近年RPA導入辦公室蔚為風潮,RPA 除了改善企業內作業流程效率外,還能怎麼利用?讓RPA和現在正熱的AI人工智慧整合在一起,讓企業內流程自動化比別人更智能!

前言:在資料至上的時代,企業如何處理、利用資料,是企業競爭力的展現。而資料越繁雜,透過人為處理的出錯率也可能因而提升,這也是RPA近年需求強勁的原因之一。而準備好高品質的資料後要怎麼去處理它?就讓機器學習為你解答。還不了解兩者間的互動關係?或對這兩個熱門關鍵字的概念還懵懵懂懂?
本文從「名詞解釋」到「實例應用」一次帶你弄清。

本文重點:

  1. 什麼是RPA (Robotic Process Automation,常簡稱「流程機器人」)

一、什麼是RPA流程機器人

如果你是公司內主要專注在內部運營的部門(Support …


跟著大師學Tableau系列,第一期分享

Tableau 2021 培訓課程 by PGi樺鼎商業資訊

本文內容

  1. 數據分析師 vs.廚師

一、用廚師的角色快速理解數據分析師是什麼

餐廳主廚煮出一道好料理的過程 vs. 數據分析師處理數據的過程

  1. 挑選食材:獲取數據

二、「資料視覺化分析」最重要的目的是什麼?

分析師畫出好看的圖絕對不是最終的目的,就像廚師做重要的價值不是擺盤的功力,而是食材的選擇、食材的處理、做菜的順序與融合等

把資料視覺化各自拆開,與廚師做菜比對,會更直接明白資料視覺化分析的重點是什麼。

  1. 資料:食材源頭,美味的佳餚源自新鮮有品質的食材


Presenting Numbers is a communication skill just like writing and speaking

用數據說故事,是表達力的一種,
如同寫作表達、口語表達一樣,都是一種需要刻意練習的能力。
如果你是一位上班族 (不管是什麼專業)
若曾有過以下經驗,那這篇文章就是要給你的!
如果你曾經,花很多時間準備數據資料、製圖製表、嘗試解讀、附加自己的觀察洞見,但最後在報告時,聽眾(老闆/同事)似乎沒有真的很理解,甚至還間接影響他們做出錯誤的決定...你一定感覺很挫敗吧!其實,你並不孤單!
這也是很正常的事,因為你只是還沒嘗試到更好的方式&善用工具
以下,我們節錄【Data+Design用數據講故事】線上社群的兩位招集人
他們用其自身經驗,與我們分享:
❶ 為什麼要用數據說故事?
❷ 如何做好數據故事的開場?
❸ 用數據講故事的能力怎麼練習?

本文內容

  1. 為什麼要用數據說故事?

那些頂尖聰明的公司,都是透過投資員工,去降低營運成本、提升利潤。為什麼?秘密就在他們知道什麼是「好工作策略Good Jobs Strategy」

以下內容受 Good Job Institute 的 Good Jobs Strategy 啟發,讓我們可以從「員工需求」、「客戶需求」、「營運表現指標」這三面向,去思考RPA這項「營運流程自動化技術」,能如何在這三面向發揮作用,協助我們用更全面架構,去衡量:實施RPA能為組織帶來什麼樣由內到外的鏈鎖式效益

The Good Jobs Strategy 是一種高績效系統策略

這是由MIT麻省理工學院的史隆管理學院(MIT Sloan)教授 Prof. Zeynop Ton提出的系統概念。

這個策略是透過「積極的營運選擇」與「對人員的投資」,去提升員工的生產力、貢獻度、工作動機,最終為員工、顧客、投資人創造巨大價值。

好工作策略就是結合了對人員的投資,與一組明智的營運選擇

透過創造「好工作」,由內而外創造營運績效

所謂的好工作該怎麼衡量? 從比較攏統但卻直觀的角度來看,若企業創造的工作內容是「好工作」,就應能感受到公司內的人力資源,是「有能力的Capable」以及「有動力的Motivated」

從比較嚴謹的角度來看,你可以透過 The Good Jobs Scorecard 的三大面向21種要素,去分辨員工和顧客的需求是否得到滿足,以及評估那些需求對營運績效的影響。

透過這樣的架構分析,可以更快辨識出最大的performance gaps在哪。

進而就可以在表現比較不好的地方,思考「UiPath — RPA流程機器人」可助力的地方,才能更全面又具體衡量出實施RPA能為公司最終的營運績效帶來多少價值。


固定每一季會推出新版本的Tableau,2020年第一季的版本已經在2/24推出囉!最新版本共推出29個新功能,光是Tableau Desktop就有12項了

亮點之一:可視化項動畫 Viz animations

功能太多不知道該從哪裡開始嗎?

