingevuld op basis van informatie op de officiële site, jaaroverzichten en op basis van recente wetenschappelijke publicaties die betrekking hebben op het ziekenhuis. Daarenboven werd ook gebruik gemaakt van informatie van The Commonwealth Fund betreffende het Amerikaanse gezondheidszorgsysteem en van een bepaalde basiskennis betreffende de werking van een ziekenhuis. Net als in de vorige case wordt er gestart met de value proposition. In het geval van het Presbyterian Hospital is dit volgens de
ziekenhuis onderscheidt zich verder nog dankzij het aanbieden van medisch onderwijs het voeren van baanbrekend onderzoek en het aanbieden van klinische zorg (“About us” | Presbyterian Hospital, s.d.). Het ziekenhuis werd bovendien door U.S. News verkozen als vijfde beste ziekenhuis van Amerika op basis van twaalf parameters die elk een ander medisch domein behelzen (U.S. News, 2019).
De eerste Key Partners van het Presbyterian Hospital zijn het Columbia University Vagelos College en het Weill Cornell Medical College, twee onderwijsinstellingen onder de vleugels van het ziekenhuis. Verder worden ook farmaceutische bedrijven, partnerziekenhuizen, verzekeraars, de medische sector in het algemeen, private ambulance services en het stadsbestuur van New York als key partners aanzien. De key activities bestaan uit onderzoek, diagnoses stellen, medische begeleiding, het adviseren van patiënten, het analyseren van medische trends en onderwijs via de twee verbonden onderwijsinstellingen.
Het ziekenhuis beschikt over enkele key recources om deze activiteiten te verwezenlijken: het personeel (al dan niet medisch opgeleid), de gebouwen, verworven kennis (expliciet en impliciet), medische apparatuur en medicijnen.
De customer segments van het ziekenhuis zijn duidelijk. Iedereen met een medische aandoening kan zich laten behandelen door het Presbyterian Hospital. De overgrote meerderheid van de behandelde patiënten mogen dan wel Amerikanen zijn maar in de value propostition komt duidelijk naar voor dat ook buitenlanders terecht kunnen in het Presbyterian Hospital voor een behandeling (“About us” | Presbyterian Hospital, s.d.).
De Channels waarmee het Presbyterian Hospital zijn patiënten bereikt zijn de fysieke
ziekenhuizen, de website, social media, Wetenschappelijke publicaties, Onderwijs en de TV serie NY Med van ABC News (“About us” | Presbyterian Hospital, s.d.).
De customer relationships van het Presbyterian Hospital zijn gebaseerd op Persoonlijke
assistentie. Het ziekenhuis zet in op de persoonlijke verlening van zorg op maat aan zijn patienten. Bovendien stimuleert en faciliteert het ziekenhuis ook de vorming van Communities waarin
mensen met een gelijkaardige aandoening hun ervaringen kunnen delen in de hoop dat sommige patiënten hier kracht uit kunnen putten (“About us” | Presbyterian Hospital, s.d.).
Het Presbyterian Hospital is, in tegenstelling tot de andere cases die worden behandeld een non profit organisatie. Dit niet tegenstaande heeft het ziekenhuis wel enkele revenue streams om de kostenstructuur te dekken. Deze bestaan uit rechtstreekse vergoedingen van patiënten,
vergoedingen van verzekeraars, filantropie en in beperkte mate ook publiek geld (The
commonwealth fund, s.d.). Het ziekenhuis is al af en toe de begunstigde geweest van slush funding maar dit is geen stabiele revenue stream.
De cost structure die wordt gedekt aan de hand van voorgaande revenue streams bestaat uit onderzoekskosten, personeelskosten, de kosten die betrekking hebben op medische apparatuur, medicijnen, gebouwen en de gevoerde marketing.
4.2.2.3 Business model Canvas met RPA
Toepassingen van kunstmatige intelligentie in de gezondheidszorg richten zich meestal diagnoses en behandelingen. Kunstmatige intelligentie is al nuttig gebleken bij de interpretatie van scans en echo’s, en het herkennen van patronen of mutaties in genetische patronen om er maar enkele te noemen (Van Calster, Wynants, Timmerman, Steyerberg & Collins, 2019). Toch stopt de toepassing van kunstmatige intelligentie in de medische sector daar niet. RPA kan eveneens een steentje bijdragen aan het continue streven naar een efficiëntere en adequatere gezondheidszorg.
Administratieve en financiële processen zijn een essentieel deel van de zorgverlening. Deze processen hebben een grote impact op de kosten en het gemak van zorg en nemen kostbare tijd van het medisch personeel in beslag die ook aan patiënten kan worden besteed. Een studie uit 2014 constateerde dat maar liefst één zesde van werkuren van Amerikaanse artsen wordt besteed aan administratief werk (Woolhandler & Himmelstein, 2014). Verpleegsters zouden zelfs maar 37 procent van hun tijd bij patiënten spenderen (Westbrook, Duffield, Li & Creswick, 2011;
Davenport, 2019).
