数字化转型是建立在数字化转换和数字化升级基础上, 进一步触及公司核心业务,以新建一种商业模式为目标的高层次转型。数字化转型是开发数字化技术及支持能力以新建一个富有活力的数字化商业模式。数字化转型表明,只有企业对其业务进行系统性、彻底的(或重大和完全的)重新定义——而不仅仅是IT,而是对组织活动、流程、业务模式和员工能力的方方面面进行重新定义的时候,成功才会得以实现。
对于外部经济类和战略专家来说更多的会谈是消费互联、数字经济、产业互联、数字孪生等;对于企业CEO则谈企业新战略和数字化商业模式创新或重构;对于类似IT咨询服务商,应用软件类提供商则更多的是从技术层面来谈数字化转型,包括我在前面文章里面也谈到的企业数字中台构建,智能制造,云原生解决方案。也正是这个原因,可以看到数字化转型越来越泛化,导致我们更难以去抓住其核心。
数字经济是当前所有企业在数字化时代都要考虑的问题,不久的将来它会成为社会经济中的新引擎,也会逐步推动产业互联和企业商业生态的数字化转型。企业的数字化应立足于顶端设计,结合企业的核心竞争力,如产品设计能力、社会化服务能力、渠道终端覆盖力,以及未来的产业互联、生态发展方向,依托企业自身优势,抓取企业自身的数字化本质。
通过连接解决业务协同,在业务协同中产生和积累数据,通过对数据的处理,分析和洞察,进一步驱动业务和运营。同时对于数据持续积累最终支持更高级别的自我学习,并推动业务运营的智能化,并形成闭环持续优化改进。连接01-解决业务协同和生态构建
对于早期,企业往往并不关注外在的连接,更多的还是还是内部价值链的实现,打通内部的供应链、财务、营销、生产等核心业务流程,支撑企业基本的业务运作。
互联网早期形态下,传统企业开始考虑电商化,最早可能是依托京东、天猫等平台本身提供的B2B2C架构模式,构建自己的电商自营门店,进行线上的销售。其次是扩展到消费互联,即扩展自营电商体系、扩展类似微信小程序、微博等数字化营销手段实现对客户的直接触达能力。扩展从公域流量朝自己私域流量的引流能力,并实现私域流量的持续经营。
对于直接面对C端用户的企业,类似家电、鞋和服装、日常家用消费品等企业,可以看到基于数字化营销手段构建自己的消费互联网成为趋势。
那么在消费端流量问题解决后,企业是否能够支撑足够的流量和需求,在产业互联时代,这个不是简单的一个企业能说了算的,而是需要整个产业链上下游能力整合。
我们可以看下最近几个月关于新冠疫苗上市公司的股票炒作路径,最开始是类似医药,生物等疫苗研发企业股票涨。然后是关于疫苗的冷链运输企业股票涨,最后小到生产制作疫苗瓶子的企业股票涨,而这些实际上就可以理解成要给完整的产业链。
疫苗研发出来,如果没有整个产业链能力支撑,最终也无法达到最终消费者手里。这个有点类似于APS先进计划排程里面谈到的ATP承诺,客户需求过来,你要承诺交期和可交量,这个时候就必须下游整个产业链共同协同,敏捷响应并完成计算。也就是说在社会协作化越来越细化的情况下,为了提升最终的产品和客户服务能力,不是简单的企业单方面能完成的,而是需要整个产业链协同和能力整合。
对于产业互联网,网上有很多文章对这个内容进行描述。比较主流的说法为以类似行业协会牵头或者是有影响力的企业来牵头,来构建一个完整的生态体系。而实际上个人理解以某个企业牵头来构建的生态体系本质还是一种中心化的架构模式。
在中心化架构模式下一定是带来的类似供应链协同中的牛鞭效应问题。如果用技术里面的去中心化思路,实际上产业互联网最终的构建思路应该是以非盈利的第三方来牵头构建一个标准体系,同时传统串行链路协同转变为类似去中心化架构下的网状信息交互和协同模式。在这种模式下管控能力和业务流协同分离,既能够实现标准管控,又能够实现业务流的点对点协同高效协同。
所以,当我们谈企业数字化转型里面的连接的时候,首先要解决上下游的业务协同问题,从最开始的解决到客户的直接触达能力,到整个产业链的上下游协同。
而所有协同的目标都是为了更好的实现产品价值创造,更好的敏捷响应和满足客户需求,只有这样才能够持续提升客服服务能力,抢占市场。
对于连接的理解,还需要谈到连接类型的变化。这个连接不仅仅是物和人的连接,同时包括了物和物的连接、人和人的连接。通过连接来形成信息的自动产生、采集、处理和应用。
在信息化时代很少谈连接这个词,而经常谈到三流合一,即常说的物流,信息流和资金流的融合。在这里我们只谈物流和信息流,这两者是如何融合的?
