Microservices vs RPA 

Microservices en RPA trekken nogal wat aandacht naar zich toe als het gaat om systeemintegratie en automatisering van processen. Ze benaderen deze vraagstukken vanuit een totaal verschillende invalshoek en worden daarom al eens tegen elkaar afgezet. Die manier van denken is echter fundamenteel verkeerd: RPA en microservices zijn erg complementair en hebben dus allebei een rol te vervullen in de moderne onderneming. Afhankelijk van de startsituatie waarin je bedrijf zich bevindt en het beoogde einddoel dat je wil bereiken. 

Noch Microservices noch RPA hebben dé oplossing. Ze zijn wel deel van de oplossing. 

In deze blog doorlopen we 4 dimensies om te verduidelijken in welke situaties je de nadruk op de ene dan wel de andere aanpak legt. 

Schaalbaarheid 

Het leuke aan Microservices is dat ze elastisch schaalbaar zijn – binnen de grenzen die je met je serviceprovider (bvb Amazon Web Services – AWS) hebt afgesproken. Een onvoorziene workload piek? Je Microservices architectuur volgt naadloos. Voor de autofreaks onder ons: vergelijk het met een Continu Variabele Transmissie. Je motortoerental wordt zo gelijkmatig mogelijk gehouden, of je nu veel of weinig vermogen vraagt. Heel veel vermogen nodig? Microservices leveren die zonder schakelen. Tenminste voor zover alle betrokken processen en systemen de Microservices architectuur ondersteunen. Zoals de zwakste schakel in een ketting kunnen legacysystemen en randprocessen een forse impact hebben op de schaalbaarheid. Heel concreet: moet je ergens in je proces wachten op data, een systeem, een manuele handeling dan ben je op z’n minst een deel van je voordeel kwijt. 

Bij RPA stijgt de schaalbaarheid in stappen: De Databot die het toegewezen proces uitvoert, werkt case-per-case af. Nogmaals voor de autofreaks onder ons: een Databot werkt volgens het “one-piece-flow” principe uit het Toyota Production System. Hij werkt met andere woorden één taak helemaal af en gaat dan naar de volgende taak. Uiteraard gebeurt dit aan een razend tempo, maar het is mogelijk dat er door dit “onetask-flow” principe een wachtrij ontstaat tijdens piekmomenten. Om dat op te vangen kan je je Databot oneindig klonen. Opschalen gaat dus in stappen – zoals met een klassieke versnellingsbak – en niet elastisch zoals bij een continu variabele transmissie. 

Microservices zijn elastisch schaalbaar. 

Databots schalen op in stappen: bot per bot. 

Speed to market 

Het is geen toeval dat innovatieve bedrijven als Amazon, Apple & Netflix zweren bij Microservices. Je kan snel nieuwe diensten uitrollen door extra puzzelstukjes (= microservices) aan je puzzel toe te voegen. Ook hier is het voordeel begrensd door de mate waarin jouw bedrijf op een Microservices architectuur draait. Zitten daar nog grote gaten in? Dan ben je je voordeel zo goed als zeker kwijt.   

Wil je nog niet af van je uitstekend lopende legacysystemen? Is de overgang naar een volledige Microservices infrastructuur de investering gewoon niet waard? Dan moet je eerder RPA overwegen. Je bent binnen de 4-5 weken operationeel, zonder tijdrovende business requirement statements en andere documentatievereisten. Ideaal voor innovatietrajecten. 

Waar nodig kan RPA de transitie naar een Microservices strategy ondersteunen. Een Databot kan immers probleemloos Microservices aanroepen of een significant gedeelte van je backoffice werknemers ontlasten van hun repetitieve taken waardoor ze zich kunnen wijden aan het transitieproject. 

Microservices verhogen de wendbaarheid van je systemen. 

Databots verhogen de wendbaarheid van je business. 