De Associate Chief Transformation Officer van het ziekenhuis, Dr. David Tsay geeft aan dat de huidige RPA inspanningen vooral gericht zijn op administratieve processen met een
procesworkflow die kan worden geautomatiseerd en een reeks beslissingen binnen het proces die kunnen worden verbeterd met behulp van machine learning algoritmen. Om deze betrachtingen te verwezenlijken heeft het ziekenhuis softwarefabrikant WorkFusion onder de arm genomen
(Davenport, 2019).
Momenteel werkt het ziekenhuis vooral aan de automatisering van de inkomstencyclus, het verwerken van weigeringen van verzekeringsclaims en de controle van coderingen van
behandelingen van patiënten. In de toekomst wil het ziekenhuis ook werk maken van een chatbot en een autonome service die kan instaan voor het boeken van afspraken.
Het ziekenhuis gebruikt ook RPA toepassingen met NLP-functies waardoor belangrijke gegevens in grafieken kunnen worden vastgelegd. Het ziekenhuis beschikt over een enterprise warehouse en een data lake met allerhande data betreffende patiëntenzorg, laboratoriumwaarden, klinische procedures, diagnoses, patiëntkosten en rekeningen. Deze lenen zich tot de toepassing van machine learning. De verwerking van de klinische codering gebeurt aan de hand van een combinatie van machine learning en RPA. De juiste codes zijn belangrijk voor facturering, verzekeringsclaims, en om de vorm van de behandeling bij te houden. Om deze codering te optimaliseren gebruikt het ziekenhuis software robots die grafieken scannen, diagnoses bekijken en gerelateerde gegevens te analyseren. De robots verminderen de werklast en hebben een verbeterde codeernauwkeurigheid met 20% tot 30%. De software robots worden ook gebruikt ter controle van manuele gegevens. Ook de verwerking van de leveranciersfacturen en het bijhouden van de werktijden is geautomatiseerd via RPA (Davenport, 2019).
Als bovenstaande gegevens worden toegepast op het BMC van voor RPA wordt figuur 15 bekomen. De volledig nieuwe elementen zijn wederom aangeduid met een ellips. WorkFusion is een nieuwe key partner, software een nieuwe key resource, de IT kosten (onderhoud en
optimalisering) komen er bij in de cost structure en er komen twee nieuwe channels, namelijk de chatbot en het reserveringssysteem. De elementen die beïnvloed worden door RPA zijn aangeduid met een rechthoek, deze betreffen de diagnoses, de analyse, de toegenomen persoonlijke
assistentie en de personeelskosten die gezakt zijn door het automatiseren van een deel van de administratie. Net als in de voorgaande case neemt de RPA-technologie hier eerder een sustaining rol in.
Figuur 16: Business Model Canvas NewYork – Presbyterian Hospital met RPA
4.2.2.4 E3-value model zonder RPA
Het E3-value model zonder RPA is geïllustreerd in figuur 16. Het ziekenhuis biedt het
klantensegment “patiënten” medische zorg in ruil voor een vergoeding. De value exchange tussen het ziekenhuis en zijn leveranciers is tweedelig, enerzijds wordt er apparatuur aangekocht en anderzijds medicijnen. Het ziekenhuis levert het Columbia University Vagelos College en het Weill Cornell Medical College faciliteiten in ruil voor het onderzoek dat ze leveren. Er is geopteerd om andere actoren zoals de partner ziekenhuizen en de verzekeraars niet in het model op te nemen om het niet nodeloos te compliceren.
Figuur 17: E3-Value Model NewYork – Presbyterian Hospital zonder RPA
4.2.2.5 E3-value model met RPA
Bij toevoeging van RPA aan het vorige E3-Value model wordt figuur 18 bekomen. Het implementeren van RPA-technologie resulteert voor het ziekenhuis niet in modeleerbare
veranderingen in het E3-Value model. Eventueel kan er met Workfusion een nieuwe actor worden toegevoegd die software en kennis levert tegen betaling maar dit is in deze niet gedaan. In de toekomst zal de analyse van medische gegevens wellicht dergelijke proporties aannemen dat dit ook als een vast value exchange met de patiënten gezien kan worden. Dit zou dan ook zijn in ruil
Figuur 18: E3-Value model NewYork – Presbyterian Hospital met RPA
4.2.3 Case 4: Walmart
4.2.3.1 RPA in de retail sector
Traditioneel gezien wordt innovatie in retail gekenmerkt door niet-technologische innovatie en een beperkte inspanning op het gebied van onderzoek en ontwikkeling (Trigo, 2013). Dit verklaart waarom onderzoek en ontwikkeling in de detailhandel eerder was gericht op de ontwikkeling van nieuwe producten dan op de ontwikkeling van nieuwe hulpmiddelen voor het verbeteren van de geleverde diensten. Retailers zijn dus meestal de adopters van innovaties geproduceerd door
andere productiebedrijven (Pantano, 2014). Deze starre houding ten opzichte van proces innovatie is de afgelopen jaren echter bij steeds meer voorname retail bedrijven veranderd. De traditionele methode van retail, een steeds aangroeiend netwerk van fysieke winkelcomplexen met een
overvloed aan personeel, is nu niet meer marktconform. Met de toenemende complexiteit van elke branche staat de detailhandel voor een uitdaging vanwege de veranderende klantenpreferenties en de groeiende behoefte aan hoge gebruikerstevredenheid. Bovendien is de consument anno 2019 geïnformeerd, geëmancipeerd en geconnecteerd als nooit tevoren. De globalisering en het internet stuwen de concurrentie in de retail sector naar ongekende hoogtes. In dergelijk klimaat is het van cruciaal belang om de kostenefficiëntie te optimaliseren. Dit kan men mede verwezenlijken door RPA te implementeren.
