《Forrester：來也科技數字化勞動力平臺總體經濟影響力白皮書（23頁）.pdf》由會員分享，可在線閱讀，更多相關《Forrester：來也科技數字化勞動力平臺總體經濟影響力白皮書（23頁）.pdf（23頁珍藏版）》請在三個皮匠報告上搜索。

1、 來也科技委托 FORRESTER 撰寫的總體經濟影響研究報告 來也科技數字化勞動力平臺 總體經濟影響 數字化勞動力平臺帶來的 成本節省和業務收益 2022 年 6 月 來也科技數字化勞動力平臺總體經濟影響 目錄 行業洞察.0 執行摘要.4 來也科技數字化勞動力平臺客戶旅程.7 受訪人員所在組織.7 主要挑戰.7 解決方案要求.7 用例說明.7 收益分析.8 服務效能提升.8 服務質量監控.9 IT 人力資源價值最大化.10 成本分析.13 軟件許可證費用.13 硬件成本.14 軟件部署及維護成本.15 自動化業務流程開發及優化成本.16 財務摘要.17 Appendix A:Total Ec

2、onomic Impact.18 Appendix B:Supplemental Material.19 Appendix C:Endnotes.19 咨詢團隊：Feng Gu Jiayin Li 行業洞察 FORRESTER CONSULTING 簡介 Forrester 提供獨立而客觀的基于研究的咨詢服務，幫助企業管理者實現關鍵轉型成果。Forrester 經驗豐富的咨詢團隊秉承以客戶為中心的研究方法，并采用獨特的定制化參與模型，與企業管理者密切合作，確定優先業務工作，從而滿足多樣化需求并確保帶來持續影響。更多信息，請訪問 Research,Inc.保留所有權利。未經授權，嚴禁復制。信息基

3、于最佳可用資源。觀點反映當時的判斷，可隨時更改。Forrester、Technographics、Forrester Wave 及 Total Economic Impact 是 Forrester Research,Inc.的商標。所有其他商標為其各自公司的財產。關于更多信息，請訪問 。參與編號 行業洞察 來也科技數字化勞動力平臺總體經濟影響 2 過去十年，隨著各個領域技術創新的爆炸式增長，自動化趨勢也愈演愈烈。對于企業乃至整個社會而言，自動化變革都勢在必行。十年前，自動化概念還只是停留在戰略層面，但在當前新冠疫情形勢的刺激下，自動化又被重新推向新的高度。嶄新的自動化結構時代已然來臨。在這個

4、新的階段，企業必須將自動化視為企業發展方向，而不僅僅只是一種技術工具，這樣才有望在市場競爭中搶奪主導地位。自動化結構是智能自動化和超級自動化演化的結果 在當前疫情期間，智能自動化（IA）和超級自動化持續風行。業界關注的焦點是實現快速部署、明晰的投資回報率率（ROI）以及實用 AI 支持功能（例如以文檔提取為目的的文本分析功能）等目標。在這波與疫情交織出現的自動化浪潮中，許多公司將主要精力放在策略方面，著重于克服當下亟需解決的問題，因此這個變革性過程的潛在力量還沒有充分釋放出來。但這也帶來了巨大的市場動蕩，導致：流程平臺的整合。在當前疫情形勢下的自動化進程中，許多流程改進平臺意識到，如果能夠提供

5、 RPA、低代碼 DPA 功能、流程和任務挖掘以及智能文檔提取功能，便可助力實現數以千計的流程的自動化。這會導致主要技術供應商的瘋狂并購活動。促進可實現流程改進的企業應用程序的發展。低代碼“功能”應用程序和套件的市場范圍將會有所擴大。平臺開始普遍采用“流程自動化”，并在 DPA、RPA 和特定解決方案流程平臺方面展開更有效的競爭。所獲取的 RPA 和 DPA 成為這些工具的功能。EX 驅動型自動化的興起。全球勞動力短缺問題改變了人們對自動化的態度。內部員工體驗（EX）技能培養、治理和 EX 計劃現在將發揮更為重要的作用，其目標是提高人類的情商、推理、判斷以及與客戶互動的能力。所有這些因素對于招

