及早引入RPA機器人自動化 結合流程挖掘 開展大數據分析增益之路

18 Nov 2021
RPA takes us on board the express train to big data analytics雖然引入 RPA 看似千頭萬緒,但只要能「start from small」,選取較簡單的部分開始使用,管理者便能明白 RPA 不單可增加公司的生產力,更是搭上大數據分析(Big Data Analytic)快車的必備車票。

RPA(Robotic Process Automation, 機器人自動化)是現時企業開展數碼轉型(Digital Transformation)旅程的火熱話題,根據 Gartner 市場調查報告估計,RPA 的全球銷量在 2021 年將可達至 18.9億美元,較 2020 年增長 19.5%。換言之,不少企業已借助 RPA 火速提升競爭力,繼續保持觀望態度,只會令企業發展落後於人。雖然引入 RPA 看似千頭萬緒,但只要能「start from small」,選取較簡單的部分開始使用,管理者便能明白 RPA 不單可增加公司的生產力,更是搭上大數據分析(Big Data Analytic)快車的必備車票。

  1. 什麼是 RPA 機器人自動化?
  2. RPA優勢適用於各行各業
  3. 打通不同結構資料 智能數據分析更精準
  4. RPA結合智能數據分析系統的優勢
  5. 專家評估業務獨特性 最佳化引入RPA
 

 

什麼是 RPA 機器人自動化?

RPA是一種代替使用者執行重複性工作的軟件工具,毋須經由特殊的硬件執行,而是可以在一般的辦公室 IT 環境中運作。RPA 與傳統的 Desktop Automation(桌面自動化)的分別在於,後者只能處理簡單的單一任務,例如 Excel表單的 macro 錄製巨集功能,因應不同的指令自動在文件中匯出答案;RPA 則可自動搜索表單中的不同項目,並根據設定的規則自動完成分類存檔,又可將各種資料分別傳送給相關人士,在毋須人力介入下完成整個文件管理流程。以汽車組裝為例,桌面自動化就如個別組裝工序的自動化,RPA 則可自動化監控及完成整個組裝流程,可用性差距極大。

 

 

RPA優勢適用於各行各業

RPA 已被視為不可或缺的 Digital Workforce,在多年前我們已預視它將為企業帶來不少好處,包括可取代人手執行重複性及枯燥的工作、排除人為輸入錯誤資料的風險、24/7全天候工作、不會因人事變動而影響業務營運等。而在技術愈趨成熟下,現時 RPA 在各行各業也有不少應用案例,例如物流業會計保險等,協助各類企業在數碼轉型旅程中保持穩定的步調,讓企業管理者能專注拓展新的業務,最終改善客戶體驗。 

 

 

 

打通不同結構資料 智能數據分析更精準

在企業的數碼轉型旅程中,大數據分析(Big Data Analytics)是必經之路,因為通過智能數據分析系統(Business Intelligence, BI),可有助企業掌握市場趨勢、改善工作流程或制定精準的市場推廣策略,而 RPA 便能為數據分析提供準確優質的數據。不過,雖然 RPA 能較人手收集數以百倍的數據,而且亦能為大數據分析提供準確及高質素的數據;但欠缺人工智能(A.I.)及機器學習(Machine Learning)功能的 RPA ,極其量只能處理結構性數據(structured data),未能應付來自企業各節點的非結構性資料(unstructured data)。以購物平台為例,企業一般只能借助 RPA 自動收集每日銷量、各類產品資訊的點擊次數或選擇付款方式等結構性資料,但實際上顧客的留言、瀏覽過程或最常點擊的版面位置等非結構性資料,也能為改善網站版面設計、提升營業額提供寶貴的參考數據。

 

RPA Machine Learning加入人工智能及機器學習技術後,RPA 便能模仿人類的洞察力,將複雜的非結構性資料即時結合結構性資料一併使用。
而在加入人工智能及機器學習技術後,RPA 便能模仿人類的洞察力,將複雜的非結構性資料即時結合結構性資料一併使用。通過智能數據分析系統,購物平台在推出新的促銷優惠時,便毋須花時間在事前制訂各種事後評估成效的基準,例如貨品減價對銷量的影響,反而能更宏觀及實時地掌握促銷對貨品銷量、其他貨品點擊率、網站流量以至物流負荷的連帶影響,將數據視覺化(Data Visualization)呈現給管理層參考,即時調整促銷策略及優化其他配套措施,將 RPA 升級為更進階的業務流程自動化(Process Automation/ Workflow Automation)層面,達到改善客戶體驗的數碼轉型終極目標。
 

 

RPA結合智能數據分析系統的優勢

傳統的市場分析報告,必須在事前決定研究目的及採集數據的方法,過程難免涉及研究團隊的主觀想法,亦較難在事後將分析報告應用於其他領域。但在 RPA 結合智能數據分析系統(B.I.)後,便可讓大數據分析在以下三方面發揮更大效能。

流程挖掘 (Process mining) B.I. 可從RPA 擷取的各種數據中,去發掘公司不同工作流程中的樽頸位,例如提交報表的批核過程有否重複或多餘程序。
流程模擬 (Process simulation)             通過 RPA 擷取的數據,B.I. 可以與其行業的數據套件(dataset)進行比較,模擬流程改變所帶來的影響,讓企業可預視轉變是否有效率及減少風險。
機器學習 (Machine learning)
流程挖掘及流程模擬,某程度上都必須企業設定問題供系統解答,但如結合不同的機器學習演算法,系統便能自行運算及提供建議,例如在哪個月份減價的反應最好、哪間物流公司最能準時送貨,讓企業能提升客戶體驗。
 
RPA combined with BIRPA 結合智能數據分析系統(B.I.)後,便可讓大數據分析在流程挖掘(process mining)、流程模擬(process simulation)及機器學習(machine learning)三方面發揮更大效能。
 

 

專家評估業務獨特性 最佳化引入RPA

雖然 RPA 機器人自動化有上述不同好處,不過並非所有流程都適合使用 RPA 技術,因為部分工作可能使用的機會不多,或對企業數據轉型的目標沒有太大幫助,如強行引入 RPA,只會令投資回報(ROI)變得遙遙無期,因此在決定採用 RPA 技術前,應先交由專家根據你的業務獨特性、需要、工作流程及未來拓展計劃進行詳細的評估。企業管理者如欲更有效率引入 RPA 解決方案,歡迎聯絡Ricoh專業團隊。 

聯絡我們