随着各行各業企業服務和産品越來越豐富多樣，市場競争也趨于白熱化，想要吸引并留存使用者，其難度和成本也在不斷攀升，企業為了盈利和生存，需要更加嚴格地控制成本和預算，提升營運效率。
目前依靠資料精細化營運、資料驅動增長已經成為大多企業的必選之路。
本文主要分享資料化營運以及RPA+AI為資料化營運賦能，會從以下幾個要點進行相應分享：
- 資料化營運
- 資料營運的産品體系
- RPA+AI助力資料化營運提升
- 營運人員的基本技能
- RPA+AI助力營運人員效能提升
- 泛BI
- RPA+AI是不同行業資料化營運的有效解決方案
資料化營運是現代企業從粗放經營向精細化管理發展的必然要求，是大資料時代企業保持市場核心競争力的必要手段。
現在許多企業都有自己的大資料平台，而能否基于此給企業營銷賦能、營運賦能，成為驅動企業成長的關鍵所在。
在資料化營運中會把資料營運的産品體系分成4層：資料收集、資料加工、資料計算、資料應用。
資料收集層
資料收集層通常是捕獲使用者在各個業務系統端的行為資料，加載各業務系統的結構化和非結構化資料，也會使用爬蟲技術來采集企業相關的第三方資料。
而需要收集的資料通常也會劃分成四類：行為資料、流量資料、業務資料、外部資料。
其中業務資料在産品營運過程中伴随業務産生，這些資料和營運息息相關。比如零售業中，庫存、使用者快遞位址、商品資訊、商品評價、促銷、好友關系鍊、營運活動、産品功能等都是業務資料，不同行業的業務資料是不一樣的，業務資料沒有固定結構。
而外部資料是一類特殊的資料，不在内部産生，通過第三方來源擷取，比如像同行店鋪的同類産品價格等相關名額。
資料加工層
資料加工層通常是清洗、轉換資料，來統一不同系統中相同字段的資料類型、資料值，建立合理的次元、度量以及資料模型。
這一層的産品子產品有中繼資料管理、名額庫、作業排程管理、資料品質管理等，都是為了讓資料可追溯、可管理，持續改進資料品質，産出高品質的資料。
資料計算層
資料計算層通常是解決資料開發和挖掘、标簽制作和使用、算法調用、資料調用等問題。對應的資料産品子產品有：開發管理、标簽平台、算法平台、資料接口、運維監控。
資料應用層
資料應用層通常是業務人員可感覺的系統和産品功能，包括日常報表系統、标簽查詢、CRM等。
在資料産品體系中資料收集和資料加工是RPA+AI賦能資料化營運提升營運效率的核心。
其資料收集與加工涉及到企業的各個業務系統，目前大多數企業系統的資料之間還存在着業務壁壘，很難在企業内部破除壁壘來對資料進行有效整合。而RPA+AI可以很好地在各個業務系統之間進行結構化資料和非結構化資料的有效收集整合。
同時外部的第三方資料，同樣可以通過RPA機器人來自動進行資料抓取，像過往通常使用的爬蟲技術。RPA機器人與之相比，更加快捷和安全，不僅更貼近業務人員，也更容易讓服務産品化。
企業做好資料化營運并不是一件簡單的事情，其營運人員需要具備一些必要的基本技能：圖表處理、讀懂報表、細分使用者、營運監控、可編寫簡單SQL。
圖表處理
營運人員需要具備基本的圖表處理能力，包括針對具體的營運場景，自己會制作趨勢圖、分布圖、雷達圖、二維交叉圖等。
讀懂報表
營運人員需要從自己業務相關的日報、周報、月報、監控報表裡發現跟營運有關的異常現象，并且能合理地解釋資料的波動。
細分使用者
營運人員需要能按照合理的次元切分使用者群體，并且能針對不同群體進行細分營運。這裡的合理次元主要是指基于營運方的具體營運目的，能提煉出簡單卻重要的核心要素，并且能對其進行合理的次元切分。
營運監控
營運人員需要能設計、制作簡單的監控表格，進而監控營運過程和關鍵環節。
SQL