6、聘和留住員工都至關重要。低代碼與 DPA 相結合的發現到執行工具將會加速發展。這將在 2023 年初達到一個新的里程碑，同時也代表了低代碼技術和經驗的一個轉折點。治理、協調和組織結構問題將開始塵埃落定。如果供應商能夠幫助解決這些問題，則必然會在市場中立于不敗之地。DPA 與低代碼供應商之間的差異將不復存在。到 2024 年，任務和流程挖掘發現工具將可直接實現可執行自動化目標1。這種“發現到執行”模式將會逐漸取代低代碼技術，成為流程自動化的發展方向。自動化結構數字差異化的下個階段 各公司逐漸意識到，只有實現出色的自動化流程，才能在競爭中脫穎而出。他們將會認識到，盡管智能自動化和超級自動化是快速啟

7、動自動化的可行性方法，但并不足以達到最終目的。公司還必須具備深入機器學習、數據整合、對話智能和流程發現能力，才能開始嘗試自動化。企業管理者需要通過全面、可擴展和管理型方式整合自動化流程，即構建自動化結構，實現流程方面的徹底變革。到 2024 年，預計將會發生以下方面的轉變2：專注于 AI 導向型流程改進。各種形式的 AI 將會層出不窮，并滲透到幾乎所有企業軟件類別中，包括流程改進平臺。2023 年，新一波 AI 導向型供應商將會紛紛進軍流程自動化市場。AI 導向型業務模式將取代任務或工作流程導向型模式。他們將依賴 AI 構建塊來提升公司估值和建立聲譽，同時采用聊天機器人工作流程、決策管理組件或

8、以 來也科技數字化勞動力平臺總體經濟影響 2 行業洞察 文檔提取為目的的文本分析方法來不斷增強這些構建塊。建立順應自動化發展趨勢的數據整合流程?，F代化數據集成策略對于支持下一代自動化技術至關重要。數據虛擬化、AI 技術整合以及實時數據和現代邊緣應用程序支持的重要性也日益凸顯。集成平臺即服務（iPaaS）、API 管理、ETL 和新興數據集成提供商將成為流程自動化平臺關注的目標。買家選擇 API 和 RPA UI 集成方法的依據是什么？那就是能夠通過同一控制臺進行管理。提供能夠融合物理和認知自動化領域的工具。商店、酒店、醫院、倉庫和餐館都面臨倉庫打包和分揀、配送、食品處理和保潔工人短缺的問題。這

9、些工作已成為實現自動化的主要推手，但通常需要采用專有化、相互隔離的技術堆棧，并由專業人才進行管理，這些都與自動化 COE 的概念背道而馳。隨著機器人技術的發展和普及，自動化結構將為物理和認知世界提供連接的紐帶。DPA 和低代碼工具的結合。業務開發者將會大力推動自動化流程的大眾化，在自動化結構時代，自動化將在許多組織范圍內實現規?；?。聲明性功能將會嵌入到所有自動化工具和平臺中，創建出對業務用戶友好的拖放開發環境，因此低代碼市場將會逐漸銷聲匿跡。隨著自動化結構技術的不斷提升，自動化創建工具將能夠提供更優化的功能，且在基于機器人和 API 的異構化工作流程中具有更大的靈活性。Web3 工作流程整合計

10、劃。新興分布式技術將會繼續發展下去，使得數以百萬計的事務逐漸脫離傳統的企業控制范疇。目前集中化企業控制型信息領域與基于 Web3 的區塊鏈系統之間存在很大差距，這種現象可能繼續加劇。當前的形勢仍不甚明朗，但 RPA、DPA、新興低代碼和 AI 導向型平臺必將占據舉足輕重的位置。有一點是毋庸置疑的：這兩個領域之間需要加強整合，并且一般情況下可以通過流程改進技術來填補兩者之間的差距。自動化結構將提供全面的集成自動化工具包，側重于物理自動化方面的互操作性和包容性。重要的是，它可以融合員工體驗（EX）和客戶體驗（CX）領域的方法和工具，設計出一種以人為中心的流程，而不是讓人去適應自動化流程。未來工作模

11、式正處于轉型期 在疫情的影響下，各組織開始調整應對員工老齡化和低生育率等挑戰的方式。同時，智能軟件、AI、機器人流程自動化（RPA）和物理機器人技術將會使人類工作者從可預測任務中解脫出來。Forrester 研究結果表明，到 2030 年軟件將會承擔 2/3 的重復性工作，包括應付賬款統計和數據錄入等重復性手動任務 i。面對這些變化，每個組織都需要考慮：人類與機器之間全新的分工模式。未來工作中將會涌現出不計其數的創新成果，個人和公司可以利用這些資源解決業務問題，抓住發展機遇，從容應對瞬息萬變的商業環境。人類技能的巨大轉變。由于勞動力分工模式的轉變，許多員工將需要提升自身技能或學習新的技能。例如

