لا توجد برامج تشغيل، فقط بيانات دقيقة.

غالبًا ما يتم وصف التكنولوجيا بدون سائق من خلال الكاميرات والرادار والليدار والذكاء الاصطناعي. أرى عاملاً آخر يشكل تقدمها: البيانات الدقيقة. يمكن للمركبة أن تستشعر المسار، وتكتشف راكب الدراجة، وتقرأ إشارة المرور. وتتمثل المهمة الأصعب في تحويل تلك الملاحظات إلى قرارات موثوقة عبر الطرق المتغيرة والطقس وأنماط المرور وعادات القيادة المحلية. يمكن أن يؤثر خطأ صغير في البيانات على تخطيط الطريق أو اكتشاف الأشياء أو الكبح أو تحديد موضع السيارة. ولهذا السبب تحتاج الأنظمة ذاتية القيادة إلى أكثر من مجرد كميات كبيرة من البيانات. إنهم بحاجة إلى بيانات دقيقة ومُصنفة جيدًا ومختومة زمنيًا ومرتبطة بسياق الطريق الصحيح. ## لماذا تعتبر البيانات الدقيقة مهمة في الأنظمة ذاتية القيادة عندما أنظر إلى مركبة ذاتية القيادة، فإنني لا أنظر فقط إلى المركبة نفسها. أنا أنظر إلى سلسلة من العمليات المترابطة: - تقوم أجهزة الاستشعار بجمع معلومات الطريق. - يحدد البرنامج الأشياء القريبة. - توفر الخرائط الموقع وتفاصيل الطريق. - تقوم نماذج التنبؤ بتقدير ما قد يفعله مستخدمو الطريق الآخرون. - نظام التحكم يختار الإجراء الآمن. - تقوم فرق الأسطول بمراجعة الأحداث وتحسين النظام. تعتمد كل خطوة على جودة البيانات. قد تكتشف السيارة سيارة متوقفة بشكل صحيح ولكنها تخطئ في فهم ما إذا كانت تسد المسار أم لا. قد يتعرف على أحد المشاة ولكنه يخطئ في قراءة اتجاه الشخص. قد يتعرف على إشارة الطريق بينما يفتقد علامات البناء المؤقتة. توضح هذه الحالات سبب احتياج البيانات إلى السياق. تسمية مثل "سيارة" ليست كافية. قد يحتاج النظام أيضًا إلى معلومات حول السرعة والاتجاه والمسافة وموضع المسار والرؤية والحركة بمرور الوقت. ## أنواع البيانات الكامنة وراء العمليات بدون سائق تعمل الأنظمة الأساسية بدون سائق عادةً مع مجموعات بيانات متعددة. ### بيانات الاستشعار تقوم الكاميرات وأجهزة الليدار والرادار وأجهزة الاستشعار بالموجات فوق الصوتية وأدوات تحديد المواقع بجمع مشاهد مختلفة للطريق. يمكن أن تساعد بيانات الكاميرا في تحديد علامات المسار والإشارات واللافتات ومستخدمي الطريق. يمكن أن يدعم Lidar قياس المسافة وتحليل شكل الكائن. يمكن أن يوفر الرادار معلومات مفيدة حول النطاق والحركة، بما في ذلك في الظروف التي تقل فيها رؤية الكاميرا. كل جهاز استشعار له حدود. قد تعاني الكاميرا من الوهج. يمكن أن يتأثر أداء جهاز Lidar بالأمطار الغزيرة أو الثلوج. قد يوفر الرادار تفاصيل مرئية أقل. يقوم النظام الموثوق بمقارنة المدخلات بدلاً من الاعتماد على مصدر واحد. ### بيانات الخريطة يمكن أن تتضمن الخرائط عالية الدقة هندسة الحارات والتقاطعات وحدود الطرق وحدود السرعة وإشارات المرور ومواقع الالتقاط. الطرق تتغير في كثير من الأحيان. تظهر مناطق البناء، ويعاد طلاء الممرات، وتوضع العلامات