我們整理了中文版的「2020.1新功能重點簡報」,包含以下四個面向,簡報提供大家下載!

  • 資料源連接與整理

填寫以下小問卷,下載中文版重點整理簡報

在了解Tableau 2020.1最新版功能之前,也讓我們快速了解大家現在的使用狀況好嗎?☺️☺️☺️

最新版本 2020.1 三大亮點速覽

❶ 動態參數 Dynamic Parameters

每當資料變更的時候,原本有使用參數的工作簿,你不需要因為底層資料變更而重新發佈工作簿。

有了動態參數 Dynamic Parameters之後,只需要設定參數一次,每當有人開啟工作簿時,Tableau 就會自動更新參數的值清單。

❷ 可視化動畫 Viz Animations

可視化動畫可以幫助你更快理解不斷變化的資料。可以更方便追蹤資料演變背後的邏輯步驟,才能敘述有意義的資料故事。

排序Sorting、篩選filtering、新增欄位adding fields和其他動作會使得視覺化效果更加流暢。

你可以自由選擇在工作簿是否開啟 Viz Animations這個新功能,一切取決於你!

❸ 緩衝區計算 Buffer Calculations

這個新功能可以讓比較複雜的地理空間問題更容易被回答。

因為某個點位置周圍的距離都會視覺化呈現,只要提供「位置 location」、「距離distance」和「衡量單位a unit of measure」這三個參數給 Tableau,就可以立即建立緩衝區或邊界。

例如:你可以更快知道某運輸站點周圍 200 公尺內有房地產,或者在距離商店 1 公里內有多少家競爭對手的商店

可供您以視覺化的方式呈現點位置周圍的距離。回答複雜的空間問題變得比以往都容易:以視覺化的方式呈現在提議的運輸站點,諸如此類。

版本命名規則

小數點之前是年份,小數點後是季度,所以2020年第一季的版本就是2020.1,而2019年過去四版本就是2019.1、2019.2、2019.3、2019.4

大家知道自己現在用哪個版本嗎?

回顧所有版本的新功能

所有版本下載

延伸閱讀(1):教你做7種超實用散佈圖Scatter Plot
延伸閱讀(2):教你3步驟學會金字塔圖Diverging Bar
如果這篇文章對你有幫助的話,歡迎直接按右下方的👏拍手讓我們知道喔~
越喜歡這系列文章的話,可以拍越多(可以不只拍一次)
也要記得【追蹤Follow】,讓你可以最快接收到我們的最新分享!
— — 關於PGi樺鼎商業資訊 — —我們致力幫助大中華區的企業更活用數據資產,以企業「反應速度」建立新的競爭優勢。 
From Data to Insight. Easier & Faster.
我們是Tableau在台灣地區的最資深代理商,自2012年起開始合作,除了軟體代理,也最早提供Tableau Desktop 與Tableau Server管理員培訓,包含【企業包班培訓】與【公開教室培訓】,目前累計培訓的Tableau用戶數已達全台第一點此查看 ► Tableau課程綱要與開課日期


每家公司都一定有的痛:採購到付款任務,發票與收據的應付帳款與花費合規處理流程,耗時又戰戰兢兢

企業案例背景Tarsus Distribution位在非洲地區,資訊電子產品通路代理業,提供IT產品代理、在地通路分銷、物流與維修服務。類似非洲版的台灣精技電腦。他們合作的供應商涵蓋各大品牌:Dell、HP、Acer、ASUS、Lenovo、Microsoft、Canon、EPSON、Philips等營運上面臨的最大挑戰:公司內部的運輸團隊,在三年內有4名員工接續離職,而留下來的員工承擔的工作量增加,正面臨人力短缺與必須改善員工滿意度的壓力。第一個優先嘗試的流程自動化:供應商客戶的發票處理,以前很難做到自動化的主要狀況是因為不同公司的發票與收據格式不一、掃描後的發票解析度不高或是歪掉。

本文重點:

  1. 優先自動化流程:供應商發票內容擷取到輸入ERP
Tarsus Distribution供應鏈主管Tim Proome

一、擷取供應商發票數據,輸入ERP系統

為什麼選擇讓這個流程(Procure-to-Pay)優先自動化?