一个企业生产了1000台电视,需要从深圳工厂发送到华东配送中心仓库。那么这个时候实际的操作是首先要建一张出库单,进行出库处理。然后安排实际的物流公司进行运输,在运输到华东地区后,由配送中心管理人员再在系统里面建一张入库单,进行接收入库。在入库完成后,内部进行库存记账,形成一种内部结算单。
通过上述方式,我们实现了物流、信息流和资金流的统一。那么问题在哪里?
如果我们入库单创建的时候是入库1000台电视,但是实际实物只入库了999台,这个时候实际上没有任何地方会报异常。出现的差异往往也只有通过月结进行库存盘点的时候才会发现。
也就是说我们传统的信息化方式过渡的依赖人来解决信息的产生、录入、修改等操作。通过人在系统中的操作来保证信息流和物流信息的统一和同步。
而到了数字化阶段,我们希望的是通过物联网,5G和移动互联网等新的技术来实现信息的自动化产生和匹配问题。比如我们常说的RFID和条码应用,完全就可以实现物品的自动化出库入库,单据信息的自动化形成和处理。最早我们实施智慧城市的时候也经常谈到,数字城市是智慧城市的基础,数字城市首先就是解决了城市里面的所有信息都标记了空间属性后进行了网格化处理。
对应到企业数字化里面也是一样的道理,即数字化技术和应用里面一个关键就是让企业中的实物信息能够进行数字化标记,这个标记本身就包括了空间位置信息,所有实物的移动产生的信息流自动就携带了位置信息+时间信息。即:
数字孪生是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。简单来说就是希望我们在进行工程设计时候,我们计算机系统里面的三维虚拟模型和我们真实的模型能够相互映射,相互匹配,自动化协同一致。
回到刚才概念里面也一样。企业在进行数字化转型的时候,连接不是简单的引入物联网、5G等新的技术,而是真正希望通过新技术的引入,能够完成物流和信息流、资金流的自动化匹配过程。如果理想化点理解,就是以后的IT支撑业务类系统,终极目标是不再需求人为的在系统中进行单据的录入、处理和稽核等操作。
在谈企业数字化转型的时候一定单独将数据拿出来谈。但是对应数据问题实际上企业在原有的业务运作和IT系统建设中就已经在做。做法有很多,包括构建基础主数据平台、数据管控治理体系、BI系统、大数据分析平台等。
那么在谈数字化转型的时候在数据这个维度带来了哪些新鲜的东西?
在第一阶段,实际上数据仅仅是应用到管理和自动化,我们通过信息化建设,不断地在IT系统里面形成数据,通过这些数据来支撑了我们最基本的业务运作。
比如我们常说的你要完成一个端到端供应链流程,里面涉及到供应商、采购框架协议、采购订单、采购接收单、出库单、付款单等,这些都是数据。而通过这些数据的产生,使用,交互和协同我们完成了一个完整的端到端业务流程,即:
数据支撑了基本的业务流程运作,实现管理自动化。
在第一阶段数据实际上也可能应用到运营,比如我们常说的构建了企业内部的BI系统,通过BI系统进行辅助决策和运营。但是在数字化经济时代,面对客户的需求我们需要更加敏捷地响应,传统的BI很难做到如此敏捷。
其次,在第一阶段更多的是固化的定时操作,比如我们接到到订单后,安排采购和生产,我们每个月进行一次需求计划和预测,然后安排生产。而在数字化阶段,真正需要回答的是客户究竟需要什么?我们该生产多少,哪些应该多生产哪些应该少生产,基于当前的订单数据,我们应该如何快速调整我们的市场策略,如何引导客户产生更多的购买需求等。
也就是说数据不再是简单地实现管理自动化,而是需要形成数据思维,形成数据驱动运营的思想。这与我们在谈到中台建设时,将业务能力数据化和数据能力业务化是一个道理。
当积累到一定量的数据后,你就可以开始考虑智能化的问题。
我始终认为,企业的数字化转型,智能化度是一个关键趋势。真正的智能化不是简单的信息化和信息采集的自动化,而是基于历史数据进行持续的学习,形成有价值的规则,并持续改造运营和业务运作的能力。
而从自动化到智能化的过程中,数据刚好起到了承上启下的作用,即数据本身的积累数量、数据的质量、数据的全面性等都将直接影响到后续智能化分析模型的构建,深度学习的输入和算法优化。没有数据,所有的智能化都是空谈。