المؤقتة. قد تحتاج الخريطة التي كانت دقيقة الشهر الماضي إلى التحديث اليوم. تحتاج العمليات بدون سائق إلى عملية للكشف عن هذه التغييرات وإرسالها للمراجعة. ### بيانات السلوك لا تسافر السيارة ذاتية القيادة بشكل منعزل. تشترك في الطريق مع السائقين البشريين والمشاة وراكبي الدراجات والحافلات ومركبات الطوارئ وعمال التوصيل. تساعد بيانات السلوك النظام على دراسة الأنماط مثل التغييرات المفاجئة في الحارات، أو دخول المركبات من الشوارع الجانبية، أو انتظار المشاة بالقرب من ممر المشاة. يمكن لهذه المعلومات تحسين نماذج التنبؤ ودعم تخطيط المسار الأكثر أمانًا. ### بيانات الحدث يمكن للفرملة القوية، والتوقفات غير المتوقعة، والمساعدة اليدوية، والأخطاء الوشيكة، وتغييرات المسار أن تكشف عن المناطق التي تحتاج إلى الاهتمام. لن أحكم على النظام من حدث واحد فقط. تبحث المراجعة المفيدة في الظروف المحيطة ومدخلات أجهزة الاستشعار واستجابة النظام وتخطيط الطريق. وهذا يخلق صورة أكمل لما حدث. ## سير عمل عملي للبيانات يمكن لمشروع بدون سائق تحسين عملية البيانات الخاصة به من خلال سير عمل قابل للتكرار. ### 1. تحديد مهمة القيادة يجب على الفريق وصف ما يحتاج النظام إلى التعامل معه. قد تتضمن المهمة خدمات نقل الركاب في المناطق الحضرية، أو نقل المستودعات، أو خدمة نقل المطار، أو الخدمات اللوجستية للطرق السريعة. كل حالة استخدام لها احتياجات مختلفة من البيانات. قد تركز مركبة المستودع على الطرق الثابتة ومناطق المشاة. قد تحتاج سيارات الأجرة الآلية في المناطق الحضرية إلى التعامل مع التقاطعات المعقدة، والالتقاط على الرصيف، وحركة المرور المختلطة. ### 2. جمع البيانات من ظروف متنوعة يجب أن تعكس البيانات البيئة التي تعمل فيها السيارة. قد تشمل الاختلافات المفيدة ما يلي: - ليلا ونهارا - طرق واضحة ورطبة - حركة مرور خفيفة وكثيفة - أسطح طرق مختلفة - إنشاءات مؤقتة - تقاطعات مزدحمة - شوارع ضيقة - مناطق المدارس - نشاط مركبات الطوارئ يمكن لمجموعة البيانات الضيقة أن تخلق فجوات تظل مخفية أثناء الاختبار الأساسي. ### 3. قم بتسمية البيانات باستخدام السياق. يجب أن تشرح التصنيفات أكثر من نوع الكائن. يمكن أن تتضمن تسمية المشاة الموقع واتجاه الحركة والرؤية والمسافة من المسار. يمكن أن تتضمن تسمية المركبة سرعتها، وحارة السير، وإشارة الانعطاف، وعلاقتها بحركة المرور القريبة. تساعد قواعد التصنيف الواضحة المراجعين المختلفين على اتخاذ قرارات مماثلة. يمكن لفحوصات الجودة تحديد التسميات غير الواضحة أو المتضاربة قبل إدخال البيانات في التدريب النموذجي. ### 4. التحقق من اتفاق المستشعر عندما تختلف بيانات الكاميرا وجهاز الليدار والرادار وبيانات الخريطة، فإن الحدث يستحق المراجعة. يمكن للفريق مقارنة توقيت وموضع كل قراءة للمستشعر. قد يكشف هذا عن مشكلة في المعايرة، أو جهاز استشعار مسدود، أو خطأ في الخريطة، أو حالة طريق