4.2.3.2 Business model canvas zonder RPA
Het Business Model Canvas van Walmart werd opgesteld aan de hand van informatie op de officiële website, gepubliceerde jaarverslagen en recente wetenschappelijke publicaties die Walmart behandelen. Walmart is één van de grootste retailers ter wereld met meer dan 11.300 winkels en een omzet in het boekjaar 2019 van 514,4 miljard dollar (“About us” | Walmart, s.d). Het bedrijf werd opgericht in 1962 door Sam Walton en kende sindsdien een exponentiële groei.
Walmart heeft een zeer uitgebreid assortiment aan producten en diensten en dit is ook terug te vinden in de value proposition. Walmart gaat prat op een” niet-aflatende inzet om kansen en waarde te creëren voor klanten en gemeenschappen over de hele wereld” (“About us” | Walmart, s.d). Walmart biedt een breed assortiment aan met lage prijzen, online productreviews, online product tracking en het concept van one-stop shopping, waarbij men slechts één winkel moet aandoen om alle materiële behoeften te bevredigen. Bovendien biedt Walmart ook fotodiensten, financiële diensten, auto service, gezondheidszorg en heeft Walmart Sam’s club dat kleine zelfstandigen toelaat om voordelig producten in bulk aan te kopen (“About us” | Walmart, s.d).
bovendien allerhande dochterondernemingen in verschillende landen zoals bijvoorbeeld Walmex in Mexica, Asda in het Verenigd Koningkrijk en Seiyu in Japan. De laatste key partner van Walmart zijn financiële instellingen. Deze voorzien het businessmodel enerzijds van kapitaal via leningen en zijn anderzijds een partner voor de (niet onomstreden) afbetalingsplannen die het bedrijf aanbiedt aan minder liquide klanten (Walmart, 2019).
De voornaamste key activity is het exploiteren van de 11.300 fysieke winkels die Walmart onder zijn hoede heeft. Andere key activities die voor de consument niet allemaal even zichtbaar zijn, zijn prijszetting, onderhandelen, marketing, dienst na verkoop en e-commerce (Brea‐Solís, Casadesus‐Masanell & Grifell‐Tatjé, 2015; Walmart, 2019).
De key resources bestaan uit de grosso modo 2,3 miljoen werknemers wereldwijd, de
winkelpanden, het voertuigenpark, de distributie centers, de Walmart labratoria en de Strategische allianties die het bedrijf doorheen de jaren is aangegaan (Brea‐Solís, Casadesus‐Masanell & Grifell‐Tatjé, 2015; Walmart, 2019).
Walmart biedt een ongelofelijk breed assortiment aan, gaande van voeding over kledij tot
meubilair en zelfs munitie. Iedereen kan dus gezien worden als mogelijke klant van Walmart. Via Sam’s club, wat functioneert als groothandel, bereikt Walmart naast de particuliere klanten ook zelfstandigen (“Our business” | Walmart, s.d).
Een bedrijf met de omvang van Walmart heeft een groot aantal channels nodig om al zijn klanten te kunnen bereiken. De fysieke verkoopkanalen van Walmart zijn onder te verdelen in
supercenters, supermarkten, warenhuizen, buurtwinkels, cash-and-carrywinkels, groothandels (Sam’s club), kledingwinkels, discountwinkels, restaurants, automaten en zelfs een museum. Naast de fysieke verkoopkanalen heeft Walmart ook een druk geconsulteerde website, is Walmart actief op alle populaire social media kanalen en heeft Walmart verschillende populaire mobiele applicaties zoals bijvoorbeeld Walmart pay (“Our business” | Walmart, s.d).
Daar het concept van een supermarkt gebaseerd is op zelfbediening is dit ook terug te vinden in de
