您的自动化梦之队需要 RPA 开发人员和数据科学家

想象一下，您是一名首席财务官 (CFO)，下一季度即将开始。上一季度很好，但你的直觉认为下一季度会更好。

在一个完美的世界里，你会从本能的乐观转变为有数据支持的预测。从第一天起，您就会知道到本季度末您的部门手头有多少资金。您会确切地知道下一季度您可以为哪些预算以及可以投入哪些资源。

通过将人工智能 (AI) 和机器学习 (ML) 的预测能力与自动化相结合，您可以将这些高价值信息带到您的指尖。但是，存在分歧：能够应对这些复杂数据挑战的两个团队通常不会一起工作。我说的是您的机器人流程自动化 (RPA) 开发人员和您的数据科学家。

您的数据科学家和 RPA 开发人员的技能是互补的。通过正确的治理，您可以配置利用两者的新工作流。当您这样做时，您可以更快地扩展 ML，让您的数据科学家腾出时间从事更复杂的工作，提高 RPA 开发人员的技能，并充分利用两个团队的业务成果。面临的第一个挑战是将您的数据科学家从他们的孤岛中解放出来。

数据科学家被孤立

要在企业中实际引入 AI 并通过自动化改造您的组织，将 RPA 开发人员和数据科学家团队聚集在一起是关键。孤岛并不少见，尤其是在大型企业中，但将这两个特定团队聚集在一起是您可以做出的最具影响力的改变之一。两个团队都希望为更好、更智能的流程和业务决策提供信息，但这并不意味着他们可以一起工作。团队之间往往存在组织上的差距，导致他们使用不必要的分离方式到达相似的目的地。

未充分利用您的数据科学家可能会浪费大量时间和资源。 Glassdoor 报告称，美国数据科学家的平均工资为 113,309 美元。除了纯粹的薪水之外，浪费数据科学家还有机会成本。

目前缺乏数据科学家，所以如果你有一个团队，最好充分发挥他们的潜力。不幸的是，这些稀有且昂贵的独角兽往往被雇用它们的组织和可能与之合作的 RPA 团队所误解。

为什么公司经常误解数据科学家

公司低估数据科学家价值的主要原因有四个：

1. 他们的商业价值很难表达。 根据 2020 年 Anaconda 数据科学调查，不到一半 (48%) 的数据科学家认为他们可以证明数据科学对业务成果的影响。

2. ROI 很昂贵。 已经很昂贵的数据科学家通常需要比公司愿意投资更多的资源。我们自己的 Jeremy Tederry 是 UiPath 的机器学习产品经理和前数据科学家，他曾经离开一家公司，因为它没有资源将 ML 模型投入生产。

3. 如果没有合作，他们的工作就无法创造价值。 将数据科学成果投入生产并影响业务并不总是那么简单。数据科学家需要跨组织的支持才能成功。根据 Tederry 的说法，“单独的 ML 模型不能也不会做任何事情——它们必须与其他团队合作，并作为更大项目的一部分才能获得成功。”

4. 他们的大部分努力都用于隐形工作。 根据我们上面提到的 Anaconda 的数据科学调查，45% 的数据科学家会在数据进入数据模型或可视化之前花时间准备数据（加载和清理）。这对数据科学家来说可能非常令人沮丧（如下面的推文所示）。

来源

当这四个原因结合在一起时，公司往往会低估和利用他们的数据科学家。然而，他们几乎不知道，释放他们的价值只是一个团队的距离。

RPA 开发人员也误解了数据科学家

RPA 开发人员和数据科学家的思维方式往往不同，因为他们有不同的工作流程和不同的时间表。当您的工作流程出现分歧时，您的心态也会发生分歧。这很自然，但也让这些团队难以跨部门沟通，形成孤岛。

MSD 的数据科学家 Trung Nguyen 提供了一个很好的例子。在一篇关于智能自动化的文章中，他将 RPA 和 ML 工作流程分解为不同的图表，您可以在下面看到这些图表。尤其是看看 ​​RPA 开发人员如何专注于编写规则，而数据科学家则专注于训练 ML 模型。