12、，一些員工將成為“機器人大師”：軟件可以完成 75%的工作，而此類員工將負責處理意外事故，扮演主題專家的角色，持續改進機器人的性能，并使用所積累的數據來不斷優化業務運營流程。數字員工賦能業務創新?；跀底謫T工的全新工作執行模式將逐步形成，并改變員工思考和開展工作的方式，從而使公司能夠更好地專注于自己的核心能力，同時激勵員工大膽嘗試創新。為了更好地應對未來的不確定性挑戰，自動化結構的重心是，通過流程挖掘和數據分析技術，識別效率低下和工作執行差距問題，然后采取實際措施來彌補相應的差距。來也科技數字化勞動力平臺總體經濟影響 3 行業洞察 1“2022 年自動化預測”(Predictions 2022

13、:Automation)，Forrester research,Inc.，2021 年 10月 28 日 2“實現自動化結構的路徑”(The Path To The Automation Fabric)，Forrester research,Inc.，2022年 5 月 4 日 來也科技數字化勞動力平臺總體經濟影響 4 執行摘要 智能自動化（IA）投資力度增加，旨在滿足數字化業務的需求。企業希望通過利用強大的智能自動化設備產品組合，促進未來人類與數字員工之間的協作。根據 Forrester 研究結果3，企業對智能自動化投資回報率方面的兩項最主要的期望是：節省人力成本以及通過減少出錯率來提高收益

14、，而改進客戶體驗和員工體驗緊隨其后，分別排在第三位和第四位，這會為企業帶來巨大的潛在戰略價值。3“Forrester 信息圖表：智能自動化的價值已經超越成本節約的范疇”（Forrester Infographic：Intelligent Automations Value Spreads Beyond Cost Savings），Forrester Research,Inc.，2021 年 10 月 29 日。來也科技 數字化勞動力平臺可提供支持 AI 的統一、企業級自動化平臺，從而幫助企業優化運營，提高客戶滿意度和員工工作效率。來也科技委托 Forrester Consulting 通過總體

15、經濟影響（TEI）框架研究企業部署數字化勞動力平臺帶來的潛在投資回報率（ROI)。4該研究旨在為讀者所在企業機構提供評估來也科技數字化勞動力平臺潛在財務價值的框架。為了更好地了解此項投資相關的收益、成本和風險，Forrester 對中移在線服務有限公司山東分公司（CMOS 山東）的代表進行了一次訪談，該公司使用來也科技數字化勞動力平臺已超過三年。Forrester 利用這些經驗數據預測了三年的財務分析結果。在使用來也科技數字化勞動力平臺之前，CMOS 山東分公司存在大量易于出錯且耗費時間的手動或部分自動化業務流程，嚴重影響員工和客戶的滿意度；且存在部分業務流程無跨系統跨平臺接口等多方面限制，整

16、個組織內部形成了數據和流程孤島，同時缺乏數據驅動型決策方法。在投資來也科技數字化勞動力平臺之后，CMOS 山東分公司成功實現了大多數業務流程的自動化，從而提高了運營效率，優化了員工體驗，增加了客戶參與度，并打造出更為敏捷的業務模式。主要結論 量化收益。風險調整后的三年量化收益現值（PV）包括：每年從客戶服務處理業務中釋放 300 名全職員工勞動力資源。通過實現客戶服務管理流程的自動化，數百名全職任務執行者從解決客戶問題和故障排除中解脫出來，服務效能的提升為 CMOS 山東分公司節省了 5365 萬元人民幣的成本。服務質量保證效率提升，同時節省 4390 萬元人民幣的成本。來也科技數字化勞動力平

17、臺可將多個數據源和生成的報告自動整合在一起，從而使用投資回報率（ROI)414%凈現值（NPV)80.24M 重要數據結果 來也科技數字化勞動力平臺總體經濟影響 4 執行摘要 戶能夠更快速地訪問數據，同時減少驗證數據的工作量。實現 IT 資源 900%效率提升，最大化人員產出價值。該公司通過使用來也科技數字化勞動力平臺來處理日常 IT 系統監控和維護工作，從而實現 1 名員工即可完成 7 天 24 小時不間斷全天候監控，工作產出量等同于 10 名 IT 工作人員。通過 IT 管理資源的價值最大化，在三年時間內共計為該公司節省了 215 萬元的成本。非量化收益。此研究中未量化的收益包括：提升客戶