注:在谈到数据这个维度的时候,我们经常会马上谈到数据中台,大数据分析平台这些技术层面的内容。但是实际上数据维度的核心仍然是数据驱动运营的思维转变。而且这种驱动是一种实时敏捷的驱动,是一种对运营的持续优化改进。业界的一些数字化能力框架
德勤管理咨询携手第四范式发布了双方共同研究并撰写的白皮书《数字化转型新篇章:通往智能化的“道、法、术”》。白皮书详细阐述了企业智能化转型的原因和特征,以及企业即将面对的机遇与挑战。白皮书从“道、法、术”三个层面进行了解构,为企业描绘出转型的方向、模式与路径。
在该白皮书首先指出,企业的数字化转型已经进入到智能化阶段。大多数企业从互联网技术开始积极积累,度过了如核心系统改造、移动技术应用、分析认知等,并初步进入到自动化和智能化阶段。不少公司已经开始实施类似机器人、自动分析等,但是企业智能化转型远远不止这些内容。
书里面给出了数字化技术演进路线如下,可以参考。
其中绿色点给出了智能技术的应用点。
在该演进路径中分为了连接-》分析-》智能三个阶段。实际上和我前面提到的连接、数据和智能三个核心内容是完全匹配的。
即连接解决的是基本业务协同问题,数据和智能解决的是持续运营和能力提升问题。智能化既采用连接产生的数据进行学习和决策,同时结果又反哺回业务协同中,优化产品功能,提升客户体验和服务。
在该书里面提出,企业可通过构建六大方面的核心能力,以快速实现智能化转型的终极目标。这六大方面能力可以理解为德勤给出的数字化转型方法论和能力框架。其中六大核心能力包括:智能化战略、人才体系、运营、需求、技术和数据。具体如下图。
从该图我们也可以看到,企业要完成数字化和智能化转型,是要给涉及到战略,组织,人员,业务,数据,数字化技术,运营多方面共同努力的要给系统工程。
没有以上各个方面的高效协同,很难真正实施成功的数字化转型战略。这也是我们经常谈到数字化转型首先是要给战略思路,数据驱动运营思维,无边界化思维的转变,其次才是数字化技术的应用和支撑。
针对以上6方面的核心能力,每个能力从动态发展阶段来考虑,又分为了认知、探索、应用、系统化、全面转型5个阶段。这样就构成了要给完整的能力框架模型。
比如对于战略和需求两个核心能力,5个阶段内容展开具体能力框架内容如下:
2、毕马威-数字化转型框架
下面谈下毕马威发布的智链企业数字化转型框架。
智链企业是毕马威面向行业(更多针对直接面向C端的零售行业)的数字化转型框架和能力模型,是企业数字化转型方法和解决方案,可帮助企业实现从战略到执行的数字化转型。新的营商环境和创新技术使得具备数字化能力的企业获得弯道超车的良机。
毕马威的零售数字化转型核心框架指出,零售数字化能力建设必须以构建顾客与品牌的高效链接、重塑增长方式、创造增量价值为“一个目标”;将深度运营顾客、重新定义“货”和“场”、促进“跨边拉动效应”作为“三大抓手”;从产品、价格和营销、顾客体验、无缝安全交易和敏捷供应链四个角度构建“四轮驱动”;加快构建“双模”式技术平台和内部组织能力的“两层地基”,并积极通过推动数据分析能力和外部生态合作体系升级,打造“双模”式“双向支柱”。
基于核心框架,毕马威构建了零售数字化转型能力模型——“智链企业”,从数字化运营、驱动、基础、组织和生态系统五个领域定义了零售数字化的“八大能力”。“八大能力”又可分解为40个子能力指标,对数字化转型必须构建的能力体系提供准确可行的定义。
具体能力框架模型如下:
根据该能力框架中和各项子能力,我们就可以运用成熟的行业数字化转型方法论和行业领先参考框架对企业进行数字化能力成熟度诊断。明确企业在哪些数字化能力与行业基准存在差距,形成未来企业数字化转型战略框架和数字化能力建设重点领域。
由于该框架偏零售行业,可以看到更加强调了产品创新,产品创新和客户体验方面的内容。而对于组织、技术架构、全渠道驱动交互,数据洞察基本也在前面讲数字化核心内容的时候都强调过。
3、埃森哲-数字化转型路线企业数字化目标通常包含两大侧重点。一是提升运营效率,二是驱动收入增长。
前者关注的是如何以数字技术优化流程、提升企业敏捷性等。后者关注如何借助数字技术打造新的收入来源,例如用新技术提升消费体验、制定新的定价模式等。
