RPA 开发者与数据科学家协同：升维自动化战略

想象您是首席财务官 (CFO)，新季度即将开启。上季度不错，直觉说下季度更好。

理想世界里，您将直觉乐观转化为数据支撑的预测：季度首日即知期末部门可用资金，精准规划预算与资源投入。

结合 AI 与机器学习 (ML) 预测能力与自动化，即可将高价值信息指尖可得。但存在鸿沟：能攻克复杂数据挑战的两支团队——RPA 开发者与数据科学家——通常不协作。

数据科学家与 RPA 开发者技能互补。正确治理下，可配置新工作流双向发力。协作后：ML 规模化更快、数据科学家聚焦更复杂工作、RPA 开发者技能跃升、双团队业务成果最大化。首要挑战：打破数据科学家孤岛。

数据科学家被困孤岛

要在企业落地 AI 并以自动化转型组织，让 RPA 开发者与数据科学家团队汇聚是关键。孤岛在大企业常见，但打通这两支特定团队是影响力最大的变革之一。双方都想推动更智能流程与决策，但不代表协作。组织鸿沟导致他们用不必要的分离路径奔赴相似终点。

低估数据科学家价值会浪费巨大时间与资源。Glassdoor 数据：美国数据科学家平均薪资 $113,309。除薪资外，浪费数据科学家还有机会成本。

数据科学家稀缺，拥有团队应榨取最大潜能。遗憾的是，这些稀缺昂贵的「独角兽」常被雇主与本可协作的 RPA 团队误解。

企业为何常误解数据科学家

四大原因导致企业低估数据科学家价值：

1. 业务价值难量化。 2020 Anaconda 数据科学调查：不足半数 (48%) 数据科学家觉得能证明数据科学对业务成果的影响。
2. ROI 昂贵。 数据科学家本身昂贵，往往需企业不愿投入的更多资源。UiPath ML 产品经理、前数据科学家 Jeremy Tederry 曾因公司无资源将 ML 模型推向生产而离职。
3. 无协作无价值。 数据科学产出进入生产环境产生业务影响非坦途。数据科学家需跨组织支持才能成功。Tederry 指出：「ML 模型单独不行、也做不了什么——必须与其他团队协同、纳入更大项目才能成功。」
4. 大量精力耗于「隐形工作」。 Anaconda 调查：45% 数据科学家时间花在数据准备（加载清洗）上，模型或可视化前。这让数据科学家极度沮丧（见下推）。

来源

四因叠加，企业倾向低估、低利用数据科学家。殊不知，释放其价值仅一支团队之遥。

RPA 开发者也误解数据科学家

RPA 开发者与数据科学家心智模式不同，源于工作流与时间线差异。工作流分叉，心智随之分叉。这自然，但也阻碍跨部门沟通，制造孤岛。

MSD 数据科学家 Trung Nguyen 好例。在智能自动化文章中，他将 RPA 与 ML 工作流拆解为对比图表（见下）。关注：RPA 开发者聚焦写规则，数据科学家聚焦训练 ML 模型。

两团队均从学习起步，均会评估、发布、分析错误。之后 RPA 开发者遇环境变化通常调整策略，数据科学家则将反馈漏斗回数据进一步训练模型。

乍看差异微小，拉长时间线看差异级联放大。

数据科学家擅长的复杂问题求解，时间跨度至少六个月。RPA 开发者习惯敏捷工作流，以周为单位衡量进展。意味 RPA 开发者浸浴快节奏倾向速赢方案，数据科学家倾向探索性项目。

RPA 开发者与数据科学家技能：不同但互补

领导者对齐两团队，交付组织价值将大于部分之和。RPA 开发者配合数据科学家能自动化更复杂流程；数据科学家配合 RPA 开发者能更快更聚焦工作。

尽管存在鸿沟，RPA 开发者与数据科学家说同一种语言——或至少用代码说。

UiPath 2020 RPA 开发者现状报告：超 90% RPA 开发者拥有大学学位，Python 已跻身 RPA 开发者顶级掌握语言。知识鸿沟不如想象宽。

跨越鸿沟的意愿亦在。研究显示 RPA 开发者已表达想学习数据科学相关议题。《UiPath RPA 对员工体验的影响》中超 80% RPA 开发者想学 AI/ML。2020 现状报告中多位 RPA 开发者表示：除 RPA 外，想增加 ML 与数据科学技能。

