0
点赞
收藏
分享

微信扫一扫

uniapp+node.js前后端做帖子模块:查看帖子(获取帖子详情以及对应的帖子评论列表)(社区管理平台的小程序)

IAB平台,使命和功能

IAB成立于1996年,总部位于纽约市。

        作为美国的人工智能科技巨头社会媒体和营销专业平台公司,互动广告局(IAB- the Interactive Advertising Bureau)自1996年成立以来,先后为700多家媒体和营销会员企业赋能 - 为这些领先的媒体公司、品牌、代理商和负责销售、交付和优化数字广告营销活动公司和机构提供数字化营销平台服务和技术援助。IAB公司的使命是帮助平台上的企业快速高效转向数字化营销并建试图在行业之间推动数字化营销的标准并普及推广。

        IAB使媒体和营销行业能够在数字经济中蓬勃发展。针对互联网数字世界营销广告眼花缭乱,鱼目混珠的现状,互动广告局带头进行了批判性研究,同时也对品牌、代理商和更广泛的商业界进行了数字营销重要性的教育。 IAB组建了人工智能标准工作组(the AI standards working group),2019年12月他们发布了第一份报告《人工智能与市场营销中的应用》。随即2020年,IAB联合IBM的WATSON广告和尼尔森公司(Nielsen)决定致力于研发与市场营销相关的人工智能技术、最佳行业实践、(推广)人工智能的案例和(规范)营销类人工智能技术条款术语来帮助营销负责人迅速转向数字化营销市场,拥抱人工智能和机器学习技术。 IAB与IAB技术实验室合作,制定技术标准和解决方案。IAB致力于专业发展,提升整个行业员工的知识、技能、专业知识和多样性。贸易协会通过其在华盛顿特区的公共政策办公室的工作,为其成员进行宣传,并向立法者和政策制定者宣传互动广告业的价值。

         IAB全球网络汇集了包括三个区域组织在内的45个IAB组织,以分享挑战,开发全球解决方案,并推动全球数字广告业。IAB分布在北美、南美、非洲、亚洲、亚太和欧洲。每个协会都是独立拥有和运营的,根据符合当地市场需求的章程运作。

​​​​​​​第九篇 – 过程发现(Process Discovery)是如何赋能数字化市场营销全过程?

一、原文作者及本文潜在受众

作者:Max Cheprasov,原dentsu首席自动化官;

Brian Klochkoff,自动化解决方案总监,dentsu

(以上两位作者之前已经介绍过,不再介绍。)

首要受众:技术专家

次要受众:机构高管和营销人员
 

二、利用人工智能技术在市场营销过程可以发现什么问题 – Process Discovery

       

        无聊和重复的任务是任何公司重要任务的一部分。减少这种改造工作将使团队更有效率、更有生产力、更有创造力,并改善员工的整体体验。这也将使他们有时间参与其角色中更具战略性和回报性的方面,从而提升每个员工的潜力,并在这个过程中提高客户满意度。

        但识别和自动化这种重复性工作通常意味着雇佣昂贵的业务分析师来进行传统和过时的时间和运动研究。这些练习的结果往往会导致主题专家和流程所有者的轶事见解,他们的一天被打断接受业务分析师的采访。

        随着自动化和人工智能能力的发展,以经济高效的方式模仿人类,有可能将计算机视觉、模式识别和机器学习等技术结合起来,训练人工智能来创建业务分析师的输出。早期采用者正在体验巨大的利益和竞争优势,其费用仅为与这些流程图和时间/动作研究练习相关的传统咨询费用的一小部分。

三、如何应用人工智能技术在过程发现(过程挖掘)中为市场营销创造价值?--- 主要应用场景和工具介绍


         这种类型的技术被称为过程和任务挖掘。它可以通过多种方式加以利用使用不同的方法和数据集来实现类似的输出,但主要用途以客观和非侵入性的方式获得企业运营的透明度,从而产生可操作的产出。这项技术不会干扰被观察员工的日常工作,输出是实证的,运营团队使用人工智能生成的见解来优化流程,识别离岸外包和自动化的机会,甚至揭示客户团队的行为模式和细微差别。最终,这些见解往往用于优化和自动化流程,以提高生产力,并为更高价值的任务留出更多时间,从而带来更好的客户体验和改进的业务成果。

