fbpx

2022 企業數位轉型Phase 2「數位優化」PGi 軟體工具推薦

數位轉型、營運數位優化軟體工具推薦

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UiPathSmartOCR + 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TableauS&OPAutoML

企業數據驅動決策的三大挑戰

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。

流程任務的四象限區分

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

SmartOCR+UiPath

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

UiPath RPA 機器人流程自動化 第一品牌

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。

Alteryx End-to-end platform

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讓循環式分析變得容易 

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

企業運用機器學習技術的好處 

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

DataRobot AutoML Platform 

➤ 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。

需要評估協助?

與RPA顧問聯繫

還不了解RPA應用?

數位優化的基本功

UiPath 免費活動 │打造未來企業人機合作的3大考量點 RPA軟體與人合作的五種模式