两个团队都从学习开始，并且都将评估、启动和分析他们解决方案中的错误。之后，RPA 开发人员通常会在遇到环境变化时改变策略，而数据科学家通常会将反馈汇集到数据中，以进一步训练他们的 ML 模型。

乍一看，这似乎是一个很小的差异，但是一旦您缩小并查看时间线，差异就会层叠。

解决复杂问题（数据科学家最适合解决的类型）的时间范围至少为六个月。相反，RPA 开发人员倾向于使用敏捷工作流程，以周为单位衡量进度。这意味着沉浸在这些更快工作流中的 RPA 开发人员倾向于考虑快速解决方案，而数据科学家则倾向于转向更具探索性的项目。

RPA 开发人员和数据科学家的技能组合：不同但互补

当领导者联合 RPA 开发人员和数据科学家时，他们可以为组织带来的好处大于他们各部分的总和。与单独工作相比，RPA 开发人员与数据科学家合作可以自动执行更复杂的流程，而与 RPA 开发人员合作的数据科学家可以比以往更快地工作并更加专注。

尽管我们已经描述了差距，但 RPA 开发人员和数据科学家使用相同的语言 - 或者至少会编写代码。

UiPath 2020 年 RPA 开发人员状态报告显示，超过 90% 的 RPA 开发人员拥有大学学位，Python 已经是 RPA 开发人员已知的顶级语言之一。知识差距并不像你担心的那么大。

也有跨越这个鸿沟的愿望。在我们的研究中，RPA 开发人员已经表示他们希望了解更多有关数据科学相关主题的信息。在 UiPath RPA 对员工体验的影响中，超过 80% 的 RPA 开发人员表示他们想了解 AI/ML。而在 UiPath 2020 年 RPA 开发者状态报告中，几位 RPA 开发者表示，除了 RPA，他们还想增加 ML 和数据科学技能集。

数据科学家也不是看不见差距。研究表明，数据科学家几乎将一半的时间花在 RPA 开发人员可以更好、更快地解决的问题上。请记住（根据我们上面引用的 2020 Anaconda 数据科学调查），他们平均有 45% 的时间花在准备数据上，然后才能使用它来开发模型和可视化。

总结一下：

1. RPA 开发人员和数据科学家可以使用通用语言进行交流。

2. RPA 开发人员希望了解和实施数据科学。

3. 数据科学家经常被困在 RPA 开发人员可以帮助的工作中。

所以这给我们留下了一个问题：我们如何才能将这些明显互补的团队组合在一起？

打破数据科学和 RPA 团队之间的隔阂

如果领导者能够打破这些团队之间的障碍，他们就可以为他们的公司释放大量机会。为此，领导者必须让数据科学家能够将他们的需求传达给 RPA 开发人员，并协调两个团队以在复杂问题上取得更大的成果。

领导者可以促进协作

聪明的组织让 C 级领导者负责两个团队。在我们与 Heritage Bank 的案例研究中，智能自动化和流程卓越经理 David Johnston 说：“数据科学和自动化团队经常脱节。然而，在我们的组织中，这两个团队都向我们的首席财务官报告。”这是与 UiPath 合作的 Heritage Bank 可以在其最新的 ML 模型中实现 98% 准确率的重要原因。

虽然这可能并不总是可行的，而且如果组织报告结构不同，各自的领导者可以确保两个团队相互交谈，并且沟通是真正的双向的。为了促进这种水平的协作，领导者可以推广高价值的用例，强调两个团队合作的好处。创造力是必不可少的。正如我们所解释的，数据科学家短缺，因此聪明的领导者会找到新的方法来招聘数据科学家，并提高 RPA 开发人员的技能，以代替他们承担与数据科学相关的工作。

