企業數位轉型共分三階段，根據調查，第二階段的「數位優化」是大部分台灣企業現在最需要的，也就是透過數位科技的運用，提升「營運系統」、強化「組織流程」與「顧客體驗」，以持續創造企業的市場競爭力。
第二階段的數位優化，不管是對內或對外的優化，幾乎都跟「營運效率面」有關，而營運面的優化，就離不開「利用數據驅動決策」的議題，其中包含：數據如何快速在各系統中就定位、數據品質如何確保零錯誤率、來自各處的資料如何自動整合、歷史資料如何有更大的利用價值，從歷史模式中找出新的契機等。
本文將分享 PGi 樺鼎商業資訊，如何借助 RPA 機器人流程自動化平台 [UiPath]、自助式視覺化分析平台 [Tableau] 、 AutoML自動化機器學習平台 [DataRobot]、Analytic Process Automation 分析流程自動化 [Alteryx] 等隨選即用的解決方案，協助台灣各大規模的企業，在既有人才的基礎上，快速讓企業擁有「數位能力」去驅動下一波的成長。
一、企業要實現數據驅動決策的三面向挑戰
根據 2020 年的CIO大調查，調查台灣2千大規模的企業在數位轉型的進展階段，結果顯示台灣有60%企業在做數位轉型，但實際上只有 7.5% 企業有所成果。
深入去看這 7.5% 優先展現成果的企業，會發現，這些領先企業不只看重 IT 技術面的投資，更進一步注重「營運面」的優化與商業戰略佈局。
過去，有關數位轉型的報導大多還在概念階段、不夠落地。
而 2021 年 Google 發表的《2021企業數位轉型關鍵報告》提到 98%企業將數位轉型視為整體策略的一部分，56% 已推動數位轉型超過3年以上
現在，有了進入門檻較低的技術，像是：AutoML 自動化機器學習 與 RPA 軟體流程機器人等技術，被大量運用在實際商業情境上，讓數位轉型有越來越多具體實例可參考，有機會變得更普及且務實可行。
特別是去年那一波明顯的疫情衝擊後，已經讓還沒採取行動，或正在計畫中的轉型企業加快數位化的投資，都希望運用數位科技，幫助企業有所突破成長。
一般來說，企業要實現「利用數據驅動精準決策」會面臨的挑戰有三大面向
1. 資料輸入與整合：不同系統間的資料難以整合，需要經歷多道複雜手續、耗費很長的人工作業時間 ➜ 參考解決方案：UiPath、SmartOCR + UiPath
2. 資料處理：資料欄位與型態不統一，要花很多時間進行資料前處理，若資料完整度低，則很難進入下一步分析 ➜ 參考解決方案：Alteryx
3. 分析與敏捷決策：各部門接收到資料更新不如預期，無法即時支持決策 ➜ 參考解決方案：Tableau、S&OP、AutoML
而這幾個面向，現在都是可以透過軟體工具，讓各單位的商業人才直接使用，不僅可以最低程度佔用IT人力資源，還可短時間內改善營運效率，快速看到數據驅動帶來的決策效率。
二、用 AI+UiPath 自動辨識擷取訂單資料、讓作業流程自動化
以採購到付款(P2P)、訂單到收現(O2C) 的流程為例，都涉及到電子文件檔內容的擷取、輸入ERP系統、核准與驗證等動作。
80% 的企業都用「人力」的方式，坐在電腦前，識別要在文件上的哪個地方擷取(複製)電子文件上的內容，再輸入(貼上)到某個系統或匯總表中。
當配合的廠商很多時，每月可能會有數十萬筆以上的Invoice、訂單要處理，特別是製造產業、有上下游供應關係的行業領域。
這種以人力手動方式，一筆筆將資訊輸入系統，過程既耗時又有風險，一但人為輸入錯誤，後續的帳單和供應商付款也會跟著出錯或延宕。
上述員工做的事：
1. 辨識電子文件內特定的資訊，可以交由有 AI 能力的 OCR 系統自動處理
2. 而打開每個電子文件檔案、選取複製需要的資訊、登入系統、輸入/貼上資訊等重複性動作，則可交由「RPA 流程機器人」來執行
➤ 延伸閱讀：
RPA (Robotic Process Automation) 就像是電腦裡的小精靈，可以自動幫你執行日常工作中最瑣碎、最耗時、一直重複、生產率最低的事情。
RPA 是一種「營運流程自動化技術」，未來5年內，全球80%的企業，不分產業，都會優先採用的技術。
