| 作者 |
| 华为公司数据管理部 王言 |
| 丛书名 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782011171674 |
| 简要 |
| 简介 |
| RPA是企业流程再造、数字化转型的利器，是企业用数字劳动力实现降本增效的关键。 这是一部从商业应用和行业实践角度全面探讨RPA的著作。作者是全球三大RPA巨头AA（Automation Anywhere）的大中华区首席专家，他结合自己多年的专业经验和全球化的视野，从基础知识、发展演变、相关技术、应用场景、项目实施、未来趋势等6个维度对RPA做了全面的分析和讲解，帮助读者构建完整的RPA知识体系。 全书一共6章，讲解了RPA的6个方面： NO.1 RPA的基础知识 全面介绍了RPA的定义、组成、分类、特征、业务价值，以及企业采用RPA的驱动力。此外，还讲解了RPA与数字化劳动力。 NO.2 RPA的发展演变 首先梳理了自动化技术的演进路线（4个阶段）与策略，然后从RPA技术、机器人、信息系统、自动化4种不同的视角解析了RPA的发展和演变。 NO.3 RPA的相关技术 尝试从技术原理的角度系统性介绍了与RPA相关的自动化技术、数据获取技术（OCR、NLP等）、判断与决策技术、人工智能技术以及物联网、数字孪生、脑机接口等其他技术。 NO.4 RPA的应用场景 首先介绍了RPA在财会、客服、采购、人力、IT服务等岗位以及银行、保险、制造、政府等10个行业的应用，然后针对一些典型的场景做了详细的讲解。 NO.5 RPA的项目实施 从RPA的生命旅程、实施过程、风险控制、效率管理、稳定性、可扩展性、机器人卓越中心和生态体系等方面对RPA的项目实施做了详尽的讲解。 NO.6 RPA的未来趋势 从人机协作、流程设计和挖掘、云原生RPA、具备自我学习能力的RPA、机器人商店、业务流程自动化再造、机器人运营体系、数字化劳动力革命等角度全方面探讨了RPA的未来发展。 |
| 目录 |
---------------------------华为数据之道--------------------------- 序一 序二 序三 前言 第1章 数据驱动的企业数字化转型 1.1 非数字原生企业的数字化转型挑战2 1.1.1 业态特征：产业链条长、多业态并存3 1.1.2 运营环境：数据交互和共享风险高4 1.1.3 IT建设过程：数据复杂、历史包袱重4 1.1.4 数据质量：数据可信和一致化的要求程度高5 1.2 华为数字化转型与数据治理6 1.2.1 华为数字化转型整体目标6 1.2.2 华为数字化转型蓝图及对数据治理的要求7 1.3 华为数据治理实践9 1.3.1 华为数据治理历程10 1.3.2 华为数据工作的愿景与目标12 1.3.3 华为数据工作建设的整体思路和框架12 1.4 本章小结15 第2章 建立企业级数据综合治理体系 2.1 建立公司级的数据治理政策18 2.1.1 华为数据管理总纲18 2.1.2 信息架构管理政策20 2.1.3 数据源管理政策21 2.1.4 数据质量管理政策22 2.2 融入变革、运营与IT的数据治理24 2.2.1 建立管理数据流程24 2.2.2 管理数据流程与管理变革项目、管理质量与运营之间的关系26 2.2.3 通过变革体系和运营体系进行决策26 2.2.4 数据治理融入IT实施27 2.2.5 通过内控体系赋能数据治理27 2.3 建立业务负责制的数据管理责任体系28 2.3.1 任命数据Owner和数据管家28 2.3.2 建立公司层面的数据管理组织29 2.4 本章小结33 第3章 差异化的企业数据分类管理框架 3.1 基于数据特性的分类管理框架35 3.2 以统一语言为核心的结构化数据管理36 3.2.1 基础数据治理39 3.2.2 主数据治理40 3.2.3 事务数据治理46 3.2.4 报告数据治理46 3.2.5 观测数据治理48 3.2.6 规则数据治理50 3.3 以特征提取为核心的非结构化数据管理52 3.4 以确保合规遵从为核心的外部数据管理54 3.5 作用于数据价值流的元数据管理56 