SQL是結構化查詢語言的英文縮寫，指的是一種非常主流的資料庫查詢語言，通過該語言，使用者可以從資料庫中提取所需的資料。
營運人員掌握了簡單的SQL語言後，就可以随時對自己感興趣的資料進行簡單的查詢和抽取，而不用事事都讓資料倉庫人員或者資料分析人員去幫忙，提高了查詢和分析的效率。
RPA可以自動抓取業務資料，其裡面的資料庫元件也可以很好的連接配接資料庫伺服器，在元件裡面寫一些SQL語句就可以擷取到想要的資料，再加上RPA也具備優秀的資料處理能力，可以對資料進行有效加工處理來輸出報表。如此一來，營運人員通過RPA的助力提升會把更多的工作集中在分析和決策層面上。
但單就資料化營運來說，資料報表并不是最終選擇，主要還是輸出圖表，便于決策分析。
目前市場上大部分的RPA産品，還沒有重點關注圖表功能，通常是通過實施團隊整合其他産品的圖表功能進行有效利用，比如簡單的可能會使用Excel裡面的圖表或者利用技術手段使用Python進行圖表輸出，複雜的像資料駕駛艙可能會使用Power
BI、FineBI、Tableau等專業的BI工具。
另外需要知道的是泛BI的概念在資料化營運的企業裡正越來越深入人心。泛BI其實就是逐漸淡化資料分析師團隊作為企業資料分析應用的唯一專業隊伍的印象，讓更多的業務部門也參與資料分析和資料探索，慢慢掌握資料分析的技能和意識。
泛BI同樣也是資料化營運特征所要求的，是更高一級的資料化營運的全民參與。在這個階段，業務部門的員工不僅要積極參與資料分析和模型的具體應用實踐，更要求他們能自主自發地進行一些力所能及的資料分析和資料探索。
這無疑也是降低了非計算機專業的業務人員做資料分析的門檻。随着企業資料不斷資産化，如何把泛BI靈活的嵌入到RPA中，使其更貼近業務人員，做更進階的服務，是RPA服務産品化需要思考的一個前進方向。
代賬行業
代賬行業的财稅人員都離不開和資料打交道，而且每天都有大量重複的工作。RPA的作用是釋放大部分人力對資料的處理，解放重複勞動性工作。
人力資源行業
人力資源行業其實是做關于人的決策的資料密集型行業，其中的傳統資料就包括履歷、面試評價、績效等，比如可以用RPA的自動收集和資料處理能力來分析某公司的人力資源管理。
金融行業
在金融行業，無論是行業研究員、基金經理還是審計人員，工作的核心基本都是頻繁重複處理大量資料，運用RPA強大相容性的網頁資料抓取能力，可以為業務人員的資料研究提供很多便捷。
比如，業務人員想從網站擷取某債券借券存量的資料。然而，這個數隻能按日查詢，如果金融人員想擷取這隻債券近一年的資料，必須重複打開網站、選券、改日期、點選查詢、記錄下結果，這個操作需要200多次，而RPA可以很好的解決這類問題。
網際網路行業
在網際網路行業，身為營運的業務人員，每天需要處理大量使用者回複、流量資料等等，一人營運超過10個群，而用RPA寫了自動回複腳本，大大提高了工作效率。
電商零售行業
電商行業，同樣也可以使用RPA定時抓取同行店鋪産品使用者評價，可以針對使用者的痛點進行營銷活動，還可以抓取店鋪sku/spu、評論、客單價、客戶群、銷售額、每日價格趨勢分析、并自動制作資料報表，大大提升營運效果。
銷售中心
企業銷售中心的銷售人員一般是公司的頂梁柱，平常要接觸、拜訪很多客戶，那麼RPA可以幫助銷售人員自動抓取全網的相關客戶求購/競标，做資料分析，篩選目标客戶，分析同行産品資料/流量/客單價、客戶公司各方面的資料，促成成交。
利用RPA定時自動抓取相關所有的資訊，除了可以提高工作效率，競争政策也會更為明智和客觀。
其實在大部分行業裡，重複的工作，在未來都是非常危險的。要把更多的時間和精力放在思考和創新上，而不是重複的事情上。因為大部分重複的事情，都會被機器人所替代，這隻是個時間問題。