数据科学家亦感知鸿沟。研究显示数据科学家近半时间花在 RPA 开发者能更快更好解决的问题上。上文引用的 2020 Anaconda 调查：平均 45% 时间用于数据就绪前的准备。

总结：

1. RPA 开发者与数据科学家可用通用语言沟通。
2. RPA 开发者渴望学习并落地数据科学。
3. 数据科学家常陷于 RPA 开发者能助力的工作中。

留下问题：如何将这两支明确互补的团队融合？

打破数据科学与 RPA 团队间的墙

领导者若能打通屏障，能为公司解锁海量机遇。必须让数据科学家向 RPA 开发者表达需求、协调双团队在复杂问题上达成更大成果。

领导者可推动协作

明智组织安排 C-suite 级领导统管双团队。Heritage Bank 案例中，智能自动化与流程卓越经理 David Johnston 说：「数据科学与自动化团队常脱节。我们组织里，两团队均向 CFO 汇报。」这正是 Heritage Bank 携手 UiPath 让最新 ML 模型达成 98% 准确率的关键原因。

若汇报结构不同、不总可行，各自领导须确保双团队真对话、且沟通真正双向。为促成深度协作，领导者可推广高价值用例，强调双团队协作收益。创意至关重要。数据科学家短缺，明智领导者将寻找新招聘渠道、提升 RPA 开发者技能承担数据科学相邻工作。

RPA 开发者如何助力数据科学家

数据科学家遇难题，RPA 开发者可伸援手。

Inside Big Data 指出数据科学家两大痛点：

1. 缺乏足够标注训练数据教模型。
2. 被迫用沙盒理论数据而非真实用例数据。

RPA 开发者介入点：

• 创建元数据： 软件机器人配合流程挖掘，执行任务留下数据轨迹，让流程对数据科学家更可理解。
• 解锁遗留系统： 软件机器人兼容遗留系统，释放曾被旧工具锁定的数据。
• 让数据可用： RPA 开发者将大数据集拆解为可用组件，整理、标注、清洗离散数据为连贯整体。
• 部署现成 AI 模块： 许多 ML/AI 用例非新颖，数据科学家无需从零建模，RPA 开发者可部署预置模块。
• 用 AutoML 节省时间： RPA 开发者用 AutoML 筛选最准确预测模型，免数据科学家为单一用例反复建模测试，释放其攻坚更硬骨头。

这些收益叠加，不只让数据科学家生活更轻松，更助其达成前所未有的成果。RPA 开发者让数据科学家更快、更好工作，也让最终方案更易部署。

UiPath 助力数据科学家与 RPA 开发者共攀高峰

前瞻企业目标非在两支常分歧团队间找妥协，而是重对齐让它们协同创造超越单独工作的成果。数据科学需准确、干净、经验证的数据。RPA 流程产出干净数据、常以混乱非结构化数据起步。

无能浮现业务流程与自动化工作流数据的正确工具集，最优秀领导者也难推动双团队协作。UiPath 平台提供企业所需工具，统合数据科学与 RPA 团队。

UiPath 助力数据科学家：

• 创建软件机器人汇聚数据至单一汇总点
• 以 UiPath AI Center 交付 MLOps「最后一公里」，部署模型上线
• 更好证明模型 ROI，助其聚焦大部分时间探索数据、优化解决真实问题的模型
• 开箱即用 AI 方案：UiPath Document Understanding 与 AI Document Understanding

UiPath 助力 RPA 开发者：

• 快速测试部署 AI 模型
• 使用开箱即用 AI 模型，数据科学家无需从零建模、可专注新颖问题与方案
• 用 AI Center 拖拽式 AutoML 能力
• 通过 UiPath Marketplace 部署可复用 RPA 组件（含 ML）

最后一个场景：公司想起步情感分析，RPA 开发者可部署我们的入门模型并喂入数据跑通。若后续要提升准确度、鲁棒性或调优算法，则需数据科学家介入。

另一视角：用数学解决问题是 RPA 开发者角色；搞清数学原理是数据科学家角色。UiPath 平台兼容双轨工作。

一旦融合数据科学与 RPA，公司能成就远超想象。UiPath AI Center 让您——无论是否有数据科学背景——都能拖拽 AI 直入业务流程。立即申请 UiPath AI Center 试用，获取实战视角。

加入 UiPath AI 峰会，与 AI 领袖与 UiPath 专家共聚！

虚拟活动跨四周，2021 年 2 月 24 日启幕。无论您是 AI 新手还是资深实践者想给机器人装上超级引擎，都有适配您的专场。