         先进和一流的提供商利用人工神经网络(ANN)、自然语言处理(NLP)和机器学习(ML)模型,结合先进的光学字符识别(OCR)和计算机视觉,来分析低分辨率视频,这些视频记录在与观察周期所部署的软件一样多的机器上。这种方法允许人工智能使用更深入、更精细的数据在大规模范围内快速进行实际分析。

        在一个值得注意的案例研究中,一家全球广告控股公司通过一个两人流程挖掘程序,在前五个月内发现了2200个流程,该程序需要30名业务分析师在同一时间手动完成。在另一个例子中,一家企业能够观察到300人所做的超过100000小时的工作,从而创建了一个9 TB的数据海洋进行分析。目前,解决方案架构师需要评估输出,并为所确定的用例推荐适当的解决方案路径;
但随着这项技术呈指数级发展,可以肯定的是,这种类型的推荐引擎迫在眉睫。
邀请参与者自愿参与流程挖掘工作至关重要。
这样一个项目的战略当务之急是改善日常工作,以便像广告这样以人为中心的行业中的人们能够真正得到提升,并充分发挥他们的创造力。

       十多年来,机器学习一直被应用于传统的过程发现(过程挖掘)。如今,许多供应商声称提供利用机器学习的人工智能过程发现(过程挖掘)软件。然而,客户不知道人工智能功能是如何集成到过程发现(过程挖掘)中的,这使得企业负责人很难理解机器学习过程发现(过程挖掘)的好处和用例。传统的流程挖掘工具没有利用人工智能,然而,一些供应商集成了机器学习和深度学习等人工智能功能,以自动化IT系统中流程数据的收集、发现、可视化和监控。因此,人工智能支持的过程发现,也称为智能过程发现(过程挖掘),可以增强不同应用程序的功能,如依赖常规过程发现(过程挖掘)功能的数字孪生和预测分析。目前技术主流主要使用的技术 - 数字孪生和模拟。机器学习(ML)可以用于流程挖掘应用程序,如企业模拟产品和现有业务流程以估计成功率和错误率的组织的数字孪生和数字孪生。

(一、)常见的六大应用场景包括:

1. 描述性过程发现(过程挖掘)

1)将类似病例归为一组。

2)检测异常值。

3)评估问题,并学会根据训练数据查找类似错误。

4)描述性流程用于理解业务运营数据。一个例子是制造业的交付周期数据。

5)自动化流程发现

        流程发现属性使用户能够分析和可视化其流程数据。如今,一些供应商提供流程发现工具,利用人工智能技术和算法自动发现工作流并生成流程模型,称为自动流程发现。自动化过程发现也可以通过使用计算机视觉来帮助识别人类互动。

2. 诊断过程发现(过程挖掘)

诊断过程发现(过程挖掘)是指过程诊断方法,用于:

1)分析问题以找出根本原因

2)问题分类

3)捕捉流程随时间变化的趋势。

4)诊断过程用于发现过程中的问题。例如,在交付系统中,诊断过程发现(过程挖掘)检测符合和不符合的案例,并从相关区域的问题根源进行检测。

5)自动化根本原因分析

      流程挖掘供应商利用机器学习算法,如异常检测,提供自动化的根本原因分析。这些算法通常计算相关性并相应地分割数据以提供用户友好的图表。了解有关流程挖掘如何使用自动根本原因分析的更多信息。

3. 预测过程发现(过程挖掘)

根据关键绩效指标(KPI)预测所有案例的结果。针对这些情况,建议以下活动:

- 根据未来事件和正在进行的案例的KPI预测最终结果。

- 预测过程非常有用,因为它们依赖于当前信息来预测未来的问题。在交付服务中,流程挖掘预测准时交付(OTD)。它利用现有的客户订单列表来估计预期交付时间和可能的延迟。

4. 规定过程发现(过程挖掘)

1)向用户发送通知和警报。

2)启动RPA、工作负载自动化和不同的业务工作流。

3)更新企业资源规划(ERP和SAP)系统。

4)一旦预测过程发现(过程挖掘)提供了对可能问题的估计,就可以使用规定过程发现(过程挖掘)来防止问题并利用机会。为了继续这个交付示例,OTD可以超链接到电子邮件系统,以便在延迟的情况下向客户发送电子邮件。公司通常对所有这些类别实施流程挖掘,因为他们希望了解流程、检测问题、预测未来问题并及时预防这些问题。然而,正如流程挖掘趋势所表明的,与其他三种类型相比,规定流程挖掘仍在进行中。然而,流程挖掘的未来将提供比现在更多可操作的平台。