18、體驗。借助來也科技數字化勞動力平臺，CMOS 山東分公司縮短了客戶服務靜默時間，提高了客戶服務質量，從而大大改進了客戶體驗。提升員工體驗。來也科技數字化勞動力平臺將員工從單調繁雜的任務中解放出來，使他們有更多的時間來從事個人和職業發展相關事務，從而提升員工體驗。打破數據和流程孤島。來也科技數字化勞動力平臺可作為組織整合工具，將不同的數據源和多個系統聯結在一起，打破現有的數據和流程孤島，并加快內部協作和業務創新步伐。支持數據驅動型決策。來也科技數字化勞動力平臺可以將不同的數據源整合在一起，提供單一的真實數據來源，從而使決策者能夠作出更明智的決策，進一步推動業務開發。4 總體經濟影響（TEI）是

19、Forrester Research 研發的方法論，可幫助企業機構加速技術決策過程，并協助技術供應商向客戶傳達其產品和服務的價值主張。TEI 降低環境影響減少碳排放。來也科技數字化勞動力平臺可實現低能耗辦公模式，減少通勤時間，從而幫助 CMOS 山東分公司降低了環境方面的影響。成本。風險調整后的三年成本現值（PV）包括：許可證費用。來也科技采取年度軟件許可證費用收費方式，由于 CMOS 山東分公司提高了解決方案的采用率，許可證費用也相應增加。風險調整后的三年相關成本現值達到 567 萬元。硬件成本。此項成本包含用于部署整體來也科技解決方案的相關服務器成本。三年期間相關方面的成本共計 354 萬

20、元。內部部署和維護成本。此項成本包含初始平臺選擇、測試和安裝以及多年持續維護成本。風險調整后的三年相關成本現值達到 493 萬元。流程開發和優化成本。CMOS 山東分公司在多年內持續改進現有流程并挖掘新的流程。所產生的相關成本共計 524 萬元。采訪和財務分析結果表明，代表人員所在組織在三年內的收益達到 9970 萬元，而成本為 1938 萬元，最終實現凈現值（NPV）8032 萬元，投資回報率（ROI）為 414%。方法論可幫助公司向高級管理層和其他關鍵業務利益相關者展示、證明和實現 IT 計劃的有形價值。來也科技數字化勞動力平臺總體經濟影響 5 執行摘要 投資回報率414%收益現值 99.

21、70M 凈現值 80.32M 投資回收期 6 個月?來也科技數字化勞動力平臺總體經濟影響 6 執行摘要 總體經濟影響框架方法論 根據受訪人員提供的信息，Forrester 建立了總體經濟影響（TEI）的框架，其他組織可以參考該框架決定投資數字化勞動力平臺。建立該框架的目的是為了確定影響投資決策的成本、收益、靈活性以及風險因素。Forrester 采用多步驟的方法評估數字化勞動力平臺對一個組織的影響。盡職調查訪談來也科技利益相關者和 Forrester 分析師，以獲取數字化勞動力平臺相關數據。訪談 采訪一家使用數字化勞動力平臺的組織的代表人員，獲取與成本、收益和風險相關的數據。財務模型框架 運用

22、 TEI 方法論，根據代表人員訪談內容構建的財務模型，并根據受訪者的問題和憂慮，對財務模型進行風險調整。案例分析 Forrester 在建立 TEI 模型時，選擇了四個最基本的要素：收益、成本、靈活性以及風險。鑒于企業與 IT 投資相關的投資回報率分析日漸復雜，Forrester 的 TEI 方法論將提供關于購買決策的總體經濟影響全景圖。請參考附錄 A 以獲取更多與 TEI 方法論相關的信息。免責聲明 讀者須了解以下信息：來也科技委托 Forrester Consulting 完成此次研究，本研究結果不應用于任何競爭分析。Forrester 對于其他組織可能獲得的投資回報不做任何預測，建議讀者

23、根據報告中提供的框架自行預測投資數字化勞動力平臺是否合適。來也科技已經對該文檔進行了審閱，Forrester 已將反饋整合到報告中。Forrester 對該案例及其結論有最終定稿權，對于和 Forrester 調研結果相反，或者會導致意義模糊的修改不予接受。來也科技提供訪談對象的名單，但不參與訪談。來也科技數字化勞動力平臺總體經濟影響 7 來也科技數字化勞動力平臺客戶旅程 投資數字化勞動力平臺的原因 受訪人員所在組織 Forrester 采訪了中移在線服務有限公司山東分公司（CMOS 山東分公司）的代表人員，該公司使用來也科技數字化勞動力平臺已超過三年。CMOS 山東分公司的基本情況如下：主要

