起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識一份關于自動化處理系統的詳細解讀
編輯導語：對于自動化處理系統，大家一定并不陌生了，我們日常生活中經常能夠接觸到。那么，你對于它是否真的了解呢？本文作者今天就從認識自動化、應用自動化、搭建自動化、自動化的適用場景，以及有哪些常見的誤區這五方面入手，為我們進行了詳細地解讀，歡迎大家在評論區交流討論。
你是否接到更多的AI廣告電話？是否越來越難以尋求人工客服的幫助？隨著科技的發展，系統中越來越多的出現自動化處理模塊，用來提升系統處理效率。
那么，如何理解自動化處理系統？在何種場景下可以應用？如何搭建自動化處理系統？本文將試圖回答這些問題。
一、認識自動化
信息技術的發展，可以初略分為信息化、自動化與智能化三個階段。當前，系統可依據輸入的內容自動化輸入反饋信息，可極大提高工作效率，更好為用戶/客戶服務。
1. 何為自動化？
自動化在百度百科中的解釋是：機器設備、系統或過程（生產、管理過程）在沒有人或較少人的直接參與下，按照人的要求，經過自動檢測、信息處理、分析判斷、操縱控制，實現預期的目標的過程。
采用自動化技術不僅可以把人從繁重的體力勞動、部分腦力勞動以及惡劣、危險的工作環境中解放出來，而且能擴展人的器官功能，極大地提高勞動生產率，增強人類認識世界和改造世界的能力。
那么針對在軟件行業中，我將此提煉為：自動化是指系統按照設定要求，經過自動計算、分析判斷，實現預期目標。采用自動化技術，可提高使用者、被服務者的操作效率與使用體驗，增強經濟效益。
2. 自動化的價值與意義？
系統自動化處理，將極大提高人員工作效率，從繁重重復的工作中將人解放出來，提高工作效率，將生產力放置于更有價值的地方，更多的創造價值。
二、應用自動化
系統搭建業務運轉過程中，會積累產生很多數據。所產生的數據往往很多以單據形式存在，在業務處理時，往往存在大量的人工處理環節，其大致可以分為幾類：
- 數據量大處理費事，如財務賬單審核等；
- 數據量小需及時處理，如業主維修訂單等。借用系統自動化處理可極大提高效率。
1. 何種場景可以自動化？
1）場景一
人工操作機械重復，但可以通過邏輯判斷處理，其輸入輸出可以枚舉。
如派單：在小區下個維修單后，可以通過維修師傅負責片區或負責類型，自動派單給他，維修師傅在接受到該維修單后，可判斷自己是否可處理；若可以處理則自我解決，若無法處理則轉交他人。
在這個過程中，第一個派單中，其判斷邏輯清晰，輸出結果可以驗證真偽，故可以自動化處理；在自己無法處理轉派時，其帶有現實中復雜的情況，如維修零部件缺失、業主上報事件錯誤等，無明確處理邏輯或無法枚舉結果，故無法系統自動處理。
2）場景二
無復雜操作，但可極大提高用戶體驗。
如人工客服中，若在系統設定上班時間為9：00-20：00，則用戶輸入反饋內容后，會提示當前客服已下班，可留言明天處理等；均為增加簡單設置后可極大提高對用戶體驗。
3）場景三
針對無明確最優解，可通過計算得出較優解，但若人工操作工作量大。
如滴滴下單后分配司機、如京東下單后分配出貨倉庫。在滴滴下單后，雖司機可以搶單，但超時未接單時，其會分配司機接單，該分配邏輯結合司機位置、目標路徑（上車下車點）、司機常跑區域等內容，計算得出較優解。
此時需注意，該司機針對單筆訂單無法證明為最優解、但與人工處理派單相比，從大量數據出發相比，其一定優于人工操作。
4）場景四
新技術的出現，如語音識別、圖像識別等，為利用新技術模擬人腦決策后，可以在部分領域中替代人操作的技術（筆者了解不多，有誤請指正）。
如客服，目前可模擬人工對話等，該種技術可在部分領域自動化判斷，替代人力，但其為技術角度需不斷迭代優化，故不在本文考慮。
2. 如何信任自動化？
在落地使用中，因會出現業務方對系統的不了解，存在不同程度的疑惑。在上述分析中，不同場景下其難易程度不同，其信任程度也不同。
1）針對場景一