5. 上下文意识

       ML在过程发现(过程挖掘)中的另一个应用是上下文感知,这是一个收集实体环境信息的系统组件。上下文意识识别上下文并使用这些信息。事件日志可以存储额外的数据,例如时间戳、订单大小、相关人员等。这些额外的信息被称为上下文相关信息。在某些部门(如物流和制造业),一个过程或整个周期的频率作为上下文信息包含在事件日志中。可以从事件日志中提取该附加信息,同时对类似事件进行分组或估计频率。然而,它们对于确定过程中的错误至关重要。因此,需要考虑存储此类附加信息,以确保流程的质量。机器学习是一个上下文感知系统。它检测大型数据集中项目之间的相似性,并根据相关上下文对其进行分类。因此,它提供了方便的帮助或关于用户任务的信息。将机器学习和过程发现(过程挖掘)结合起来,可以为非结构化事件数据提供关键上下文感知,从而提高过程发现(过程挖掘)的结果。

6. 对业务的推荐

        根据过程发现(过程挖掘)的趋势,尽管人们对人工智能的兴趣越来越大,但人工智能在过程发现(过程挖掘)中的应用仍然有限。这是因为企业仍在努力解决数据集成问题,限制了他们利用需要大量高质量数据的人工智能功能。公司可以通过将数据放在云上或数据仓库来解决集成问题。通过利用仓库自动化工具,公司可以简化流程以整合数据,并开始应用流程挖掘来改进流程。此外,企业负责人需要确定他们是否需要智能流程挖掘软件。理解它的一种方法是通过部署开源流程挖掘工具或顶级供应商的免费试用来进行评估。

(二、)主要热门过程发现(Process Discovery)应用工具

      一些RPA提供商和分析供应商将流程发现作为其解决方案的一部分。此外,还有一些流程挖掘供应商提供自动化的流程发现工具。

       下面,您可以找到提供自动化流程发现工具的供应商列表。

那么,不同的解决方案如何实现流程发现?

1.使用RPA解决方案的自动化流程发现平台

        RPA是一种利用屏幕抓取和OCR来复制与GUI元素的人机交互的软件。它通过操作模型发现过程中的一系列步骤来自动化过程发现工具。一些RPA公司通过开发发现机器人提供自己的流程发现解决方案,而另一些公司仅将其RPA解决方案与领先的流程挖掘和发现工具集成。以下是部分供应商名称工具类型免费试用和开源选项:

2.使用分析解决方案的自动化流程发现平台

        分析工具利用历史数据来理解数据集中的模式。分析公司通过自动化流程发现来补充和改进业务分析(BA)和商业智能(BI)模型,因为它明确地说明了流程。提供自动化流程发现平台的一些软件公司包括:

1). 富士通自动化流程发现(APD)

2)Fortyseven软件自动化业务流程发现

3.使用流程挖掘解决方案的自动化流程发现平台

        流程挖掘工具可以发现、监控和可视化业务流程和工作流,以优化流程并提供自动化方面的见解。尽管流程挖掘供应商包括流程发现解决方案,但其他一些供应商声称拥有自动化的流程发现工具。一些声称提供自动化流程发现工具的供应商包括

1). IBM 国际商用机器公司

2). 安捷伦(amesto)

3). Everflow

4). Logpicker

5). Minit

6). Puzzle Data

7). Surface Insights

8). Thinksense.ai

只有第7家公司surface Insight提供免费演示,Minit根据这些供应商的要求提供免费试用版。

(三)开源AI算法

       这些机器学习算法是可以用Python、R、Java和其他语言实现的工具,可以免费发现和建模业务流程。最常见的开源算法在GitHub上有库和包及其代码:

1. FuzzymineR与Fuzzy miner

2. 阿尔法矿工

3. 启发式矿工

4. 感应矿机apache spark和感应矿机-Java语言

四、原文作者洞见

        要成功实现重复任务的自动化,关键是要了解地理/监管层面的数据隐私要求以及企业的网络安全政策。考虑到相关技术的早期原始潜力,还应考虑流程挖掘程序管理员的技术能力。例如,一位对技术以及行业特定业务运营有着良好理解的流程数据科学家将成为任何流程和任务挖掘计划的有力领导者。

