RPA 是什麼？
RPA 全名為 Robotic Process Automation，簡單來說，就是把「流程」用「機器人模仿人類行為的方式」達到「自動化」的效果。
RPA 有幾個很特殊的特性：
- 流程的機器人設定，可以用拖移的方式來完成，所以基本上不用懂程式語言 (no code or low code)
- 如果在數據分析中，大家接觸過一些視覺化軟體，比方說 Tableau、Power BI、Looker，就會知道，這些軟體也是強調不需要寫 SQL 或是 Python，就可以完成資料分析。這樣不需要懂程式語言 (no code) 的特性，就讓很多部門可以導入這種軟體，實現一般部門也可以完成資料分析的痛點！
- 當我們把流程梳理好之後，就可以用方塊拖移完成機器人的設置
- 機器人不是在單一網站上運行，可以向人一樣操控「整台電腦」
- 我們在寫 Python 或是其他程式語言的時候，通常會從「終端機」去控制整台電腦，好處就是，可以做的事情，不是只侷限在一個網站上，我可以把東西從這裡 (網站) 下載貼到那裡 (Excel)，然後再運算後儲存
- RPA 機器人雖然不是用寫程式語言的邏輯去控制電腦，但是 RPA 機器人是模擬「人要控制電腦的時候，我要做什麼」，我們先做 A 動作 (開啟 A 網站) → B 動作 (剪下貼上文字) → C 動作 (到我的文件中) → D 動作 (儲存)
- 好處就是，你只要會操作電腦，你就會控制 RPA 機器人 XD
企業為什麼需要 RPA？
- 部門中沒有 IT 人才 (會程式語言) 把流程自動化
- 即便有跨部門 IT 幫忙寫自動化流程，但是使用者看不懂 code，只要流程改變，又要來回溝通自動化流程，很多部門又回到老樣子用人力取代電腦 XD
- 重複性的工作或是流程，要請人還是讓電腦自己跑？
- 有幾個我看過很常請工讀生或是實習生的部門，通常都是因為有一些重複性的工作，覺得請正職太浪費錢，所以讓工讀或是實習來做
- 比方說財務部門出對帳單給客戶這類的事情，「必須做」，但是「很規律」 (無聊)，但又「需要細心，怕出錯」，這種時候，到底要找可能不那麼細心的工讀？還是讓電腦機器人做？
- 我認為這種「重複性高、必須做、很規律、怕出錯」的工作真的很適合讓電腦機器人做
- 企業案例分享：凱基金控底下的中國信託，靠著導入 5 支 RPA 機器人處理紓困貸款業務，在 6 個禮拜，完成以往需要審核 2 年的量 (參考新聞)
跟數據分析有關係嗎？AI + RPA + Data 成為部門轉型趨勢？
其實，很有趣的是，「數據分析、AI 工具應用、RPA 自動化」，剛好是我認為各個前端部門 (前端部門，我這裡泛指：業務、行銷、營運、產品、財務會計，這些幫企業解決客戶問題的部門) 升級的關鍵。
- 數據分析在部門內，扮演的角色？
- 數據分析是一個為部門策略 (action plan) 找到背書跟線索的手段
- 數據分析部門本來就是「生而為這些部門服務的」，數據分析部門如果不能夠幫助前端部門找到策略背後的佐證，那存在的意義就會小很多
- 所以我認為，數據分析本來就會存在在各部門內，尤其是資深同事或是主管，通常都應該能夠用數據分析來找到這個部門的定位、策略，甚至是用數據說服高層
- 那 AI 在各部門內，扮演的角色？
- 企業要有技術人才去創建一個 AI 服務，其實是相對困難的，因為 AI 技術複雜、技術人才昂貴，所以已經有很多企業看準了這點，出了「to B (面向企業) 的 AI 服務」，讓一般中小企業不用為了 AI 養一支很貴的 AI Team
- 比方說，在做 CRM 的時候，寫一支推薦商品的推薦系統，是非常耗時的 XD 品牌端就會使用 CDP 裡面的 AI 服務，做到「客製化的推薦」，等於已經有人幫我們把「推薦系統的演算法」寫好了，我只要想「怎麼應用」就夠了
- 所以，其實企業或是部門內，我們不用去學 AI 演算法怎麼寫？這個技術太難了 XD 但是知道這些技術怎麼應用，對於部門內的我們來說，才是比較重要的
- 那 RPA 在各部門內，扮演的角色？
- 把例行性公事自動化，用機器人取代，可以大幅度的減少人力問題，也會減少重複性業務的出錯比率 (人本來就是天馬行空、智慧的，不是擅長像機器人一樣做一樣的事情)
- 其實 AI + RPA 更有趣，因為 AI 可以像人一樣處理複雜認知的問題 (比方說：文件解讀、分析圖片內的文字)，RPA 可以把這個過程寫成機器人腳本，那這種需要認知處理的例行性公事，就可以用 AI + RPA 實踐
- 那 數據分析、AI、RPA，在部們內扮演的角色又是什麼？
- 當我們用 AI + RPA 工具，把無聊又重複性的事情做完之後，我們就可以把時間留給有趣的事情，比方說，利用數據分析找到優化的地方、找到可行的新策略。或是利用數據分析量化需要整治的地方，搭配 AI + RPA 去做實踐