  1. 與企業風險管理有關,準確&合規是第一要求:因為如果某張發票有合規性的問題,要面對麻煩的內部審計,最後可能會被處以數百萬的罰款、甚至會被威脅撤銷進口商代碼。其實早在幾年前,Tarsus Distribution就曾經因為在發票驗證流程上失誤、沒有即時識別出對某批貨物有合規問題,才深刻認知到這個流程對公司經營的嚴重性。

2. 與員工滿意度有關:當時運輸部門正面臨嚴重的人力短缺,同時也擔心崗位上的員工工作量與滿意度。

► 第一個小型測試:

先從一家比較小型的供應商客戶(一家日本印表機製造商)做測試,讓 UiPath Robot 去識別貨物發票上的數據,然後登入到ERP平台並輸入數字,希望做到貨物運輸的追蹤與數據可視化。

  • 建立給供應商的採購單、並寄出採購單

► 第一個試點經驗成功後,開始用在重要供應商客戶上,加快採購到付款週期

他們的重要供應商客戶像是HP、HPE、Lenovo等,因為能夠更快解決發票和付款狀態的供應商查詢、加強監管追蹤、控制和報告,除了能更快回應市場需求外,也加深與供應商的合作關係、提高未來在協商談判的影響力。

二、內部員工從懷疑排斥心態到支持熱愛

一般人對機器人都有一種恐懼心理、會有威脅感。一開始,即便我們討論的是一個虛擬的流程機器人RPA,但有些員工內心還是存在不知排斥與懷疑的 。然而,他們不知道的是,RPA是在幫他們省力,而不是要取代他們。

- by Tarsus Distribution供應鏈主管Tim Proome

兩個真實考驗,帶來轉折點,開始建立員工對RPA的信心

  1. 有次員工發現RPA虛擬流程機器人(他們幫虛擬流程機器人命名為Betsy)竟然撤銷了某批貨物並拒絕執行其他處理工作。員工介入查驗後,才發現這批貨物確實存在問題,且與幾年前讓公司陷入營收服務審計情況的問題相同!這件事後,除了鬆一口氣外,也增強員工跟RPA互動合作的信心。
  • UiPath機器人在3小時內處理76批貨物,直接減少原本要花5天的工作量

三、下一步怎麼規模化?

在單一部門取得明顯成果後,Tarsus Distribution 決定擴大對RPA的應用,積極向那些工作流程中也涉及大量耗時的手工作業的部門推廣RPA技術。

同時開始採用可以管理這些會越來越多的數位勞動力,透過UiPath Orchestrator 管理中控平台,可以做排程、權限管理、符合審計與合規性、內建分析儀表板以監控運作效率等。

我想把RPA推薦給所有人,無論你是從事哪種繁瑣工作,一旦你開始跟RPA共事,你會愛上他,他反而會幫你提高你的價值,而不是種威脅。

橫跨各產業,最常應用RPA流程機器人的業務流程一覽表


天下創新學院最新調查指出,高達88.6%的台灣企業正面臨數位轉型障礙?究竟,是什麼在阻擋著我們?

前言:再過幾日就近2019年尾聲了,回顧今年,你可能參加過很多場與「數位化」、「數位轉型」、「人工智慧」、「智慧化」為命題的座談會、分享會 ; 在公司內部會議,高層也免不了越來越頻繁提到這幾組關鍵字,似乎有沾上一點邊,就好似公司正在轉變中,正走在轉型的路上。但調查結果證明,顯然這不是沾上邊就可完成的事。何謂數位轉型?如何選定最適合自身企業的變革之路?
本文從「概念釐清」、「常見誤解」到「長期變革考量構面」,一次整理給你。
Google search for keywords about 數位轉型
Google search for keywords about 數位轉型

小米創辦人雷軍曾說過的一句經典名言「別用戰術上的勤奮,掩蓋戰略上的懶惰

這句話好似現在多數台灣資深企業,面對「以數位科技驅動變革成長」這議題的展現。

本文重點:

  1. 不是所有跟數位科技應用有關的都叫做數位轉型!快速釐清「數位優化 vs.數位轉型」的區別

➘ 進入全文閱讀…

數位優化到轉型,2種改變層面、3大常見誤區

➘ 關於我們:PGi 樺鼎商業資訊


市面上處理大數據的可視化工具越來越多,當人人都可以輕易做出所謂的「漂亮儀表板」時,此時你更該重視的其實是….

怎麼更精準、流暢有脈絡的,讓閱讀者輕鬆get到資料的意涵!

