精华内容
下载资源
问答
  • 企业数字化能力评估
    千次阅读
    2021-08-30 11:51:06

    — 01 —

    如何界定数字化转型是否成功?

    麦肯锡的一份报告指出:企业数字化转型成功率仅为20%。

    也就是说,80%的企业数字化转型都失败了。

    数字化转型成功或失败,不好界定!

    如何定义数字化成功?可能不同的人会有不同的理解。

    完成了数字化的绩效目标,算转型成功吗?即使没有建立数据思维、缺少数字文化。

    建立了数字化组织,配置了数字化人才,培育了数字化文化,算转型成功吗?即使数字化战略目标没有实现。

    搭建了数字化基础环境,使用了数字化技术(如云计算、大数据、AI等),算转型成功吗?即便业务决策用到了数据。

    数字化成功或失败,不能从一个维度考量!

    在笔者看来:企业数字化转型不是从0到1,而是从1到100。转型是一个过程,场景从简单到复杂,应用从局部到广泛,持续优化、逐步成长。

    也就是说,虽然不好界定数字化转型的成功或失败,但是数字化是有成长周期的,是一个从萌芽,不断生长,不断成熟的过程。而企业数字化成熟度的评估,就是帮助企业找到数字化到底位于何处,还有哪些不足,应该从哪里改进等问题的答案。

    — 02 —

    回顾:数据治理的成熟度评估模型!

    提到“成熟度评估模型”,不得不提一下能力成熟度模型的鼻祖——CMM。可以说,几乎所有成熟度模型都借鉴了CMM的思路,基本都是将所涉及的能力(例如:软件能力、数据治理能力、数字化能力)划分为多个领域,每个领域又可以划分多个子领域,每个子领域又可以分为多个评估指标。然后综合这些评标进行评估,从而得到该领域的成熟度情况。而所谓成熟度就是几个可以逐步提升的等级(CMM示例),如下图所示:

    图片

    能力成熟度模型集成(CMMI)

    本号的老读者一定不会陌生,我之前写过一个企业数据治理成熟度评估的系列文章,近期有新的读者关注,为了方便大家查找,我把目录整理在此。有对数据治理成熟度评估有兴趣的可以先收藏这篇文章,后续慢慢看。

    其实,之所以分享数据治理成熟度模型,是因为在笔者看来所有的成熟度评估的套路都是一样的,掌握了数据治理能力成熟的评估,则会更加容易理解数字化转型成熟度模型。

    看到这里,你可能不禁要问:数据治理成熟度评估的模型这么多,那数字化转型的评估模型都有哪些呢?

    其实吧,在研究数字化转型评估模型的组织也不少,就笔者知道的有中国信通院、中信联、普华永道、毕马威、阿里、华为……

    不着急,下面我们一个一个地介绍。

    — 03 —

    信通院:企业IT数字化能力和运营效果成熟度模型(IOMM)

    针对不同行业数字化转型的需求,中国信通院云大所推出了企业数字化转型IOMM(Enterprise Digital Infrastructure Operation Maturity Module)标准,其中I代表数字基础设施,是标准的第一部分;O代表企业整体经营,是标准的第二部分。

    目前发布的是标准的第一部分,《企业数字基础设施云化管理和服务运营能力成熟度模型》,共分为五类能力成熟度阶段,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。

    图片

    来源:栗蔚《企业IT数字化能力和运营效果成熟度模型》 和《数字化可信服务》系列标准解读

    IOMM标准体系针对不同行业、不同规模企业制定面向平台IT和业务IT的五类成熟度,每个类别都对相应能力进行评估,定位水平,并以价值分数进行效果验证。适用于企业数字化转型发展过程中的相关领导者和相关人员,梳理、定位自身数字化转型能力水平,计划未来发展方向。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建设的能力和体现出的价值。

    图片

    来源:栗蔚《企业IT数字化能力和运营效果成熟度模型》 和《数字化可信服务》系列标准解读

    — 04 —

    中信联:团体标准—数字化转型 新型能力体系建设指南

    数字化转型新型能力体系建设总体框架,主要包括新型能力的识别、新型能力的分解与组合、能力单元的建设、新型能力的分级建设等内容,系统阐释新型能力体系建设的主要方法。

    新型能力的建设是一个循序渐进、持续迭代的过程,对照T/ AIITRE 10001—2020提出的数 )字化转型五个发展阶段,将新型能力的等级由低到高划分为 CL1(初始级 )、CL2(单元级 )、CL3(流程级)、CL4(网络级)和 CL5(生态级)等五个等级,不同等级能力呈现不同的状态特征以及能力单元/能力模块的过程维、要素维、管理维的不同建设重点 ,如下图所示:

    图片

    来源:团体标准 T/AIITRE 20001—2020《数字化转型 新型能力体系建设指南》

    CL1初始级:总体处于尚未有效建成主营业务范围内的新型能力 ,初步建立了两化融合管理体系。

    CL2单元级:形成工具级数字化的系统性解决方案,覆盖数据、技术、流程和组织等四要素,支持特定领域或业务环节数字化。

    CL3流程级:聚焦跨部门或跨业务环节, 建成支持主营业务集成协同的流程级能力,支持过程管理动态优化;实现现有业务效率提升、成本降低 、质量提高等预期价值效益目标,并有效拓展延伸业务。

    CL4网络级:聚焦组织全员、全要素和全过程,建成支持组织( 企业)全局优化的网络级能力;能够按需开展数据驱动型的能力打造过程管理;实现与产品 /服务的创新, 并有效开展业态转变,培育发展数字业务。

    CL5生态级:聚焦跨组织(企业 )生态合作伙伴、用户等,建成支持价值共创的生态级能力,全面实现与业态转变相关的用户/生态合作伙伴连接与赋能、数字新业务、绿色可持续发展等价值效益目标。

    — 05 —

    毕马威&阿里:消费品生态全链路数智化转型框架

    中国商业正在由“消费红利”经济向“数智创新”经济进化,发展思路从单节点成本和效率提升,进化为消费品全生态重塑增长方式,数智技术触发了商业生态的全链路数智化转型。阿里联合毕马威提出了基础设施云化、触点数字化、业务在线化、运营数据化、决策智能化五部曲赋能产业全链路价值重构的消费品生态全链路数智化转型框架。该框架包含五项一级能力,25个核心二级能力指标为评价数智化成熟度和指明未来建设方向提供衡量工具,如下图:

    图片

    来源:毕马威&阿里《2020消费品生态全链路数智化转型白皮书》

    基础设施云化:构建企业的”数智大脑”是企业数智化转型的重要方向。基于复杂智能算法的推荐、预测、决策等结果,企业在系统层级直接采取相应行动并根据数据不断的完善和补充。企业的智能化场景会日益丰富,智能化决策通过对大数据进行不断的训练与学习,从而做出更加智能的决策,形成良性的学习反馈闭环,最终帮助企业实现全链路的高效决策。

    触点数字化:企业在数智化时代需要启动和激活数据的商业价值,充分挖掘自身高价值的“小数据”并充分结合生态的“大数据”,实现数据驱动业务,进而形成分析和洞察驱动型的企业文化。通过完善的数据体系,数智化企业可以利用数据洞察赋能企业的全价值链,为企业的员工和合作伙伴提供运营指导,实现降本增效,同时,提高合作伙伴之间协同效率,改善消费者体验。

    业务在线化:企业通过业务能力服务化的方式帮助企业完成业务流程的数字化和业务价值的提升。一方面,企业需要快速响应来自各触点的变化,对业务流程进行重塑与优化,实现组织沟通与协同的效率提升;另一方面,为了应对日益复杂的业务场景与需求,企业需要对全链路数字化业务系统进行升级,通过不断的业务服务重构来实现业务共享和创新,促进生态之间的开放与协同。

    运营数据化:企业借助AIOT、移动互联网等技术,保持与消费者、员工、商品、合作伙伴等全链路的连接。触点数字化反映了企业数智化转型过程中,企业与各方交互触点数智化水平的成熟度。数智化的触点主要通过各个触点的数字化、移动化、智能化达到多维度的消费者行为感知、员工和组织感知、商品状态感知、合作伙伴和生态感知,使得企业在全链路保持连接和数据获取能力。

    决策智能化:基础设施云化程度反映了企业数智化转型的基本技术能力。云计算除了为企业数智化转型提供了算力基础外,还涵盖到支撑企业智能运算的算法模型能力、数据存储能力、数据之间传输的网络连通能力、敏感数据的安全能力以及对数据实时和离线处理的能力等。此外,企业同样需要一个敏捷的、连续稳定的、成本优化的、安全和风险可控的智能运算环境。

    — 06 —

    普华永道:企业数字化成熟度评估架构

    企业推进数字化转型的过程中,业务应用、IT架构、组织机制建设等工作环环相扣。企业要分清哪是因、哪是果,建立多维度的企业数字化成熟度评估体系,用于判断企业所处的数字化阶段,找出推进不利的可能原因,以及相应需要采取的措施。

    普华永道企业数字化成熟度评估框架从战略引领、业务应用结果、技术能力支撑、数据能力支撑、组织能力支撑,以及数字化变革6个维度对企业的数字化成熟度进行评估(如下图)。普华永道认为:引领性指标是第一点“数字化战略”,业务应用结果性指标是第二点“数字化业务应用”,其余4个维度(3~6)是支撑性要素,每个维度又可以细分为若干子维度。

    图片

    1. 数字化战略:从企业的战略规划和投资等角度,衡量企业推行数字化的决心和力度;

    2. 数字化业务应用:从各个业务条线最终使用数字化的深浅程度,来衡量企业数字化转型的成果。业务条线包括衡量价值链环节的研发、采购、生产、营销、客服等,也包括内部管理条线,如战略、人力、财务、IT等;

    3. 数字化技术能力:是否具备先进的、支撑企业未来数字化应用的IT架构的,以及相应的技术组织能力,比如新技术人员、数字技术、组织结构和运作方式等;

    4. 数据能力:企业能够应用数据分析进行业务决策的程度,包括数据可得性以及数据分析能力两个方面。打造强有力的数据能力涉及数据战略、数据架构、数据治理、数据安全、人员技能等多个方面;

    5. 数字组织能力:企业采取怎样的组织机制/流程/文化/员工技能等,来支持企业数字化转型和运营工作;

    6. 变革管理:企业推进数字化转型的机制是否成熟,比如数字化治理模式、变革管理人员技能等。

    — 07 —

    华为:开放数字化成熟度模型ODMM

    华为提出了一个数字化成熟度模型来度量一个公司的数字化程度,这个模型叫ODMM(Open Digital Maturity Model),该模型把数字化分成了战略决心,以客户为中心,数字文化、人才和技能,创新与精益交付,大数据与人工智能,以及技术领先等6大评估维度,如下图所示:

    图片

    战略方面:主要考量对行业和生态的贡献程度,业务和技术的协同程度,对新的机会和业务的投资程度。

    客户方面:主要考量口碑粘性和口碑传播的能力;客户体验管理和度量;客户通过线上渠道和你互动的活跃度。

    组织方面:主要考量跨团队协同和主动创新的能力;利用外部资源和社会化资源的能力;团队持续学习和数字化能力建设的能力。

    创新与精益:主要考量应用设计思维的能力;持续交付的能力;应对变化的能力。

    数据与智能:主要考量关键数据的元数据管理能力;数据集成和互操作能力;数据科学与人工智能,比如智能客服解答客户问题的成功率。

    技术领先:主要考量数据安全与风险控制;API First与微服务的架构;基于RPA(Robotic Process Automation)的流程自动化。

    写在最后的话

    企业数字化转型是一个从1到100的持续过程,这个过程必然会经历从起步到成熟等多个阶段。

    数字化能力成熟度评估,将有助于帮助企业厘清当前所处的数字化位置,并对数字化转型的路径有个清晰的认知,为后续制定适合企业的数字化转型战略和可行的行动计划提供参考和决策依据。

    也有大佬认为成熟度评估对企业数字化来说其实没什么卵用,就像之前软件公司搞CMMI评估,很多企业并不是为了提升企业的软件过程管理能力,而仅仅是为了拿到CMMI等级认证的证书,实际项目上很少会用CMMI来管控的。而CMMI证书的作用大家都懂,或许只是投标要用~

    您认为数字化能力成熟度评估,对企业数字化来讲,有没有用?有哪些作用

    更多相关内容
  • 集团企业信息安全风险评估技术方案 通过实施整体信息安全风险评估服务(包括安全技术和管理评估、互联网应用渗透测试、安全体系建设咨询、安全加固服务、紧急安全事件响应等服务)提高XXX系统的安全性和可靠性,并在...
  • 本白皮书基于对当前企业数字化转型实践成果的梳理和分析研究,提出了一套数字化转型的基础理论框架,可以作为企业在做自身数字化转型的参考。...(5)企业数字化转型能力评估,说明了能力评估模型、等级、方法等。
  • 企业数字化转型:数字化成熟度模型ODMM
  • 本白皮书基于对当前企业数字化转型实践成果的梳理和分析研究, 提出了一套数字化转型的基础理论框架,可以作为企业在做自身数字化转 ...(5)企业数字化转型能力评估,说明了能力评估模型、等 级、方法等。
  • 数字化转型的必要性 数字化转型的现状 数字化转型的内涵 企业数字化转型理论探索 企业数字化转型发展思路 企业数字化转型实践路径 企业数字化转型能力评估
  • 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。 如果对这个词条...

    数字化转型究竟是什么?

    首先我们还是摘录下百度词条上对数字化转型的一个简单说明如下:

    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。

    如果对这个词条核心内容做简单提取,你会看到里面的关键点包括了:

    • 涉及到数字化技术的应用
    • 转型目标支撑企业新的业务和商业模式创新或变更
    • 转型涉及到IT,组织,流程,业务,人员多个方面

    而这三点我们可以理解为数字化转型的核心。但是实际上对于数字化转型,你站在不同的角度实际上完全是不同的理解。

    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。

    那企业数字化的本质是什么?其主要特征包括三个方面:

    • 第一是连接,连接员工、连接客户、连接物联设备;
    • 第二是数据,也就是连接之后实时产生的数据;
    • 第三是智能,是数据驱动的智能化能力。

    以上三个方面个人理解即是数字化转型里面最核心的三个内容,其它内容实际仍然是围绕以上三个核心内容展开,所以在下面准备还是先从三个核心内容展开进行说明。

    为了更好地说明三者的关系,重新构图如下:

    慧都智能制造

    简单总结就是:

    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。

    了解数字化转型方案>>

    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。

    在这个阶段流量成为核心的价值体现。

    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。

    慧都智能制造

    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。

    慧都智能制造

    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。

    连接02-万物互联和数字化

    慧都智能制造

    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?

    我们举一个最简单的场景来进行说明:

    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:

    • 信息化:人录入信息 + 时间
    • 数字化:实物自动采集信息 + 实物自带空间信息 + 时间

    在企业数字化转型和智能制造里面,最近几年都有一个词很火,即数字孪生,我们先看下网上对数字孪生的一个简单定义。

    慧都智能制造

    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。

    数据驱动和智能化

    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?

    第一阶段:数据应用于管理和自动化

    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。

    第二阶段:数据应用于运营

    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。

    第三阶段:从自动化到智能化

    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

    前面已经谈到企业数字化转型涉及到组织、业务、技术、运营多个方面的内容。在这里我们列举和分析下业界的一些著名咨询公司给出的企业数字化转型能力框架模型进行分析和说明。

    1、德勤-数字化到智能化能力框架

    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。

    慧都智能制造

    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。

    慧都智能制造

    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。

    慧都智能制造

    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:

    慧都智能制造

    该白皮书具体下载地址:

    https://app.ma.scrmtech.com/svip/sapIndex/SapSourceData?pf_uid=6415_1221&sid=16736&source=1&pf_type=3

    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。

    慧都智能制造

    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:

    慧都智能制造

    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:

    慧都智能制造

    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。

    4、中国信通院-企业数字化IOMM成熟度模型

    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。

    慧都智能制造

    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:

    慧都智能制造

    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。

    对数字化能力框架的再思考

    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。

    慧都智能制造

    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。

    在下层增加了组织支撑和技术支撑。

    • 组织支撑:包括了组织,人员,文化,过程等内容。
    • 技术支撑:包括了云原生,物联网,5G和数字孪生等,也包括数字中台构建

    在最长增加了运营支撑

    • 运营支撑:核心是基于数据驱动思维下,以价值创造为目标的持续改进

    以上即是对企业数字化转型框架的重构理解,对于该能力框架后续准备再专门写文章来进行说明,从该框架至少可以清楚的明白当我们谈一个管理,业务或技术内容的时候,再整个框架里面具体的位置。比如我们谈产业互联、谈上下游生态和能力开放体系构建,那么就在图中的全产业链协同部分展开。

    慧都智能制造

    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:

    • 建设程度:从认知,到试点应用,到全面实践
    • 智能程度:从信息化到自动化,再到智能化
    • 范围程度:从单个业务,到业务域,再到企业全业务覆盖,

    也就是说基于上面的各个横向展开维度,我们就能够构建一个企业数字化转型的能力成熟度框架,并基于当前业务和IT现状,对各个阶段的关键能力现状进行评估。再结合企业实际的业务战略目标,数字化转型目标来制定企业数字化的具体演进和实施路线设计。

    如您的企业目前也有智能化改造或数字化转型的需求,欢迎访问慧都网咨询在线客服,我们将详细的为您介绍!

    展开全文
  • 2021零售业数字化转型研究报告合集,共17份。 2021 Open SaaS助力品牌零售企业能力升维 2021 中国消费品和零售行业纵览报告 2021 中国实体零售数字化专题报告-新式茶饮篇...2018 中国零售企业数字化转型成熟度评估报告
  • 德勤:中国零售企业数字化转型成熟度评估报告 IBM 工业企业的数字化转型 华为数字化转型实践 华为行业数字化转型方法论白皮书 解读传统零售行业转型难点--红星数字化转型实践 京东数科-IDC-中国区域性银行数字化转型...
  • 数字化成熟度评估模型一文读尽

    千次阅读 2022-03-03 16:26:53
    阿里数智化转型框架、普华永道企业数字化成熟度评估架构、华为ODMM共13个评估模型。 近两年数字化转型非常热,大家关注的问题都集中在:有哪些数字化转型的方法和技术?企业如何成功实现数字化转型?数字化转型过程...

    傅一平评语:
    虽然纯“打分”的数字化成熟度评分对企业并没有太大帮助,但理解这些模型的设计思想对于我们理解数字化转型很有价值。
    正文开始
    本文一共提供了CMM、DMM、DCMM、DCAM、MD3M、DataFlux、IBMMMI、DSMM、IOMM、中新联团标、毕马威&阿里数智化转型框架、普华永道企业数字化成熟度评估架构、华为ODMM共13个评估模型。

    近两年数字化转型非常热,大家关注的问题都集中在:有哪些数字化转型的方法和技术?企业如何成功实现数字化转型?数字化转型过程如何避免踩坑?数字化转型有没有捷径?数字化转型到底该从哪里开始?……

    说实话,这些问题根本没有答案。

    虽然目前很多企业都已启动了数字化转型战略,但对大多数企业而言,数字化转型都是“摸着石头过河”,根本没有可供借鉴的经验。即便是具有数据基因的科技互联网巨头,他们也在谈数字化转型,也就是说科技公司也不能说自己是数字化企业。而对于那些号称是成功转型的企业,其实也只是比其他企业多走了一步。

    — 01 —

    如何界定数字化转型是否成功?

    麦肯锡的一份报告指出:企业数字化转型成功率仅为20%。

    也就是说,80%的企业数字化转型都失败了。

    数字化转型成功或失败,不好界定!

    如何定义数字化成功?可能不同的人会有不同的理解。

    完成了数字化的绩效目标,算转型成功吗?即使没有建立数据思维、缺少数字文化。

    建立了数字化组织,配置了数字化人才,培育了数字化文化,算转型成功吗?即使数字化战略目标没有实现。

    搭建了数字化基础环境,使用了数字化技术(如云计算、大数据、AI等),算转型成功吗?即便业务决策用到了数据。

    数字化成功或失败,不能从一个维度考量!

    在笔者看来:企业数字化转型不是从0到1,而是从1到100。转型是一个过程,场景从简单到复杂,应用从局部到广泛,持续优化、逐步成长。

    也就是说,虽然不好界定数字化转型的成功或失败,但是数字化是有成长周期的,是一个从萌芽,不断生长,不断成熟的过程。而企业数字化成熟度的评估,就是帮助企业找到数字化到底位于何处,还有哪些不足,应该从哪里改进等问题的答案。

    —02—

    CMMI成熟度评估模型

    提到“成熟度评估模型”,不得不提一下能力成熟度模型的鼻祖——CMM。可以说,几乎所有成熟度模型都借鉴了CMM的思路,基本都是将所涉及的能力(例如:软件能力、数据治理能力、数字化能力)划分为多个领域,每个领域又可以划分多个子领域,每个子领域又可以分为多个评估指标。然后综合这些评标进行评估,从而得到该领域的成熟度情况。而所谓成熟度就是几个可以逐步提升的等级(CMM示例),如下图所示:

    数字化成熟度评估模型一文读尽

    能力成熟度模型集成(CMMI)

    —03—

    DMM 数据管理能力成熟度等级

    数字化成熟度评估模型一文读尽

    1. Performed(已执行级)

    主要特点:数据作为项目实施的需求进行管理。

    解读分析:这个阶段,企业和组织的数据管理过程是临时性的,主要在项目级别执行。没有形成跨业务领域数据管理流程,数据管理过程是被动的,例如,对于数据质量的修复。关于数据管理的基本改进可能存在,但改进尚未在企业或组织范围内进行明确、宣贯和推广。

    1. Managed(可管理级)

    主要特点:企业意识到数据作为企业关键资产的重要性,局部实现了常态化管理。

    解读分析:这个阶段,数据资产化的观念被企业或组织所认可,企业尝试并开展了数据管理的相关工作。按照企业的目标制定了相关政策和执行过程,雇佣有专业知识的数据管理人员来对数据进行管理,使得核心数据能够受控输出;数据管理在企业局部范围开展,涉及部分业务部门或利益相关者;部分数据开始进行数据的监控、控制和过程审查,估过程是否符合其数据管理的要求。