- 所以，未來，前端部門如果可以有數據分析 + AI + RPA 的人才，這個部門可能會以很少的人力完成非常巨大的影響！！
企業最常用的 RPA 軟體工具？UiPath & Power Automate？
那今天先不談 AI 跟數據分說，我們專心了解 RPA。目前企業內部最主流的兩個 RPA 工具：UiPath、Power Automate，我們分別講一下優缺點，雖然我覺得分別不大、介面很像。就像數據分析視覺化工具 (Tableau、Power BI、Looker) 其實也是心法一樣，彼此之間很好轉換！
UiPath 軟體：優缺點分析
- 不需要程式語言能力、好上手、新手友善、有免費版：UiPath 提供直觀的拖拉式使用者介面，所以不需要具備程式語言的能力，就可以上手
- 學習資源最豐富：待會我推薦的三個學習資源都是教 UiPath
- 容易跟我們日常使用的各種軟體或是程式語言相容：軟體比如說 Excel，程式語言比如說 Python，都可以協作！
總結：UiPath 是滿容易上手的 RPA 機器人工具，也是現在大部分企業會使用的！！
Power Automate 軟體：優缺點分析
- 不需要程式語言能力、好上手、新手友善、有免費版：Power Automate 是微軟底下的產品，跟UiPath 一樣，提供直觀的拖拉式使用者介面，所以不需要具備程式語言的能力，就可以上手
- 學習資源相對較少：相較於 UiPath 有規劃社群、線上課程，Power Automate 的學習資源相對較少一點，但是基本上功能跟 UiPath 不會差太多，所以挑一個學是沒問題的！
- 整合 Microsoft 生態系統，適合本來就在用 Office 365 的使用者：Power Automate 深度整合 Microsoft 生態系統，適合使用 Office 365 的企業或是個人
總結：Power Automate 深度整合 Microsoft 生態系統算是優勢，如果企業要選擇採買的話，其實有很高機率會考慮 Power Automate～
如何自學 RPA？3 大教學資源推薦！
RPA 其實要自學不難，因為本來就是強調 no code (不用程式語言)，而且本來就是希望可以深入到各部門內，幫助一般人可以用機器人處理日常流程。
這邊我會分英文跟中文推薦幾個課程，讓大家可以自學之後，真的利用課程中的經典案例，應用在現在的工作流程上！
Coursera / 有證照、UiPath 官方出品
總共 6 個章節：
- RPA Basics and Introduction to UiPath：學習機器人流程自動化 (RPA) 基本概念、瞭解 UiPath Studio 及界面、如何在 UiPath Studio 中建立自動化機器人
- Data Manipulation in RPA：學習 RPA 變數跟引數的使用
- UI Automation and Selectors：學習錄製功能，把日常的流程用錄製功能自動化
- Control Flow in RPA：知道流程圖的設計、除錯的方式
- Automation Techniques in RPA：這邊開始就很實用囉！幾個常見的機器人舉例：學習爬蟲 (螢幕截取和數據截取)、PDF 資訊讀取，進行 Excel + Email 自動化
- UiPath Orchestrator and Capstone Projects：總結以上課程，實作一個小專案
優點跟缺點：
- 優點：完成之後有官方 + Coursera 認證的證照！
- 優點：可以 7 天免費試聽！
- 缺點：我覺得機器人範例有點太少～
Udemy / 7 大機器人應用講解，場景很常見，推薦！
組共 10 個章節：
- 基本介紹：講解這堂課要用的 UiPath
- UiPath Studio 介面總結：把常見的介面跟元素介紹一下
- 實作 RPA 機器人一：服裝建議機器人
- 實作 RPA 機器人二：Data 擷取機器人 (RPA 是資料收集小幫手 XD)
- 實作 RPA 機器人三：Excel 自動化機器人 (數據分析能力 + RPA = 資料工程能力)
- 實作 RPA 機器人四：網站爬蟲機器人 (對！爬蟲不需要會 python，用 RPA 就可以！)
- 實作 RPA 機器人五：PDF 讀取機器人
- 實作 RPA 機器人六：字串辨識機器人
- 實作 RPA 機器人七：Email 自動化
- 小總結
優點跟缺點：
- 優點：機器人的範例很多，這七個是日常工作很典型「可以被機器自動化取代的工作」
- 缺點：基本上沒有缺點，就是全英文就是了！