صعبة. الطوابع الزمنية الدقيقة مهمة هنا. إذا لم تتم محاذاة البيانات الواردة من أجهزة استشعار مختلفة، فقد يبدو أن النظام اكتشف كائنًا مبكرًا جدًا أو متأخرًا جدًا. ### 5. اختبار الأحداث غير العادية القيادة الروتينية ليست سوى جزء من العمل. يمكن أن يشمل برنامج الاختبار الأجسام المتساقطة، وأشكال المركبات غير العادية، وإغلاق الممرات مؤقتًا، وتحرك المشاة خارج ممرات المشاة، وتوقف المركبات في أماكن غير متوقعة. الهدف ليس خلق الخوف. الهدف هو فهم كيفية استجابة النظام عندما تتغير الأنماط العادية. ### 6. مراجعة الأداء بعد النشر يجب أن تستمر الخدمة بدون سائق في التعلم من التشغيل اليومي. يمكن للفرق مراجعة انحرافات المسار، ومشكلات التقاط الركاب، وأحداث الكبح، ومكالمات الدعم، والمناطق التي تسير فيها السيارة بشكل أبطأ من المتوقع. يمكن لهذه المراجعة توجيه تحديثات الخرائط واختبارات البرامج والتغييرات في مناطق التشغيل. ## ما الذي يمكن أن تعلمنا إياه عمليات النشر الحقيقية؟ تُظهر الخدمات العامة بدون سائق في مدن مثل فينيكس وسان فرانسيسكو كيف تخلق بيئات الطرق المختلفة احتياجات فنية مختلفة. قد يؤدي النظام أداءً جيدًا على الطرق المخططة ولكنه يواجه أسئلة جديدة في مناطق البناء، أو مناطق الرصيف المزدحمة، أو التقاطعات ذات التدفق غير المعتاد لحركة المرور. تقدم العمليات العامة لشركة Waymo مثالًا واضحًا على خدمات نقل الركاب بدون سائق في مناطق محددة. تعتمد الخدمة على أكثر من مجرد أجهزة السيارة. كما يتطلب أيضًا تحديد مناطق الخدمة وعمليات الدعم عن بعد وتعليمات الركاب وفحوصات الصيانة والمراجعة المستمرة لأحداث الطريق. الدرس الذي أتعلمه من عمليات النشر هذه بسيط: التنقل بدون سائق يمثل تحديًا للمركبات وعمليات البيانات في نفس الوقت. قد يتجاهل المورد الذي يسلط الضوء على نطاق المستشعر فقط العمل الذي يدعم الموثوقية اليومية. يؤثر جمع البيانات ووضع العلامات وصيانة الخرائط والاختبار ومراجعة الأحداث على كيفية عمل الخدمة في الشوارع الحقيقية. ## مشاكل البيانات الشائعة تظهر بعض المشاكل بشكل متكرر في المشاريع بدون سائق. ### سجلات الموقع غير مكتملة إذا لم يتضمن الحدث موقعًا موثوقًا به أو اتجاه طريق أو مرجعًا للحارة، فقد يواجه الفريق صعوبة في إعادة إنتاجه. ### تسميات غير واضحة قد يصف مراجعان نفس الكائن بشكل مختلف. وهذا يمكن أن يقلل من قيمة بيانات التدريب ويجعل تفسير نتائج النموذج أكثر صعوبة. ### معلومات الخريطة القديمة يمكن أن يؤدي تغيير المسار أو إشارة المرور الجديدة إلى حدوث ارتباك عندما لا تتطابق الخريطة الرقمية مع الطريق. ### البيانات التي لا تحتوي على ضوابط الخصوصية قد تتضمن مشاهد الطريق الوجوه ولوحات الترخيص والمنازل والأنشطة الخاصة. يجب أن تتبع معالجة البيانات متطلبات الخصوصية المعمول بها، مع ضوابط الوصول وممارسات الإخفاء المناسبة. ### التركيز الزائد على الأداء المتوسط ​​يمكن أن تؤدي النتيجة المتوسطة إلى إخفاء نقاط الضعف في مناطق معينة. تفصل المراجعة الأفضل الأداء حسب الطقس ونوع الطريق ومستوى حركة المرور والوقت من اليوم وفئة الحدث. ## كيف يمكنني تقييم شريك البيانات بدون سائق؟ أود أن أطرح أسئلة عملية قبل اختيار المورد أو النظام الأساسي: - ما هي أجهزة الاستشعار ومصادر البيانات المدعومة؟ - كيف تتم مزامنة الطوابع الزمنية؟ - ما هي قواعد وضع العلامات المستخدمة؟ - كيف تتم مراجعة الحالات غير الواضحة؟ - هل يمكن للنظام تتبع تغييرات الخريطة؟ - كيف يتم تخزين الأحداث النادرة واختبارها؟ - ما هي ضوابط الخصوصية التي تحمي بيانات الطريق المسجلة؟ - هل يستطيع الفريق شرح حدث فاشل أو غير متوقع؟ - ما مدى سرعة عودة البيانات التي تمت مراجعتها إلى الاختبار؟ - هل يتم فصل نتائج الأداء حسب الحالة والموقع؟ الإجابات الواضحة مهمة أكثر من المطالبات العامة. يجب على الشريك المفيد أن يشرح عمليته بلغة واضحة ويبين كيف تنتقل البيانات من التجميع إلى المراجعة والاختبار والتشغيل. تحتاج التكنولوجيا ذاتية القيادة إلى ثقة الركاب ومستخدمي الطرق والمشغلين والجهات التنظيمية. لا يمكن للبيانات الدقيقة إزالة كل المخاطر، ولكنها يمكن أن تساعد الفرق على فهم سلوك النظام وإجراء تحسينات قابلة للقياس. عندما أقوم بتقييم مشروع بدون سائق، فإنني أنظر إلى ما هو أبعد من مظهر السيارة أو قائمة أجهزة الاستشعار. إنني أنظر إلى جودة بياناتها، والعناية بعملية الاختبار، والطريقة التي يستجيب بها فريقها للأخطاء. يصبح تقييم النظام بدون سائق أسهل عندما يكون لكل حدث سياق، ويكون لكل تحديث للخريطة مصدر واضح، ويمكن التحقق من كل مطالبة بالأداء مقابل شروط محددة. وهذا هو المكان الذي تدعم فيه البيانات الدقيقة التقدم العملي على الطريق.

لا تزال العديد من فرق النقل والخدمة الميدانية تعتمد على السائقين لجمع المعلومات الروتينية. تنتقل المركبة من موقع إلى آخر، ويقوم شخص ما بتسجيل الموقع والتقاط الصور والتحقق من الظروف وتحميل النتائج لاحقًا. هذه العملية تستغرق وقتا. كما أنه يخلق فجوات. يمكن أن تؤثر التوقف الفائتة أو الصورة غير الواضحة أو التحميل المتأخر على التخطيط وإعداد التقارير. أرى نهجًا أفضل: استخدام المركبات الآلية وأجهزة الاستشعار المتصلة لجمع البيانات بينما يركز الأشخاص على القرارات. يمكن لنظام البيانات بدون سائق أن يساعد في: - رسم خرائط الطريق والموقع - فحص الأصول - حركة المستودعات - مراقبة حركة المرور والطريق - التحقق من تقدم البناء - القياسات البيئية - المسوحات المتكررة عبر مناطق واسعة. القيمة لا تأتي من إزالة الأشخاص. إنه يأتي من تقليل القيادة الروتينية وإعطاء الفرق معلومات أكثر وضوحًا للعمل معها. سير العمل النموذجي بسيط. تتبع السيارة مسارًا مخططًا عبر موقع أو طريق أو حرم جامعي أو مستودع. تلتقط الكاميرات وأجهزة الاستشعار الصور وبيانات الموقع والتفاصيل