    1. Defined (可定义级)

    主要特点:数据在组织级被视为关键生产要素。

    解读分析:随着时间的推移,数据已经被企业视为除了人员、资金和物资的第四种生产要素。企业内部已经建立和改进了一些数据管理的流程,改进了数据质量。根据企业的数据战略和指导方针,从一组标准的数据管理过程中能够定制满足企业特定需求的数据管理方法,并赋以执行。

    1. Measured (可度量级)

    主要特点:数据被视为竞争优势的来源分析。

    解读分析:这个阶段,企业已基本建立起可预测和度量数据的指标体系,以提升数据质量。对不不同类别的数据启动有差异的管理流程,企业使用了元数据管理、数据质量管理、主数据管理等应用,对数据的业务含义、业务规则、质量规则进行了统一的描述,在公司范围内形成一致性的理解,并在整个数据的生命周期中进行管理。

    1. Optimized(优化管理级)

    主要特点:在一个充满活力和竞争的市场中,数据被视为生存的关键,持续提升和优化。

    解读分析:通过创新性的改进,企业数据管理能力不断提高。通过数据管理能力的增强反馈用于推动业务增长和决策能力的提升,企业的数据管理能力已经发展成为行业的标杆,可以在整个行业内进行先进经验的分享。

    (4)DMM 架构和过程域

    DMM模型提供了数据管理的最佳实践路线图,帮助组企业构建、改进和衡量其企业数据管理能力。该模型围绕着数据管理成熟度(DMM)模型展开,该模型是一个综合的数据管理实践框架,分为六个关键类别,帮助组织对其能力进行基准评测,找出优势和差距,并利用其数据资产提高业务绩效。

    数字化成熟度评估模型一文读尽

    DMM模型包括25个过程域,由20个数据管理过程域和5个支持过程域组成,按管控维度不同分为:数据战略、数据治理、数据质量、数据运营、平台与架构、支撑流程6个类型,如下图所示:

    数字化成熟度评估模型一文读尽

    —04—

    DCMM数据管理能力成熟度评估模型

    DCMM模型,按照组织、制度、流程、技术对数据管理能力进行了分析、总结,提炼出组织数据管理的八大过程域,即:数据战略、数据治理、数据架构、数据应用、数据安全、数据质量管理、数据标准、数据生命周期。这八个过程域共包含28个过程项,441项评价指标。

    数字化成熟度评估模型一文读尽

    数据战略:数据战略规划、数据战略实施、数据战略评估

    数据治理:数据治理组织、数据制度建设、数据治理沟通

    数据架构:数据模型、数据分布、数据集成与共享、元数据管理

    数据应用:数据分析、数据开放共享、数据服务

    数据安全:数据安全策略、数据安全管理、数据安全审计

    数据质量:数据质量需求、数据质量检查、数据质量分析、数据质量提升

    数据标准:业务数据、参考数据和主数据、数据元、指标数据

    数据生存周期:数据需求、数据设计和开放、数据运维、数据退役

    DCMM的能力等级划分

    与CMMI类似,DCMM模型将组织的数据能力成熟度划分为初始级、受管理级、稳健级、量化管理级和优化级共5个发展等级,帮助组织进行数据管理能力成熟度的评价。

    数字化成熟度评估模型一文读尽

    DCMM与国外的数据管理能力成熟度模型相比,DCMM是具有中国特色的数据管理模型。

    数字化成熟度评估模型一文读尽

    DCMM建设概念图

    如果你的企业要做DCMM评估,可以找国家工业信息安全发展研究中心,是全国仅有的6家拥有DCMM评估资质的单位。

    —05—

    DCAM数据管理能力评价模型

    数据管理能力评价模型(datamanagement capability assessment model,DCAM)是由EDM主导,组织金融行业企业参与编制和验证,基于众多实际案例的经验总结来进行编写的。DCAM首先定义了数据能力成熟度评估涉及的能力范围和评估的准则,然后从战略、组织、技术和操作的最佳实践等方面描述了如何成功地进行数据管理。最后,又结合数据的业务价值和数据操作的实际情况定义数据管理的原则。

    数字化成熟度评估模型一文读尽

    在DCAM1.0中,主要将数据管理能力划分为八个职能域:

    数据管理策略
    数据管理业务案例
    数据管理程序
    数据治理
    数据架构
    技术架构
    数据质量
    数据操作
    DCAM2.0框架

    数字化成熟度评估模型一文读尽

    如上图所示,在DCAM2.0中,主要强调团队协作(流程)、标准执行和资金支持,DCAM2.0 分为以下职能域(7大组件):

    数据管理战略与业务案例
    数据管理流程与资金
    数据架构
    技术架构
    数据质量管理
    数据治理
    数据操作
    —06—

    MD3M 主数据管理能力成熟度模型

    MD3M成熟度模型参考了COBIT(IT成熟度标准)、Oracle、DataFlux等已有模型,将主数据管理的成熟度划分为5级,如图:

    数字化成熟度评估模型一文读尽

    说明:以下是对MD3M成熟度等级的解读,期间为了便于大家更好的理解,会引用一些真实的“微案例”。“微案例”涉及的客户名称已做了相关脱敏,请看到的老板不要对号入座。

    1、Initial 初始级

    处于初始级的企业,主数据问题早已存在并且在企业里被提出,但是企业没有认意识到要进行主数据管理,或者不知道该如何管理主数据。当然也有一部分企业的员工甚至不知道主数据是个啥。

    2、Repeatable 应用级

    企业已经认识到了主数据的重要性,并且开始在项目中进行主数据的治理。但是这种管理只是在个别项目中进行,没有推广应用到其他部门或系统中。这种情况在很多企业普遍存在,例如:X企业上了一套CRM,只是在CRM中将客户主数据进行了整理和清洗,并且用一定流程管理起来了,但是CRM的客户数据并没有与财务系统、ERP系统等系统打通。

    3、defined process 已定义级

    企业充分认识到了主数据的问题、影响和价值,并对主数据管理第一次在企业战略层面提出,企业开始积极的思考主数据该如何管理,并引入主数据管理工具,进行主数据的试点应用。笔者接触了很多主数据的客户,部分客户是已经处于第三级的。笔者发现,处于这个层级的客户有一个共同点,就是对于主数据比较迷茫。正如Y企业CIO吐槽:“我们都认识到了主数据的重要性,并且主数据系统已经运行了3年,但是主数据的价值好像并没有发挥出来。还有就是我们主数据平台刚上的时候,主数据质量还行,但是现在去看已经和3年前没太大差别了”

    4、managed and measurable 管理和度量级

    企业制定了一套主数据管理的最佳实践,主数据被企业的核心资产进行管理,对于主数据的申请、审批、采集、分发制定了明确的流程和规范,对于主数据的数据质量有着明确的度量标准和考核制度。这里,我们分析下上述案例Y企业CIO的迷茫,Y企业之所以存在对主数据的困惑,一方面是认知问题,关于主数据重要性只是局部认知,比如:领导认识到了、员工没有认识到;IT人员认识到、业务人员没认识到;CIO认识到了,CEO没有认识到……;另一方面,主数据管理并不是上一个系统就能万事大吉的,是需要企业持续的运营才能见效的,配套的标准、流程、制度、考核是必不可少的。

    5、optimized 优化级

    该层级称为:持续优化级。主数据管理是一个持续提升的过程,不可一蹴而就。我们看到主数据做的非常成功的企业,都有两个特点:1)再一开始做主数据的时候,企业对要实现的业务目标和管理的主数据范围就十分明确,一般都是选1~2个核心主数据进行试点实施。2)试点实施阶段企业会建立起一整套的主数据实施最近实践(组织的建设、数据标准、管理流程和制度、运维规范、运营及考核),试点成功再将这套最佳实践复制到企业的其他业务域,实现主数据全域覆盖。主数据的实施过程是企业数据战略落地的过程,绝对不是购买一套工具就能解决的问题,方法、组织、标准、制度、流程、技术与工具样样不可缺少。我们看到,有的企业实施主数据借助了外部咨询公司的力量,由咨询公司帮助规划实施范围、建立制度和流程、制定实施路线图等,取得了不错的效果。【有需要做数字化咨询的老板请找罗百辉老师】

    关键主题和重点领域

    MD3M采用自下而上的方法制定了主数据管理能力成熟度评估的5个关键主题和13重点领域,见下图:

    数字化成熟度评估模型一文读尽

    与我们之前分享的DMM模型不同的是,MD3M更关注于主题,而不是过程。因为不同公司的流程可能不同,如果MD3M过于专注于流程,它将不再是通用的。MD3M模型基本涵盖了主数据管理的所有方面,适用于管理主数据的所有公司,尤其是大型公司。对于小型企业来说,实施精心设计的MDM方法的所需的成本可能将被夸大。

    —07—

    DataFlux 主数据管理成熟度模型

    该模型源自《DataFlux White Paper-MDM-Components-Maturity-Model》,本白皮书探讨了基于提供MDM服务的能力的成熟度级别,通过根据MDM相关组件层的成熟度来表示它们,企业管理层可以针对所需的MDM成熟度级别,设计开发一个主数据管理的实施路线图,用于指导企业主数据管理的实施和成功落地。DataFlux模型从数据架构、数据治理、数据管理、数据识别、数据整合、业务流程管理六个层面定义了主数据管理成熟度的核心影响要素,如下图所示:

    数字化成熟度评估模型一文读尽

    1、体系结构

    MDM体系结构包含三层,即:主数据模型、MDM系统架构和MDM服务架构。

    (1)主数据模型

    要创建主数据时,需要将企业中相关实体存在的各种不同格式和结构的所有数据元素合并到一个能够适应这些差异的集中资源中,然后反馈到这些不同的表示中。这意味着必须有一个统一的主模型来充当核心存储库。数据模型是MDM工作的复杂但不可分割的一部分,需要将异构系统间的相关关键元素合并到一个模型中,主数据模型要能够适应相关异构系统的不同应用需求。推荐的做法是取各个系统主数据元素的交集部分+主数据的自然属性形成主数据模型。

    (2)MDM系统架构

    贯穿于主数据管理的整个生命周期(创建、变更、访问、注销),为主数据提供基础的管理和维护功能,可以针对特定的场景或应用(例如:产品或客户的管理)设置增强性功能。例如,某些属性信息可以在不同的时间通过不同的应用系统收集,如果允许不同的应用系统有数据的创建权限,则可以为每个应用系统调整创建服务以获取主数据所需的内容。这涉及多源头数据的归集,操作上需要慎重。我一般建议将主数据源头统一,如果实在统一不了,可以通过系统自动提取+人工干预的方式完成主数据属性的整合,形成完整数据视图。

    (3)MDM服务架构

    异构应用系统使用所需的数据对象服务可能会有一定的差异,所需的数据服务也有进一步的要求,例如同步、序列化访问控制、集成与整合、数据访问。通过部署可重用并且与业务流程关联的主数据服务,将业务应用系统分层到数据对象服务层,并对数据服务进行权限的划分。主数据服务架构关键点在于流程驱动、按属性授权。主数据管理本身也是一项业务活动,需要根据相应的业务规则按顺序流转;权限划分是指不同流程节点可以配置不同的数据属性,并且这些属性可以分配给不同的角色/岗位进行管理。