24、面向山東移動客戶提供互聯網服務、呼叫服務、電話營銷及前臺業務的集中化支撐服務。擁有 2500 名全職員工和眾多合同商。主要挑戰 在使用來也科技數字化勞動力平臺之前，CMOS 山東分公司存在部分業務流程無跨系統跨平臺接口對接，只能手動實施或部分自動化業務流程。受訪者指出了所在組織所面臨的常見挑戰，包括：員工滿意度和客戶體驗水平較低。工作流程容易出錯且耗費時間，從而影響到項目交付速度，且經常造成返工問題。因此客戶體驗和員工體驗水平欠佳。缺乏數據驅動型決策。由于所實施的許多業務流程通過非集成式系統進行管理，決策者很難了解這些工作流程的運行方式。通常，業務決策單憑“直覺”，而缺乏足夠的支持數據。組織內

25、部數據和流程孤島。業務最終用戶深受困擾的一個問題是，經常需要處理紛繁復雜的多樣化系統，且在跨職能協作方面缺乏相應的指導。解決方案要求 受訪者所在組織希望最終解決方案能夠：優化重復性、勞動密集型工作流程和業務流程并實現自動化 改進工作流程和業務質量 用作連接紐帶，且能夠與原來的系統和工具結合使用 能夠支持公司開發內部自動化能力 用例說明 在采用適當的提案申請（RFP）和評估多家供應商的用例流程之后，受訪者所在組織最終選擇了數字化勞動力平臺并開始部署：CMOS 山東分公司選擇了分階段實施方法，業務流程量每年遞增 10%。經過一段時間后，CMOS 山東分公司在平臺使用方面變得更為成熟，然后開始獨立開

26、發和優化流程?！爸悄茏詣踊氖找娌粌H僅局限于節省勞動力。它還可以持續改進員工技能并優化組織結構?！睌抵菆F隊負責人 來也科技數字化勞動力平臺總體經濟影響 8 收益分析 量化數據 服務效能提升 證據和數據 來也科技數字化勞動力平臺的一個重要使用場景是自動化的客戶服務流程，這包括解決客戶問題、排除技術問題、處理客戶投訴、收集和分析客戶反饋等。在實施標準化操作程序，并啟用人工值守的機器人之后，自動化客戶服務體現了以下好處：借助智能自動化，客戶在三年內平均釋放了 300+全職員工，這些員工因此可以從事其他工作。建模和假設 該收益的計算考慮了以下假設。因為每年都會增加新的客戶服務流程，因此假設需要在客戶服

27、務中釋放的員工數量每年增加10%。按照地區標準，假設每位員工使用的辦公用品（如筆記本電腦、計算機等）和辦公室管理的平均成本為 6500 元。風險 在此計算中，Forrester 還考慮了以下風險：釋放的全職員工數量增加的準確性，以及這一比例與過往的一致性?？蛻舴招枨罂偭侩S時間而變化，影響客戶服務所需的資源總數?？蛻舴章毮懿块T不同資歷級別之間的年費率不同，年費率也因行業和地點而異。結果:考慮到上述的風險，Forrester 將這一收益下調了25%，得出了三年期風險調整后的總現值（貼現率為10%）為 53,653,202 元?！?”?來也科技數字化勞動力平臺總體經濟影響 8 收益分析 量化數據

28、 服務效能提升 證據和數據 來也科技數字化勞動力平臺的一個重要使用場景是自動化的客戶服務流程，這包括解決客戶問題、排除技術問題、處理客戶投訴、收集和分析客戶反饋等。在實施標準化操作程序，并啟用人工值守的機器人之后，自動化客戶服務體現了以下好處：借助智能自動化，客戶在三年內平均釋放了 300+全職員工，這些員工因此可以從事其他工作。建模和假設 該收益的計算考慮了以下假設。因為每年都會增加新的客戶服務流程，因此假設需要在客戶服務中釋放的員工數量每年增加10%。按照地區標準，假設每位員工使用的辦公用品（如筆記本電腦、計算機等）和辦公室管理的平均成本為 6500 元。風險 在此計算中，Forreste

29、r 還考慮了以下風險：釋放的全職員工數量增加的準確性，以及這一比例與過往的一致性?？蛻舴招枨罂偭侩S時間而變化，影響客戶服務所需的資源總數?？蛻舴章毮懿块T不同資歷級別之間的年費率不同，年費率也因行業和地點而異。結果:考慮到上述的風險，Forrester 將這一收益下調了25%，得出了三年期風險調整后的總現值（貼現率為10%）為 53,653,202 元?！?”?來也科技數字化勞動力平臺總體經濟影響 9 收益分析 服務質量監控 證據和數據 來也科技數字化勞動力平臺的實施，使內部報告和質量保證效率得到了更大的提升。來也科技數字化勞動力平臺自動集成多個數據源并生成報告，可以更快速地訪問數據，并減少

