Pamatdatu pārvaldība ir pamatinformācijas ievadīšana, mainīšana un konsekvences nodrošināšana: klientu dati, produktu kodi, piegādātāju informācija. Šis darbs notiek starp sistēmām, piemēram, ERP vidi un pamatdatu pārvaldības rīku, un to bieži veic datu pārvaldnieks vai administratīvais darbinieks, kas pārbauda un koriģē ierakstus.
Lai noteiktu, ko AI šeit var pārņemt, mēs skatāmies nevis uz amata nosaukumu, bet uz uzdevumu pašu par sevi, astoņās asīs. Trīs no tām ir izšķirošas: strukturētība, apjoms un kļūdu izmaksas.
Pamatdatiem ir fiksēta forma. Klienta ierakstam ir nosaukums, adrese, PVN numurs; produkta kodam ir noteikts lauku skaits. Šī paredzamība nozīmē augstu strukturētības rādītāju, un tas ir tieši tāda veida darbs, ko automatizācija jau desmitiem gadu labi pārvalda. Pieskaitiet klāt apjomu: uzņēmumiem ar tūkstošiem klientu vai produktu ierakstu ir uzdevums, kas nemitīgi atkārtojas, ar tām pašām darbībām katram ierakstam. Augsts apjoms plus augsta strukturētība ir kombinācija, kurā uz noteikumiem balstīta automatizācija, šajā gadījumā RPA, darbojas vislabāk.
Piemērs: piegādātājs maina adresi. Jaunā adrese jāpārceļ ERP sistēmā, rēķinu sistēmā un klientu portālā. Tas ir viens un tas pats lauks, kas trīs reizes tiek aizpildīts pēc fiksēta noteikuma. Tam nav nepieciešama izpratne, bet gan konsekvence.
Šeit veidojas problēma. Kļūda pamatdatos izplatās tālāk: nepareizs PVN numurs izraisa kļūdainu rēķinu, nepareizs produkta koda lauks izraisa kļūdainu inventāra skaitīšanu vai nepareizas cenas klientam. Tāpēc kļūdu izmaksu ass nav zema, un tāda nav arī atbilstības ass: liela daļa pamatdatu ir pakļauta noteikumiem par personas datiem vai fiskālo reģistrāciju. Tas nenozīmē, ka AI šeit nav lomas, bet tas nozīmē, ka pilnībā autonoma apstrāde bez kontroles ir risks, kas netiek pieņemts vienkārši tāpat.
Turklāt lēmumu pieņemšanas telpa ir zema: praktiski nav telpas patstāvīgi interpretēt, kāda ir korekta vērtība — noteikumi ir fiksēti. Tas ir labas ziņas automatizācijai, jo lēmumu pieņemšanas telpa parasti ir tā ass, kas prasa cilvēka darbu. Pamatdatu gadījumā grūtība nav lēmuma pieņemšanā, bet novirzes signalizēšanā: adrese, kas neeksistē, nosaukums, kas neatbilst iepriekšējam ierakstam. Tieši tur cilvēka uzraudzība ar argumentētu apstiprināšanu vai noraidīšanu saglabā savu vērtību.
Lielākā daļa regulārās ievades un sinhronizācijas starp sistēmām ir uzdevums, ko AI šodien var pārņemt, ar nosacījumu, ka ir izpildīti divi priekšnoteikumi: nepārprotamas datu definīcijas, lai nebūtu šaubu par to, kas ir derīga vērtība, un validācijas noteikumi ievades brīdī, lai atkāpes gadījumi tiktu atpazīti, pirms tie tiek tālāk apstrādāti. Bez šiem diviem priekšnoteikumiem uzdevums automātiski pāriet atpakaļ uz trešo bloku: cilvēka darbu, jo nevienam nav pamata paļauties uz to, kas tiek automātiski ierakstīts.
Pārmaiņas, kas šeit notiek, nav tas, ka datu pārvaldnieks pazūd, bet gan tas, ka uzdevuma satura svars mainās: no pašrocīgas ievades uz pašnovērtēšanu par to, ko sistēma signalizējusi kā atkāpi. Tas ir cita veida darbs, ar cita veida uzmanību, un tas prasa cilvēku, kas saprot, kāpēc ieraksts ir noraidīts, ne tikai kā to ievadīt.
Uzņēmumā ar mazu, pārskatāmu klientu bāzi un nedaudzām produktu variācijām automatizācijas ieguvums ir ierobežots: apjoms ir pārāk mazs, lai atpelnītos ieguldījums validācijas noteikumos un savienojumos. Uzņēmumā ar krasi atšķirīgiem sākotnējiem datiem — piemēram, pēc apvienošanās, kad pastāv divas dažādas CRM sistēmas, kas neizmanto vienādus laukus — grūtība nav ievadē, bet gan sākotnējā nepārprotamu definīciju noteikšanā. Tas ir vienreizējs, saturīgs darbs, pirms automatizācija sāk būt jēgpilna.
Šis līdzsvars starp struktūru, apjomu un kļūdu risku nav aktuāls tikai pamatdatiem. Tā pati loģika atkārtojas jautājumos par kāds darbs iepirkuma nodaļā ir piemērots automatizācijai, kur piegādātāju dati un pasūtījumu rindas parāda to pašu atkārtošanās un kļūdu jutīguma kombināciju. Līdzīgs līdzsvars starp fiksētiem modeļiem un eskalāciju pastāv arī lietotāju jautājumu par programmatūru atbildēšanā: sk. kā AI risina lietotāju jautājumus par programmatūras problēmām. Un kur sistēmas pašas tiek uzraudzītas attiecībā uz novirzēm, signalizēšanas un pāradresēšanas loģika ir līdzīga tam, ko var lasīt par sistēmas veiktspējas uzraudzību ar AI.
Tas nav personāla ieteikums un nav pamatojums lēmumam par amatu vai štata vietu skaitu. Ja šīs analīzes rezultāts kaut kur tiek izmantots personāla lietās, tam ir savas juridiskās prasības, ko šis raksts nedz papildina, nedz mazina. Tas, kas ir teikts šeit, ir apgalvojums par uzdevumu, ne par personu, kas to šobrīd veic.
Lai redzētu, kā šis iedalījums izpaužas jūsu uzņēmumā, ir pieejama bezmaksas ātrā pārbaude: divpadsmit jautājumi, konts nav nepieciešams, un rezultātā tiek norādīts, kāda daļa no šī profila stundām šodien ir pārņemama ar AI. Pilnā darba pārbaude, kas visa uzņēmuma darbu izvērtē uzdevumu pēc uzdevuma pēc šīm astoņām asīm, joprojām ir izstrādes procesā un tiks piedāvāta šeit vēlāk.
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.