الأخرى المحددة. يرسل النظام البيانات إلى منصة مركزية، حيث يمكن للفرق مراجعة النتائج ومقارنة التغييرات وإنشاء التقارير. سأبدأ بمهمة واحدة واضحة بدلاً من محاولة أتمتة كل عملية في وقت واحد. على سبيل المثال، قد يحتاج فريق العقارات إلى فحص أماكن وقوف السيارات كل أسبوع. يمكن أن تتطلب العملية اليدوية من الموظفين القيادة على نفس الطريق، وتدوين الملاحظات، وفرز الصور بعد العودة إلى المكتب. يمكن للمركبة المتصلة تكرار المسار وجمع نفس أنواع المعلومات في كل مرة. يمكن للفريق بعد ذلك التحقق من: - ما هي المناطق التي تحتاج إلى صيانة - ما إذا كانت العلامات أو العلامات قد تغيرت - حيث قد تحتاج الإضاءة إلى الاهتمام - عندما تختلف الظروف عن الزيارة السابقة - ما هي المواقع التي تتطلب فحصًا بشريًا؟ يؤدي هذا النهج أيضًا إلى إنشاء سجل أكثر اتساقًا. يمكن لكل زيارة استخدام نفس المسار وحقول البيانات وعملية المراجعة. وهذا يجعل اكتشاف التغييرات أسهل من اكتشاف مجلد الصور المأخوذة من زوايا مختلفة في أيام مختلفة. بدون سائق لا يعني غير خاضع للرقابة. لا يزال النشر الآمن بحاجة إلى تخطيط المسار وفحوصات النظام وقواعد التشغيل المحلية والمراجعة البشرية. يجب أن يقرر الفريق المدرب المكان الذي يمكن للمركبة أن تعمل فيه والإجراء الذي يجب اتخاذه عندما يكتشف النظام حالة غير عادية. جودة البيانات مهمة بقدر أهمية حركة السيارة. أوصي بوضع معايير واضحة قبل جمع أي شيء: 1. تحديد المواقع التي تحتاج إلى تغطية. 2. اختر الصور أو القياسات أو الإشارات المطلوبة. 3. قم بتعيين المسار وجدول التجميع. 4. قم بمراجعة عينة صغيرة من النتائج. 5. ضبط النظام قبل توسيع المشروع. 6. قم بتخزين البيانات باستخدام عناصر التحكم في الوصول وقواعد الاحتفاظ الواضحة. تساعد هذه العملية على تجنب خطأ شائع: جمع كميات كبيرة من البيانات دون معرفة كيفية استخدام الشركة لها. قد يحتاج مشغل النقل إلى تقارير حالة الطريق. قد يحتاج مدير المستودع إلى أنماط الحركة. قد يحتاج فريق البناء إلى سجلات التقدم. تتطلب كل حالة استخدام أجهزة استشعار مختلفة وقواعد مراجعة وتقارير. يجب أن تدعم التكنولوجيا هذا السؤال، وليس خلق المزيد من العمل. تُظهر خدمة Waymo العامة بدون سائق في أجزاء من فينيكس كيف يمكن للمركبات ذاتية القيادة أن تعمل داخل منطقة خدمة محددة. ويمكن لمبادئ مماثلة أن تدعم جمع البيانات، حتى عندما لا يكون الهدف هو سفر الركاب. يجب تخطيط المسار ومنطقة التشغيل وضوابط السلامة وعملية المراجعة قبل أن تبدأ السيارة في التحرك. وجهة نظري بسيطة: أفضل المشاريع ذاتية القيادة تبدأ بمهمة ضيقة وقابلة للتكرار. عندما تصبح البيانات موثوقة، يمكن للفرق أن تقرر ما إذا كان النشر على نطاق أوسع منطقيًا أم لا. ليست هناك حاجة لسائق لكل رحلة روتينية. ولا يزال الناس يوجهون الهدف، ويراجعون النتائج، ويتخذون القرارات التي لا تستطيع البيانات وحدها اتخاذها.