Pressplay / 中文 Uipath 教學唯一推薦、7 大機器人講解
組共 9 個章節：
- 基本介紹：講解這堂課要用的 UiPath
- UiPath Studio 變數解釋
- 實作 RPA 機器人一：RPA = Excel + VBA
- 實作 RPA 機器人二：流程控制機器人
- 實作 RPA 機器人三：分類資訊的機器人
- 實作 RPA 機器人四：Email 自動化機器人
- 實作 RPA 機器人五：Selector 桌面應用程式自動化機器人
- 實作 RPA 機器人六：發票提取自動化機器人
- 實作 RPA 機器人七：爬蟲自動化機器人
- 常見問題解答
優點跟缺點：
- 優點：七個機器人教學算是滿齊全的
- 優點：老師有經營 Youtube，有問題應該找得到人問 XD 而且通中文～～
- 缺點：比較貴一些
RPA 相關的工作有哪些？薪水好嗎？
RPA 學完之後，有兩個主要的求職方向：
- 結合現有工作 + RPA
- 轉職到 RPA 領域
結合現有工作 + RPA：數據分析、財務會計、營運、人資、金融相關
- 數據分析 + RPA = 類資料工程人才
- 如果懂數據分析 + RPA = 可以自動化處理數據需求
- 比如說下載不同資料源頭、整併後做報表、分析
- 財務會計 + RPA = 數位化財會
- 財務部門真的越來越多在導入 RPA XDD
- 比如說：核銷報表機器人、客戶繳款單機器人、請款單自動化流程，都可以解放很多財會部門的人力，以一 (RPA) 擋十 (人力)
- 人資 + RPA = 招聘流程自動化
- 人資通常是比較少人想到要數位化的部門，但是招聘的流程其實也是很繁瑣
- 比如說：履歷搜集、面試邀約、面試結果通知、聘書寄送、員工資料收集，其實都可以用 RPA 實現
我們都知道，在自己的領域競爭工作，如果有炙手可熱的技能，通常：第一，可以在競爭者之間比較突出。第二：薪水可以談的空間更好。
基本上 RPA 自動化可以優化工作流程、解放部門人力，這是「效益很好量化的談判條件」！
轉職到 RPA 領域？職缺跟薪水剖析！
- 現況：
- 目前 RPA 在台灣是很新興的應用工具跟領域。工作雖然不是非常多，但是競爭非常非常不激烈！！可以說是每個工作打開都只有 0~5 個人投！！
- 實測：我有數據分析班的學生，靠著 RPA 兩個專案經驗，就拿到 3 個 RPA offer！可見目前這個領域的熱度！！
- 職缺現況：
- 主要出現在哪些行業或是公司？
- 主要出現在金融、科技、顧問業、四大會計事務所。LinkedIn 上也有知名外商有相關工作
- 職缺類型有哪些？
- 工程師：開發 RPA 機器人
- 專案經理 (PM)：控管機器人專案的 PM
- 商業分析師 (BA)、顧問 (Consulting)：了解部門或是客戶需求、規劃 RPA 專案
- 業務 (Sales、BD)：開發需要 RPA 的客戶
- 薪資待遇？
- 一開始落在月薪 45K~50K 之間，根據技術跟 PM 或是 BA 經驗，也有可能更高～
- 算是即便無經驗，起薪還是非常不錯的工作領域
- 主要出現在哪些行業或是公司？
- 分析一下職缺後，我認為？
- 台灣有許多 RPA 相關工作機會，不需要程式語言的背景 (當然懂一點 coding 的運作邏輯會更好)，但整體來說，只要對 RPA 實務應用夠熟悉，都有機會找到合適的工作
所以，RPA 真的有那麽好嗎？
目前的限制：維護成本 = 工作需求
- 維護需要人力：RPA 機器人還是需要持續更新的，因為業務流程本來就會一直變化，所以並不是「寫完一次就永久躺平」。需要維護成本 = 公司會有這個工作需求，對我們來說，其實是好的 XD 確保我們學完之後，會有工作可以做！
- 安全性：RPA 自動執行機器人的時候，有可能是駭客攻擊的主要目標，所以在企業內部做 RPA 的同時，也會需要考慮安全問題 (但基本上大企業一定會有資安團隊，我認為這不是導入 RPA 才需要考慮的事情)
未來趨勢：數據分析 + AI + RPA 自動化，不可避免！
回到前面剛剛說的，不管哪一個前端部門，都會有這幾個問題：
- 需要有數據背書，來思考部門的下一步：這時候就需要數據分析
- 需要有電腦跟機器人，解放勞動力：這時候 AI 的運算 + RPA 的機器人自動化，就是無可避免的事情！
所以，如果說，一般上班族想轉職，或者是希望提升在自己領域的競爭力，我一定會推薦這三個領域：「數據分析 / AI / 自動化」！
如果你希望以「數據分析 + RPA 自動化經驗」，找到現有領域的加薪工作，我會帶著你做「現有領域 + 數據分析 + RPA 自動化」的專案，底下的會議連結預約後，我們可以先聊聊可行性！
來看看 AI 幫我做的簡報 (重點整理)！
