400 050 6600
数据分析师

手机号

验证码

30天自动登录
当前位置:首页 - Q&A问答

Q&AQ&A问答

为什么用自动化做大是至关重要的?

来源:CPDA数据分析师网 / 作者:数据君 / 时间:2021-06-30

大力投资于自动化和数字技术的企业
他们的目标是获得当前和未来的业务适应性和弹性,该类别中的大多数人在 COVID-19 影响之前至少四年就开始了这一旅程,这个群体分布在多个领域,而不仅仅是明显的高增长高科技公司,85% 的人不仅需要注意来自 COVID-19 的基本信息——投资建立业务交付和弹性的技术支持——我们的研究还表明一些更令人担忧的事情,如果没有对自动化和数字化转型的战略投资,他们相对于这些的竞争力将在未来五年内严重且可能不可逆转地下降,这有什么证据?我们的研究将 RPA 作为更大图景的一部分,作为集成其他技术以实现数字化转型的企业平台。

1)机器人过程自动化的潜力
即使作为一项独立的技术,也是巨大的,而且在很大程度上尚未开发。我们对早期采用者的研究发现,前 18 个月的投资回报率 (ROI) 介于 30-200% 之间,以及“三赢”的股东、客户和员工福利,其中许多是出乎意料的。然而,到 2021 年,该市场将小至 35 亿元,但预计未来五年将以每年 40% 左右的速度增长。

2)纵观 54 多个 RPA 供应商组合
大多数客户拥有 1 到 50 个“机器人”。很少有人 (13%) 达到 51-100,更不用说更高的数字了。这种情况在去年发生了变化,但反映了规模、战略投资和收益愿望方面的挑战。

3)典型的组织陷入阶段 
初的支出很小而且是本地的。效率回报通常很好,但进一步的投资看起来很昂贵,而且收益看起来不太明显。对于某些供应商产品,企业 RPA 在架构上更难扩展,并且维护和支持成本高昂。

依赖于传统的基于 ROI 的业务案例,高级管理层通常投资不足,将 RPA 视为一种战术后台工具。数字化转型工作可能正在进行中,但并不相互关联,它们是从不同地方以不同预算推动的,通常是战术上的承保。这种方法默认为“蹲下”策略。

4)其他组织正在更具想象力地管理 RPA
体验“三赢”的好处,他们将 RPA 部署扩展到企业级别,并跨越后台、中台和面向客户的活动。他们掌握了扩展 RPA 以创建“智能自动化”的潜力,并将 RPA 与可以管理例如非结构化数据、分析和概率决策的高级认知技术相集成。RPA 成为创造价值的关键执行平台。

5)我们的研究再次证实了 RPA、认知和 AI 自动化——与之前的技术一样——只有 25% 的挑战来自技术,75% 来自管理和组织;因此,各阶段进展缓慢
之前的研究表明,在尝试引入自动化时会出现 41 种重大风险,但也确定了 39 项管理措施,以减轻这些风险并导致有效的业务部署。坦率地说,在第 2 阶段运营的组织变得善于管理这些风险并采用有效的自动化实践。

6)我们还确定了为什么第 3 阶段如此困难
为什么只有 15-20% 的企业在数字化转型方面做得很好,以及为什么根据行业和定义,75-85% 的数字化转型项目会失败,再一次挑战主要是管理或组织方面的,尽管整合、部署和制度化各种新兴数字技术本质上是一个漫长的过程。大多数组织可能需要五年以上的时间才能成为数字业务,因此建议他们尽快开始。

7)回顾案例研究、调查、访谈和咨询工作,我们得出了一个明确的结论
借助 RPA、认知和人工智能技术,大量的商业价值被摆在桌面上。只需为提高效率而更广泛地应用这些技术,就可以提取更多的价值(至少 200%)。尽管如此,通过寻找能够提高业务效率的应用程序,可以获得更多价值(初的迹象是 500% 或更多)。

但我们的研究表明,真正的价值财富来自于构建像这样的“数字期权平台”,该平台以相对较低的成本提供业务灵活性、适应性、战略选择和弹性。在本系列的后面,我们将看到一些公司获得的价值呈指数级增长,超过效率提升的十倍甚至更多。虽然“蹲下”肯定是一个有利可图的分叉,但“变大”会让你走得更远、更快。

8),这让我们问:为什么这个值会留在桌子上?
那些“做大”的人的显着和独特之处在于,他们拥有将数字技术视为战略性和变革性的高级管理人员;他们为长期的组织变革提供持续的支持和资源;他们认为包括自动化在内的技术不是独立的工具,而是包含一个数字平台,能够在竞争对手之前与客户建立新的业务关系。而且,重要的是,他们任命了可信的、有影响力的拥护者,他们负责实现这一目标。

有趣的是,这些都是有远见的人,他们依靠“大赌注思维”来推动业务需求和技术可以实现的大局,并且他们用于传统 ROI 和 TCO 分析的时间更少。相比之下,具有“低调”前景的高管往往更受狭隘、仔细计算的商业案例的驱动,并且有更多自下而上的方法来使用自动化技术实现商业价值。


免费客服热线:400-050-6600

商业联合会数据分析专业委员会



Prev article

为什么机器学习项目会失败,以及如何确保它们不会失败?

Next article

为什么企业现在需要以数据为中心?

数据分析师

报名咨询

数据分析师

报名缴费

数据分析师

客服中心

数据分析师

课程服务

数据分析师

认证服务