数据分析

ai-超越劳动替代到数据驱动的经历

许多企业未能利用人工智能和自动化通过等同于劳动替代而提供的潜力。例如，我最近与大银行的客户团队互动。他们的目标是通过实施500-600来降低内部和客户交易的成本机器人过程自动化（RPA）一年的机器人。他们已经尝试使用他们投资的工具集来完成此操作，但无法满足目标。关于整体流程设计的一些问题透露，他们没有通过他们的计划真正考虑过。例如，他们已经确定了50个用于即时自动化的用例，因为这些人有很多人与他们相关联。但是，该公司不知道如何系统地确定企业的新问题机会。我遇到了一个看着它外包的大型制造商类似的情况。他们热衷于了解人工智能（AI）如何帮助他们自动化工作司机并将其余的工作外包。另一方面，零售客户已经实施了RPA，但需要援助，以利用AI应对不断变化的消费者期望。

始终如一地参与问题发现可能是企业的斗争，特别是如果他们没有参考企业内存的数据。今天许多企业发现自己不堪重负。解锁正确的数据并使其在董事会中提供可用，使用户能够以比以往更有意义的方式与利益相关者一起参与的机会。

采用正确的AI和自动化方法在数据驱动企业中至关重要。以下是几个指针，应该帮助您在正确的课程中脱离。

过程发现和设计

在自动化过程中，首先要识别明显的手工过程。然而，与一次性活动不同的是，有必要不断地识别可自动化的流程。例如，Infosys向我之前写过的那家银行展示了如何部署“问题查找器”探测器。该调查揭示了最终用户如何使用当前企业资源。这使得企业能够识别冗余和优化的领域。有时，来自这些探针的分析表明，企业需要更全面地数字化其运营，并从客户交互、供应链、设备和内部流程中获取数据，以做出正确的决策。

在流程发现和设计中，企业有机会完全重新想象客户参与 - 就是从生成，收集，组织和行动的数据的方式。在零售方案中，当需要补充产品时，需要了解顾客喜欢的品牌，以便通过虚拟助手订购以适量和变体的客户，并将订单与正确的零售商订购。

自动化过程设计中的操作执行

企业必须计划如何响应机器人反复失败的情景。由于不断变化的业务流程和解决事务方法的冗余，机器人可能会失败。基于实际数据记录业务流程变化的可扩展方法，并维护初始过程的数字化参考知识中心以及更改，可以防止这种情况。

在企业依赖于标准化数据的标准化数据的行业中，引入新的正交数据（可以使用的数据而不考虑其对其他程序函数的影响），可以改变产品设计的基础和经验。这是如何，例如，大型CPG企业可以识别客户在客户的情绪方面的异常，以及对竞争的积极情绪。这为客户的产品体验中可能发生了变化的机会。

与我互动的大银行的高级管理人员对将数据收集探针引入各种真理来源的可扩展和可重复的方式印象深刻，以及如何在业务和IT运营中发现自动化机会。

驾驶下一代操作型号

在制造客户正在考虑的IT外包的情况下，系统的AI系统可以完全重新想象他们当前执行IT程序的模型。过去的“人”模式将被“人+软件”模式所取代。这意味着什么呢?新的操作模式可以让“机器人角色”来完成这项工作，并在任何需要的地方增加人类角色。例如，在IT外包交易中，Oracle数据库管理员的角色可以由一个“机器人DBA”化身来完成。可以有一个类似的机器人在基础设施场景中满足需求，或者在采购和采购业务流程功能中充当“采购专家”。

总之，准备自动化的组织需要采用可持续的流程设计。从目前的数据驱动体验中获得的知识是构建基于自动化的基础的关键。这种知识是企业的面料。它不断地从过去的决定中发展和学习，使基于证据的决策与每一天的日趋顺利都变得更好。