تعمل العديد من الفرق باستخدام بيانات دقيقة في مكان ما وقديمة في مكان آخر. قد يستخدم تقرير المبيعات أرقام الأمس، بينما تعرض لوحة المعلومات المالية إجماليًا مختلفًا. يقضي الموظفون بعد ذلك ساعات في فحص الملفات وإصلاح التنسيقات والسؤال عن مصدر كل رقم. لقد رأيت هذا النمط في فرق البيع بالتجزئة الصغيرة، وشركات الخدمات، والشركات المتنامية عبر الإنترنت. المشكلة ليست دائما في نقص البيانات. غالبًا ما يكون هذا هو مقدار العمل اليدوي بين جمع البيانات والقرارات اليومية. يمكن لعملية البيانات الآلية أن تقلل من هذا العمل. يمكنه جمع المعلومات من المصادر المعتمدة وتطبيق قواعد واضحة وإرسال النتائج المحدثة إلى الأشخاص المناسبين. لا يزال النظام بحاجة إلى مراجعة بشرية، لكن الأشخاص يقضون وقتًا أطول في التحقق من المعنى ووقتًا أقل في نسخ القيم بين الملفات. ## ابدأ بمشكلة البيانات، أبدأ بسرد القرارات التي يتعين على الشركة اتخاذها. قد يحتاج فريق المبيعات إلى معرفة: - ما هي المنتجات التي تم بيعها خلال الأيام السبعة الماضية - أي العملاء المتوقعين لم يتلقوا ردًا - ما هي المناطق التي تجلب عملاء متكررين - ما هي الطلبات التي تحتاج إلى اهتمام قد يحتاج فريق الشؤون المالية إلى: - الإيرادات الحالية حسب القناة - الفواتير غير المدفوعة - تكاليف التشغيل الشهرية - الاختلافات بين الإنفاق المخطط والفعلي - تحافظ هذه الخطوة على تركيز المشروع. يمكن أن يؤدي جمع كل حقل متاح إلى إنشاء نظام كبير لا يستخدمه سوى عدد قليل من الأشخاص. غالبًا ما تدعم مجموعة أصغر من البيانات المفيدة اتخاذ قرارات أفضل. ## تعيين مصادر بيانات واضحة يجب أن يكون لكل حقل بيانات مصدر معروف. على سبيل المثال، قد يستخدم متجر إلكتروني: - منصة المتجر للحصول على تفاصيل الطلب - خدمة دفع لحالة المعاملة - منصة العملاء لسجل جهات الاتصال - منصة إعلانية لبيانات الحملة - جدول بيانات للملاحظات اليدوية أفضل تسجيل المصدر ووقت التحديث واسم الحقل والشخص المسؤول عن كل مجموعة بيانات. وهذا يجعل من السهل تتبع الأخطاء. إذا كان هناك نظامان يحملان قيمًا مختلفة، فإن الفريق يحتاج إلى قاعدة بسيطة. قد تكون منصة الطلب هي المصدر الرئيسي لكميات المنتج، بينما قد يكون نظام الدفع هو المصدر الرئيسي لحالة المعاملة. بدون هذه القاعدة، يمكن أن يجمع التقرير الآلي معلومات متضاربة ويجعل الثقة في النتيجة أكثر صعوبة. ## إنشاء تدفق بيانات قابل للتكرار عادة ما يتكون تدفق البيانات المفيد من أربعة أجزاء: 1. جمع البيانات المعتمدة 2. التحقق من التنسيق والحقول المطلوبة 3. تطبيق قواعد العمل 4. تسليم النتيجة إلى لوحة معلومات أو تقرير أو قناة فريق قد يتم تشغيل التدفق كل ساعة أو كل يوم أو عند وصول سجل جديد. يعتمد الجدول الزمني الصحيح على حاجة العمل. قد يكون تقرير المخزون اليومي كافيًا لمتجر صغير. قد يحتاج فريق الدعم إلى التحديثات كل بضع دقائق. يجب أن تسجل العملية أيضًا المهام الفاشلة. إذا كان المصدر غير متاح أو كان هناك حقل مفقود، فيمكن للنظام إرسال تنبيه بدلاً من إنتاج تقرير غير كامل بهدوء. ## اجعل قواعد البيانات سهلة القراءة تعمل الأتمتة بشكل