HABLEMOS DE RPA

RPA (Robotic Process Automation)

RPA es el conjunto de tecnologías que permiten automatizar de manera simple y rápida procesos que involucran tareas repetitivas dentro de las organizaciones.

Siempre me ha apasionado la automatización y las tecnologías RPA llevan la automatización a otro nivel. Esa es la razón principal para escribir esta entrada.

Utilicé como punto de partida la presentación que hicimos con Myriam Baquero, mi amiga en 2NV, con la que quisimos explicar sin demasiadas palabras técnicas de qué se trata esta tecnología.

¿Qué pasa hoy en las organizaciones?

Para poder empezar a hablar de RPA lo mejor es que primero echemos un vistazo a problemáticas que son comunes a diferentes tipos de organizaciones:

problemas empresas

Tareas repetitivas:

Todos hemos enfrentado tareas ridículamente repetitivas, esas que hacen que odiemos el trabajo. Apuesto que mientras leen esto se les vienen varias a la cabeza: Recolección de datos, cálculos repetitivos, aprobaciones.

Por esta razón, no sorprende que según un estudio realizado por McKinsey Global Institute, el 60% de las Ocupaciones están compuestas por un 33% de actividades que pueden ser automatizadas.

Cubrimiento de vacantes:

Acorde con un artículo en Portafolio asociado a la rotación, cubrir una vacante puede costarle a una empresa entre el 40% y el 150% del salario anual asociado, estos costos incluyen el proceso de reclutamiento, capacitación y disminución de productividad.

Errores humanos:

Cada vez tenemos trabajos mas estresantes y cuando estamos cansados cometemos errores. Un estudio de Marketwire muestra que en el Reino Unido y Estados Unidos, estos errores pueden llegar a costar $37 billones anuales.

No envíes a Humanos a hacer el trabajo de Robots

rpa robots

 

 

 

 

 

 

¿Qué es RPA?

Con frecuencia, cuando hablo de RPA, las personas piensan en robots como Terminator en el peor de los casos, y en el mejor como Sophia.

Aqui, es necesario mencionar que los robots de las tecnologías RPA no son mas que programas de software, que corren en un computador y realizan acciones que un Humano ejecutaría: Dar clic, copiar y pegar, rellenar formularios, procesar correo e interactuar con diversas aplicaciones.

Si observan un video de la ejecución de uno de estos robots, probablemente no verán nada extraordinario, será exactamente lo mismo que revisar la grabación de un Humano realizando la misma tarea aunque la posibilidad de ver que la pantalla de Instagram se abre sería mas alta en el caso del Humano.

Finalmente, vale la pena señalar que resulta mas preciso denominarlos BOTS, justamente para diferenciarlos de los robots que involucran hardware aunque aclaro que no es un término reconocido por la RAE.

Ventajas de las tecnologías RPA

Las ventajas de estas tecnologías se relacionan con las problemáticas exploradas al inicio:

  • Los tiempo dedicados a tareas repetitivas son trasladados a los bots permitiendo que la gente tenga mas tiempo para ser creativa y analítica. Esto mejora no solo la productividad de las empresas si no el sentido de propósito de las personas.
  • La productividad no se ve seriamente afectada cuando hay vacantes en la compañia; una vez la vacante es cubierta los tiempos de capacitación disminuyen en la medida en la que los bots estén ejecutando tareas con reglas de negocio complejas.
  • Los bots pueden trabajar 24 horas al día, los 7 días de la semana sin que por ello exista impacto en términos de errores producidos por cansancio. El riesgo del Negocio disminuye y las personas tienen mas tiempo para actividades constructivas.

Para reforzar los puntos anteriores, estos son los datos de la Global RPA Survey realizada por Deloitte en 2018:

Global RPA Survey Deloitte 2018

Además de estos datos, los participantes señalan que sus proyectos tuvieron un ROI inferior a 12 meses y reducción en las horas efectivas de trabajo de un 20%.

Pautas POD para implementar RPA

pautas POD

Basándonos en nuestra experiencia, en 2NV desarrollamos las PAUTAS POD (Planificar, Optimizar, Desplegar) como punto de referencia para la implementación de tecnologías RPA.

Planificar

  • Identifique procesos simples y de alto impacto, de esa forma se obtendrán ganancias tempranas que facilitarán el apoyo de la Alta Gerencia en la continuidad del proyecto.
  • Seleccione KPIs significativos para cada proceso, no todos los procesos requerirán los mismos indicadores. Un ejemplo es el tiempo de ejecución del proceso, si bien es un indicador atractivo, en procesos ya optimizados el tiempo raramenete disminuye pero si la carga operativa y los errores humanos.
  • Busque aliados internos a través de la automatización de procesos transversales que beneficien a la mayor cantidad de áreas dentro de la organización.
  • Busque aliados externos que tengan experiencia con la implementación de estas tecnologías y faciliten mostrar resultado rápidos dentro de su empresa.