例如零售商沃尔玛的一项数字化行动目标就是提升营销精准度,为此该公司在创新和优化算法的基础上建立了一个新的搜索引擎,通过分析消费者历史搜索习惯和社交模式为其推送最感兴趣的商品。这一搜索引擎的使用为沃尔玛带来了10%-15%的交易量提升。
对于企业数字化转型,在明确目标后,企业必须展开更为深刻的内部变革,从观念到能力都需要新的变革。具体的数字化转型路线图参考:
在整个转型里面也提到首先是数字化思维方式的转变,其次才是技术的应用。
新的数字技术层出不穷,企业需要明智决策投资于哪些数字技术和能力。而打造数字化企业和赢得数字消费者应是企业关注的两大重点领域。
为打造数字化企业,企业应当借助产业物联网、人工智能、敏捷创新等数字技术对其运营进行改造升级,提高内部运营效率。为赢得数字消费者,企业需要摆脱原有的产品驱动型发展方式,真正了解客户显性和隐性诉求,提供与客户个性化需求密切相关的解决方案和用户体验。
比如一家日本连锁便利店采集并分析了来自全球4000万忠实用户的数据,用以优化营销投资方案和改善货架空间分配及利用率,该项目为其带来125万美元的利润及超过1.25亿美元的年收入增长。
在中国通信标准化协会云计算标准和开源推进委员会和中国信息通信研究院(以下简称“中国信通院”)云计算与大数据研究所主办《企业数字化转型IOMM发布会》上,以现场直播的方式发布了业界高度关注的企业数字化转型首个成熟度模型IOMM标准。
企业数字化转型首个能力成熟度模型IOMM标准分为五类阶段,分别是基础保障类、业务支撑类、平台服务类、客户运营类和创新引领类,每个类别都有合理的阶段和适用单位,将对相应阶段的能力进行评估定位水平,并以价值分数进行效果验证。IOMM整体框架包括两大领域、四大象限、六大能力、六大价值,从能力和价值角度全面衡量企业数字基础设施的能力和体现出的价值。
IOMM整体框架包括服务运营和云化管理两大领域、四大象限、六大能力、六大价值,从能力和价值角度全面衡量企业数字基础设施的能力和体现出的价值。实际上对于该成熟度模型仍然是偏数字化技术层面,从整体来讲反而弱化了企业业务战略,产品创新和客户体验服务等方面的内容。
而基于两大领域展开的具体六大能力如下:
服务产品化:数字基础设施不同层面的能力产品化能力平台化:不同层次平台,如iPaaS,aPaaS等数据价值化:数据一体化运营管理精益化:标准化敏捷化的管理思路运营体系化:层次化场景化的服务体系风控横贯化:观察各业务部门的风控体系
对于服务运营领域,重点是重组技术、组织、服务和数据等要求,建立以客户为中心的运营体系。而对于云化管理,则是用云化管理的思路管理数字基础设施,形成产品化、平台化、数据化的多层次管理平台。这个实际和我头条上谈云原生解决方案中的技术平台构建思路完全吻合。
如我在前面重构了覆盖微服务、DevOps、容器云和微服务治理的云原生解决方案技术中台架构,该架构则是重点实现上面能力平台化这个关键能力,如下图:
云原生加速企业数字化转型,架构和理念与数字化转型趋势一脉相承,为开发高效、可扩展且可靠的软件,形成高效 IT 研发能力开辟了道路,助力企业更加顺畅地数字化转型。
容器、持续交付&DevOps、微服务构成了云原生技术黄金三角,这是所有希望数字化转型的客户都逃不开的“黄金三角”,三大核心技术的不断成熟促成了云原生理念的兴盛。
在前面分析了业界当前主流的企业数字化转型框架和能力成熟度模型。在前面我也提到了数字化核心仍然是连接、数据、智能三个方面的内容。数字化转型核心目标仍然是为企业创造业务价值,而上面三点正好是在企业核心业务价值链的持续优化和改造上面。
对于连接解决基本的业务链协同问题,通过连接下的业务协同形成数据沉淀,通过数据的存储处理,管控治理形成数据服务能力反哺业务。同时数据持续积累又进一步为机器学习,深度学习等智能化分析应用提供服务。基于以上思考,我们就可以更好地来理解和重构数字化框架。
上图是我对企业数字化转型能力框架的一个重构,绿色部分还是围绕核心业务价值链的内容。其中最核心的又是连接、数据和智能三个部分内容。