    2、数据治理

    DataFlux 认为数据的治理和监督应当作为企业千年发展目标的政策。由于MDM是一项企业倡议,因此必须保证利益相关者将遵守、管理、参与主数据的治理和数据共享。跨不同业务域应用的主数据管理将解决数据管理、所有权、合规性、隐私、数据风险、数据敏感性、元数据管理、主数据管理以及数据安全等问题。这些问题中的每一个都侧重于将数据技术和管理监督结合起来,确保组织遵守定义的制度和政策。

    (1)数据标准化

    对企业数据元的标准化定义,明确数据语义、取值。评估组织数据元素信息并将这些信息编制成业务元数据,形成了最终驱动和控制主数据对象的模型。有了这些数据元标准化定义,组织就了解了如何将这些定义解析为主数据的唯一视图。

    (2)元数据管理

    识别数据元名称、定义和其他相关属性的过程,除了收集有关潜在可用的大量数据元素的标准技术细节外,企业还需要确定:每个数据元的业务用途,哪些数据元定义涉及相同的概念,不同应用程序如何创建、读取、修改或失效每个数据元,业务流程中的数据质量特征、检查和监控位置,等等这一系列的过程都是元数据管理。主数据管理的各个过程都是围绕元数据模型开展的。

    (3)数据质量

    业务绩效和运营生产力依赖于高质量的数据——在组织层面——成为任何MDM计划的核心能力。MDM的成功依赖于数据治理,但治理可以跨不同的业务域应用,为企业范围的部署提供规模经济。治理的各个方面至关重要,因为所有权模型和监督机制确保MDM环境中的参与者意识到信息的质量得到了积极管理。

    3、数据管理

    (1)唯一身份识别

    每一个主数据对象类型都对应与真实世界的一个实体对象,每个实体对象都有一个唯一识别的身份,这意味着在主数据资源库中,需要为每个主数据对象提供相应的标识信息,用来识别和标识数据对象的唯一性。

    (2)数据关系

    主数据系统应具备数据关系管理的能力,例如:客户之间的关联关系,供应商与所提供产品的关系等等。这些关系反映在链接层次结构中,并提供支持这些连接管理的服务组件。笔者认为:“关系型主数据将在主数据管理中扮演越来越重要的角色”。

    (3)迁移管理

    与业务应用系统不同,主数据的集成、上线是一个需要过渡的过程。无论是逐步的过渡还是彻底的使用新标准、新体系,数据迁移计划通常都会使旧体系版本与标准化后的版本同时运行一段时间,以确保对新版本正确地满足业务需求的提高信心。

    4、主数据建立

    (1)标识解析

    标识解析是指能够将两个或多个数据元素表示可以解析为唯一对象的一个表示,即:通过一定的数据元素的组合进行主数据的唯一性识别。标识解析是一项重要的主数据管理技术,目前该技术已被成功应用到国家工业互联网的战略布局中,通过将标识解析与互联网相结合,通过为每个机器、产品、零部件设置网络虚拟“身份证”,支持通过“身份证号”实现物料追溯、产品追踪,从而实现跨地域、跨行业、跨企业的信息共享。

    (2)数据规则

    在确定了数据的解析标识后,数据的规则算法就被应用到大量的记录中。 有一些规则可以被视为自动匹配,这些规则不仅依赖于相似性的量化,而且必须根据应用程序定义,数据规则用于数据的建立和数据的整合过程。

    (3)查重与合并

    使用标识解析来检查企业数据集,以区分表示唯一实体的记录,然后将其加载到规范表示中。应用数据规则寻找相似的数据记录,类似的记录要通过算法来鉴定每个数据属性中的值的相似度,为主数据的查重和合并过程铺平了道路。

    5、主数据整合

    主数据的目标不仅在于支持多个应用系统的集成,还能够为数据分析提供高质量的主数据。MDM系统建立数据服务层的核心主实体为建立一组分层的信息服务提供基础,以支持业务应用的快速和高效的开发。

    (1)与数据源的集成

    建立一个MDM系统将主数据统一管理起来,实现单一源头的主数据管理,而不使用这些数据是没有意义的,建立单一数据源的一个驱动因素是建立一个可以在整个企业中共享的高质量数据资产。这个目标需要双向数据流:主数据必须很容易地进入主数据库,并且企业应用程序也必须同样容易地访问这些数据。MDM系统必须以最小破坏性的方式适应现有的应用程序基础架构,同时提供一个标准化的路径,进行数据的转换和同步,为应用系统提供数据服务。

    (2)主数据集成服务

    随着MDM的深入应用,新的应用程序越来越多地依赖主数据对象及其相应功能的来支持新的业务体系结构设计。标准化的主数据减少了对传统面向数据的问题(例如,数据访问和操作、安全和访问控制或策略管理),使用MDM服务层整合应用系统,被越来越多的企业所青睐,这种方法还将为现有系统的整合和未来系统的设计提供额外的价值。

    6、业务流程管理

    基于业务流程驱动的主数据管理是MDM的主要手段。MDM系统设计中的一个关键因素是确保系统是业务驱动的,尽管MDM是一种技术,但人们普遍认为,在不将主数据管理的功能组件链接到相应的业务流程模型的情况下实施主数据管理是一种无用的活动,进一步强调了“流程驱动”在主数据管理中的重要性。

    (1)流程模型

    业务流程模型是一种逻辑表示,它以一种方式描述业务流程,并在适当的时间将适当的细节传达给适当的人。通常列举所涉及的过程、流程的输入、控制过程等方面、作为过程结果出现的事件以及过程的预期输出。本质上MDM也是一项业务活动,不同的主数据需要在不同的时间、由不同的人维护和管理不同的数据元素,而这个过程是依靠流程模型来驱动的。

    (2)业务规则

    在任何业务流程模型中,用于执行特定操作的逻辑将主数据对象的值的评估和定义的控件结合在一起。检查这些值以确定要采取的操作,这些操作将创建新值并触发新控件。

    (3)MDM业务组件层

    在通过业务流程建模和集成组件的定义和需求以及通过基于规则的系统实现业务规则的基础上,是业务组件层。在这一层,我们可以开始创建更复杂的可重用业务服务,包含数据的映射、转换、同步、访问等。

    三、DataFlux 定义的主数据管理能力等级

    DataFlux定义成熟度模型的目的并不是提供一个基准来衡量所有MDM成熟度能力。相反,许多组织已经设计、架构和部署了所描述功能的相关版本。因此,成熟度级别描述了如何为主数据的存储和利用已部署的组件或服务。同时,它还指出了促进更复杂的应用系统对主数据依赖所需的功能和组件。

    DataFlux模型将组织的主数据管理成熟度划分为5级,分别是:

    1. 初始级

    主要特点:缺乏对主数据管理目标和价值的认证,未开展主数据管理活动。

    解读分析:在初始级,利用主数据的可能性是有限的,但是有某种程度的认识到某些数据集存在多个副本,并与多个应用系统相关联。部分业务或技术人员准备探索整合数据集以实现某些应用集成或数据分析的目的。

    1. 反应级

    主要特点:企业充分认识到了主数据多副本的问题,并正在尝试解决这一问题。

    解读分析:企业对多个异构系统之间的信息孤岛问题、数据不一致问题有了深刻的认知,并且这些问题对企业造成了一定的困扰,企业正在尝试通过一定的管理或技术手段解决这一问题。企业购买了一些软件和工具,尝试进行将不同应用系统间元数据的整合。

    1. 被动管理级

    主要特点:通过主数据管理解决了单一领域和单一业务的数据问题。

    解读分析:对于主数据的管理重点可能集中在单个领域,解决特定的问题,实现了单一业务线条的数据统一。管理级还允许企业对新应用程序和现有应用程序的数据进行整合,整合和同步成为了主数据的重要特点。

    1. 主动管理级

    主要特点:自动化的流程驱动数据管理,应用系统通过服务层与主数据库集成,如标识解析、层次结构管理、映射管理、转换管理。

    解读分析:随着组织建立起相应的主数据模型和数据服务体系结构,在减少单个应用系统对复制数据的依赖方面变得更加熟练。主动式管理能够更好地在客户、供应商和供应商级别建立关系,基于汇总和整合数据的完整数据模型作为核心企业资源进行管理,数据治理在整个组织中有效,对业务和管理都起到了一定的支撑作用。

    1. 战略绩效级

    主要特点:MDM与面向服务体系架构相结合,为企业应用系统的操作和分析需求的提供高质量的数据保障。

    解读分析:处于该层次的主数据管理结合了先进的技术,与商务智能分析形成双向互补机制,主数据为商务智能提供可靠的数据,商务智能的相关分析结果可以作为主数据对象进行管理,从而为用户提供更有效和一致的预测分析,为降低企业成本、提升企业绩效提供支撑。

    —08 —

    IBM:数据治理框架

    IBM数据治理模型分为目标、支持条件、核心规程和支持规程四个层次,如下图:

    数字化成熟度评估模型一文读尽

    目标。目标是数据治理计划的预期结果,通常致力于降低风险和价值创造。数据风险管理和规格性是用来确定数据治理与风险管理的关联度及合规性,用来量化、跟踪、避免或转移风险。价值创造是通过有效的数据治理,实现数据资产化帮助组织创造更大的价值。

    支持条件。组织机构与意识,数据治理需要建立相应的组织机构(例如:数据治理委员会、数据治理工作组等),并安排的全职的人员开展数据治理工作,同时,需要建立起数据治理的相关制度并且获得高管的重视。管理工作,制定数据质量控制的规程和制度,用来管理数据以实现数据资产的增值和风险控制。策略,组织应在数据战略层面设置明确的目标的方向。

    核心规程。数据质量管理,提升数据质量,保障数据的一致性、准确性和完整性的各种方法。信息生命周期管理,对各种类型数据,如:结构化数据、非结构化数据、半结构化数据全生命周期管理的相关策略、流程和分类。信息安全与隐私,在数据资产包含,减低数据安全风险的各种策略、实践和控制方法。

    支持规程。数据架构,指系统体系结构设计,支持向适当的用户提供和分配数据。分类与元数据,通过元数据的技术,对组织的业务元数据、技术元数据进行梳理,形成数据资产的统一资源目录。审计记录与报告,指数据合规性、内部控制、数据管理审计相关的一系列管理流程和应用。

    IBM数据治理能力成熟度评估模型借鉴了,能力成熟度模型CMM(Capability Maturity Model),将数据治理的成熟度描述了五个等级的成熟度路径:

    数字化成熟度评估模型一文读尽

    Level 1 初始化:工作通常是临时的,环境也不稳定,反映组织内个人能力,而不作为成熟度管理。该阶段尽管组织内会生成产品和服务,但往往会超出预算和项目时间;

    Level 2 已管理:基于项目或单业务职能的有效管理,能够跟踪成本和时间表,可以基于项目实践的计划和执行的经验开展复用,但仍缺乏组织内整体的管理,仍然存在预算超支和实践逾期等风险;

    Level 3 已定义:组织内形成覆盖整个组织的标准、流程和规程管理,能够适应组织内业务职能或项目;

    Level 4 量化管理:组织通过统计技术和量化分析,对所开展的质量目标进行量化管理;