30、數據驗證工作。以前，整個組織中平均需要分配 250 個全職員工進行過程管控及輸出結果，借助智能自動化，客戶可以不再為不再為內部報告投入大量人力；與此同時，此前客戶還需要組建一個 52 人團隊對媒體內容和數據質量進行人工抽查，借助來也科技的智能自動化機器人，現在可以連續不斷、實時地查看媒體內容與數據發布。建模和假設 該收益的計算考慮了以下假設：因為每年都會增加新的操作流程，因此假設需要在報告生成中釋放的員工數量每年增加10%，其中每人都將 70%的時間用于進行過程管控及輸出結果。按照地區標準，假設每位員工使用的辦公用品（如筆記本電腦、計算機等）和辦公室管理的平均成本為 6500 元。風險：在此計

31、算中，Forrester 還考慮了以下風險：免于分配的全職員工數量增加的準確性，以及這一比例與過往的一致性。數據和報告的總量隨時間而變化，影響所需資源的總數。生產力因人而異。組織中不同資歷級別的年費率不同。年費率也會因行業和地點而異。結果 考慮到上述風險，Forrester 將此收益下調了 25%，得出的三年期風險調整后總現值為 43,901,881 元。來也科技數字化勞動力平臺總體經濟影響 10 收益分析 IT 人力資源價值最大化 證據和數據 IT 團隊負責監控業務系統和 IT 基礎架構的各個方面。該團隊使用來也科技數字化勞動力平臺對系統進行日常的監控維護。當問題發生時，程序會自動標記并提醒

32、 IT 團隊。以前，IT 團隊僅有 1 人對系統進行抽查監控，部署來也科技數字化勞動力平臺后，在僅有該員工的情況下，可實現 7 天 24 小時全天候監控及預警，其產生的同等工作效果約需 10 名 IT 員工才可實現。建模和假設 該收益的計算考慮了以下假設：IT 員工將 80%的空閑時間用于該工作任務。風險 在此計算中，Forrester 還考慮了以下風險：生產力因人而異。IT 職能部門不同資歷級別之間的年費率不同。年費率也因行業和地點而異。結果 考慮到上述風險，Forrester 將此收益下調了 20%，得出三年期風險調整后總現值為 2,148,640 元。來也科技數字化勞動力平臺總體經濟影響

33、 11 收益分析 非量化收益 客戶能夠體驗到的但無法量化的其他收益包括：提升客戶體驗。借助來也科技數字化勞動力平臺，與幾天前相比，CMOS 山東分公司可以在數小時內實現工作流程的標準化和自動化，并更快速地響應客戶需求。這創造了更好的客戶體驗，有助于提高客戶忠誠度。提升員工體驗。來也科技數字化勞動力平臺幫助 CMOS 山東分公司執行了枯燥冗余、占用員工寶貴時間的工作。員工在此激勵下，會更加積極地將時間投入到更高效、更具創新性的工作上，從而改善了員工體驗，提高了員工留存率。打破數據和流程孤島。來也科技數字化勞動力平臺從多來源提取數據，并連接多系統，從而簡化并自動化業務流程。當來也科技數字化勞動力平

34、臺成為企業級的舉措后，它能夠充當組織的整合中心，打破了以往從后臺到前臺的業務孤島。這增加了不同部門的內部協作，使運作模式更具效率和創新性。支持數據驅動的決策。在部署來也科技數字化勞動力平臺之前，生成與規劃內部報告流程繁瑣，許多決策都是在沒有可靠數據支持的情況下根據“直覺”制定的。來也科技數字化勞動力平臺匯集了不同的數據源，簡化了內部報告流程，實現了數據驅動的決策。CMOS 山東分公司的決策者因此能夠發現他們之前無法看到的見解，并做出可以提高業務績效的數據驅動決策。減少環境影響。來也科技數字化勞動力平臺助力 CMOS 山東分公司的可持續發展進程，并減少其環境足跡。部署來也科技數字化勞動力平臺后，

