RPA機器人流程自動化賦能與資料化運營

weiyu05發表於2020-06-09

隨著各行各業企業服務和產品越來越豐富多樣,市場競爭也趨於白熱化,想要吸引並留存使用者,其難度和成本也在不斷攀升,企業為了盈利和生存,需要更加嚴格地控制成本和預算,提升運營效率。


目前依靠資料精細化運營、資料驅動增長已經成為大多企業的必選之路。


本文主要分享資料化運營以及RPA+AI為資料化運營賦能,會從以下幾個要點進行相應分享:

  • 資料化運營

  • 資料運營的產品體系

  • RPA+AI助力資料化運營提升

  • 運營人員的基本技能

  • RPA+AI助力運營人員效能提升

  • 泛BI

  • RPA+AI是不同行業資料化運營的有效解決方案


資料化運營


資料化運營


資料化運營是現代企業從粗放經營向精細化管理發展的必然要求,是大資料時代企業保持市場核心競爭力的必要手段。


現在許多企業都有自己的大資料平臺,而能否基於此給企業營銷賦能、運營賦能,成為驅動企業成長的關鍵所在。


資料運營的產品體系


在資料化運營中會把資料運營的產品體系分成4層:資料收集、資料加工、資料計算、資料應用。


資料收集層


資料收集層通常是捕獲使用者在各個業務系統端的行為資料,載入各業務系統的結構化和非結構化資料,也會使用爬蟲技術來採集企業相關的第三方資料。


而需要收集的資料通常也會劃分成四類:行為資料、流量資料、業務資料、外部資料。


其中業務資料在產品運營過程中伴隨業務產生,這些資料和運營息息相關。比如零售業中,庫存、使用者快遞地址、商品資訊、商品評價、促銷、好友關係鏈、運營活動、產品功能等都是業務資料,不同行業的業務資料是不一樣的,業務資料沒有固定結構。


而外部資料是一類特殊的資料,不在內部產生,透過第三方來源獲取,比如像同行店鋪的同類產品價格等相關指標。


資料加工層


資料加工層通常是清洗、轉換資料,來統一不同系統中相同欄位的資料型別、資料值,建立合理的維度、度量以及資料模型。


這一層的產品模組有後設資料管理、指標庫、作業排程管理、資料質量管理等,都是為了讓資料可追溯、可管理,持續改進資料質量,產出高質量的資料。


資料計算層


資料計算層通常是解決資料開發和挖掘、標籤製作和使用、演算法呼叫、資料呼叫等問題。對應的資料產品模組有:開發管理、標籤平臺、演算法平臺、資料介面、運維監控。


資料應用層


資料應用層通常是業務人員可感知的系統和產品功能,包括日常報表系統、標籤查詢、CRM等。


RPA+AI助力資料化運營提升


RPA+AI助力資料化運營提升


在資料產品體系中資料收集和資料加工是RPA+AI賦能資料化運營提升運營效率的核心。


其資料收集與加工涉及到企業的各個業務系統,目前大多數企業系統的資料之間還存在著業務壁壘,很難在企業內部破除壁壘來對資料進行有效整合。而RPA+AI可以很好地在各個業務系統之間進行結構化資料和非結構化資料的有效收集整合。


同時外部的第三方資料,同樣可以透過RPA機器人來自動進行資料抓取,像過往通常使用的爬蟲技術。RPA機器人與之相比,更加快捷和安全,不僅更貼近業務人員,也更容易讓服務產品化。


運營人員的基本技能


運營人員的基本技能


企業做好資料化運營並不是一件簡單的事情,其運營人員需要具備一些必要的基本技能:圖表處理、讀懂報表、細分使用者、運營監控、可編寫簡單SQL。


圖表處理


運營人員需要具備基本的圖表處理能力,包括針對具體的運營場景,自己會製作趨勢圖、分佈圖、雷達圖、二維交叉圖等。


讀懂報表


運營人員需要從自己業務相關的日報、週報、月報、監控報表裡發現跟運營有關的異常現象,並且能合理地解釋資料的波動。


細分使用者


運營人員需要能按照合理的維度切分使用者群體,並且能針對不同群體進行細分運營。這裡的合理維度主要是指基於運營方的具體運營目的,能提煉出簡單卻重要的核心要素,並且能對其進行合理的維度切分。