Optimizar

  • Simplifique el proceso antes de intervenirlo: De otra forma terminará automatizando tareas innecesarias y el esfuerzo de automatización será mayor.
  • La tecnología debe apalancar el proceso: No todas las tareas dentro de un proceso requieren el uso de tecnologías de RPA, involucrar scripts y funciones en bases de datos facilitarán la automatización.
  • Establezca el Gobierno de RPA: Desde el principio las reglas de juego deben ser claras para todos, esto hará que hayan patrocinadores internos que faciliten el cambio.

Desplegar

despliegue 2NV

  • Haga la tecnología amigable: Dele un nombre y una identidad al robot (Dos de los que hemos desarrollado en 2NV se llaman LISA y TATO que son acrónimos relacionados con tareas que realizan).
  • La interacción con los bots deber ser sencilla a través de archivos de configuración simples y de fácil legibilidad.
  • Construya el bot: Puede elegir entre hacerlo usted mismo o buscar un aliado, esto dependerá de la estrategía que quiera manejar a corto y largo plazo.

Con esto termina este primer artículo sobre RPA. Si hay algún tema que quieran que trate en próximas entradas no duden en dejarlo en los comentarios

DATACAMP vs DATAQUEST

Sé qué esta semana debería hablar de «¿Qué es Big Data?» pero prometo hacerlo en mi próxima entrada. Por lo pronto estuve comparando dos plataformas en línea que espero me den las bases para convertirme en una Científica de Datos, se trata de DATACAMP (DC) y DATAQUEST (DQ).  Como ambas tienen costo mensual debo escoger una de ellas, así que vamos con «DATACAMP vs DATAQUEST».

Si no quieren leer el post completo los invito a que vayan a las CONCLUSIONES.

CREACION DE CUENTA

Creacion de usuario - Datacamp vs Dataquest
Creacion de usuario – Datacamp vs Dataquest

Ambas permiten crear cuentas enlazándose con Facebook y Google+, pero DC permite usar la cuenta de LinkedIn, esto  puede resultar atractivo por la posibilidad de compartir los logros fácilmente en esta red social.

PUNTO PARA DATACAMP


PROCESO DE INCORPORACION (ONBOARDING)

Proceso de Bienvenida - Datacamp vs Dataquest
Proceso de Bienvenida – Datacamp vs Dataquest

Una vez creada la cuenta, ambas despliegan una página para escoger el camino (Track). Para las personas que somos novatas, es mas informativa DQ ya que explica la diferencia entre Analista/Científico/Ingeniero de datos. La página de DC está orientada a escoger uno de los dos lenguajes de programación: Python y R, y para mi, que estoy apenas aterrizando, esta información no resulta muy útil.

En la página de DC escogí la opción de «Data Science» y en la de DQ la de «Start learning Python for Data Science» ya que el objetivo es que mi comparación entre Datacamp y Dataquest mantenga la mayor similaridad de parámetros .

PUNTO PARA DATAQUEST


EMPEZANDO

Configuración inicial - Datacamp vs Dataquest
Configuración inicial – Datacamp vs Dataquest

DQ toma en cuenta la experiencia en Python permitiendo especificar si se tiene conocimiento previo en funciones, bucles, condicionales, clases, excepciones y/o depuración; una vez se selecciona el nivel deseado se muestra una página que permite indicar las razones para empezar el curso y sobre las opciones seleccionadas DQ da una recomendación.

DC recomienda de entrada empezar como principiante lo que resulta en que usuarios avanzados se aburran y puedan abandonarlo prematuramente.

PUNTO PARA DATAQUEST 


IDIOMA

Disponibilidad de Idiomas - Datacamp vs Dataquest
Disponibilidad de Idiomas – Datacamp vs Dataquest

Los cursos de ambos sitios están escritos en inglés y si este idioma no es cómodo tendrán que usar la ayuda de algún traductor. DC tiene una gran cantidad de videos introductorios en inglés, sin subtítulos, y esto puede convertirse en un obstáculo a la hora de avanzar.

Por otro lado, quiero comentar que encontré en DC un tutorial de introducción a R en español pero no lo considero suficiente para asignarles este punto. Sin en el futuro encuentro mas de estos tutoriales en DC el punto sera para ellos.