    Level 5 持续改进:量化的目标被明确建立且持续修订反映业务目标的变化。

    IBM:数据治理流程

    IBM 数据治理统一流程列出了这 14 个主要的10个必需步骤和 4 个可选专题,以及支持有效的数据治理计划的相关IBM 软件工具和最佳实践。

    10 个必需步骤是为有效的企业治理计划奠定基础所不可或缺的。

    4 个可选专题是主数据治理、分析治理、安全和隐私以及信息生命周期治理。

    数字化成熟度评估模型一文读尽

    (1)定义业务问题

    数据治理计划失败的主要原因是:它们无法识别实际的业务问题。组织亟需围绕一个特定的业务问题,比如失败的审计、数据破坏或出于风险管理用途对改进的数据质量的需要,定义数据治理计划的初始范围。一旦数据治理计划开始解决已识别的问题􀒻业务职能部门将支持它将范围扩展到更多区域。

    (2)获取高层支持

    得到关键 IT 和业务高层对数据治理计划的支持很重要。获得此支持的最佳方式是以业务案例和“快捷区域”的形式建立价值。例如:业务案例可以专注于一客户名称匹配,改进数据的质量以支持客户中心性计划。

    (3)执行成熟度评估

    每个组织需要对其数据治理成熟度执行一项评估,最好每年执行一次。数据治理组织需要评估组织当前的成熟度水平,当前状态和想要的未来成熟度水平,这通常在12到18 个月后。这段时间必须长到足够生成结果,短到确保关键利益相关者的持续支持。

    (4)创建路线图

    数据治理组织需要开发一个路线图来填补 11 个数据治理成熟度类别的当前状态与想要的未来状态之间的空白。例如:数据治理组织

    可以检查“照管”的成熟度空白,确定企业需要任命数据照管人来专门负责目标主题区域,比如客户、供应商和产品。数据治理计划也需要包含“快捷区域”——计划可带来近期业务价值的区域。

    (5)建立组织蓝图

    数据治理组织需要建立一种章程来治理其操作,确保它拥有足够的成熟度来在关键形势下担当决胜者。数据治理组织最好在一种 3 层架构下操作。顶层是数据治理委员会,它由依靠数据作为企业资产的关键职能和业务领导组成。中间层是数据治理工作组,它由经常会面的中层经理组成。最后一层由数据管理员组成,它负责每天的数据质量。

    (6)创建数据字典

    业务词汇的有效管理可帮助确保相同的描述性语言适用于整个组织。数据字典或业务术语库是一个存储库,包含关键词汇的定义。它用于在组织的技术和业务端之间实现一致性和达成一致。例如:“客户”的定义是什么,客户是某个进行购买的人还是某个考虑购买的人,前员工是否仍然分类为“员工”,词汇“合作伙伴”和“经销商”是否同义,这些问题可通过创建一个通用的数据字典来回答。一旦实现,数据字典可应用到整个组织,确保业务词汇通过元数据与技术词汇相关联,而且组织拥有单一、共同的理解。

    (7)理解数据

    有人曾经说过:“您无法控制您还未理解的东西。”如今很少有应用程序是独立存在的。它们由系统和“系统的系统”组成,包含散落在

    企业各个角落但整合或至少相互关联的应用程序和数据库。关系数据库模型实际上使情况更糟了,它使业务实体的存储分散化。但是所有一切是如何关联的,数据治理团队需要发现整个企业中关键的数据关系。

    (8)创建元数据存储库

    元数据是关于数据的数据。它是有关任何数据工件,比如其技术名称、业务名称、位置、被认为的重要性和与企业中其他数据工件的

    关系的特征的信息。在查询阶段,数据治理计划将从数据字典生成大量业务元数据和大量技术元数据。此元数据需要存储在一个存

    储库中,所以它可以在多个项目之间共享和利用。

    (9)定义度量指标

    数据治理需要拥有可靠的度量指标来度量和跟踪进度。数据治理团队必须认识到当您度量某个东西时,性能就会改进。因此,数据治理团队必须挑选一些关键性能指标 (KPI) 来度量计划的持续性能。例如:一家银行将希望评估行业的整体信贷风险。在这种情况下,数据治理计划可以选择空的标准行业分类 (SIC) 代码的百分比作为 KPI跟踪风险管理信息的质量。

    前9个步骤是企业数据治理的基本流程,第10步需要企业在 4 个可选的数据治理专题(主数据治理、分析治理、安全和隐私以及信息生命周期治理)中至少选择一个。

    (10)治理主数据

    企业内最有价值的信息(与客户、产品、材料、供应商和帐户相关的关键数据)统称为主数据。尽管它很重要,主数据常常是重复的并分散在整个企业的各种业务流程、系统和应用程序中。治理主数据是一种持续的实践,其中业务领导为实现业务目标而定义准则、策略、流程、业务规则和度量指标,管理他们的主数据的质量。

    (11)数据分析治理

    企业已投入了巨额资金建立数据仓库来获取竞争洞察。但是,这些投资并不总是得到了结果,导致企业越来越多地审查其对分析的投

    资。“分析治理”专题定义为设置更好地协调业务用户与对分析基础架构的投资的策略和过程。

    (12)管理安全和隐私

    数据治理领导(尤其是向首席信息安全官报告的领导)常常必须处理围绕数据安全和隐私的问题采用相应的策略和措施。

    (13)治理信息生命周期

    非结构化内容占典型企业中的数据的 80% 以上。随着组织从数据治理转向信息治理,他们开始考虑这种非结构化内容的治理。

    (14)度量结果

    数据治理组织必须通过不断监控度量指标来确保持续改进。在第9 步中,数据治理团队设置度量指标。在此步骤中,数据治理团队依据这些度量指标向来自 IT 和业务部门的高层利益相关者报告进度。

    整个数据治理统一流程需要以持续循环的形式操作。该流程需要度量结果并循环回到高层支持者,以获得数据治理计划的持续支持。

    —09—

    DSMM模型简介

    数据安全能力成熟度模型(DS-CMM,或DSMM)是由是阿里巴巴和中国电子技术标准化研究院在大量实践和研究的基础上,联合三十多家企事业单位共同研究制定的。DSMM一份关于数据安全管理的标准,目前是报批稿状态,即将成为国家标准。

    DSMM借鉴能力成熟度模型(CMM)的思想,将数据按照其生命周期分阶段采用不同的能力评估等级,分为数据采集安全、数据传输安全、数据存储安全、数据处理安全、数据交换安全、数据销毁安全六个阶段。DSMM从组织建设、制度流程、技术工具、人员能力四个安全能力维度的建设进行综合考量。DSMM将数据安全成熟度划分成了1-5个等级,依次为非正式执行级、计划跟踪级、充分定义级、量化控制级、持续优化级,形成一个三维立体模型,全方面对数据安全进行能力建设。

    注:该标准还在进一步修订中,未正式发布,供参考。需要请见文末。

    数字化成熟度评估模型一文读尽

    能力成熟度等级

    1级(非正式执行)

    主要特点:数据安全工作是随机、无序、被动执行的,依赖与个人,经验无法复制。

    组织在数据安全领域未执行有效的相关工作,仅在部分场景或项目的临时需求执行相关工作,未形成成熟的机制,来保障数据安全相关工作的持续开展。

    2级(计划跟踪)

    主要特点:在项目级别主动实现了安全过程的计划与执行,没有形成体系化。

    规划执行,对数据安全过程进行规划,提前分配资源和责任;

    规范化执行,对安全过程进行控制,使用安全执行计划,执行相关标准和程序的过程,对数据安全过程实施配置管理;

    验证执行,确认过程按照预定的方式执行,验证执行过程与可应用的计划是一致的,对数据安全过程进行审计;

    跟踪执行,控制数据安全项目的进展,通过可测量的计划跟踪过程执行,当过程实践与计划产生重大的偏离时采取修正行动。

    3级(充分定义)

    主要特点:在组织级别实现了安全过程的规范定义和执行。

    定义标准过程,组织对标准过程进行制度化,形成标准化过程文档,为满足特定用途对标准过程进行裁剪;

    执行已定义的过程,充分定义的过程可重复执行,针对有缺陷的过程结果和安全实践的核查,使用过程执行的结果数据;

    协调安全实践,对业务系统和组织的协调,确定业务系统内,各业务系统之间、组织外部活动的协调机制。

    4级(量化控制)

    主要特点:建立了量化目标,安全过程可量化度量和预测。

    建立可测的目标,为组织数据安全建立可测量的目标;

    客观的管理执行,确定过程能力的量化测量来管理安全过程,以量化测量作为修正行动的基础。

    5级(持续优化)

    主要特点:根据组织的整理战略和目标,不断改进和优化数据安全过程。

    改进组织能力,在整个组织范围内的标准过程使用情况进行比较,寻找改进标准过程的机会,分析对标准过程的可能变更。

    改进过程有效性,制定处于连续受控改进状态下的标准过程,提出消除标准过程产生缺陷的原因和持续改进的标准过程。

    数据生命周期安全

    DSMM模型将数据生命周期分为了数据采集、数据传输、数据存储、数据处理、数据交换和数据销毁六大阶段,40个过程域(PA),其中包含16个通用安全过程域,和24个数据生命周期各阶段安全过程域,如下图所示:

    数字化成熟度评估模型一文读尽

    数据安全能力构成

    1、组织建设

    —— 数据安全组织架构对组织业务的适应性;

    —— 数据安全组织架构承担的工作职责的明确性;

    —— 数据安全组织架构运作、协调、沟通的有效性;

    2、制度流程

    —— 数据生命周期的关键控制节点授权审批流程的明确性;

    —— 相关流程、制度的制定、发布、修订的规范性;

    —— 安全要求及落地执行的一致性和有效性。

    3、技术与工具

    —— 数据安全技术在数据全生命周期过程中的使用情况,针对数据安全风险的检测及相应能力;

    —— 利用技术工具对数据安全工作的自动化和持续支持能力,对数据安全制度流程的固化执行能力。

    4、人员能力

    —— 数据安全人员所具备的安全技能是否能满足复合型能力要求;

    —— 数据安全人员的数据安全意识以及关键数据安全岗位员工的数据安全能力培养。

    其实,之所以分享数据治理成熟度模型,是因为在笔者看来所有的成熟度评估的套路都是一样的,掌握了数据治理能力成熟的评估,则会更加容易理解数字化转型成熟度模型。

    看到这里,你可能不禁要问:数据治理成熟度评估的模型这么多,那数字化转型的评估模型都有哪些呢?