أفضل عندما تكون القواعد مكتوبة بلغة واضحة. قد يستخدم تقرير المبيعات قواعد مثل: - حساب الطلب فقط بعد تأكيد الدفع - استبعاد الطلبات الملغاة - تجميع المنتجات حسب فئة المنتج الحالية - إظهار المبالغ المستردة كقيمة منفصلة - استخدام تاريخ طلب العميل للتقارير الأسبوعية يجب مراجعة هذه القواعد من قبل الأشخاص الذين يفهمون الأعمال، وليس فقط من قبل الموظفين الفنيين. يمكن تشغيل الصيغة بدون أخطاء مع الاستمرار في الإجابة على السؤال الخاطئ. أوصي أيضًا بالاحتفاظ بسجل التغيير. عندما يقوم الفريق بتغيير فئة أو نطاق تاريخ أو طريقة حساب، يجب أن يوضح التقرير وقت حدوث التغيير ومن وافق عليه. ## استخدم التحقق من صحة البيانات قبل التسليم يحتاج التقرير إلى عمليات فحص قبل أن يستخدمه الأشخاص. تتضمن عمليات التحقق المفيدة ما يلي: - معرفات العميل أو الطلب المفقودة - السجلات المكررة - الكميات السالبة حيث لا يتوقع وجودها - تغييرات غير عادية من فترة التقرير السابقة - الإجماليات التي لا تتطابق مع النظام المصدر - تواريخ خارج نطاق التقارير المطلوبة يأتي مثال بسيط من متجر عبر الإنترنت. إذا أظهر التقرير الأسبوعي 1200 طلب ولكن منصة الدفع تعرض 1150 دفعة مكتملة، فيجب أن تحدد العملية الفرق للمراجعة. ولا ينبغي أن يعرض كلا الرقمين كما لو كانا يصفان نفس النتيجة. الشيكات الصغيرة يمكن أن تمنع سوء الفهم الكبير. ## امنح كل شخص الرؤية الصحيحة. ليس كل موظف يحتاج إلى كل مجال. قد يحتاج المدير إلى المبيعات حسب المنطقة ومجموعة المنتجات. قد يحتاج عامل خدمة العملاء إلى حالة الطلب وسجل الاتصال. قد يحتاج العامل المالي إلى مواعيد الدفع وتفاصيل استرداد الأموال. عندما أقوم بتصميم تقرير، أطرح ثلاثة أسئلة: - ما القرار الذي سيتخذه هذا الشخص؟ - ما هي البيانات التي تدعم هذا القرار؟ - ما هي المجالات التي قد تشتت انتباهك أو تخلق مخاوف تتعلق بالخصوصية؟ العرض المركز أسهل في القراءة وأسهل في الصيانة. يجب أن يتطابق الوصول مع كل دور، مع قصر معلومات العميل والدفع الحساسة على المستخدمين المعتمدين. ## حافظ على المراجعة البشرية أثناء العملية يمكن للأتمتة نقل البيانات بسرعة، لكنها لا تفهم كل مواقف العمل. قد يحتاج الإنسان إلى مراجعة: - استرداد مبلغ كبير - تغيير مفاجئ في المبيعات - فئة منتج جديدة - سجل عميل يظهر مرتين - تقرير متأثر بتحديث النظام عملية جيدة تجعل هذه المراجعة مرئية. يمكنه تصنيف السجلات على أنها "جاهزة" أو "بحاجة إلى مراجعة" أو "محظورة". وهذا يمنح الفريق طريقة واضحة للتعامل مع الاستثناءات. على سبيل المثال، قد تقوم شركة الخدمة بأتمتة تقارير العملاء المحتملين الأسبوعية. إذا لم يكن لدى أحد العملاء المتوقعين رقم هاتف ولكن لديه عنوان بريد إلكتروني، فيمكن للنظام الاحتفاظ بالسجل ووضع علامة على الحقل المفقود. يمكن للموظف أن يقرر ما إذا كان العميل المتوقع جاهزًا للمتابعة. ## استخدم خطة إطلاق عملية أفضل أن تكون تجريبية صغيرة قبل توصيل كل نظام. يمكن أن يبدو الطرح البسيط على النحو التالي: الأسبوع الأول: حدد عملية تجارية واحدة، مثل إعداد تقارير المبيعات اليومية. الأسبوع الثاني: تأكيد مصادر البيانات