RPA 开发人员可以帮助数据科学家

当数据科学家遇到问题时，RPA 开发人员可以出手相救。

Inside Big Data 指出了数据科学家容易遇到的两个主要问题：

1. 数据科学家往往没有足够的标记训练数据来教授他们的学习模型。

2. 数据科学家往往不得不使用来自沙盒数据集的理论数据，而不是来自实际用例的数据。

这就是 RPA 开发人员的用武之地。RPA 开发人员可以通过以下方式使数据科学家受益：

• 创建元数据： 软件机器人，尤其是在与流程挖掘相辅相成的情况下，会在完成任务时留下数据痕迹，让数据科学家更容易理解流程。

• 访问旧系统： 软件机器人与旧系统配合使用，可以访问过去被困在旧工具中的数据。

• 使数据可用： RPA 开发人员可以将大数据集分解为可用的组件，并将不同的数据片段组织、标记和清理成一个连贯的整体。

• 实施现成的 AI 模块： 许多 ML 和 AI 用例并不新颖，RPA 开发人员可以部署预先存在的模块，而不是数据科学家从头开始构建模型。

• 使用 AutoML 节省时间： RPA 开发人员可以使用 AutoML 来查找最准确的预测模型，从而确保数据科学家不必为给定的用例制作和测试多个模型。这让数据科学家可以腾出时间从事更具挑战性的任务。

这些好处结合在一起，不仅使数据科学家的生活变得更加美好，而且还帮助他们完成了比以前更多的事情。 RPA 开发人员使数据科学家能够更快、更好地完成工作，并使最终解决方案更易于部署。

UiPath 可以帮助您的数据科学家和 RPA 开发人员一起达到新的高度

有远见的企业的目标不是在两个经常分歧的团队之间找到折衷方案。这是重新调整他们俩，以便他们可以一起完成比分开时更多的事情。数据科学需要准确、干净和经过验证的数据。 RPA 流程会生成干净的数据，并且通常从杂乱且非结构化的数据开始。

如果没有正确的工具集来显示有关业务流程和自动化工作流程的数据，即使是最好的领导者也很难让两个团队一起工作。 UiPath 平台提供了公司需要的工具来联合他们的数据科学和 RPA 团队。

UiPath 可以帮助数据科学家：

• 创建将数据收集到一个统一位置的软件机器人

• 使用 UiPath AI Center 交付 MLOps 的“最后一英里”并将模型部署到生产中

• 证明他们构建的模型的投资回报率，更好地让他们将大部分时间集中在探索数据和改进模型以解决实际问题

• 利用开箱即用的 AI 解决方案，例如 UiPath 文档理解和 AI 文档理解

UiPath 帮助 RPA 开发人员：

• 快速测试和部署 AI 模型

• 使用开箱即用的 AI 模型，这样数据科学家就不必从头开始构建任何模型，并且可以继续专注于新问题和解决方案

• 通过 AI Center 轻松拖放使用 AutoML 功能

• 使用 UiPath Marketplace 部署可重用的 RPA 组件，包括 ML

让我们考虑最后一个例子：如果您的公司想开始使用情绪分析，您的 RPA 开发人员可以实施我们的一个入门模型并为其提供工作所需的数据。如果您的公司想要使情绪分析更准确、更稳健——或者以其他方式调整给定的算法——那么你需要一名数据科学家。

另一种思考方式是，如果您使用数学来解决问题，那就是 RPA 开发人员的角色；如果你想弄清楚数学，那就是数据科学家的角色。 UiPath 提供了一个包含这两种工作的平台。

一旦您将数据科学和 RPA 结合起来，您的公司可以做的比您想象的要多得多。 UiPath AI Center 使您（无论您是否具有数据科学背景）都可以将 AI 拖放到您的业务流程中。要获得实践经验，请立即试用 UiPath AI Center。

与人工智能领袖和 UiPath 专家一起参加 UiPath 人工智能峰会！

从 2021 年 2 月 24 日开始，虚拟活动将持续四个星期。无论您是 AI 新手还是希望为您的机器人增压的经验丰富的 AI 从业者，都有适合您的会议。