3.5.1 元数据治理面临的挑战56 3.5.2 元数据管理架构及策略59 3.5.3 元数据管理60 3.6 本章小结71 第4章 面向“业务交易”的信息架构建设 4.1 信息架构的四个组件74 4.1.1 数据资产75 4.1.2 数据标准77 4.1.3 数据模型80 4.1.4 数据分布80 4.2 信息架构原则：建立企业层面的共同行为准则81 4.3 信息架构建设核心要素：基于业务对象进行设计和落地84 4.3.1 按业务对象进行架构设计84 4.3.2 按业务对象进行架构落地87 4.4 传统信息架构向业务数字化扩展：对象、过程、规则90 4.5 本章小结95 第5章 面向“联接共享”的数据底座建设 5.1 支撑非数字原生企业数字化转型的数据底座建设框架98 5.1.1 数据底座的总体架构98 5.1.2 数据底座的建设策略100 5.2 数据湖：实现企业数据的“逻辑汇聚”101 5.2.1 华为数据湖的3个特点101 5.2.2 数据入湖的6个标准103 5.2.3 数据入湖方式106 5.2.4 结构化数据入湖109 5.2.5 非结构化数据入湖113 5.3 数据主题联接：将数据转换为“信息”117 5.3.1 5类数据主题联接的应用场景117 5.3.2 多维模型设计120 5.3.3 图模型设计125 5.3.4 标签设计130 5.3.5 指标设计132 5.3.6 算法模型设计135 5.4 本章小结139 第6章 面向“自助消费”的数据服务建设 6.1 数据服务：实现数据自助、高效、复用142 6.1.1 什么是数据服务144 6.1.2 数据服务生命周期管理149 6.1.3 数据服务分类与建设规范156 6.1.4 打造数据供应的“三个1”162 6.2 构建以用户体验为核心的数据地图167 6.2.1 数据地图的核心价值167 6.2.2 数据地图的关键能力171 6.3 人人都是分析师175 6.3.1 从“保姆”模式到“服务+自助”模式175 6.3.2 打造业务自助分析的关键能力179 6.4 从结果管理到过程管理，从能“看”到能“管”187 6.4.1 数据赋能业务运营187 6.4.2 数据消费典型场景实践190 6.4.3 华为数据驱动数字化运营的历程和经验195 6.5 本章小结199 第7章 打造“数字孪生”的数据全量感知能力 7.1 “全量、无接触”的数据感知能力框架202 7.1.1 数据感知能力的需求起源：数字孪生202 7.1.2 数据感知能力架构205 7.2 基于物理世界的“硬感知”能力207 7.2.1 “硬感知”能力的分类207 7.2.2 “硬感知”能力在华为的实践213 7.3 基于数字世界的“软感知”能力215 7.3.1 “软感知”能力的分类215 7.3.2 “软感知”能力在华为的实践218 7.4 通过感知能力推进企业业务数字化220 7.4.1 感知数据在华为信息架构中的位置220 7.4.2 非数字原生企业数据感知能力的建设224 7.5 本章小结226 第8章 打造“清洁数据”的质量综合管理能力 8.1 基于PDCA的数据质量管理框架228 8.1.1 什么是数据质量228 8.1.2 数据质量管理范围229 8.1.3 数据质量的总体框架229 8.2 全面监控企业业务异常数据231 8.2.1 数据质量规则231 8.2.2 异常数据监控237 8.3 通过数据质量综合水平牵引质量提升243 8.3.1 数据质量度量运作机制243 8.3.2 设计质量度量245 8.3.3 执行质量度量248 8.3.4 质量改进253 8.4 本章小结256 第9章 打造“安全合规”的数据可控共享能力 9.1 内外部安全形势，驱动数据安全治理发展258 9.1.1 数据安全成为国家竞争的新战场258 9.1.2 数字时代数据安全的新变化258 9.2 数字化转型下的数据安全共享260 9.3 构建以元数据为基础的安全隐私保护框架261 9.3.1 以元数据为基础的安全隐私治理261 9.3.2 数据安全隐私分层分级管控策略263 9.3.3 数据底座安全隐私分级管控方案266 