    在研究数字化转型评估模型的组织也不少,罗百辉老师推荐的有中国信通院、中信联、普华永道、毕马威、阿里、华为……

    — 10—

    信通院:企业IT数字化能力和运营效果成熟度模型(IOMM)

    针对不同行业数字化转型的需求,中国信通院云大所推出了企业数字化转型IOMM(Enterprise Digital Infrastructure Operation Maturity Module)标准,其中I代表数字基础设施,是标准的第一部分;O代表企业整体经营,是标准的第二部分。

    目前发布的是标准的第一部分,《企业数字基础设施云化管理和服务运营能力成熟度模型》,共分为五类能力成熟度阶段,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。

    数字化成熟度评估模型一文读尽

    来源:栗蔚《企业IT数字化能力和运营效果成熟度模型》 和《数字化可信服务》系列标准解读

    IOMM标准体系针对不同行业、不同规模企业制定面向平台IT和业务IT的五类成熟度,每个类别都对相应能力进行评估,定位水平,并以价值分数进行效果验证。适用于企业数字化转型发展过程中的相关领导者和相关人员,梳理、定位自身数字化转型能力水平,计划未来发展方向。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建设的能力和体现出的价值。

    数字化成熟度评估模型一文读尽

    来源:栗蔚《企业IT数字化能力和运营效果成熟度模型》 和《数字化可信服务》系列标准解读

    — 11—

    中信联:团体标准—数字化转型 新型能力体系建设指南

    数字化转型新型能力体系建设总体框架,主要包括新型能力的识别、新型能力的分解与组合、能力单元的建设、新型能力的分级建设等内容,系统阐释新型能力体系建设的主要方法。

    新型能力的建设是一个循序渐进、持续迭代的过程,对照T/ AIITRE 10001—2020提出的数 )字化转型五个发展阶段,将新型能力的等级由低到高划分为 CL1(初始级 )、CL2(单元级 )、CL3(流程级)、CL4(网络级)和 CL5(生态级)等五个等级,不同等级能力呈现不同的状态特征以及能力单元/能力模块的过程维、要素维、管理维的不同建设重点 ,如下图所示:

    数字化成熟度评估模型一文读尽

    来源:团体标准 T/AIITRE 20001—2020《数字化转型 新型能力体系建设指南》

    CL1初始级:总体处于尚未有效建成主营业务范围内的新型能力 ,初步建立了两化融合管理体系。

    CL2单元级:形成工具级数字化的系统性解决方案,覆盖数据、技术、流程和组织等四要素,支持特定领域或业务环节数字化。

    CL3流程级:聚焦跨部门或跨业务环节, 建成支持主营业务集成协同的流程级能力,支持过程管理动态优化;实现现有业务效率提升、成本降低 、质量提高等预期价值效益目标,并有效拓展延伸业务。

    CL4网络级:聚焦组织全员、全要素和全过程,建成支持组织( 企业)全局优化的网络级能力;能够按需开展数据驱动型的能力打造过程管理;实现与产品 /服务的创新, 并有效开展业态转变,培育发展数字业务。

    CL5生态级:聚焦跨组织(企业 )生态合作伙伴、用户等,建成支持价值共创的生态级能力,全面实现与业态转变相关的用户/生态合作伙伴连接与赋能、数字新业务、绿色可持续发展等价值效益目标。

    — 12—

    毕马威&阿里:消费品生态全链路数智化转型框架

    中国商业正在由“消费红利”经济向“数智创新”经济进化,发展思路从单节点成本和效率提升,进化为消费品全生态重塑增长方式,数智技术触发了商业生态的全链路数智化转型。阿里联合毕马威提出了基础设施云化、触点数字化、业务在线化、运营数据化、决策智能化五部曲赋能产业全链路价值重构的消费品生态全链路数智化转型框架。该框架包含五项一级能力,25个核心二级能力指标为评价数智化成熟度和指明未来建设方向提供衡量工具,如下图:

    数字化成熟度评估模型一文读尽

    来源:毕马威&阿里《2020消费品生态全链路数智化转型白皮书》

    基础设施云化:构建企业的”数智大脑”是企业数智化转型的重要方向。基于复杂智能算法的推荐、预测、决策等结果,企业在系统层级直接采取相应行动并根据数据不断的完善和补充。企业的智能化场景会日益丰富,智能化决策通过对大数据进行不断的训练与学习,从而做出更加智能的决策,形成良性的学习反馈闭环,最终帮助企业实现全链路的高效决策。

    触点数字化:企业在数智化时代需要启动和激活数据的商业价值,充分挖掘自身高价值的“小数据”并充分结合生态的“大数据”,实现数据驱动业务,进而形成分析和洞察驱动型的企业文化。通过完善的数据体系,数智化企业可以利用数据洞察赋能企业的全价值链,为企业的员工和合作伙伴提供运营指导,实现降本增效,同时,提高合作伙伴之间协同效率,改善消费者体验。

    业务在线化:企业通过业务能力服务化的方式帮助企业完成业务流程的数字化和业务价值的提升。一方面,企业需要快速响应来自各触点的变化,对业务流程进行重塑与优化,实现组织沟通与协同的效率提升;另一方面,为了应对日益复杂的业务场景与需求,企业需要对全链路数字化业务系统进行升级,通过不断的业务服务重构来实现业务共享和创新,促进生态之间的开放与协同。

    运营数据化:企业借助AIOT、移动互联网等技术,保持与消费者、员工、商品、合作伙伴等全链路的连接。触点数字化反映了企业数智化转型过程中,企业与各方交互触点数智化水平的成熟度。数智化的触点主要通过各个触点的数字化、移动化、智能化达到多维度的消费者行为感知、员工和组织感知、商品状态感知、合作伙伴和生态感知,使得企业在全链路保持连接和数据获取能力。

    决策智能化:基础设施云化程度反映了企业数智化转型的基本技术能力。云计算除了为企业数智化转型提供了算力基础外,还涵盖到支撑企业智能运算的算法模型能力、数据存储能力、数据之间传输的网络连通能力、敏感数据的安全能力以及对数据实时和离线处理的能力等。此外,企业同样需要一个敏捷的、连续稳定的、成本优化的、安全和风险可控的智能运算环境。

    — 13—

    普华永道:企业数字化成熟度评估架构

    企业推进数字化转型的过程中,业务应用、IT架构、组织机制建设等工作环环相扣。企业要分清哪是因、哪是果,建立多维度的企业数字化成熟度评估体系,用于判断企业所处的数字化阶段,找出推进不利的可能原因,以及相应需要采取的措施。

    普华永道企业数字化成熟度评估框架从战略引领、业务应用结果、技术能力支撑、数据能力支撑、组织能力支撑,以及数字化变革6个维度对企业的数字化成熟度进行评估(如下图)。普华永道认为:引领性指标是第一点“数字化战略”,业务应用结果性指标是第二点“数字化业务应用”,其余4个维度(3~6)是支撑性要素,每个维度又可以细分为若干子维度。

    数字化成熟度评估模型一文读尽

    1. 数字化战略:从企业的战略规划和投资等角度,衡量企业推行数字化的决心和力度;

    2. 数字化业务应用:从各个业务条线最终使用数字化的深浅程度,来衡量企业数字化转型的成果。业务条线包括衡量价值链环节的研发、采购、生产、营销、客服等,也包括内部管理条线,如战略、人力、财务、IT等;

    3. 数字化技术能力:是否具备先进的、支撑企业未来数字化应用的IT架构的,以及相应的技术组织能力,比如新技术人员、数字技术、组织结构和运作方式等;

    4. 数据能力:企业能够应用数据分析进行业务决策的程度,包括数据可得性以及数据分析能力两个方面。打造强有力的数据能力涉及数据战略、数据架构、数据治理、数据安全、人员技能等多个方面;

    5. 数字组织能力:企业采取怎样的组织机制/流程/文化/员工技能等,来支持企业数字化转型和运营工作;

    6. 变革管理:企业推进数字化转型的机制是否成熟,比如数字化治理模式、变革管理人员技能等。

    — 14—

    华为:开放数字化成熟度模型ODMM

    华为提出了一个数字化成熟度模型来度量一个公司的数字化程度,这个模型叫ODMM(Open Digital Maturity Model),该模型把数字化分成了战略决心,以客户为中心,数字文化、人才和技能,创新与精益交付,大数据与人工智能,以及技术领先等6大评估维度,如下图所示:

    数字化成熟度评估模型一文读尽

    战略方面:主要考量对行业和生态的贡献程度,业务和技术的协同程度,对新的机会和业务的投资程度。

    客户方面:主要考量口碑粘性和口碑传播的能力;客户体验管理和度量;客户通过线上渠道和你互动的活跃度。

    组织方面:主要考量跨团队协同和主动创新的能力;利用外部资源和社会化资源的能力;团队持续学习和数字化能力建设的能力。

    创新与精益:主要考量应用设计思维的能力;持续交付的能力;应对变化的能力。

    数据与智能:主要考量关键数据的元数据管理能力;数据集成和互操作能力;数据科学与人工智能,比如智能客服解答客户问题的成功率。

    技术领先:主要考量数据安全与风险控制;API First与微服务的架构;基于RPA(Robotic Process Automation)的流程自动化。

    ODMM模型目前已更新到了6.0版本,其将企业的数字化成熟度评估划分为为4个层次,6个评估维度,18个评估子维度,174个评估指标。如下图:

    数字化成熟度评估模型一文读尽

    纯“打分”的数字成熟度评分对企业并没有太大帮助,而ODMM旨在为企业的数字化转型创建一个可行的计划。ODMM在成熟度模型中独树一帜的地方在于,它是根据企业的数字化成熟度与其期望的理想状态之间的差距来确定数字化成熟度得分,从而为企业的数字化改进方向提供更有价值的参考。

    战略维度
    这一维度评估用于评估企业如何基于清晰的企业愿景和一系列目标来定义和实施有效的数字化战略。这个维度包括数字战略,金融投资模式,业务敏捷性等三个子维度,每个子维度关注的三级要素及评估内容如下表。
    1、数字战略
    三级要素

    评估的具体方面

    目的明确

    该企业是否概述了数字愿景和战略,并阐明了它打算在数字生态系统中扮演的角色?

    追求新价值

    高级管理层是否对现有产品和服务的业务潜力有现实的看法,他们是否制定了一个协调一致、考虑周全的计划,以便在必要时转向新的平台或服务模式?

    跨行业参与

    该企业是否采用开放和扩展的方法与传统关系之外的新参与者接触,以支持其整体企业战略?

    2、金融投资模式

    三级要素

    评估的具体方面

    财务战略

    企业的财务战略是否支持长期的、有时风险更大的战略投资,以支持企业整体愿景的实现?

    投资预算

    企业是否采用灵活的预算流程,以便及时评估和资助数字化计划,确保可能的收益与企业的战略相一致?

    3、业务敏捷性
    三级要素

    评估的具体方面

    协调能力

    企业能否有效地协调资源、流程和结构,以便快速有效地实施其战略?

    战略投资组合管理

    企业是否决定并应用适当的投资政策来有效管理数字服务组合,以加速采用数字实践和技术?

    综合数字化运营

    数字化能力是否适当地、全面地整合到企业的战略中,同时与必要的传统做法保持一致?

    以客户为中心
    此维度评估企业如何积极利用客户洞察为其客户提供个性化道路体验。ODMM假设最好的数字企业通过关注品牌、由外而内的客户体验和体验治理来做到这一点。以客户为中心包含以下子维度:
    1、品牌信任

    三级要素

    评估的具体方面

    品牌承诺

    组织是否在所有业务活动中清楚地表达了一个经过深思熟虑、清晰一致的品牌承诺,该承诺与客户和员工的需求以及相关愿望保持一致?

    品牌定位

    公司提供和提供的服务和体验是否支持并在理想情况下加强了品牌宣传?

    品牌信任

    品牌是否受到所有利益相关者和支持者的信任?

    2、客户体验

    三级要素

    评估的具体方面

    个性化和主动性

    产品和服务是否根据个人/企业实体的需求主动定制、提供和交付?