Hoeveelheid en soort bronnen 

Aangezien Databots in staat zijn de signalen die een systeem naar een monitor stuurt te onderscheppen kunnen ze informatie uit quasi alle bronnen raadplegen. Voeg daar nog eventueel een OCR en/of NLP-module aan toe en het moet al heel vreemd lopen dat je Databot niet aan de benodigde informatie geraakt. Eigenlijk zijn afbeeldingen en handschrift de enige vormen van input waar een Databot niet mee om kan. Langs de inputzijde gebruikt een Databot keyboard- en muisdrivers waardoor ze de facto in staat zijn elk systeem te updaten. 

De essentie van Microservices is dat ze in één taal met mekaar spreken. Net zoals Engels wereldwijd gebruikt wordt in de zakenwereld, praten Microservices met elkaar via API’s (Application Programming Interfaces). Moderne systemen zijn tegenwoordig allemaal in staat om via API’s te communiceren en worden probleemloos in de Microservices architectuur betrokken. Moeilijker wordt het met oudere systemen: heel wat bedrijven gebruiken nog steeds – terecht – mainframes. Verder zijn er situaties waarbij API’s onmogelijk zijn: je concurrenten gaan je echt niet helpen om hun website uit te lezen. Ook overheidssystemen of systemen met patientengegevens in de zorg zijn moeilijk of onmogelijk te benaderen. Nog een ander voorbeeld zijn leveranciers of klanten met voldoende onderhandelingsmacht die je niet toelaten met hun systemen te integreren. In al die gevallen kan een Databot wel perfect aan de slag, al is het maar omdat ze de csv of excelfiles die uitgewisseld worden automatisch verwerken. 

Directe en indirecte kosten 

Microservices implementeren is meestal erg development intensief, verandert je ITomgeving en vereist een mentaliteitswijziging. Waar je normaalgezien processen binnen of over departementen heen gaat optimaliseren en automatiseren, ga je bij Microservices je processen in zo klein mogelijke stukjes hakken. Elk stukje doet één stapje van het proces: bvb klant aanmaken, factuur sturen, betaling registreren, klantgegevens oproepen. Naar onderhoud toe is dat een voordeel: je kan eender welk puzzelstukje doodeenvoudig vervangen door een nieuwer. Aan de andere kant van de medaille vind je de kosten gerelateerd aan IT-operations: met een handjevol microservices kom je in een niet eens zo complexe bedrijfsomgeving niet toe. Zo heeft Uber dagdagelijks maar liefst 4000 microservices te monitoren. Als het ergens fout loopt krijg je een watervaleffect doorheen je proces. 

RPA is een no-code oplossing. Je gaat proces per proces automatiseren, zonder aan je onderliggende IT-systemen, processen of data te raken. Je leert de Databot aan waar hij of zij de benodigde data kan ophalen, hoe die verwerkt moet worden en in welke systemen de outputs ingevoerd moeten worden. Dat kan voor een bescheiden kost – typisch tussen de €15.000 en €25.000 inclusief licenties voor een eerste Databot. De jaarlijkse licentiekosten per bot bedragen tussen de €1.000 en €10.000.  Aanpassingen aan een Databot – bvb omdat er een nieuw systeem wordt uitgerold – kosten zelden meer dan 2 mandagen all-in. De betere Databot pakketten in de markt minimaliseren je kosten verder dankzij de herbruikbare, modulaire opbouw – net zoals bij Microservices eigenlijk… alleen hangt het erg van je Databot implementatiepartner af of die mogelijkheid optimaal uitgebuit wordt.

Microservices veranderen je IT-architectuur.  

Databots complementeren je IT-architectuur.

Conclusie 

Microservices en RPA zijn complementair: Is heel je IT-infrastructuur ingericht op microservices? Dan helpen Databots je koppelen met externe overheids-, klant- of leverancierssystemen. Ben je nog niet klaar voor een volledige overhaul van je IT-omgeving? Dan kan je nog steeds gebruik maken van off-theshelve Microservices oplossingen om je modernere systemen te koppelen.