9.3.4 分级标识数据安全隐私271 9.4 “静”“动”结合的数据保护与授权管理272 9.4.1 静态控制：数据保护能力架构272 9.4.2 动态控制：数据授权与权限管理274 9.5 本章小结279 第10章 未来已来：数据成为企业核心竞争力 10.1 数据：新的生产要素282 10.1.1 数据被列为生产要素：制度层面的肯定282 10.1.2 数据将进入企业的资产负债表283 10.1.3 数据资产的价值由市场决定284 10.2 大规模数据交互的企业数据生态285 10.2.1 数据生态离不开底层技术的支撑286 10.2.2 数据主权是数据安全交换的核心287 10.2.3 国际数据空间的目标与原则289 10.2.4 多方安全计算强化数据主权291 10.3 摆脱传统手段的数据管理方式292 10.3.1 智能数据管理是数据工作的未来292 10.3.2 内容级分析能力提供资产全景图293 10.3.3 属性特征启发主外键智能联接293 10.3.4 质量缺陷预发现294 10.3.5 算法助力数据管理294 10.3.6 数字道德抵御算法歧视295 10.4 第四个世界：机器认知世界295 10.4.1 真实唯一的“物理世界”和五彩缤纷的“人类认知世界”295 10.4.2 映射“物理世界”的数字孪生—“数字世界”297 10.4.3 “数字世界”中的智能认知—“机器认知世界”298 10.5 本章小结299 ---------------------------RPA：流程自动化引领数字劳动力革命--------------------------- 前言 第1章 什么是RPA1 1.1 从基本概念谈起2 1.1.1 RPA概念溯源2 1.1.2 RPA的官方解释3 1.1.3 回答RPA的三个关键问题5 1.2 RPA的九大主要特征13 1.2.1 模拟人类操作行为的系统，让用户“眼见为实”15 1.2.2 基于既定的业务规则来执行16 1.2.3 带来确定的执行过程和执行结果17 1.2.4 提供全程操作行为记录18 1.2.5 为企业带来流程优化和再造19 1.2.6 符合人类的工作组织特征19 1.2.7 满足24×7×365的不间断执行21 1.2.8 提供非侵入式的系统表层集成方式23 1.2.9 支持本地和云端各种灵活的部署方式24 1.3 RPA的业务价值25 1.3.1 节省成本26 1.3.2 提升运营效率28 1.3.3 提高流程质量和业务处理的准确性29 1.3.4 提升流程的合规性和安全性30 1.3.5 高敏捷性31 1.3.6 实施见效快32 1.3.7 提升客户体验33 1.3.8 提升员工满意度，带来员工技能转型34 1.3.9 充分发挥流程在企业中的价值35 1.3.10 提升业务部门与科技部门的协作水平37 1.4 企业采用RPA的驱动力38 1.4.1 成本驱动38 1.4.2 运营模式驱动41 1.4.3 科技驱动46 1.5 RPA的基本分类48 1.5.1 按应用模式分类49 1.5.2 按部署模式分类51 1.5.3 按应用级别分类53 1.5.4 其他分类方法54 1.6 RPA的主要组成部分55 1.6.1 编辑器56 1.6.2 运行器57 1.6.3 控制器58 1.6.4 其他组成59 1.7 自动化技术的演进策略60 1.7.1 阶段一：桌面自动化61 1.7.2 阶段二：机器人流程自动化61 1.7.3 阶段三：高级的流程自动化62 1.7.4 阶段四：智能的流程自动化64 1.8 从RPA到数字化劳动力67 1.9 本章小结70 第2章 从历史发展视角解析RPA71 2.1 RPA技术的发展历程72 2.2 机器人的发展历程80 2.3 信息系统的发展历程83 2.4 自动化的发展历程87 2.5 本章小结92 第3章 RPA相关技术解析94 3.1 自动化的核心基础技术95 3.1.1 抓屏技术95 3.1.2 模拟鼠标和键盘技术105 3.1.3 其他自动化处理技术107 3.1.4 工作流技术109 3.2 用于数据获取的相关技术113 3.2.1 