而 UiPath 是目前全球估值最高的 RPA + AI 公司，致力讓每一位現代數位工作者，提高「創造性」工作的比例，提升工作滿意度。
截至目前，UiPath 已經被全球超過4千家組織採用，其中包括前10大財富500強中的8家。其他知名企業像是 Uber、HP惠普、麥當勞、NASA 和 Virgin Media 也都是 UiPath 的客戶。
不論你是在IT單位或營運單位，只要你會使用電腦，且每日開啟電腦工作，工作流程中包含一些有規則性、很機械化、但又高準確率要求的重複性動作，絕對會因為RPA而受益
➤ 延伸閱讀：
三、用 Alteryx 處理多來源多種類資料，並打造可重複利用的資料流
除了電腦作業流程可透過 RPA 自動化外，生產流程的效率優化也是另一大重點，以紡織製造業為例，利用機器學習機制找出染整過程中的關鍵因子，以提高對色率，進而提升生產效率、降低物料浪費。
但在進入機器學習之前，需要將設備、水質、染劑等相關資料進行前處理，有乾淨的資料才能產出「有品質的預測結果」
在每一段數據處理與利用的環節，都有可以自動化的地方。
如果可以自動化的事，為什麼要人來做？
這是一位 Alteryx 使用者在使用後的最大啟發
原本要用 2-3 小時才能把 Raw Data 整理到可以拿來 Pivot Table 的資料，用 Alteryx 則是可以用不到 20秒 就做完成。
一般來說，會用 Alteryx 來解決的事情，都有以下3種共通點：
1. 資料清整的開發時間長
2. 需求變動的頻率很高 (例如一週一次)
3. 需要維護或追溯資料異常點的時間要很久
Alteryx 關鍵特點與能力
1. 數據流程與邏輯運算透明、容易維護與偵錯
2. 流程 Workflow 可重複使用並設定自動運行
3. 內建 260 種自動化元件，可支持不會 SQL 語言的人，同時也支持用 R model 在裡面跑
4. 可以吃進 80 種以上的資料來源與3種資料結構 (結構、半結構Jason/HTML/API 、非結構都可)
5. 最後可建立Report 、直接輸出格式包含PDF、PPT、Word、Excel
在工作上，最無法忍受的事情是「用不夠聰明的作法處理事情」，但現在，你可以因為 Alteryx 而變得更高效率！
➤ 延伸閱讀：
四、用 Tableau 輕鬆做到大數據即時分析
當來自各出處各種類的資料源，透過 Alteryx 將資料進行前處理後，就可直接進入新一代的 BI 平台做視覺化分析 Visual Analytics
Visual Analytics 視覺化分析最獨特之處在於，這樣的設計利用人的視覺感知，刺激分析者思考，讓分析思維主導整個分析過程。流暢、直覺、引發洞見，是你第一次嘗試使用 Tableau 時一定會有的感受！
Visual Analytics 視覺化分析 與傳統報表最大的差異是：管理者或分析者腦袋中的思路，可以馬上透過 Tableau 平台去看到可能的答案，可以即時提問、即時得到見解。
不需要依照傳統模式，將問題需求提交給IT單位，等待一至兩週的報表產出，而錯過即時的黃金決策時間點。
Tableau 是一個可以降低數據分析與理解門檻的大數據分析平台，可以讓每一個業務單位都輕易上手使用的平台，像是生產製程團隊、業務管理、營運管理、財務、人資等。
以紡織製造業為例，若需要即時取得紡織製衣設備的第一手運行數據，透過 Tableau 儀表板可呈現各紡織設備的工時、稼動、良率等資訊，協助紡織業者提升生產效率。
任何背景的人，都可利用 Tableau 輕鬆看出大數據中的隱藏模式，進而做出有意義的決定、更快採取必要的行動
Tableau 關鍵特點與能力：
1. 可以直接與SQL資料庫、多維資料集、資料倉庫、Excel、CSV、PDF 或 Google Analytics、Salesforce 等雲端應用連接，支持80種以上的數據源
2. 獨有的查詢語言 VizQL™，把每一個操作動作轉換成SQL 或 MDX 數據庫查詢語言，最後再直接「用圖形來表示查詢的結果」，讓人人都有能力直接跟數據庫溝通
3. 與傳統方法相比，這樣的分析產出速度最多可提升至100 倍。再搭配 Hyper內存引擎，在電腦上就可處理上億筆資料，且只需要幾秒的時間
