RPA部署的分析指标 – 自动化分析 – 机器人流程自动化 | UiPath

2019 年 9 月 11 日

RPA部署的分析指南:一本KPI手册

现在的劳动力与十年前大不相同。十年前,如果一个经理想要知道有多少发票因为错误无法被提交到财务团队,他们可以直接询问负责发票问题的人。在如今这个充满了数字化工人的时代,你就可能需要一些额外的帮助才能对关键结果进行追踪。机器人不会讲话,但是它们手中却掌握着决定公司成功的关键信息。如何为机器人提供一个沟通媒介,从而让你能够了解到它们做了什么?分析也许就是答案。分析让你的机器人能够发声,从而让你能够向他们询问并基于答案做出决策。

但挑战在于,每个机器人流程自动化(RPA)利益相关者对成功的定义都有所不同,衡量指标也不尽相同。大体上来说,有下面两种类型的问题:

  • 运营洞察包含与RPA本身的执行有关的信息,但其中不包括节约了多少时间、节省了多少钱。运营洞察的一个例子是机器人在上周运行了多少小时。
  • 业务洞察将RPA部署(运营)中发生的事情与使公司(业务)受益的方式联系起来。比如“谁是我最有价值的客户”,或“总共处理了多少张发票?”这样的关注点。

接下来我们来谈一谈关键性能指标(KPI)和一些容易获得的洞察,希望可以帮助你评估以及阐明自动化策略的成功。

我们从一些关键的运营洞察开始:

错误

尽管机器人不需要咖啡,但如果有超出它们控制的阻碍因素存在,它们也无法完美运行。比如,如果一个应用程序发生了崩溃或正在维护,机器人就有可能无法完成一个流程。对于类似这样的情形,追踪错误以及它们发生的原因十分重要。当你回过头来看整体趋势的时候,你就能够识别模式并做出相应的调整。

利用率

追踪你的机器人每天运行了多长时间对于规划容量来说是非常重要的,机器人的利用率可以告诉你它们还可以加倍努力工作,或者也许它们已经太忙了。你可以看一看它们每天工作多少小时,对于无人值守机器人来说这个数字最大是24,而对于有人值守机器人来说最大是一个人类员工的每日工作时长。为利用率设置几个检查点是一个好的想法:

  • 平均每天工作的小时数(包括所有机器人)
  • 在一定时间内每天工作的小时数
  • 你认为利用过度/不足的特定机器人每天工作的小时数

较低的日利用率表示机器人还能承担更多的工作,较高的日利用率则表明可能存在自动化积压。如果出现高利用率的情况,那么最好增添更多的机器人来分摊工作负载。

成功率

不用说也知道,失败了的自动化流程并没有什么用。这也是为什么追踪成功率是一件重要的事情!一般情况下,我们希望将成功率锚定在90%左右,但如果成功率大约在100%,这可能意味着我们没能正确追踪某些错误。

持续时间

和成功率类似,对流程持续时间的认知也经常存在偏差。看到一个流程快速完成是令人激动的,但过短的运行时间也可能意味着自动化失败。

其他你可能感兴趣的指标包括生产力、吞吐量、流程例外、已处理的队列事务以及事务平均处理时间。

在对上面的指标进行追踪后,你就可以开始将运营成果和业务成果联系起来。我们接下来会对一些重要的业务指标进行拆分。

业务指标:

投资回报率

我们可以从至少两方面衡量RPA的投资回报率:节约时间和节省资金。机器人可以在几分钟甚至几秒钟内完成繁琐的手动任务。要特别留意一个流程如果让人类员工完成需要多长时间,这样你就有了一个基线,从而简便地计算出自动化节约的时间。通过把员工的时间转化成金钱,就可以很容易地算出节省的资金。为了计算方便可以将时间单位转化为小时,因为绝大多数工作都有一个按照小时的工资率。如果你想了解更多关于ROI的内容,可以阅读《论RPA项目的ROI难题》。

流程结果

RPA可以用来摆脱重复的人力工作,了解机器人为业务做了些什么至关重要。每一个自动化都应该为了做到一些事,所以了解并定义目标是非常必要的。在这里就需要追踪使用RPA之前的那些指标在使用RPA之后有了哪些变化。

记住你追踪的每一个指标都应该回答一个你感兴趣的问题,不论这个问题是运营层面的还是业务层面的。

工作队列和日志是跟踪运营指标和业务指标的理想工具。由于队列是结构化的,它们存储的是标准信息,例如处理每个事务花费的时间,但同时允许存储业务变量。

工作队列不仅让监测变得简单,还提供了优先级和截止日期设置的机制,我们可以通过分配优先级(高、正常或低)以及事务需要得到处理的时间来满足服务等级协议(SLA)。你可以通过哪些事务按时处理、哪些事务逾期来关照不同的SLAs。

我在UiPath以RPA开发者的身份工作超过了一年时间,为客户进行项目实施和指标资讯。客户的最大痛点在于,他们无法在同一个平台上将业务洞察和运营洞察结合在一起。直到今天,我作为分析产品的产品经理仍然没有忘记当年我听到的哪些需求和抱怨。我有幸从事一个很棒的新产品的工作,我也尽可能将我收到的来自客户的所有反馈都集成在其中。

我们如今发布了一个令人感到激动的未来分析产品,通过这里您可以了解更多:


原作者:Michelle Yurovsky,UiPath分析产品的高级产品经理。
特别感谢Harish Doddala和Cameron Mehin对本文作出的贡献。
UiPath中国翻译并整理。