運營監控


運營人員需要能設計、製作簡單的監控表格,從而監控運營過程和關鍵環節。


SQL


SQL是結構化查詢語言的英文縮寫,指的是一種非常主流的資料庫查詢語言,透過該語言,使用者可以從資料庫中提取所需的資料。


運營人員掌握了簡單的SQL語言後,就可以隨時對自己感興趣的資料進行簡單的查詢和抽取,而不用事事都讓資料倉儲人員或者資料分析人員去幫忙,提高了查詢和分析的效率。


RPA+AI助力運營人員效能提升


RPA+AI助力運營人員效能提升


RPA可以自動抓取業務資料,其裡面的資料庫元件也可以很好的連線資料庫伺服器,在元件裡面寫一些SQL語句就可以獲取到想要的資料,再加上RPA也具備優秀的資料處理能力,可以對資料進行有效加工處理來輸出報表。如此一來,運營人員透過RPA的助力提升會把更多的工作集中在分析和決策層面上。


但單就資料化運營來說,資料包表並不是最終選擇,主要還是輸出圖表,便於決策分析。


目前市場上大部分的RPA產品,還沒有重點關注圖表功能,通常是透過實施團隊整合其他產品的圖表功能進行有效利用,比如簡單的可能會使用Excel裡面的圖表或者利用技術手段使用Python進行圖表輸出,複雜的像資料駕駛艙可能會使用Power BI、FineBI、Tableau等專業的BI工具。


泛BI


RPA機器人流程自動化賦能與資料化運營—泛BI


另外需要知道的是泛BI的概念在資料化運營的企業里正越來越深入人心。泛BI其實就是逐漸淡化資料分析師團隊作為企業資料分析應用的唯一專業隊伍的印象,讓更多的業務部門也參與資料分析和資料探索,慢慢掌握資料分析的技能和意識。


泛BI同樣也是資料化運營特徵所要求的,是更高一級的資料化運營的全民參與。在這個階段,業務部門的員工不僅要積極參與資料分析和模型的具體應用實踐,更要求他們能自主自發地進行一些力所能及的資料分析和資料探索。


這無疑也是降低了非計算機專業的業務人員做資料分析的門檻。隨著企業資料不斷資產化,如何把泛BI靈活的嵌入到RPA中,使其更貼近業務人員,做更高階的服務,是RPA服務產品化需要思考的一個前進方向。


RPA+AI是不同行業資料化運營的有效解決方案


代賬行業


代賬行業的財稅人員都離不開和資料打交道,而且每天都有大量重複的工作。RPA的作用是釋放大部分人力對資料的處理,解放重複勞動性工作。


人力資源行業


人力資源行業其實是做關於人的決策的資料密集型行業,其中的傳統資料就包括簡歷、面試評價、績效等,比如可以用RPA的自動收集和資料處理能力來分析某公司的人力資源管理。


金融行業


在金融行業,無論是行業研究員、基金經理還是審計人員,工作的核心基本都是頻繁重複處理大量資料,運用RPA強大相容性的網頁資料抓取能力,可以為業務人員的資料研究提供很多便捷。


比如,業務人員想從網站獲取某債券借券存量的資料。然而,這個數只能按日查詢,如果金融人員想獲取這隻債券近一年的資料,必須重複開啟網站、選券、改日期、點選查詢、記錄下結果,這個操作需要200多次,而RPA可以很好的解決這類問題。


網際網路行業


在網際網路行業,身為運營的業務人員,每天需要處理大量使用者回覆、流量資料等等,一人運營超過10個群,而用RPA寫了自動回覆指令碼,大大提高了工作效率。


電商零售行業


電商行業,同樣也可以使用RPA定時抓取同行店鋪產品使用者評價,可以針對使用者的痛點進行營銷活動,還可以抓取店鋪sku/spu、評論、客單價、客戶群、銷售額、每日價格趨勢分析、並自動製作資料包表,大大提升運營效果。


銷售中心


企業銷售中心的銷售人員一般是公司的頂樑柱,平常要接觸、拜訪很多客戶,那麼RPA可以幫助銷售人員自動抓取全網的相關客戶競標,做資料分析,篩選目標客戶,分析同行產品資料/流量/客單價、客戶公司各方面的資料,促成成交。


利用RPA定時自動抓取相關所有的資訊,除了可以提高工作效率,競爭策略也會更為明智和客觀。


其實在大部分行業裡,重複的工作,在未來都是非常危險的。要把更多的時間和精力放在思考和創新上,而不是重複的事情上。因為大部分重複的事情,都會被機器人所替代,這只是個時間問題。


原文地址:

機器人流程自動化:

財務機器人:rpa/tax


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69940722/viewspace-2697069/,如需轉載,請註明出處,否則將追究法律責任。

相關文章