五、推荐一家过程发现软件公司,国内行业领先的人工智能公司 – 销售易

         随着客户需求的不断变化及业务场景的持续拓展,工具化SCRM的弊端逐渐显现,在引流获客、营 销转化、存量运营等不同阶段均受较大限制,SCRM工具本身的ROI也难以有效提升。

        以企业经营过程中对业务人员进行工作质检的场景为例,工具型SCRM仅支持企业通过不同系统, 或者不同模块去查看员工与客户的会话记录、拜访情况、客户信息维护等碎片化的信息,使得企业无法 从全局视角对员工或客户进行全面、客观的分析,反而增加企业经营成本;而一体化SCRM,在此基础 上因为拉通了所有业务流程,通过营、销、服积累沉淀了统一的客户数据资产,真正做到以客户为中 心,协助企业构建规范化管理,助力企业实现客户全生命周期的精细化运营。       

        很多客户在使用SCRM的过程中,有着自己的独特见解和运营方法,也会提出许多个性化需求。为 了满足客户的个性化需求,一体化SCRM在数据与业务流程打通的情况下,可以通过底层强大的PaaS 平台能力支撑客户的业务需求。依托平台能力,通过企微连接客户,根据企业不同需求拓展功能、优化 流程、收集系统内外部业务各环节数据,打破数据壁垒,是连接消费者、提升客户体验的重要支撑,是 提升营销效果、运营水平和客户满意度的重要手段,更是助力企业降本增效、实现业绩增长的必行之 策。

        显而易见,一体化的SCRM必须以强大的平台能力为支撑,或者说营销服一体化的底层能力归根结 底就是平台能力。不具备平台能力的SCRM产品的价值链条是不完整的,我们可以通过SCRM产品是否 具备端到端的数据打通能力与流程打通能力来判断SCRM产品是否具备平台化能力。有了这一界定,企 业不仅可以基于平台能力持续收集并分析业务数据,将相关价值数据传递给业务与产品部门,基于数据 分析与洞察,给客户提供超出预期的服务;还可以建立更加高效的、可灵活配置的运营体系,通过智能 化的手段更加高效地处理业务问题,减少等待时间与人力投入,实现跨周期、可持续性业绩增长,而不 仅仅是停留在工具应用层面。

一体化SCRM通过内外协同实现端到端流程数字化

        不同企业之间的业务流程存在较大差异,这导致标准的业务系统无法承载企业的个性化业务流程, 只能提供在标准场景下的业务工具,无法支撑企业实现端到端的完整业务流程。业务流程关键环节的缺 失,最终会导致企业业务流程精细化受阻,以至于无法实现降本增效的业务目标。流程在线首先可以帮助企业提升业务效率,一体化的SCRM具备平台化能力,由于系统与企业微信实现了深度集成,业务流程可以在企业微信中顺畅流转,企业可灵活设置自定义流程、审批节点、流程 事件等,员工和管理员在企业微信中高效协作;流程在线还可以帮助企业提升客户满意度,企业可以根 据不同类型的客户、不同类型的产品设置不同的业务流程,为客户提供更加细致高效的服务;流程在线 还可以促进流程的不断优化,当企业在SCRM系统中搭建出标准业务流程之后,可以在BI系统中分析业 务流程各项关键环节产生的数据,利用这些数据,企业就可以及时发现业务流程的异常或不足,为优化 流程提供依据。

数据智能

一体化SCRM为企业夯实数据基建

       通过客户在线与流程在线,一体化 SCRM 打通了业务流程和数据,将全部“人”的数据和“业务” 的数据存储在了系统中。这些数据为企业客户经营提供了数据基础,也为数据驱动智能化运营,提供了 足够的想象力。但是这些数据往往有以下特点:

--- 数据量大,总量一般在百万至十亿条,甚至更多;

--- 数据维度较多,每项不同的业务,都有自己独特的数据信息。

        企业不能仅停留在数据收集和数据沉淀的阶段,还需要具备处理和分析这些数据的能力,进而发挥 数据的业务价值。有些企业开始构建企业级数据中台,进行复杂的数据集成和数据建模工作,成本高、 时间周期长、见效慢,数据和业务的结合需要长时间的探索,不确定性高。一体化SCRM功能强大:

--- 能够提供和业 务数据无缝整合的、开箱即用的客户数据平台,帮助企业夯实数据基建。

--- 集成全网企事业主体数据,覆盖工商企业,及学校、事业单位等非工商类主体,行业、区域、 注册资本、员工数、企业资质等 360 度企业标签,帮助企业解决了缺乏有效的客户主数据的问题; 

--- 通过开箱即用预置的数据流水线,企业在 SCRM 平台沉淀的个性化客户资料及客户全旅程业 务数据无缝沉淀至客户数据平台; 

--- 追踪和采集企业与客户的数字化互动行为数据,为企业沉淀海量客户行为数据;

从数据资产萃取数据价值,驱动运营升级

       通过大数据手段将各类数据资产沉淀到统一的数据平台后,下一步就是萃取数据价值、反哺企业业 务了。其中最常见最重要的方式,就是通过客户标签对客户进行特征化提取,形成客户360画像。而具 备一体化能力的SCRM可以基于客户分层、价值模型、生命周期等不同业务维度的运营需求,灵活搭建 客户标签体系,可以为企业计算客户属性、行为特征、行为分值、统计指标及组合规则等各类客户标 签,形成客户360全景画像,为企业构建精细化客户分层运营体系和精准营销体系提供数据基础。可以通过下面的例子来进行详细了解:

--- 企业运营人员可以结合自己的行业经验,通过对“销售机会”中的“销售金额”和 “销售阶段”等数据进行分析,设定“未来pipeline金额”标签,根据正在进行中的“销 售机会”的销售金额和所处销售阶段将客户分为“未来高贡献客户”“未来中贡献客户” 和“未来低贡献客户”等;

--- 企业运营人员还可以通过断约客户的特征,设定“断约原因”标签,根据“销售机 会”和“合同”等业务中提供的数据,将客户断约的原因做特征归类,将断约原因细分为 “客户业务终止”“竞品输单”“问题解约”和“休眠客户”等。 

数据智能技术融入业务场景,引领业务创新

一体化SCRM不光支持人工设置规则,进行数据化运营,基于AI技术,自动洞察、分析企业客户数 据,不断训练、优化模型,无缝融合业务场景,进行精准客户推荐、销售策略、行为建议及销售预测, 助力业务实现跨越式增长。以销售易SCRM为例,目前在数据智能方面已经实现以下业务创新:

--- 针对销售拓客效率低、锁定目标客户难等痛点,销售易 SCRM 以海量企事业主体数据库为基 础,结合 AI 技术,以客户找客户,以赢单客户为种子,快速推荐相似客户,帮助销售人员提升 拓客效率,快速锁定目标客户;
---  通过 AI 技术赋能,基于当前业务上下文,为用户提供快速、直观的行动建议,帮助销售、服 务人员更快的完成交易转化、降低客户流失率,或者提升客户复购;

---  在销售人员通过企微与客户进行沟通时,AI 智能引擎自动分析客户发送的聊天内容,实时计 算、匹配当前最适合的话术和素材,并展示在企微侧边栏,销售人员可以一键发送给客户,极 大的提升沟通效率。

六、数字化营销工兵观察

(一)、了解营销发现过程的步骤和内容,基于营销过程中需要采集的数据,可以帮助我们了解需要内部团队在CRM中如何输入这些信息,为开展过程发现做好充分的准备。以B2B企业为例在企业营销过程中,如何开展过程发现工作?

步骤1:确定客户的目标
        您首先需要确定客户的目标是什么。这应该是一个有指导的过程,客户可以表达她想要实现的目标,你的团队帮助完善和调整这些目标,使其符合SMART(具体、可衡量、可实现、现实、有时限)。通常,客户可能会说他们想实现一件事,而实际上他们想要其他事情。例如:客户说她想要更多的线索。当你深入了解时,你会意识到真正的问题是潜在客户的质量和销售转化率。这是一个完全不同的问题,有完全不同的解决方案。你的工作是提出正确的问题,发现真正的问题,然后将这些问题与你的团队通过营销和广告努力所能实现的目标相一致。

尝试询问以下发现会话问题,以更好地了解客户真正想要实现的目标:
•到年底,您需要从营销工作中获得多少收入?
•平均销售额是多少?
•您的期望的最终成交价是多少?
•您需要生成多少MQL和SQL?
•您需要从现有客户那里获得多少收入?

