分析和自动化流程，为其注入人工智能，并采用更智能的数据管理方法是实现这一目标的关键。
译自 Stage a Productivity Revolution with Process Automation, AI and Data Fabric，作者 Adam Glaser。
IT 不断推动流程精简和提高生产力，这在 2024 年将变得更加重要。由于许多公司仍在承受通货膨胀和高利率的痛苦，IT 部门面临着在满足业务需求的同时尽可能减少开支和合并资源的压力。
然而，这种方法存在风险。例如，时间和预算限制会损害生产力，增加业务积压，并造成促使用户在未经 IT 批准的情况下下载应用程序的条件。由此导致的影子 IT 增加可能会导致安全风险和应用程序蔓延，从而进一步降低生产力，因为 IT 专业人员会尝试识别和控制使用其网络的应用程序。
为了防止这种情况发生，IT 组织必须将提高生产力作为今年及以后的首要任务。分析和自动化流程，向其中注入人工智能并采用更智能的数据管理方法是实现这一目标的关键。
进行有效的生产力改进的唯一方法是分析当前流程并获得基准测量。团队必须能够看到阻碍其流程的瓶颈，以便进行准确而有意义的调整。
流程挖掘提供了发现流程模式和识别改进领域的必要可见性。流程挖掘分析来自业务系统的事件日志，以提供工作流的可视化表示。团队可以看到延迟发生的位置、发生的原因以及工作流如何偏离理想的流程流。他们可以将此信息用作基准，对如何改进流程做出明智的假设。然后，他们可以与其他业务线所有者讨论如何实施流程改进。
流程挖掘提供见解，IT 团队可利用这些见解确定其流程的哪些方面可以通过自动化得到改进。例如，当前操作的某些部分可能受到机器可以轻松处理的耗时操作的阻碍。流程挖掘可以揭示这些操作，从而使 IT 能够围绕它们设计自动化流程。
流程挖掘分析来自业务系统的事件日志，以提供工作流的可视化表示。
根据预定义的业务规则进行自动化是第一步。最终，团队可能希望扩展其自动化，以包括将工作从知识工作者身上卸载的技术，例如机器人流程自动化和人工智能。
人工智能凭借其提高生产力的能力，正在企业 IT 生态系统中迅速获得关注。它正越来越多地被部署来分析数据模式并提出智能建议，数字化和处理以前手动处理的文档内容，根据过去的行为将工作智能地路由到最合适的团队，或总结和综合大量信息以供更快地使用。无论采用哪种类型的人工智能，显然这种新型员工——一种提供帮助而不是取代其人类同事的员工——将长期存在。
构建数据Fabric架构以提高智能和效率
分散的客户数据——客户信息通常在不同的业务部门之间孤立——可能是生产力的巨大杀手。企业有时会尝试通过为每个部门编制客户信息目录来解决这一挑战，但这只会增加 IT 需要管理的工具数量。这也使得难以创建每个客户的内聚视图。
采用一个集成多个系统并提供客户数据的内聚统一视图的数据架构要好得多。这可以通过数据 Fabric 来实现，数据 Fabric 是一个抽象的数据架构层，它连接不同系统中的数据。数据 Fabric 将业务数据组合在一起，以便团队可以全面了解每个客户。
数据 Fabric 还消除了 将数据从一个系统迁移到另一个系统所需的步骤，从而为开发人员和组织节省了时间和金钱。开发人员可以加速开发新的流程和解决方案，为整个企业服务，而不仅仅是各个业务部门。
通过采用这三种策略及其相应的技术，IT 团队将能够改进流程、提高效率、增强智能，并使 2024 年成为他们实现生产力目标的一年。