35、CMOS 山東分公司每年可減少招聘約500 名全職員工。這降低了辦公室的能耗，減少了通勤，相當于每年減少排放 1149 噸溫室氣體。來也科技數字化勞動力平臺總體經濟影響 12 收益分析 靈活性 靈活性的價值對每個客戶來說都是獨一無二的?？蛻艨赡軙诓煌闆r下部署數字化勞動力平臺，并有可能在以后發掘其他的用途和商機，包括：重新培訓并提高員工的技能。隨著來也科技數字化勞動力平臺在 CMOS 山東分公司使用范圍擴大，對員工非常規分析工作的需求也在增加，例如批判性思維、技術熟悉度等。CMOS 山東分公司正在培訓員工與智能自動化一起工作。加速跨職能協作。CMOS 山東分公司已建成CoE 卓越中心，將自動

36、化相關的運營、戰略、培訓、技術串連起來。隨著來也科技數字化勞動力平臺的擴展，CMOS 山東分公司有望進一步打破組織內部的孤島，并鼓勵更多跨職能的協作。實現進一步的數字化轉型。通過自動化流程和最大限度地減少人力投入，來也科技數字化勞動力平臺革新了 CMOS 山東分公司的運營方式，為進一步數字化轉型提供了可能。支持企業創新。CMOS 山東分公司開始將來也科技數字化勞動力平臺從后臺推向前臺，期待在未來創造更多商業價值，推動更多商業創新。當作為具體項目的一部分進行評估時，靈活性也將得到量化（在附錄 A 中有更詳細的描述）?！?”?數智團隊負責人 來也科技數字化勞動力平臺總體經濟影響 13 成本分析 量

37、化成本數據 軟件許可證費用 證據和數據 CMOS 山東分公司向來也科技支付了年度軟件許可證費用，該費用基于每個流程。建模和假設 Forrester 做出了以下假設：第 1 年的軟件許可證費用為 160 萬元。隨著新添加的業務流程每年增加 10%，軟件許可證費用也相應增加 10%。風險 軟件許可證費用因以下因素而異：組織的規模。自動化流程和新添加流程的數量。結果 考慮到上述風險，Forrester 將這一成本上調了 30%，得出了三年風險調整后的總現值（貼現率為 10%）為570 萬元。來也科技數字化勞動力平臺總體經濟影響 13 成本分析 量化成本數據 軟件許可證費用 證據和數據 CMOS 山東

38、分公司向來也科技支付了年度軟件許可證費用，該費用基于每個流程。建模和假設 Forrester 做出了以下假設：第 1 年的軟件許可證費用為 160 萬元。隨著新添加的業務流程每年增加 10%，軟件許可證費用也相應增加 10%。風險 軟件許可證費用因以下因素而異：組織的規模。自動化流程和新添加流程的數量。結果 考慮到上述風險，Forrester 將這一成本上調了 30%，得出了三年風險調整后的總現值（貼現率為 10%）為570 萬元。來也科技數字化勞動力平臺總體經濟影響 14 成本分析 硬件成本 證據和數據 CMOS 山東分公司選擇在本地部署來也科技數字化勞動力平臺。這筆費用包括與用于部署相關硬

39、件的費用。建模和假設 Forrester 做出了以下假設：使用服務器來支持來也科技數字化勞動力平臺的部署。第 1 年的服務器成本為 100 萬元。隨著新添加的業務流程每年增加 10%，服務器費用相應增加10%。風險 硬件成本因以下因素而異：組織的規模。自動化流程和新添加流程的數量。結果 考慮到上述風險，Forrester 將這一成本上調了 30%，得出了三年期風險調整后的總現值為 354 萬元。來也科技數字化勞動力平臺總體經濟影響 14 硬件成本 證據和數據 CMOS 山東分公司選擇在本地部署來也科技數字化勞動力平臺。這筆費用包括與用于部署相關硬件的費用。建模和假設 Forrester 做出了

40、以下假設：使用服務器來支持來也科技數字化勞動力平臺的部署。第 1 年的服務器成本為 100 萬元。隨著新添加的業務流程每年增加 10%，服務器費用相應增加10%。風險 硬件成本因以下因素而異：組織的規模。自動化流程和新添加流程的數量。結果 考慮到上述風險，Forrester 將這一成本上調了 30%，得出了三年期風險調整后的總現值為 354 萬元。來也科技數字化勞動力平臺總體經濟影響 15 成本分析 軟件部署及維護成本 證據和數據 CMOS 山東分公司指出，他們必須花費時間和精力進行初始平臺選擇、測試、安裝以及長期維護。建模和假設 Forrester 做出了以下假設：60 名全職員工參與初始平