左中括号当然,在核心能力基础上,我们还可以增加横向维度来构建一个完整的能力评估矩阵。对于横向评估维度实际上本身也可以有多种选择,包括:
来源:数据学堂
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
AI来了,数分人也可以很省力,今天给大家介绍7个AI+数据分析工具,建议收藏。 01酷表 EXCEL 网址:https://chatexcel.com/ 这是 ...
2024-12-26一个好的数据分析模型不仅能使分析具备条理性和逻辑性,而且还更具备结构化和体系化,并保证分析结果的有效性和准确性。好的数据 ...
2024-12-26当下,AI 的发展堪称狂飙猛进。从 ChatGPT 横空出世到各种大语言模型(LLM)接连上线,似乎每个人的朋友圈都在讨论 AI 会不会“ ...
2024-12-26数据分析师这个职业已经成为了职场中的“香饽饽”,无论是互联网公司还是传统行业,都离不开数据支持。想成为一名优秀的数据分析 ...
2024-12-26在数据驱动决策成为商业常态的今天,数据分析师这一职业正迎来前所未有的机遇与挑战。很多希望转行或初入职场的人士不禁询问:数 ...
2024-12-25数据分析师,这一近年来炙手可热的职业,吸引了大量求职者的注意。凭借在大数据时代中的关键作用,数据分析师不仅需要具备处理数 ...
2024-12-25在当今数字化变革的浪潮中,数据分析师这一职业正迎来前所未有的发展机遇。回想我自己初入数据分析行业时,那种既兴奋又略显谨慎 ...
2024-12-25在当今信息爆炸的时代,数据已经像空气一样无处不在,而数据分析则是解锁这些信息宝藏的钥匙。数据分析的过程就像是一次探险,从 ...
2024-12-25在职场上,拍脑袋做决策的时代早已过去。数据分析正在成为每个职场人的核心竞争力,不仅能帮你找到问题,还能提供解决方案,提升 ...
2024-12-24Excel是数据分析的重要工具,强大的内置功能使其成为许多分析师的首选。在日常工作中,启用Excel的数据分析工具库能够显著提升数 ...
2024-12-23在当今信息爆炸的时代,数据分析师如同一位现代社会的侦探,肩负着从海量数据中提炼出有价值信息的重任。在这个过程中,掌握一系 ...
2024-12-23在现代的职场中,制作吸引人的PPT已经成为展示信息的重要手段,而其中数据对比的有效呈现尤为关键。为了让数据在幻灯片上不仅准 ...
2024-12-23在信息泛滥的现代社会,数据分析师已成为企业决策过程中不可或缺的角色。他们的任务是从海量数据中提取有价值的洞察,帮助组织制 ...
2024-12-23在数据驱动时代,数据分析已成为各行各业的必需技能。无论是提升个人能力还是推动职业发展,选择一条适合自己的学习路线至关重要 ...
2024-12-23在准备数据分析师面试时,掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸,以下是10个高频考题及其详细解析,外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业,他们通过数据挖掘和分析,为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中,数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析,更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来,数据驱动的决策方式开始受到越来越多企业的青睐。近年来,数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里,表面上的技术操作只是“入门票”,而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19在数据分析领域,尽管行业前景广阔、岗位需求旺盛,但实际的工作难度却远超很多人的想象。很多新手初入数据分析岗位时,常常被各 ...
2024-12-19