Η διαχείριση βασικών δεδομένων είναι η καταχώριση, η τροποποίηση και η διατήρηση της συνέπειας των βασικών δεδομένων: στοιχεία πελατών, κωδικοί προϊόντων, πληροφορίες προμηθευτών. Η εργασία εκτυλίσσεται μεταξύ συστημάτων όπως ένα περιβάλλον ERP και ένα εργαλείο διαχείρισης βασικών δεδομένων (masterdatamanagement), και εκτελείται συνήθως από έναν υπεύθυνο δεδομένων ή διοικητικό υπάλληλο που ελέγχει και διορθώνει εγγραφές.
Για να καθορίσουμε τι μπορεί να αναλάβει εδώ η ΑΙ, δεν εξετάζουμε τον τίτλο της θέσης εργασίας αλλά την ίδια την εργασία, σε οκτώ άξονες. Τρεις από αυτούς είναι καθοριστικοί: δομημένος χαρακτήρας, όγκος και κόστος σφαλμάτων.
Τα βασικά δεδομένα έχουν σταθερή μορφή. Μια εγγραφή πελάτη έχει όνομα, διεύθυνση, αριθμό ΦΠΑ, ένας κωδικός προϊόντος έχει σταθερό αριθμό πεδίων. Αυτή η προβλεψιμότητα βαθμολογείται υψηλά στον δομημένο χαρακτήρα, και αυτό είναι ακριβώς το είδος εργασίας που ο αυτοματισμός κατέχει εδώ και δεκαετίες. Προσθέστε σε αυτό τον όγκο: επιχειρήσεις με χιλιάδες εγγραφές πελατών ή προϊόντων έχουν μια εργασία που επαναλαμβάνεται συνεχώς, με τα ίδια βήματα ανά εγγραφή. Υψηλός όγκος συν υψηλή δομή είναι ο συνδυασμός στον οποίο ο αυτοματισμός βάσει κανόνων, σε αυτή την περίπτωση το rpa, αποδίδει καλύτερα.
Ένα παράδειγμα: ένας προμηθευτής αλλάζει διεύθυνση. Η νέα διεύθυνση πρέπει να μεταφερθεί στο σύστημα ERP, στο σύστημα τιμολόγησης και στην πλατφόρμα πελατών. Αυτό είναι τρεις φορές η ίδια συμπλήρωση πεδίου σύμφωνα με έναν σταθερό κανόνα. Δεν απαιτείται κρίση για αυτό, αλλά συνέπεια.
Εδώ βρίσκεται το πρόβλημα. Ένα σφάλμα στα βασικά δεδομένα διαδίδεται: ένας λάθος αριθμός ΦΠΑ οδηγεί σε λανθασμένο τιμολόγιο, ένα λάθος πεδίο κωδικού προϊόντος οδηγεί σε λανθασμένες καταμετρήσεις αποθέματος ή λανθασμένες τιμές για τον πελάτη. Ο άξονας κόστος σφαλμάτων επομένως δεν βαθμολογείται χαμηλά, ούτε η συμμόρφωση: πολλά βασικά δεδομένα υπόκεινται σε κανόνες σχετικά με προσωπικά δεδομένα ή φορολογική καταχώριση. Αυτό δεν σημαίνει ότι η ΑΙ δεν έχει ρόλο εδώ, αλλά σημαίνει ότι η πλήρως αυτόνομη επεξεργασία χωρίς έλεγχο είναι ένας κίνδυνος που δεν γίνεται εύκολα αποδεκτός.
Το περιθώριο κρίσης είναι επιπλέον χαμηλό: υπάρχει λίγος χώρος για προσωπική ερμηνεία σχετικά με το τι αποτελεί έγκυρη τιμή, οι κανόνες είναι καθορισμένοι. Αυτό είναι καλά νέα για τον αυτοματισμό, καθώς το περιθώριο κρίσης είναι συνήθως ο άξονας που απαιτεί ανθρώπινη εργασία. Στα βασικά δεδομένα, η δυσκολία δεν βρίσκεται στην απόφαση, αλλά στον εντοπισμό αποκλίσεων: μια διεύθυνση που δεν υπάρχει, ένα όνομα που δεν ταιριάζει με μια προηγούμενη εγγραφή. Εκεί η ανθρώπινη εποπτεία με αιτιολογημένη έγκριση ή απόρριψη διατηρεί την αξία της.