41、臺選擇、后端準備和平臺安裝，每名全職員工需要投入其 14%的時間。20 名全職員工負責平臺的長期維護，每名全職員工投入其 36%的時間。風險 軟件部署和維護成本因以下因素而異：部署的規模、范圍和復雜性。團隊的實際能力和技能組合。IT 職能部門不同資歷級別之間的年費率不同。年費率也因行業和地點而異。結果 考慮到上述風險，Forrester 將此成本上調了 25%，得出三年期風險調整后的總現值為 493 萬元。來也科技數字化勞動力平臺總體經濟影響 16 成本分析 自動化業務流程開發及優化成本 證據和數據 在初始自動化取得成功之后，CMOS 山東分公司建立了一個卓越中心（CoE），該中心由對在組織內

42、部擴大智能自動化應用的全職員工組成。此后，該團隊在來也科技數字化勞動力平臺上增加了更多自主開發的流程，并繼續優化現有流程。建模和假設 Forrester 做出了以下假設：20 名全職員工參與流程開發和優化，每人投入54%的時間。風險 流程部署和優化成本因以下因素而異：部署的規模、范圍和復雜性。致力于開發和優化流程的 IT 團隊的實際能力。IT 職能部門不同資歷級別之間的年費率不同。年費率也因行業和地點而異。結果 考慮到上述風險，Forrester 將這一成本上調了 30%，得出了三年期風險調整后的總現值為 523 萬元。來也科技數字化勞動力平臺總體經濟影響 17 財務摘要?這些風險調整后的 R

43、OI、NPV 和投資回收期是通過將風險調整因素應用于每個收益和成本部分中的未調整結果來確定的。?ROI?NPV?Forrester?10%?現金流量分析（風險調整后的預估）初始值 第一年 第二年 第三年 總值 現值 總成本 -1,575,000 -6,836,000 -7,174,000 -7,545,800 -22,950,800 -19,387,742 總收入 0 36,834,375 40,272,188 43,836,156 120,943,129 99,705,723 凈收入 -1,575,000 29,998,375￥33,098,188 36,290,356 97,992,329

44、 80,317,981 投資回報率 414%投資回收期（月）6 來也科技數字化勞動力平臺總體經濟影響 18 Appendix A:Total Economic Impact 總體經濟影響（TEI）是 Forrester Research 開發的一種方法，可助力公司技術決策流程，并協助供應商向客戶傳達其產品和服務的價值主張。TEI 方法可幫助公司向高級管理層和其他關鍵業務利益相關方展示、證明和實現 IT 計劃的有形價值?？傮w經濟影響方法 收益 表示產品為業務提供的價值。TEI 方法對收益的衡量和成本的衡量給予同等的重視，允許全面核實技術對整個組織的影響。成本 考慮了交付產品的建議價值或收益所需的

45、所有費用。TEI 中的成本類別包括與解決方案相關的持續成本在現有環境中的增量成本。靈活性 代表了在已經進行的初始投資之上，未來一些額外投資可以獲得的戰略價值，能夠捕獲具有可預估現值的收益。風險 衡量給定的收益和成本估值的不確定性：1）估值將滿足原始預測的可能性。2）估計值隨時間推移被跟蹤的可能性。TEI 風險因素基于“三角分布”。初始投資列包含在“時間 0”或第 1 年開始時產生的未貼現的成本。所有其他現金流均使用年底的貼現率進行貼現。為每個總成本和收益估值進行 現值計算。匯總表中的 NPV 計算是每年初始投資和貼現現金流的總和?？偸找?、總成本和現金流表的總和與現值計算可能不會完全相加，因為可

46、能會發生一些四舍五入?，F值(PV)以利率（貼現率）給出的（貼現）成本和收益估計的現值，成本和收益的現值反映到現金流的總凈現值中。凈現值(NPV)給定利率（貼現率）的（貼現）未來凈現金流的現值。若項目 NPV 為正值，通常表明應該進行投資，除非其他項目的 NPV 更高。投資回報率(ROI)以百分比表示的項目預期回報。ROI 的計算方法是將凈收益（收益減去成本）除以成本。貼現率考慮到金錢的時間價值，在現金流量分析中使用的利率。組織通常使用的貼現率在 8%到 16%之間?；厥掌?考慮到金錢的時間價值，在現金流量分析中使用的利率。組織通常使用的貼現率在 8%到 16%之間。來也科技數字化勞動力平臺總體經濟影響 19 Appendix B:Supplemental Material Related Forrester Research“Automation Can Solve The Service Worker Shortage,”Forrester Research,Inc.,February 10,2022 Appendix C:Endnotes 來也科技數字化勞動力平臺總體經濟影響 20