والحقول والقواعد. الأسبوع الثالث: اختبر العملية باستخدام السجلات الحديثة. الأسبوع الرابع: اسمح لمجموعة صغيرة باستخدام التقرير وتسجيل المشكلات. يمكن للفريق توسيع النظام بعد أن تعمل العملية الأولى في الظروف العادية. يساعد هذا الأسلوب في الكشف عن المشكلات المتعلقة بالتسمية والأذونات والتوقيت وجودة البيانات قبل أن تؤثر على العديد من الأقسام. ## قياس العمل المحفوظ يجب أن يحتوي مشروع أتمتة البيانات على مقاييس مفيدة. يمكن للفريق تتبع: - الوقت المستغرق في إعداد التقارير - عدد التصحيحات اليدوية - عدد عمليات تشغيل البيانات الفاشلة - الوقت بين الحدث وتحديث التقرير - النسبة المئوية للسجلات التي اجتازت التحقق من الصحة - عدد السجلات المكررة أو المفقودة لا يلزم أن تكون هذه التدابير معقدة. إذا كان المدير يقضي ست ساعات كل أسبوع في إعداد تقرير، وقلصت العملية هذا العمل إلى ساعتين، فمن السهل فهم التغيير. يمكن تخصيص الوقت المتبقي للتحقق من الاتجاهات أو التحدث مع العملاء أو تخطيط العمليات. ## مثال واقعي تخيل بائع تجزئة صغير للسلع المنزلية يبيع من خلال موقع ويب وسوق. يقوم الموظفون بنسخ بيانات الطلب في جدول بيانات كل صباح. تتم كتابة أسماء المنتجات بتنسيقات مختلفة، ويتم خلط المبالغ المستردة مع المبيعات المكتملة، ويستخدم فريق التسويق تقريرًا منفصلاً. يمكن للشركة إنشاء تدفق بيانات واحد يتم التحكم فيه: - استيراد الطلبات من قناتي المبيعات - مطابقة المنتجات بقائمة منتجات مشتركة - الطلبات المدفوعة والملغاة والمستردة المنفصلة - التحقق من معرفات الطلبات المكررة - إرسال تقرير يومي إلى المبيعات والتمويل - وضع علامة على حالة الدفع المفقودة للمراجعة لن تؤدي النتيجة إلى إزالة كل مشكلة عمل. سيعطي الفريق رؤية مشتركة للنشاط الحالي ومسارًا واضحًا للتعامل مع الاستثناءات. ## وجهة نظري بشأن البيانات الآلية لا ينبغي التعامل مع الأتمتة كبديل للحكم. قيمته الرئيسية هي الاتساق. يمكنه تكرار نفس عمليات التحقق، واستخدام نفس القواعد، وتسليم المعلومات في وقت محدد. يجمع الإعداد الأقوى بين ثلاثة عناصر: - بيانات المصدر النظيف - قواعد عمل واضحة - عملية مراجعة للحالات غير العادية. عندما تعمل هذه العناصر معًا، يمكن للفرق قضاء وقت أقل في البحث عن الأرقام ومزيد من الوقت في تحديد معنى الأرقام. تأتي الدقة من القواعد المحددة والفحوصات المنتظمة. تساعد الأتمتة على تشغيل تلك القواعد بجهد يدوي أقل. هل تريد معرفة المزيد؟ لا تتردد في الاتصال بـ Zheng Juxiang: 1051865182@qq.com/WhatsApp +8613786538932.

الإدارة الوطنية للسلامة المرورية على الطرق السريعة، 2020، سلامة أنظمة القيادة الآلية 2.0 Waymo، 2023، تقرير Waymo للسلامة: على الطريق إلى القيادة الذاتية الكاملة، SAE International، 2021، تصنيف وتعريفات للمصطلحات المتعلقة بأنظمة أتمتة القيادة للمركبات على الطرق، وكالة الاتحاد الأوروبي للأمن السيبراني، 2021، تحديات الأمن السيبراني في قطاع السيارات المنتدى الاقتصادي العالمي، 2022، التميز في البيانات للتنقل الذاتي المنظمة الدولية للمعايير، 2021، السلامة الوظيفية لمركبات الطرق ISO 26262