第2步:进行行业和竞争分析
       确定客户活动的未来战略需要你对客户所在的行业、竞争对手、可能成为竞争对手的公司以及他们使用的营销和销售策略有一个专业的了解。

列出客户的竞争对手名单后,请提出以下品牌营销发现问题:
•为什么客户会从你那里购买,而不是从你的竞争对手那里购买?为什么你会把交易输给竞争对手?
•潜在客户在销售过程中有哪些异议?他们对这场比赛有什么反对意见?
•您的定价与竞争对手有何不同?
•竞争对手使用什么营销策略?他们有多成功?
•竞争对手的客户服务体验如何?
•谁支持你的竞争?
•您的竞争对手创建的顶级内容是什么?
第3步:深入研究数据
       了解客户营销计划的现状是确定客户营销的弱点和长处、品牌机会以及下一步行动的必要步骤。首先审核客户的内容、网站结构和设计、电子邮件营销、分析数据和社交媒体档案。然后看看该品牌的数字表现,包括访问量、潜在客户、订阅者、潜在客户的顶级来源、转化率、电子邮件打开率和点击率、关键词排名、反向链接、网站表现等。

(二)、企业要为普及流程发现技术(以及更广泛的流程智能)用于市场营销及企业其他经营活动的发展做好准备。推荐大家关注以下趋势(来源于博主本人的学习笔记,真实来源,绝非个人杜撰):

1.人工智能(AI)、机器学习(ML)和大型语言模型(LLM)将继续释放过程智能的新能力,反之亦然。

      人工智能、ML和LLM已经使流程工具变得更快、更智能、更易于使用—流程发现智能技术可能已经在帮助我们的组织识别改进、效率、节约或增值的机会,人工智能的进步将帮助我们的流程进行更多的投资。生成性和预测性的人工智能将开始向我们展示可能出现更多机会或问题的地方,甚至可能提出问题的解决方案。过程挖掘注定将成为人工智能的重要推动者。

2.人类和机器之间分担的工作量将继续进化,但人类将继续掌舵。

        随着能力的发展,混合智能——人类和计算机之间共享的过程智能工作——将继续发生变化。算法的作用和人们的作用将逐渐转变-在人类和计算机之间不断重新分配任务。且核心流程挖掘原则仍然很重要。

3.以对象为中心的过程挖掘(OCPM)革命将继续。

       美国Celonis于2022年首次推出的OCPM。OCPM是一种新型的流程挖掘,它捕捉系统之间和对象之间的交互,因此可以在不同的软件、部门、功能中更全面地跟踪流程,以及整个业务——是一个巨大的变化,它导致了新的流程智能功能,以及在现在更复杂的环境中重新发明现有功能。此技术正在解锁用于之前未触碰过的领域。

4.过程挖掘的进步将使其在新的环境中发挥作用。

        OCPM将帮助处理智能进入更多的领域发展。除了金融或供应链管理等典型用例之外,还会快速进入医疗保健和电信作为流程优化的主要候选者。流程挖掘的两种更专业的形式会有所增加:联合和知识驱动的流程挖掘。联合流程挖掘可以为拥有多个组织单元的企业(如银行或拥有多个分支机构的汽车租赁公司)带来流程智能,通过来自所有来源的数据而不仅仅是来自一个来源的数据来开发更丰富的流程智能。知识驱动的流程挖掘结合了流程挖掘和流程建模,使用现有的流程数据让用户对新流程进行建模,同时获得对其工作的实时反馈。

5.IT部门角色的转变 - 流程智能将成为一种普遍的IT期望。

       IT部门将越来越多地参与流程智能。IT部门天生适合进行流程挖掘,IT作为流程挖掘的落地地是有意义的,因为IT是一种共享的、通用的业务能力。

       上周在与前公司的IT总监在交流此聊天机器人的时候,她也说他们公司正在找外部专家来帮住他们的销售团队选择人工智能技术公司。目前他们还不知道如何选择未来的合作伙伴。有需要这种供应商选择办法的朋友,可以私信留言给博主,我可以提供这样的工具(用来对新供应商苹果的打分工具 - EXCEL格式)

6. 过程发现智能技术

      拥有这样技术的过程智能平台公司将减少在棘手的记录系统中工作的需要。这种系统讲大规模地快速并入企业现有的系统中。

7.随着流程挖掘变得越来越普遍,共享数据将变得越来越常见,越来越有利

        随着流程挖掘变得越来越普遍,多方会发现共享一些信息的价值,所以数据安全工作既要保证安全的同时,又要能保证合作伙伴可以充分调用。匿名、高质量和广泛适用的数据可以共享,甚至可以作为参考或比较的产品提供。更稳健的数据将帮助组织了解其流程的进展情况以及机会所在。它能使组织能够做出更明智的决策,超越自己企业的数据边界。