為什麼我們要分享這篇文章:你是否也曾思考過儀表板設計(Dashboard Design)的意義是什麼?是各種角度分析後隨意的組合?是最討厭的美工作業?還是一個「兼具溝通&用戶體驗」的重要任務、「輔助快速決策的最後一哩路」?儀表板設計(Dashboard Design)絕對是視覺化分析工作中最關鍵,但也最容易被輕忽的最後一步。Tableau允許我們能在短時間內、很彈性的從各種角度去理解事實、甚至發現從未注意到的重點,但若最後只因為觀看報表的體驗不佳而無法理解「數據背後的故事」,豈不是太可惜了?

本文兩大重點

  1. 設計高效儀表板前、設計時、設計後,共應該注意哪10件事

一、設計前,先思考這3件事

  1. 目標對象是誰:儀表板沒有最好的,只有最適合的。先問自己,這儀表板是要給誰看的?他需要看到什麼?他對這組數據的理解程度到哪?是否需要特別的輔助標記?他有多少時間看這份報告?

釐清這些問題後,就能在一開始先組織資訊呈現的結構層級,也能回歸原始數據,決定要呈現哪些數據關聯。

延伸閱讀:該怎麼決定什麼資料適合用什麼圖表呈現?

2. 對方最常用什麼方式看:除了透過桌機、投影幕、或電視牆,透過手機、平板已是很多決策者的常用選項。現在 Tableau 2019.1版本也重新設計更直觀操作的Tableau APP (iOS 和 Android皆有)讓你在Desktop中直接啟動自動佈局模式 ,任何佈局更改都會同步到手機佈局上。


在這數位轉型已是企業成長必須的時代下,掌握趨勢的關鍵在於適時檢視組織是否航行在對的方向、能否藉此順勢而為,或提早佈局準備

前言:身為商業智慧BI領域的市場領先者,Tableau 每年都會發佈商業智慧的10大趨勢報告。Tableau採訪眾多客戶、Tableau的內部員工和專家,歸結出10個影響深遠的BI趨勢商業智慧(Business Intelligence)正在飛速發展,不論您是數據達人還是IT高手,又或是正在重塑公司更敏捷BI體系的高管,這些趨勢都能協助您檢視公司2019年的戰略重點

針對這10項趨勢,我們對Tableau提及的其中2項趨勢特別有感觸,因為那呼應了我們為什麼在2018年引進了全自動化、且可解釋的機器學習平台DataRobot、以及為什麼我們在2019年將更專注在Tableau的培訓服務&客製化的客戶成功計畫(Customer Success)上。 (文末附上完整趨勢報告)

重點呼應一:可解釋型AI日益崛起

Gartner研究表明:到 2020 年,85% 的首席信息官(CIO)將通過購買、構建和外包等方式試點人工智慧項目

也就是在可見的1–2年內,企業將越來越依賴機器學習模型去輔助人類做出最佳的決策。

但下一個問題是,「要如何才能確保這些建議是可信的呢?」

對透明度的需求促進了可解釋型 AI 的崛起

因為,目前許多機器學習的模型結果,還沒有以「知其然之後,知其所以然」的方式,協助決策者去理解預測結果背後的算法和邏輯。

當某個模型得出一項結論時,決策者們希望能夠進一步瞭解它為什麼作出此結論,可信度有多高?不同的參考數據會讓結論發生什麼變化?

這其實與領導者在做出關鍵決策時,詢問人類專家的情景非常相似。

正如 Tableau 的 AI 產品經理所說:「當 AI 和機器學習提供的答案無法得到解釋時,決策者持有懷疑態度是很正常的。AI 應該對人類的專業知識和理解能力提供輔助,而不是完全取代。

在很多組織中,尤其像金融服務和製藥公司等風險管控是絕對必要的組織,業務部門領導會要求數據科學團隊使用更易於解釋的模型,並提供關於模型如何構建的文檔或審計跟蹤。

由於數據科學家的工作是向業務用戶解釋這些模型,所以他們所使用的平台/工具是否能確實高效率的支持他們完成任務,也是評估AI解決方案時,不可忽略的面向之一。

馬上看 DataRobot 為什麼是這個趨勢下的最佳解決方案!


高價值客戶哪裡找?你可能沒想過機器學習還可以這樣用!有財富管理需求的新客戶不用盲目向外尋找,高價值新客戶的特徵就藏在歷史數據裡,看金融業者如何利用 DataRobot,有依循的找到細分市場、潛力新客群

引言:光看去年2018年《財訊》的財富管理大調查,榜上名單主要由本國銀行、外商銀行、國內大型券商搶佔市場80%的客群。在金融大開放的時代下,榜外當然還有保險、投信等眾多金融業者想盡辦法提供各種創新服務。很明顯的,「財富管理業務」這塊大餅早已是兵家必爭之地特別是近幾年,金融科技在業務場境的應用越來越多元且成熟,各家服務不斷精益求精,只求自家客人越來越忠誠,並一步步悄悄墊高忠誠顧客的轉移成本。

所以,難題來了,當各家金融業者賣力照料既有客戶的情況下,怎麼更聰明的挖掘新的潛力客戶、擴張自家財富管理的業務?