➤ 延伸閱讀：
五、用 AutoML 自動化機器學習，找不到專才也可以實現 AI
利用機器學習的技術，可以突破個人經驗值，從大量歷史數據中識別出隱藏的模式，並不斷優化做決策判斷的模式
在高科技製造業，透過機器學習建立的預測模型Model，最常被應用在
1. 需求預測：精準預估，保住營收目標。提高供v應鏈營運效率，搶得市場先機
2. 產品原料組合優化：改善設計流程、提升設計成功率
3. 測試流程優化：加速測試到量產程序的時間
4. 異常偵測：降低製程變異和潛在良率損失
5. 瑕疵檢測：提高準確率、也精簡產線上人力
6. 維修預測：做好風險管理、提前規劃準備
但目前演算法開發工程師各大企業爭搶、尋才不易，也是很多企業無法實現更科學化生產的因素之一，又或是現有數據分析人才還在摸索學習，能力還跟不上企業期待，暫無即戰力
這就是 AutoML 自動化機器學習平台的可以助力的地方，而 DataRobot 是 AutoML 領域的品類創始者與行業標竿， 因為 DataRobot 將最耗時的模型訓練階段從「月」縮短到「天、小時」，並將以下 7 個最繁複的步驟全部自動化處理：
1. 資料預處理，含特徵工程
2. 依機器學習的類型、預測議題的類型，選演算法
3. 調整演算法參數、優化模型、提升準確率
4. 猜想下一個可能更合適的演算法
5. 新嘗試一個演算法，有對應參數要重調
6. 選擇機器學習評價函數Model Metric
7. 評價不同演算法得出的模型Score Model
DataRobot 關鍵特點與能力：
1. 內建上百種全球頂尖資料科學家訓練過的模型 (經全球公認最大的資料科學競賽平台Kaggle認證，這些競賽排名領先的資料科學家稱之為Kaggle Grandmaster)
2. 自動評估超過百種演算法，選出最佳預測模型，且過程透明可解釋
3. 根據市場最新的開源機器學習框架，不斷新增與測試Model Blueprint，讓內建的模型庫處於最優化的狀態
4. Blueprint 內的每一個步驟都提供完整的Document，有助解釋背後的運作，同時加速內部人才的知識學習曲線
一般來說，自己開發的機器學習模型，不會包含如何產出預測結果的說明，也就很難客觀的去解釋：根據這個模型所做的判斷或決策為什麼值得信賴
而 DataRobot 平台解決 Black Box 的通病，能解釋哪些因素 (Feature variables) 對預測的結果影響最大
也就是會知道哪些欄位是重要的、哪些其實是不重要的，這有助於：
1. 跟利害關係人更精準的解釋溝通
2. 針對未來要收集的資料欄位，也將更聚焦且有用、更直接連貫公司的策略方向
➤ 延伸閱讀：
六、人力培訓與文化是推動數位轉型最重要養分
以上介紹了 PGi 樺鼎商業資訊 四類熱門解決方案，這些隨選即用的軟體工具，可以在短時間內，很大程度的為企業營運效率帶來改變。
但企業要看見長期且持續的改變與成長，除了仰賴工具技術、合作廠商協助專案推動外，也需要企業有計畫性的投入內部人才培育升級，並有意識的成為一個學習型的組織，能把外在挑戰、新技術視為契機、不視為威脅而故步自封，樂於與外部資源結盟、懂得借力使力。
當我們把數位工具融入在工作流程中，在組織內各專案推行，達到目標成果，才有辦法深入組織文化。
➤ 延伸閱讀：
關於PGi 樺鼎商業資訊
成立於2011年，我們致力為台灣企業打造最省力的數據決策模式。
在協助企業提升數據分析成熟度、進而促進數位成長變革的這條路上，我們堅持選擇與市場上的第一品牌合作，包含：
1. 能夠促進內部數據生態(Data Ecosystem)通暢、消弭跨系統間數據搬移所造成的人力資源浪費、能確保數據品質零失誤的 RPA 流程機器人 UiPath
2. 一站式的數據清理整合與建模平台 Alteryx
3. 有助快速探究問題、問題原因的 視覺化分析平台 Tableau
4. 讓每家公司都有能力運用機器學習技術，花最短時間找出過往事情發生的模式，實現精準預測的自動化機器學習平台 DataRobot
我們堅信「提升企業數據分析能力成熟度，有助促進數位成長變革」的這條路上，最終將會看見更多台灣企業有能力在世界舞台上拼搏。