8.过程发现智能将继续创造环保的结果,而过程采矿的进步将使实践本身更加可持续,可持续投资会进一步增加。

        流程智能将继续支持企业走向绿色的努力。随着流程挖掘变得更加有效并提高效率,进入商业可持续性的门槛自然会变低,将来会有更多的公司启动初步投资。

 *****诚如本文作者Max Cheprasov在第四节中总结提到,要成功实现重复任务的自动化,关键是要了解地理/监管层面的数据隐私要求以及企业的网络安全政策。考虑到相关技术的早期原始潜力,还应考虑流程挖掘程序管理员的技术能力。例如,一位对技术以及行业特定业务运营有着良好理解的流程数据科学家将成为任何流程和任务挖掘计划的有力领导者。和所有数字化转型的公司相比,数字化人才培养非常关键,既要有人懂人工智能技术,又要有人懂公司,行业,市场以及产品和内部制造加工过程等等。
​​​​​​​***** 本来这一篇我也是想介绍一家外国公司的,但是我发现本文中提到好几家公司,都因为某种特殊原因,我竟然无法登录他们的网站。销售易这个公司算是一个很全面的营销服务类软件公司。他们能够吧企业运营各个过程试图通过标准化流程来建立数据采集通道,收集数据然后利用人工智能技术挖掘数据价值。这个过程需要时间和更多的客户应用案例来积累。有理由相信这个公司会成为中国的市场营销领军企业之一。
*****与诸多外国人工智能营销服务类公司相比,很多外国人工智能公司在技术上精细化的程度比我们国内的营销服务公司要更深更精,科技公司与科技公司合作联手的氛围明显比国内的重,不停有小的人工智能公司被大平台公司收购合并,有的是专业做数据采集服务,有的集中搞数据标签,有的搞数据分析。而国内的营销类人工智能服务公司给我的感觉是什么都有,什么都能做,且行业之间合作相对较少,尤其基于生态合作的软件行业的收购我个人见到不多。即使有合作,或许因为合作机制,风险分担等问题,无法达成深度合作。当然日本和美国也有很多营销服务科技大平台公司。在产品集成研发和创新领域,人工智能公司未来一定围绕某个生态做长期布局和投资的。或许,这里也是企业家们,政府和行业协会需要关注的。当今社会,随着技术脱钩大潮涌来,国家竞争,地缘竞争,产业竞争都是需要联手,任何企业单凭一己之力,参与国际市场及竞争的时代已经一去不返。纯属个人理解,如有不妥,请大家指正。*****

七、资料来源及推荐阅读

1. 专家预测的8大过程挖掘技术

Expert predictions: 8 Trends for process mining in 2024 (and beyond)Read what three process mining experts at Celonis — including Chief Scientist Wil van der Aalst — predict what will be trending in process mining and process intelligence for 2024 and beyond.icon-default.png?t=N7T8https://www.celonis.com/blog/expert-predictions-8-trends-for-process-mining-in-2024-and-beyond/

2. 几家热门过程挖掘(过程发现)工具(公司)介绍

Top 22 Automated Process Discovery Tools in 2023Discover AI algorithms and process discovery tools provided by RPA, process mining and discovery, and analytics companies.icon-default.png?t=N7T8https://research.aimultiple.com/process-discovery-tools/3. 销售易官网白皮书下载

Neocrm销售易-CRM领导品牌-更多500强企业信赖的CRM销售易营销服一体化CRM,融合移动、社交、AI、大数据、物联网等新型互联网技术,覆盖营销获客、销售管理、伙伴管理、营销管理、售后服务等流程,是众多500强企业信赖的CRM。试用热线:400-089-8830icon-default.png?t=N7T8https://www.xiaoshouyi.com       为了便于读者后续深入学习数字化营销体系相关的这九种人工智能和机器学习技术,经过与多位同行讨论及前辈老师们的讨教,后续每一篇文章将尽可能按照以下原则,要求和框架进行编写。

下一篇:

第十篇:流量整形(Traffic Shaping)

举报

相关推荐

0 条评论