Photo by rawpixel on Unsplash

本文兩大重點

  1. 財富管理服務進入戰國時代,開發新客戶的兩大困境

一、財富管理服務進入戰國時代,開發新客戶的兩難

一般而言,企業開發新客戶有兩大方向:

  1. 提供更誘人的價值服務去競爭對手的圍牆內擄獲對手客戶的芳心

但在財富管理這塊特殊市場,要成功搶佔競爭對手的忠誠客戶機率幾乎是很低的

因為這些忠誠顧客的轉換成本很高,特別是他們花長時間才建立起來的信任關係。

這些擁有高資產且需要複雜資產配置與傳承規劃的人,例如投資、節稅、遺產規劃和信託等項目,通常已經和自己信賴的財富管理顧問有長久的合作關係,甚至這樣的合作關係還會延續到下一代。

除非他們對自己現在的顧問有嚴重不滿,或是配合已久的顧問到其他公司服務,否則他們不會輕易將自己的財富規劃交由其他公司處理。

那比較好的策略是?

開發那些新興富裕族群(Emerging Affluent),所謂的「新富族」,他們是還在就業市場上的中壯年族群,有一定的財富且持續累積當中,並願意提早請專業人士來共同規劃退休準備的人。

但這群新富族,因為也還在累積資產的路上,資產總額的可操作價值不像高資產族群那麼高,還需要花一段時間慢慢經營這類潛力族群。

目前多數提供財富管理服務的企業,就面臨了這樣的窘境:

高資產客群難以拉攏吸收,新富族又還不夠成熟

二、開始利用機器學習的技術,在既有客戶的歷史資料中,快速辨別被隱藏的重要線索

其實,不管是高資產還是新富族的劃分

企業經營者最關注的就是一個核心指標,也就是鎖定的客群是否能帶來高報酬、是否有足夠的利潤產生。

所以,真正的問題是,如何透過更多元的線索、且有系統的辨識出具有高報酬潛力的客群,而不是碰運氣去獲得偶然成功、或不斷走單一模式

在過去,多數負責財富管理業務的人員,會傾向從他們過去的成功模式來繼續開拓客源,或根據一些小道消息,知道哪些門路有機會能找到高價值客戶。

但缺點是,這樣的模式較難創造持續穩定、可預期的新客源、也無法將成功模式複製到其他業務人員上,只能靠某幾個明星員工去驅動業績營收。

現在,金融業者們已開始認知到,機器學習(Machine Learning)技術已經是分析龐大且繁雜數據量、找出大數據內隱藏模式的主流手段

他們開始更加重視企業內,既有客戶在過去累積的大量歷史資料,他們利用機器學習的技術,有系統地,找出這些歷史資料的共同特徵

更聰明的去辨別具有哪些特徵/線索的客戶,其實正是具有高價值、對財富管理業績營收將有重大貢獻的潛在客群。

三、用DataRobot自動化機器學習平台(Auto ML Platform),找出過去被忽略但很重要的特徵

幫你快速辨別出除了總資產、年齡、職稱等一般特徵以外的其他重要特徵欄位

(1) 透過DataRobot自動化機器學習(Auto Machine Learning)平台,你只需要決定你要預測什麼指標,決定要請DataRobot去預測的目標欄位(Target)

例如:你想要知道這個潛在客戶,在一年後會幫財富管理事業部帶來多少利潤?就需要有一個欄位叫做Annualized profit one year after on boarding

(2) 針對這個目標欄位,只要確保過去的歷史資料都有對應的數值

因為 DataRobot 是屬於監督式機器學習(Supervised learning ),針對要預測的目標欄位,歷史資料中必須告訴機器正確答案是什麼,讓機器從已存在的模式中學習。主要回答 Regression & Classification 類型的問題

☞ 點此了解機器學習有哪三種類別

(3) 而剩下的就全交給 DataRobot 處理,包含最花時間的特徵工程、選擇演算法、調整演算法參數等(如下圖)

PGi 樺鼎商業資訊

全台最資深Tableau合作夥伴,我們的使命是幫助大中華區企業打造最省力的數據決策模式。From Data to Insight. Easier & Faster!歡迎拜訪我們全新官網https://www.perform-global.com

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store