    客户可视性和控制

    客户能否轻松访问和控制所接受服务的各个方面?

    在线社交

    客户是否使用社交渠道和社区与企业及其其他客户接触,以获得和提供帮助和支持、宣传、发现新产品并提供反馈?

    结构性和额外价值

    是否为客户提供了额外的价值和便利来阻止客户流失?

    3、管理经验

    三级要素

    评估的具体方面

    跨职能部门问责

    组织内的所有职能部门是否都非常重视客户体验并努力改进?

    经验驱动设计

    向最终用户提供的端到端体验是设计和引入新产品和服务的关键因素吗?

    全渠道管理

    全渠道管理是否被视为调整和合理化客户接触点的工具,以及持续提高所有接触点的客户体验水平?

    客户体验测量

    组织是否能够接触到客户之声提供的反馈,并根据反馈采取行动?

    单一客户视图

    组织是否对每个客户的状态和行为有一个单一的全面的看法?

    合作伙伴协调

    组织的合作伙伴是否有类似的客户体验管理实践和标准?

    数字文化、人才和技能

    这一维度衡量了增强数字化劳动力所需的工具、技能和流程,评估了一个组织如何招聘、保留和激励其团队成员。

    1、数字文化

    三级要素

    评估的具体方面

    数字化领导力

    组织是否鼓励和展示数字化领导的特征和行为,如仆人领导和循证管理?

    适应心态与集体

    习惯

    组织如何利用数字连接和资源来创造鼓励创新和创造共同集体文化的工作环境?

    团队敏捷性和赋权

    组织如何提供和激励由不同技能、职能和地域组成的团队(“变形虫运动”)?具体措施包括社会化共同目标和共同责任,为他们提供实时管理和跟踪可交付成果所需的数字工具和资源。

    数字化工作场所

    经验

    工作的设计,工作环境和相关的政策是否能带来良好的员工体验?

    社会化媒体互连性

    员工是否通过社交媒体参与内部活动?

    2、组织数字人才

    三级要素

    评估的具体方面

    人才获取

    组织在吸引、招聘和留住最佳数字人才方面做得如何?

    扩展劳动力

    是否利用了众包和全球信息栅格等非传统人力资源提供的机会?

    动机和成就

    员工的积极性和成就感如何?

    3、持续学习

    三级要素

    评估的具体方面

    在职结构化学习

    学习是否被视为一种持续的活动,并作为商业运作的一部分受到积极的鼓励和促进?

    组织知识管理

    知识在整个组织中的获取和共享情况如何?

    数字化学习交付

    组织是否充分利用数字化方法来规划、提供和跟踪个人培训和发展需求?

    资格和认证

    组织是否通过认证来培养人才,提高员工的整体数字技能?

    创新与精益交付
    该维度评估组织与合作伙伴生态系统一起快速高效地创建和交付创新数字产品和服务的能力。
    1、规模创新

    三级要素

    评估的具体方面

    创新范围和准备程度

    组织是否在明确界定的范围内创新?

    参与生态系统

    组织是否与生态系统合作伙伴有效合作以推动创新?

    设计思维实践

    设计思维是否在组织内广泛实践,以支持以人为中心的想法和解决方案的生成?

    业务推广

    是否制定了有效引入和推动快速采用新数字服务的流程?

    生命周期管理

    基于真实世界数据的定义良好的流程是否控制着数字服务/产品的整个产品生命周期?

    2、精益交付

    三级要素

    评估的具体方面

    敏捷开发

    在服务/产品开发过程中,需求和解决方案是否通过自组织和跨职能团队及其客户/最终用户的协作而演变?

    全栈监控

    是否集成了来自各个监控解决方案的数据以创建一个完整的堆栈监控显示?

    反馈和基于分析的响应

    真实世界的生产信息和反馈是否被用作运营和服务管理的基础?

    持续交付

    开发团队是否在短周期内生产服务/产品,确保服务/产品可以在任何时候可靠地发布给客户/最终用户?

    3、按需供应链
    三级要素

    评估的具体方面

    回应变化

    供应链是否与无摩擦的信息共享紧密结合,以及作为一个整体快速响应不断变化的环境所需的灵活性?

    延伸价值链

    合作伙伴的优化设计价值链是否用于为客户提供最大价值?

    大数据与人工智能

    该维度评估组织通过提高运营效率和降低成本以及通过增加收入来利用数据创造业务价值的程度。

    1、数据治理
    三级要素

    评估的具体方面

    元数据管理

    组织是否通过提供元数据、业务上下文、标记、关系、数据质量和使用的全面、统一的视图,通过业务分析和数据治理最大化信息资产的业务价值?

    主数据管理

    管理共享数据是否可以降低与数据冗余相关的风险,确保更高的质量,并降低数据集成的成本?

    数据质量

    组织是否将质量管理技术应用于数据,以确保数据适合消费并满足数据消费者的需求?

    数据战略和政策

    是否制定了数据资产管理的策略和政策,包括相关决策权的确定和执行?

    数据安全和隐私

    组织如何规划、制定和执行安全政策和程序,以提供数据和信息资产的适当身份验证、授权、访问和审计?

    2、数据利用
    三级要素

    评估的具体方面

    数据驱动决策

    业务决策是否基于相关数据,而不仅仅是直觉,并由此带来可量化的运营绩效改进?

    数据货币化

    是否通过更个性化的营销和销售以及改进业务流程和决策产生额外收入?信息是否与新的和现有的客户和合作伙伴进行了外部货币化?

    数据科学与人工智能

    组织是否拥有强大的分析(机器学习/数据科学)能力来描述、预测和改进业务绩效?

    数据可视化

    数据的图片和图形表示是否用于帮助解释概念、想法和事实?

    3、数据工程
    三级要素

    评估的具体方面

    数据集成和

    互操作性

    应用程序和组织内部及之间的数据移动和整合是否得到良好管理?

    数据仓库和数据存储

    规划、实施和控制过程是否到位,以支持快速方便的报告、查询和分析的方式存储数据?

    数据架构和建模

    是否确定了组织的数据需求,并制定了主架构(architecture)蓝图以满足这些需求?这包括确定数据需求的范围和在综合数据模型中捕获这些需求。

    技术的先进性
    这一维度评估了组织在多大程度上能够采用新的数字技术以及定义明确、有效的治理,以提供完全自动化、可扩展和可靠的运营。
    1、技术治理
    三级元素

    评估的具体方面

    网络安全和数字风险管理

    该组织是否有一个强有力和有效的网络安全政策和实践,以确保其信息和通信技术资产的安全,同时实现业务目标?

    开放标准

    组织如何有效地利用开放源代码、开放标准和开放平台实现ICT敏捷性?

    技术政策和路线图

    组织如何定义和实施其技术战略、治理、架构和路线图,以实现敏捷性,同时确保规模上的协调?

    环境影响和成本

    组织如何管理其环境影响,包括能源消耗?

    2、技术操作

    三级元素

    评估的具体方面

    服务编排

    是否有一个完全自动化、自我修复、可扩展和可靠的操作环境?

    可靠性工程

    软件工程实践和技术是否应用于云级操作以实现更高级别的可靠性和可恢复性?

    开发平台和工具链

    组织是否拥有所需的开发平台和支持应用程序,以便使用最合适的技术高效地开发新的应用程序和服务?

    智能自动化

    组织是否对过程自动化解决方案,特别是RPA进行了适当的调查和投资?

    3、基础技术

    三级元素

    评估的具体方面

    云计算

    组织是否充分有效地利用了云计算和相关的现代基础设施实践?

    API和微服务

    数字服务在多大程度上是使用基于微服务的体系结构和API连接实现的?

    网络虚拟化

    网络功能是否作为一个在标准硬件上运行的基于软件的实体来实现?

    千兆连接、视频和物联网

    该组织在多大程度上采用了最新的无线、固话、物联网和边缘计算技术来提供数字服务?

    新兴的技术

    组织在多大程度上保持对新兴技术的认识和利用?

    企业数字化转型是一个从1到100的持续过程,这个过程必然会经历从起步到成熟等多个阶段。

    数字化能力成熟度评估,将有助于帮助企业厘清当前所处的数字化位置,并对数字化转型的路径有个清晰的认知,为后续制定适合企业的数字化转型战略和可行的行动计划提供参考和决策依据。

    您认为数字化能力成熟度评估,对企业数字化来讲,会有哪些作用?欢迎留言交流!

    本文来源:全息生态管理咨询

    展开全文
  • 通过数字化转型,实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理,打造组件化、松耦合的中台能力,将数字技术与企业需求相融合,释放数字化转型的真正价值。

    本文分享自华为云社区《企业数字化转型方式方法的探讨》,作者: Uncle_Tom 。

    1. 数字经济和数字化转型

    1.1. 数字经济成为未来竞争的主战场

    数字经济是未来世界经济竞争格局的战略高地。国家十四五规划与 2035远景目标纲要已发布,其中数字中国建设对未来中国数字化转型及其数字中国建设的一系列重大方针政策都做出了相关的规定。

    1.2. 疫情加速数字经济的发展

    1.3. 数字化使企业的工作流程更加高效敏捷

    1.4. 数字化转型的核心价值

    1.5. 数字技术全面融入社会交往和日常生活

    在国家十四五规划里,对数字社会建设做出了一系列重要部署。比如数字技术全面融入社会交往和日常生活,提供智慧便捷的公共服务,促进公共服务和社会运行方式创新,建设新型智慧城市,构建国民美好数字生活新图景,推进全民美好数字生活等,这在一定意义上为未来的数字社会建设指明了方向。

    未来的趋势是通过数字化转型,数字驱动生活方式的变革。

    • 趋势一:社会数字化将在未来五年进一步上升。目前我国的数字化普及率刚刚超过 70%,与发达国家还有一定差距、存在较大提升空间;
    • 趋势二:民生相关的医疗、教育、社保、养老、就业等数字化水平将大幅提高;
    • 趋势三:数字孪生技术与城市的结合,智慧城市建设将得到快速发展;
    • 趋势四:数据经济时代,数字消费者对数字化转型将产生更大的影响。

    2. 新技术对行业应用场景的影响

    2.1. 2021年Gartner数字商务技术成熟度

    据 Gartner发布的 2021年数字商务技术成熟度曲线,虚拟客户助理、数字钱包、可视化配置、客户身份和访问管理等数字商务技术已到了稳步爬升期,并有望在 2年内到达生产成熟期。数字体验平台、客户主数据管理、产品主数据管理等技术,也将在 2-5年内到达生产成熟期。

    2.2. ICT技术与经济社会深度融合

    2.3. 5G技术在各行业的应用场景

    2.4. 大数据技术在各行业中应用的深度和广度

    从应用的功能和成效来看,大数据技术应用的价值主要体现在降本增效、精准营销、决策支持三个方面,其应用的深度和广度,在不同行业呈现不同的侧重点。

    2.5. 人工智能技术中重点领域应用场景

    • 从产业链来看
      人工智能产业链主要有三个核心层:基础层、技术层及应用层。计算机能力和平台的发展,是人工智能技术和应用实现的基础,计算机视觉、语音识别、自然语言处理、机器学习、大数据服务等技术的实现,是人工智能应用落地的保障。
    • 从应用层看
      人工智能产业主要有智慧城市、智慧生产、智慧生活三大类应用领域,在制造业、电力电网、交通运输三大行业已形成规模应用,主要落地应用有以下十大场景:无人驾驶汽车、人脸识别、机器翻译、声纹识别、智能客服机器人、智能外呼机器人、智能音箱、个性化推荐、医学图像处理、图像搜索等。