EMPATE


INTERFAZ GRÁFICA

El diseño de DQ, con su navecita me parece retro y si bien para muchos esto tiene su encanto yo prefiero una página mas amigable como la de DC

PUNTO PARA DATACAMP


MANEJO DE ERRORES

Errores en la realizacion de los Ejercicios - Datacamp vs Dataquest
Errores en la realizacion de los Ejercicios – Datacamp vs Dataquest

Este punto así como el anterior es cuestión de gustos. En ambas plataformas hay ejercicios para completar antes de pasar al siguiente nivel, y en caso de contestar equivocadamente se evidencia la existencia de dicho error.

Los mensajes de DC son tan específicos que casi es imposible no contestar acertadamente así no se sepa el porqué de la respuesta, incluso se tiene la posibilidad de solicitar una pista a cambio de la disminución de experiencia. DQ por otra parte solo indica si la respuesta esta bien o no y como yo prefiero ganarme el conocimiento a pulso escojo a DQ.

PUNTO PARA DATAQUEST


COMPLETANDO LOS EJERCICIOS

Finalización de ejercicios - Datacamp vs Dataquest
Finalización de ejercicios – Datacamp vs Dataquest

Una vez se completan los ejercicios propuestos, DQ notifica con un modesto «Nice Work»,  mientras que el mensaje de DC es toda una celebración, adicionalmente van indícando los puntos de experiencia que se van ganando.

PUNTO PARA DATACAMP


AL FINALIZAR EL PRIMER MÓDULO

Finalización del primer módulo - Datacamp vs Dataquest
Finalización del primer módulo – Datacamp vs Dataquest

Al completar el primer módulo DC muestra un mensaje en dónde te indica que durante las siguientes 48 horas tendrás acceso a un descuento del 40% sobre el valor total del servicio anual, mientras que DQ solo te da un mensaje de felicitación.

PUNTO PARA DATACAMP


PRECIO

DC tiene un  plan mensual de USD$29 con acceso ilimitado a todo el contenido, mientras que DQ tiene dos: uno básico de USD$29 con misiones limitadas y otro de USD$49 con acceso a todo el contenido.

PUNTO PARA DATACAMP


CALIDAD DE LOS EJERCICIOS

Básandome en información que he recopilado con mi corta experiencia, le doy el punto a DQ ya que encontré ejercicios que usan datasets reales haciéndolos mas interesantes.

PUNTO PARA DATAQUEST


CONCLUSION: DATACAMP vs DATAQUEST… Y EL GANADOR ES…

Si han contado los puntos, ya sabrán que el ganador es DATACAMP, pero por muy poco. Si la principal restricción es el costo, no duden en escogerlo, especialmente si aprovechan el descuento al terminar el primer módulo. Sin embargo, si el dinero no es problema es importante tener en consideración el propio estilo de aprendizaje y objetivo final.

Tal vez en el futuro actualice esta entrada, pero por ahora voy a probar DATACAMP en su versión paga.

Si conocen cursos similares o han tenido experiencia con alguna de estas dos plataformas, me gustaría que los menciones en los comentarios. Finalmente, me gustaría cerrar con estos enlaces de la Fundación Carlos Slim que pueden ser de interés, y lo mejor de todo, sin costo alguno:

Diplomado Técnico de Big Data 

Curso en Visualización de Big Data

A LAS NUBES SE LAS LLEVA EL VIENTO (O por qué empecé este blog)

 

Nada mas cierto en mi vida en este momento que a las nubes se las lleva el viento.

Desde 2011 estuve trabajando con un proveedor de servicios montando la nube pública mas extensa de Latinoamérica; durante los primeros años eramos pocos los que conociamos la tecnología, y desde muchas perspectivas fuimos pioneros: Los primeros en la región en implementar vSAN, los primeros en Latinoamerica en tener una nube con Hyper-V, los primeros en ofrecer almacenamiento en discos de estado sólido y flash, y si bien cuando empecé lo que mas me alegraba de este proyecto era la posibilidad de trabajar con tecnología de punta, después de 6 años,  la nube,  especialmente en lo referente a Infraestructura y Plataforma como servicios,  desde muchos aspectos se convirtió en un «commodity» de la misma forma que hace unos años ocurrió con los enlaces de conectividad.

No me cabe la menor duda de que las tecnologías asociadas a la nube están aquí para quedarse, de la misma forma que los enlaces de conectividad, sin embargo, para mi, en mi corazón ya es tiempo de un nuevo reto y no creo que hayan tecnologías mas revolucionarías en este momento que todas la que están relacionadas con Big Data.

Empiezo desde cero, tendré que ir desde los conceptos básicos y mi objetivo es que los nuevos conocimientos que voy adquiriendo le sirvan a otras personas en sus propios descubrimientos.

Así pues… ¡Manos a la Obra!