数据科学可以使机器人过程自动化更加智能。机器人流程自动化使在生产中部署数据科学模型变得更加容易。

“机器人流程自动化 (RPA) 公司正在努力实现“完全自动化的企业”,但即使是这样的承诺也可能是短视的。当前的趋势表明,RPA 可以做更多的事情——尤其是与数据科学相结合时。”

RPA 工具首先让计算机执行人类所做的重复部分。这里的“机器人”标签是关键;这是一个比喻,表明软件不包含在一个系统中,而是与人类工作者接触的所有(或许多)信息系统相关联。

早期的 RPA 解决方案将模仿人类如何与系统交互,例如,通过自动将与“支持”有关的呼叫路由给技术团队,并将与“销售”有关的呼叫路由给代理。或者通过从网站(如 LinkedIn)抓取信息,并在需要时将其添加到 CRM 系统中。

当 RPA 第一次遇到数据科学时,这产生了改变行业的结果。企业没有让人类寻找新的机会来改进自动化,而是利用了“智能”流程自动化。您现在可以使用机器学习来查找现实生活中的流程模式,并使用称为流程挖掘的技术帮助自动改进它们。这是许多 RPA 工具一直吹捧的“完全自动化企业”的一步。

但是 RPA 和数据科学之间的第二波融合正在打开新的大门。这一次,数据科学不仅帮助 RPA 提高人工任务的效率,还帮助更好地执行其中一些任务。

RPA 和数据科学再次相遇

越来越多的自动化流程正在处理数据。在许多情况下,RPA 程序为人类做的指向和点击更少,而更多的是下载、排序、组合甚至操作数据。在更高级的情况下,RPA 程序会调用机器学习模型并将结果预测添加到流程自动化中。

数据科学不仅可以帮助加速流程,还可以在流程内部使用,以更智能地执行任务。

那些使用 RPA 将流程数字化并提高员工效率的人现在可以更进一步,将复杂的数据科学技术集成到他们的流程中。结果是流程自动化变得更加智能,现实世界的数据科学变得更加自动化。

低码工具小号铺平道路

这种趋势至少在一定程度上是由低代码工具实现的——这种技术使复杂的技术流程变得人类可读和直观。这意味着可以更轻松地解释和认可更高级的 RPA 和数据科学版本。在某些情况下,它们可以由技术人员和非技术人员实施。

低代码、可视化平台对这两个领域都不陌生。低代码涉及在“流程”中视觉上串在一起的模块,通常从左到右移动。这种可视化表示既可以自我记录,又可以轻松地为新项目重用。

使用Bizagi Modeler的 RPA 上下文中的低代码 

视觉平台如何应用于两个用例之间的差异是微妙但重要的。在 RPA 中,流表示控制流的顺序——执行的一系列动作,一个接一个。其中一些操作甚至可能涉及人工交互,例如批准特定交易。

在数据科学中,流表示对数据做了什么、如何从不同的存储设施(从 Excel 文件到混合云数据库)组合数据、如何转换和聚合,以及如何将其输入机器学习算法或其他分析方法。

使用KNIME的数据科学环境中的低代码 

然而,如上所述,存在重叠。数据流不仅存在于控制流中,反之亦然。在专业的数据科学“可视化编程”环境中,我们需要添加控制机制来优化参数并确定选择哪些模型进行部署。

RPA 和数据科学的成功都依赖于多种不同技术的集成,而低代码可以显着减少实现这些技术的摩擦。这些实现可以手动编码,但在掌握所需的各种编码语言以及与业务伙伴共享您正在做的事情方面,这可能是一项巨大的工作。

RPA 和数据处理自动化

数据科学还有一些成熟的工作要做。虽然 ETL 和机器学习模型已经变得相当复杂,但当我们尝试将这些模型应用到现实生产环境中时,我们仍然会遇到很多问题。这就是我们所说 的差距——采用我们的模型并让它们在生产中运行,保持它们的维护,并知道何时调整它们。

在生产中部署数据科学本质上是一个 RPA 问题。我们如何在我们的模型和我们集成它们的技术之间创建控制流?

也许数据科学中最大的挑战已经解决了。我们只需要传播消息。与其谈论“部署数据科学”,不如称其为“数据处理自动化”。