在系統自動處理單據中，因不同判斷標準具備靈活性，故在實際使用中，往往需要實際運行一段時間，基本2周左右。若無問題產生，均可獲得業務信任，其難點在于如何考慮完整的輸入輸出，對于異常行為能進行系統兼容化處理。
2）針對場景二
在系統自動設置中，其有明確判斷標準，只要規則清晰，在經過測試后，均可令人信服，其在實際落地中，難點在如何從用戶、從業務角度出發，帶來更好的體驗設置，可支持更多的可配參數。
3）針對場景三
在系統代替人工自動做決策時，存在業務方無感知的情況，故向業務方證明系統的價值是有必要的。
其在使用中，可能出現單個處理合理性很低的情況，容易遭到業務人員的巨大反力，故在實際推動中，需建立大量數據處理監控平臺，跟蹤總體數據監控運行指標無明顯偏差，還需搭建異常監控，對單個個體存在巨大偏差的進行人工校正。
獲得業務信任需注意兩點：
- 總體比人工處理效果好，且處理效果好，迭代后可持續優化；
- 偏差可控，不可結果之間差異極大，否則會帶來極大的不信任感。
三、搭建自動化
在自動化搭建中，重點主要在系統自動處理邏輯。
在系統中，搭建自動處理模塊，服務端在處理相關相關業務模塊時，先調用該模塊，進行判斷分流；若符合設定規則，則按照規則返回設定結果。故在自動化搭建中，需重點考慮搭建規則設置模塊。
1. 基本考慮邏輯
搭建設置模塊，一般依據業務機制，搭建或簡單或復雜的規則塊。
搭建規則的原則為：不重不漏，彼此獨立，設定規則的目的為：快速處理、達到預期，在設定規則時，需保證每一種類型均可在系統內按照設定流轉，但不可出現模棱兩可的判斷節點。
如在系統按維修地點下單時，那只需按照下單人所在區域（可地理圍欄、可按行政劃分如小區社區名稱），在不同范圍配置不同人員即可，在設定配置時，不可一個區域配置2人，此時系統將出現2個解，不符合目的，需增加其他后續邏輯判斷，將結果篩選為一人。
還是剛才的例子：若維修人員很累，需換班操作，如一三五為A，二四六為B，周日日不處理，那系統在處理判斷時需按地理圍欄先行判斷，再按照人員上班日期進行分派，那遇到周日時，可以按業務處理，如按預期上門時間分派對應人員。
同時也可遇到意外，如A近期身體不舒服去了醫院，希望B頂替，故需要人工介入操作，可以人工轉派。
對于此類問題，在搭建系統時，若流程簡單，則產品設計相對簡單，在此不多加描述。在邏輯復雜時，為系統搭建中考慮后續拓展性與兼容性，需按照每一層級不同的判斷標準，進行不同配置，并在層級間建立綁定關系。
還是按上述例子，在配置時不可直接按區域劃分，直接在上面設置A為一三五等。
雖然這種設計可滿足當前場景，但其不利于拓展；可按如下設計，先分析該邏輯判斷，其為2層判斷，地理位置為第一層，時間為第二層，故需先按區域劃分，并增加時間規則配置模型（如模型1為全周，模型2為一三四，模型三為二四六），再建立地理位置與時間配置的綁定關系，后再建立人員與規則的綁定關系。
如此建立，可為后續拓展判斷邏輯提供支持，也可為當前邏輯判斷增加更多擴展性。
2. 業務中結合算法的思路
隨著技術的發展，復雜系統中越來越多的利用算法，在大量難以通過明確邏輯判斷的事情下，通過算法的大量計算得出最優解，將解決更多的場景，如之前提到的滴滴分派司機。
此種處理方式，因在公司中，多為算法工程師專門解決內部復雜邏輯及落地實現，故筆者僅從產品角度分析如何推進該問題。
算法因其不可完全確定的計算結果，故首要解決的是目標結果，即通過該算法，其目的是何，其結果可以有多個目標，其在目標中可以有剛性目標，也可有彈性目標，但需確認其中的優先順序。
如在按照貨物選擇出貨倉庫時，因一件商品可以從多個倉庫出貨，同時出庫價低的可能離目的地遠，還需考慮到中間的配送價格因素。
但一輛車可多處取貨多處送貨，其判斷結果因素很多，故需設定多個目標值方可達成目標，故從公司角度出發，考慮凈毛利最大（商品毛利-單間配送成本），且為一塊區域內最優，即平均值最優。
在運行一段時間后，發現部分車輛存在送貨點多達45家的情況，一天無法配送完成，故增加送貨點不可超過25家的設定。