光学字符识别114 3.2.2 自然语言处理118 3.3 用于决策判断的相关技术120 3.3.1 业务规则引擎121 3.3.2 知识库系统123 3.3.3 基于数据的决策124 3.4 RPA与人工智能技术的结合126 3.4.1 计算机视觉126 3.4.2 对话机器人128 3.5 与其他领域的技术结合130 3.6 本章小结133 第4章 RPA的应用领域及场景分析135 4.1 RPA在典型业务领域的应用情况136 4.1.1 财务会计领域136 4.1.2 客户服务领域139 4.1.3 采购管理领域142 4.1.4 人力资源领域144 4.1.5 IT服务领域147 4.2 RPA在各行业中的应用情况151 4.2.1 银行业151 4.2.2 保险业156 4.2.3 政府和公共服务业159 4.2.4 制造及能源业161 4.2.5 电信业165 4.2.6 医疗健康业168 4.2.7 零售业171 4.2.8 交通物流业174 4.3 典型的应用场景分析177 4.3.1 为新员工创建用户ID的应用场景177 4.3.2 保险公司为客户理赔的业务场景181 4.3.3 银行为客户提供新的信用账户限额场景185 4.3.4 为员工开具收入证明的应用场景190 4.3.5 保险客户理赔的复杂处理场景194 4.4 应用场景特征及分析要点197 4.4.1 可自动化流程的特征分析197 4.4.2 流程抽象后的分析结论199 4.5 制约和风险206 4.6 本章小结209 第5章 RPA应用实践211 5.1 企业实现RPA的旅程212 5.1.1 RPA旅程的4个阶段212 5.1.2 RPA旅程的两种推动策略214 5.1.3 RPA实施和推广过程中面临的4个挑战216 5.1.4 RPA的总成本和总收益分析218 5.2 RPA的实施过程223 5.2.1 业务流程的梳理和分析224 5.2.2 编制自动化需求226 5.2.3 RPA设计、开发和单元测试227 5.2.4 最终用户的UAT测试232 5.2.5 机器人的部署上线233 5.2.6 RPA机器人的监控和维护234 5.2.7 实施过程总结236 5.3 机器人运行的稳定性237 5.4 安全风险控制管理242 5.5 机器人运行效率管理244 5.6 机器人开发效率管理246 5.7 机器人扩展性管理248 5.8 机器人卓越中心250 5.8.1 CoE的职责范围251 5.8.2 CoE的治理结构253 5.8.3 建立CoE的考虑因素256 5.9 RPA的生态体系257 5.9.1 软件提供商258 5.9.2 技术合作方259 5.9.3 咨询和实施服务提供商259 5.10 本章小结260 第6章 RPA未来的发展趋势262 6.1 更敏捷的人机协作263 6.2 重新审视流程设计和流程挖掘267 6.2.1 提供匹配RPA分析需求的业务流程设计方法和工具268 6.2.2 提供能够定量分析数据的业务流程挖掘工具269 6.2.3 提供能够追踪和支持动态变化的反向流程工具272 6.3 云原生的RPA解决方案272 6.4 具有自我学习能力的自动化流程275 6.4.1 基于自定义方式的自我学习RPA276 6.4.2 结合自动化机器学习的RPA277 6.4.3 基于学习用户操作过程的RPA279 6.4.4 基于自动化构建脚本的RPA280 6.5 机器人商店的一站式采购281 6.5.1 机器人商店281 6.5.2 机器人经济284 6.6 业务流程的自动化再造286 6.6.1 精益流程和六西格玛286 6.6.2 业务流程再造288 6.7 搭建全新的机器人运营体系290 6.7.1 对共享服务中心模式的影响292 6.7.2 内包还是外包293 6.7.3 机器人运营中心294 6.8 数字化劳动力革命297 6.8.1 对传统工作方式的影响297 6.8.2 对企业员工的影响298 6.8.3 对工作岗位的影响300 6.8.4 如何应对这场自动化变革301 6.8.5 对组织转型的影响305 6.9 本章小结307 后记308 |