Το μεγαλύτερο μέρος της τακτικής καταχώρισης και συγχρονισμού μεταξύ συστημάτων είναι μια εργασία που η ΑΙ μπορεί να αναλάβει σήμερα, υπό την προϋπόθεση ότι πληρούνται δύο βασικές συνθήκες: σαφείς ορισμοί δεδομένων, ώστε να μην υπάρχει αμφιβολία σχετικά με το τι συνιστά έγκυρη τιμή, και κανόνες επικύρωσης κατά την καταχώριση, ώστε οι αποκλίσεις να εντοπίζονται πριν προχωρήσουν περαιτέρω. Χωρίς αυτές τις δύο προϋποθέσεις, η εργασία μετακινείται αυτόματα πίσω στο τρίτο μπλοκ: ανθρώπινη εργασία, επειδή κανείς δεν μπορεί να εμπιστευτεί ό,τι καταχωρίζεται αυτόματα.
Η μετατόπιση που συμβαίνει εδώ δεν είναι ότι ο υπεύθυνος δεδομένων εξαφανίζεται, αλλά ότι το περιεχόμενο της εργασίας μεταβάλλεται: από το να πληκτρολογεί ο ίδιος στο να αξιολογεί ό,τι ένα σύστημα έχει επισημάνει ως απόκλιση. Αυτό είναι διαφορετικό είδος εργασίας, με διαφορετικό είδος προσοχής, και απαιτεί κάποιον που κατανοεί γιατί μια εγγραφή απορρίφθηκε, όχι μόνο πώς να την καταχωρίσει.
Σε μια επιχείρηση με μικρή, εύκολα διαχειρίσιμη βάση πελατών και λίγες παραλλαγές προϊόντων, το όφελος του αυτοματισμού είναι περιορισμένο: ο όγκος είναι πολύ χαμηλός για να αποσβεστεί η επένδυση σε κανόνες επικύρωσης και συνδέσεις. Σε μια επιχείρηση με έντονα διαφοροποιημένα δεδομένα προέλευσης — για παράδειγμα μετά από μια συγχώνευση, με δύο διαφορετικά συστήματα CRM που δεν χρησιμοποιούν τα ίδια πεδία — η δυσκολία δεν βρίσκεται στην καταχώριση αλλά στον πρώτο καθορισμό σαφών ορισμών. Αυτό είναι μια εφάπαξ, ουσιαστική εργασία πριν ο αυτοματισμός γίνει χρήσιμος.
Αυτή η εξισορρόπηση μεταξύ δομής, όγκου και κινδύνου σφαλμάτων δεν εμφανίζεται μόνο στα βασικά δεδομένα. Η ίδια λογική επανέρχεται σε ερωτήματα σχετικά με ποια εργασία στο τμήμα προμηθειών προσφέρεται για αυτοματισμό, όπου τα στοιχεία προμηθευτών και οι γραμμές παραγγελιών γνωρίζουν τον ίδιο συνδυασμό επανάληψης και ευαισθησίας σε σφάλματα. Και στην απάντηση ερωτημάτων χρηστών σχετικά με λογισμικό υπάρχει παρόμοια εξισορρόπηση μεταξύ σταθερών προτύπων και κλιμάκωσης: δείτε πώς η ΑΙ χειρίζεται ερωτήματα χρηστών σχετικά με προβλήματα λογισμικού. Και όπου τα συστήματα παρακολουθούνται τα ίδια για αποκλίσεις, η λογική της επισήμανσης και προώθησης είναι συγκρίσιμη με όσα περιγράφονται σχετικά με την παρακολούθηση της απόδοσης συστημάτων από την ΑΙ.
Αυτό δεν αποτελεί συμβουλή προσωπικού ούτε τεκμηρίωση για απόφαση σχετικά με μια θέση εργασίας ή στελέχωση. Εάν το αποτέλεσμα αυτής της ανάλυσης χρησιμοποιηθεί κάπου σε μια διαδικασία σχετική με προσωπικό, ισχύουν οι δικές τους νομικές απαιτήσεις, στις οποίες αυτό το άρθρο δεν προσθέτει ούτε αφαιρεί τίποτα. Ό,τι αναφέρεται εδώ είναι μια δήλωση σχετικά με την εργασία, όχι σχετικά με το πρόσωπο που την εκτελεί σήμερα.
Για να δείτε πώς αυτή η κατηγοριοποίηση εφαρμόζεται στη δική σας επιχείρηση, υπάρχει η δωρεάν quickscan: δώδεκα ερωτήσεις, χωρίς ανάγκη λογαριασμού, με αποτέλεσμα μια ένδειξη ποιο μέρος των ωρών σε αυτό το προφίλ μπορεί να αναληφθεί σήμερα από την ΑΙ. Η πλήρης werkscan, η οποία εξετάζει την εργασία μιας ολόκληρης επιχείρησης, εργασία προς εργασία, σε αυτούς τους οκτώ άξονες, βρίσκεται ακόμη υπό κατασκευή και θα προσφερθεί εδώ σε μεταγενέστερο στάδιο.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.