    3. 企业数字化转型

    通过数字化转型,实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理,打造组件化、松耦合的中台能力,将数字技术与企业需求相融合,释放数字化转型的真正价值。

    3.1. 企业数字化阶段

    企业数字化阶段,可以划分成以下四个阶段:

    • 基础信息化
    • 应用数字化
    • 全面系统化
    • 智慧生态化
    • 数字化转型各阶段的基本特征和典型应用

    3.2. 数字化实施策略

    企业在实施数字化阶段的过程中,可以基于以下实施策略:

    3.2.1. 基于单个业务场景

    基于单个业务场景数字化为启动点的方法,以点带面,逐步实施,反复迭代,最终带动企业的整体转型。通过单点突破 -> 局部扩散 —> 复制推广 -> 全面融合 —> 优化创新的路径,推动研发、产品、装备、生产、管理、服务等业务场景数字化、网络化、智能化转型,逐步搭建和完善企业内部数字化管理平台。

    3.2.2. 基于新技术的应用场景

    基于工业互联网,通过人工智能、5G、物联网、云计算、大数据、数字孪生、精益制造等数字技术创新应用手段,建设具有“柔性化、智能化、数字化”特征的智能工厂。

    3.2.3. 基于供应链协同服务场景

    基于资源对接、协同生产等供应链协同模式新业态,打造行业供应链协同服务平台,推动行业上下游分散资源的有效汇聚与广泛共享。

    3.3. 数字化转型场景落地线路图

    • 企业数字化转型场景
      企业数字化转型场景指的是在特定时间、空间/地点、人物对象,以生产经营活动为中心使用各类数字化手段,将业务活动的各动作,按照相关的关联关系,完成特定的业务流程,面向生产经营活动中特定的活动问题对应的解决方案构成的相关过程,构建起的碎片化流程及流程对象构成的各类关系。

    围绕场景的转变所带来的价值,逐步汇集转变中需要的技术、平台、运营、组织管理的需求,通过迭代的方式,逐步的完成数字化的转型。

    • 场景要素数字化
      首先将场景的基本信息进行收集及结构化,即填写背景及目标,深入总结场景建设的背景、痛点问题和建设的目标,通过场景要素的构成性描述场景企业可以深入的了解在特定的时间空间、组织角色、场景活动及其相关的应用、设备、信息等多维度的相关信息。通过场景描述澄清场景对应的需求及场景活动等细节将围绕场景活动及产生相应的数字应用、机器设备、数据信息、数字技术等场景对象的协作关系完整表述出来。数字化场景是不断迭代的,随着新技术、新设备不断涌现,新技术和原有场景可以多次形成新的组合,从而不断向全感知、全联接、全智能的数字化场景发展,所以场景要素是迭代优化的基础,需要完成全面的场景要素清单。
    • 场景资源数字化
      将场景涉及的平台、场景节点等通过数字化的手段进行相关的系统平台支撑的方式承载相关功能及其相关流程,通过数字化智能化系统的建设、业务能力承载。将各场景节点相关的标准业务服务、场景节点业务流程进行自动化、智能化的能力升级、从而将传统由不同的业务角色及其相关组织中的人完成的业务动作转变成部分或全部由自动化、数字化、智能化的系统承载完成。并将相关的业务流程中设计的标准动作以系统功能点的形式落地到对应应用系统建设过程中。完成对应的系统建设后形成对应的标准化应用服务。
    • 场景设备数字化
      将场景涉及的设备、基础设施等通过数据自豪的手段进行相关的设备互通互联建设,通过将设备进行数字孪生的建设,进行设备及基础设施的数字化改造升级及现实世界的数字化同构模型的建设。

    3.3.1. 数字化转型场景建设五步设计法

    • 步骤一: 场景的价值
      按照场景价值发现法,通过各类调研发现企业场景现状与问题、将相关场景下的业务需求进行需求分析。并针对各类需求制定对应的转型目标。
    • 步骤二:场景的技术创新
      将场景涉及的业务流程进行业务融合新型技术的创新设计,将对应的场景进行技术改造和业务升级形成创新场景。
    • 步骤三:场景的生态
      通过场景生态构建以场景为核心的多维度、供需能力结合的场景生态供给侧与需求侧的拉通,形成特色的生态解决能力提供场景服务。
    • 步骤四:场景的长效机制
      将场景设计建设成效及其未来的运营机制进行相关设计,通过场景运营建立场景的长效培育机制,解决场景相关能力上线后的目标效果评估、目标场景的迭代等相关问题。形成场景能力的长效运营使场景节点目标更好的得到能力升级及产品迭代。
    • 步骤五:场景的组织建设
      将场景涉及的角色、组织、平台装备等一系列相关方进行组织变革、平台能力中心建设设计。形成场景能力建设完成后的组织文化保障,更好的通过组织能力长效服务及建设相关场景能力。

    3.4. 企业数字化转型场景案例

    3.4.1. 智能制造数字化转型及重要场景路线图

    智能制造行业数字化发展路线总结为管理数字化、生产数字化、生产智能化、产业数字化四个阶段总路线,数字化文化和能力的培养贯穿整个数字化发展进程,在每个阶段具有代表性的重点场景.

    3.4.2. 能源行业数字化转型及重要场景路线图

    能源行业数字化发展路线总结为业务数字化、数据资产化、海外赋能、数字化生态四个阶段路线,数字化文化和能力的培养贯穿整个数字化发展进程,在每个阶段具有代表性的重点场景。

    4. 参考

    点击关注,第一时间了解华为云新鲜技术~​

    展开全文
  • 栗蔚表示,企业数字化是转型和赋能交替发展的旅程,或因其在数字化进程中对数字化技术的应用程度不同,处于不同阶段并扮演不同的角色。农牧业企业、制造企业、交通企业等传统行业企业目前正处于通过深...
  • 近日,埃森哲发布《2021...16%中国企业数字化转型成效显著 埃森哲于2018年构建中国企业数字转型指数,四年来该指数平均得分从37分上升至54分,中国各行业企业整体数字化水平稳步提升。数字产业化和产业数字化
  • 企业数字化转型战略权威指南

    千次阅读 2020-03-05 03:35:27
    企业数字化转型战略权威指南 企业数字化转型 数字化转型是推动企业界数十亿投资重塑业务方式的大趋势。CIOPages.com的数字化转型最终指南是针对企业高管和企业家的全面而深入的见解,他们对如何思考,规划...
  • 疫情期间,从职工复工延期到商业租金减免的渴望,再到企服企业的获客计划被打乱、甚者还有说这是协同办公产品的增长机会等,无一不说明2020注定是特别的一年! 全民“坐月子”期间,观望了运营社群内对获客的一脸懵...
  • 企业数字化转型-- 企业数字化解密

    千次阅读 2020-07-08 11:36:16
    一切技术都是为应用服务,一切应用都是为了丰富我们的生活方式,企业数字化的广袤领域就是系统架构师和分析师的用武之地。 一、数字化相关定义 数字化的定义: 利用云计算、大数据、移动、社交、物联网等...
  • 数字化时代下,面对新兴互联网企业的冲击,一大批传统企业进入数字化转型期,数字化转型正成为 2015 至 2030 年全球信息化发展的主线。 01、数字化转型是数字化的进阶 数字化是指将许多复杂多变的信息转化成 0 和 1 ...
  • 电子服务已在两个维度上进行了分类,即数字化程度和在2 * 2矩阵中共同创造的能力。 本文旨在评估这四个领域的用途。 在这方面,在十一个电子服务应用程序下引入了38种服务,然后在172个电子服务用户中分发了调查表...
  • 企业数字化转型成熟度模型IOMM 企业数据安全能力框架_数据安全能力成熟度模型的构建及应用 能力成熟度整合模型教程 网络信息安全能力成熟度评估模型 研发运营一体化DevOps能力成熟度模型评估(完整版) 数据安全成熟度...
  • 导读INTRODUCTION国有企业数字化转型做了哪些改变?哪些值得我们借鉴?我们从国资委发布的《2020年国有企业数字化转型典型案例》中挑选出了60个案例进行分享。这些案例的类型包括:产品和服务创新、生产运营智能化、...
  • 数字化转型新型能力体系建设指南

    千次阅读 2021-04-12 00:50:13
    ISO20000及ITIL等服务管理体系研究及解析 IT运维自动化解析 【专家Insight】 企业数字化转型战略完整指南 从企业实务角度解读 ITIL4 之14个通用管理实践 标准中台模型设计---中台战略实践指南(资料下载) 企业如何...
  • 如何低耗高效地完成数字化转型,也是颇具价值的议题
  • 当天,旨在帮助企业快速且准确地提升IT能力的“企业数字化转型IOMM伙伴(共促)计划“正式发布。 同时,中国信通院云大所正式发布了企业数字化转型首个成熟度模型IOMM标准,中国建设银行股份有限公
  • 设备云,是中小企业数字化转型的关键!
  • 数字化学习

    千次阅读 2021-12-05 22:33:06
    现在社会上都在讲数字化转型,不论企业还是国家。 到底什么是数字化?它和以前讲的信息化是什么关系?数字化需要什么技术支撑?如何为传统企业规划和实施数字化转型? 带着一系列问题,开始了学习。
  • 从 0 到 1 打造企业数字化运营闭环(附 PPT 下载)

    千次阅读 多人点赞 2020-05-09 16:38:23
    本文内容主要围绕以下几方面: • 企业数字化趋势分析 • 数据驱动的竞争力打造 • 四大阶段建设方法与经典案例 • 企业数字化运营落地实践 温馨提示:文末阅读原文,可下载完整版 PPT 一、企业数字化趋势分析 1、...
  • 企业融合管理水平诊断评估问卷在办公文档的相关文库文档资源中很热门哦,下面为大家展示企业融合管理水平诊断评估问卷的部分内容,更多具体内容请下载文档后进行查阅。2017年企业融合评估调查问卷(离散...
  • 由于缺少大数据分析支撑,企业无法精准定位,关键环节的数字化尚不成熟,企业安全极易成为盲点,出了问题,只能‘亡羊补牢’地被动防御,却无法做到‘未雨绸缪’,这场科技战“疫”,严重暴露很多企业数字化能力支撑...
  • 建筑业企业数字化转型整体解决方案以建筑产业数字化升级为方向,以一体化、集约化、开放包容性的创新数字化思维,面向工程建设单位的安全、质量生产监督管理需要,做好企业数字化转型的顶层设计、战略规划,转型途径...
  • 近年来,随着IT互联网的迅速发展,数字经济与数字生活对人们日常生活的影响也逐渐加深。如下图右下角所示,部分APP已经改变了人们的...此外,新冠疫情在全球的爆发也使得全球数字化发展的速度得到了进一步提升。

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 36,932
精华内容 14,772
热门标签
关键字:

企业数字化能力评估

友情链接: MMS1727Middleware.zip