在利用算法計算中，可能存在已知數據量不足以做出判斷的情況，需按照目前增加沉淀數據，用更豐富更完整的數據，得出更好的算法結果。
在系統自動化處理中，特別是采用了AI自動化處理系統，因其具有結果不可預知的特定，為使算法可不斷迭代優化，使其每一次結果均能符合迭代要去，故需預算其性能，故可設立仿真系統。
仿真系統，顧名思義為模擬某種事物，在此處可模擬線上生產環節，可通過切換不同的算法版本，經過對同一數據不同算法的模擬測試，獲得結果后進行比對，從而判斷算法迭代的性能。
3. 搭建中配套系統
在搭建系統自動化處理過程中，考慮到其大批量處理數據，為防止系統出現不可預知的風險以及可以清晰了解系統當前處理狀況，故可增加數據監控模塊，對系統處理量，處理關鍵指標進行監控，可了解當前運轉情況。
如在剛距離派單中，可增加對下單量、處理量、人員被分配量等指標，那業務人員可及時了解到系統當前處理狀態，也可對不和諧點及時做出人工干預。
同時結合上述業務信任問題，通過數據的可視化也可極大增加業務對其的信任度；同時可針對關鍵指標設定預警指標，若在觀察中出現指標異常的情況，可及時發出預警，并通過短信/釘釘等方式發出提醒，便于人工快速介入。
在搭建系統自動化處理模塊時，因其具有大批量快速處理的特性，故其操作修改權限及日志均需注意控制。
在搭建自動化處理系統中，在搭建主流程后，因各種參與判斷指標等會隨著業務的發展不斷調整、或因設定值不合理而更正，故可將其參數界面配置化，減少因修改參數而帶來的頻繁升級。
同時在設計時需考慮，各種判斷邏輯的參數化，如周六給B，可周六與B的綁定關系也看參數化，故可實現在邏輯思路外，其余均可考慮編輯配置。
四、適用場景
自動化處理系統在一定程度可以替代人工，那其優劣勢分別有哪些？
- 優：可以極大提高人工效率、不會犯簡單操作性錯誤、可以因處理及時提高適用體驗；
- 劣：存在不確定性，靈活變通性較差，只能死板按照設定處理，面對業務快速發展變化，存在滯后性
自動化處理系統已經越來越多的應用到各種場景中，但其在幾種場景下，目前難以替代人工：
- 需制定決策計劃，如購買商品產生售后問題，其處理判斷及過程難以自動化；
- 關鍵核心數據處理，當前雖然財務系統可自動對賬、清分、開票等流程，但財務作為數據核算、財務報表等方面仍然無法替代；
- 需線下聯動，如居家維修等。
可以適用的場景：
- 邏輯清晰，可以用明確業務規則明確的處理流程；
- 邏輯復雜，計算量龐大，僅人力無法計算得出，只得依托系統代為計算；
- 可明確優化人機交互體驗。
五、常見誤區分析
常常會有這樣一個誤區，數據積累沉淀后，往往想在自動化中將其納入考慮體系。
此處這種思維混淆了自動化的目的與結果，為解決業務問題可以只需考慮必要因素以及實際場景來的，而不是容納數據處理量越多越好，而數據沉淀很多為結果的展示記錄，不可用結果去反推目的。
如在維修中，一個小區只有一個維修師傅，那么用戶下單后只需按照單據類型派單即可，無需也沒必要考慮其他因素，但在派單后會出現相關數據積累，如該師傅處理效率、日均處理量等相關數據。
這些數據可與其他小區比較，當數據出現明顯差異時，可進行針對性培訓提升；但這并不能作為派單的依據，因為完成此任務這個目的下，無需考慮。
那是否意味著數據積累就沒必要了呢？
數據積累呈現作為指導業務快速決策、快速判斷，是從上而下管理的有效手段。是作為數據指導業務的關鍵基礎，合理利用可以在后續發展中體現出越來越大的價值。
六、總結
自動化可以極大提高人員效率，使用在工作中后，可以極大提升效率。
本文試圖通過對自動化的解讀，談到搭建自動化以及搭建中的注意事項。算是對以往工作的回顧梳理，也希望對各位讀者能有所幫助。
本文為個人工作中的粗淺感悟，歡迎各位一起討論交流~
本文由 @王常耑 原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基于CC0協議
- 目前還沒評論，等你發揮！
