精华内容
下载资源
问答
  • 企业经营核心要素框架

    千次阅读 2014-03-18 15:37:58
    企业经营核心要素框架不懂经营就专注管理,管理会走邪路,因为管理必须为经营而服务,所以我现在多在研究企业经营。企业管理我已经有不少积累了,所以最近我发文章、研究提炼各个企业经营案例、重复阅读陈春花《经营...
    企业经营核心要素框架


    很多人对经营和管理分不清,所以瞎关注下下决策瞎指挥瞎忙。我看到一段话比较好,给大家说道说道:“经营是对外的,追求从企业外部获取资源和建立影响;管理是对内的,强调对内部资源的整合和建立秩序。经营追求的是效益,要开源,要赚钱;管理追求的是效率,要节流,要控制成本。经营是扩张性的,要积极进取,抓住机会,胆子要大;管理是收敛性的,要谨慎稳妥,要评估和控制风险”。


    不懂经营就专注管理,管理会走邪路,因为管理必须为经营而服务,所以我现在多在研究企业经营。企业管理我已经有不少积累了,所以最近我发文章、研究提炼各个企业经营案例、重复阅读陈春花《经营的本质》,都直指企业商业模式、盈利模式、经营框架核心要素,希望能总结出一套企业经营核心要素分析框架。大家有了这个框架,就很容易避开朝令夕改的影响,从而分析透一个企业的经营脉络与本质。


    你看透了经营,你的管理才能有的放矢,你的管理IT工具才能恰到好处的匹配。很多人成为技术主管/IT运维主管,关键就是不知道企业业务要啥,而且因为看不透,所以总觉得变化的眼花缭乱。其实老板变化的都是战术,战略一直没变化。瞄准战略和经营来规划IT,大家一定能成为很好的CIO。


    我现在就是在教大家如何认识企业经营,这样大家就可以从企业经营、企业管理角度出发,穿透不断变化的战术直指战略,建设自己的IT战略。


    阿弥陀佛 功德无量 普众生 渡有缘人。


    一、企业经营策略

    1、资本、股权


    2、所有权、经营权、决策权


    3、决策机制、责任机制、利益分配机制


    二、多业经营/产业链经营策略

    1、业务线扩展策略

    2、投资/收购/控股、联盟合作、产业链互补整合/良性竞争多样化生态发展策略


    三、公共关系拓展策略


    1、媒体


    2、政府


    四、产品与目标市场策略


    1、目标用户群/目标客户群


    2、产品理念导向


    3、产品定价策略


    4、产品设计/产品研发/产品生产策略


    五、营销策略


    1、品牌建设策略、品牌传播策略


    2、产品理念渗透策略、产品理念传播策略


    六、渠道策略
    1、渠道招募策略


    2、渠道扩张策略


    3、渠道绩效/质量评价策略


    4、渠道组织策略


    5、渠道能力提升策略


    6、渠道人才策略


    7、渠道激励策略


    七、销售策略


    1、放量销售策略


    2、收款策略


    3、销售合同管控策略


    4、销售款管控策略


    八、服务产品策略


    1、标准化服务产品策略


    2、服务产品持续可重复收费策略


    3、客户关系/客户需求/客户满意度保持策略


    九、研发/营销/销售成本费用管控策略


    1、研发投入管控策略


    2、人员薪资管控策略


    3、销售费用管控策略


    4、营销费管控策略


    未来我还会不断研究各个企业经营,不断给这个体系框架模型丰富,让这个体系工具能越来越快速/全面的洞察一个企业的经营行为。我也会用此框架不断分析企业经营案例然后给大家分享出来,毕竟大家看这样干巴巴的框架还是不会实际应用。
    展开全文
  • 数据质量管理实战“十三五”,规划提出了国家的大数据战略,指出了企业实现以数字化驱动业务发展,实现数据开放共享,创新业务发展的新思路。现阶段大中型企业已经开始了数据化运营的实践。在这个环境和趋势中,...

    主要大纲:


    1. 数据质量管理的三个要素

    2. 数据质量管理的技术关键点

    3. 数据质量管理实战

    “十三五”,规划提出了国家的大数据战略,指出了企业实现以数字化驱动业务发展,实现数据开放共享,创新业务发展的新思路。现阶段大中型企业已经开始了数据化运营的实践。

    在这个环境和趋势中,数据是得以实现整个规划布局的前提。

    在将数据作为资产的前提下,企业的运营需要准确的、完整的、及时的、高价值、高质量的数据。

    一、数据质量管理的三个要素


    数据是企业数字化转型的核心要素,企业的决策者根据数据背后所反映出来的现象或趋势。分析并洞察出其背后有价值的信息,进而在决策和行动中,赢得先机,做出正确的判断。

    企业产品生产过程中数字化能力已经逐步取代传统的产品制作模式,以生产男式西装为主红领集团为例,用户在手机APP上下单之后,测量师会到你家里做定式测量,然后在版型库里做自动设计,自动排产之后就能生产使用了。整个过程都是基于高质量的数据驱动的,数据质量成为业务的生命线。

    在企业数字化转型的进程中,数据的质量成为了一个制约因素。


    数据能发挥价值的大小依赖于其数据的质量的高低,高质量的数据是企业业务能力的基础。

    但劣质的数据还不如没有数据依据经验的进行决策,通过错误的数据分析出的结果会带来灾难。

    数据质量问题产生的原因有很多方面,比如在技术、管理、流程方面都会碰到。企业要在把这些方面的数据质量问题都管控到,监控好,才能从整体上提高质量


    今天我们先谈一下在技术领域中该注意哪些。

    在技术问题域中要提高数据质量水平,数据的梳理、数据规范以及数据生命周期是三个关键的要素。


    我们先来看数据梳理,数据梳理有两个目的:

    • 摸清楚企业当前有哪些数据,分别在什么地方,表现形态是什么样子的,是哪些业务部门使用,哪些技术部门支撑,它能为数据质量提升提供一个全面的数据现状参考。

    • 理清楚企业当下数据的分类以及分类之间的关系,进而知道哪些数据是基础数据,哪些是由基础数据组装成的衍生数据,明确了这些也就找到了提升数据质量水平的突破点。



    在项目实践中,对数据梳理核心的一环是对企业内的元数据梳理,对元数据的梳理能解决理清企业数据现状和明晰核心基础数据,是数据梳理的核心工作内容,被一些企业形象的比喻成摸家底工程。

    如上图所示,我们对企业交易数据进行剖析发现,交易数据的组成其核心是由主数据、参考数据和元数据组成。如果每一类数据的元数据在名称和格式上存在差异的话,那么数据的质量必然不高。

    例如:在交易数据里面有产品名称和描述这两个元数据,而在主数据中表述这两个对象的名称是产品名称和产品描述,若两边的字段类型长度也存在不一致,那数据有质量问题那是必然的。



    下面我们介绍数据规范,这里的规范主要指数据标准和数据模型,我们分开介绍。

    数据模型是获取和定义企业信息需求和数据需求的一种方法,它表述了全企业范围内的数据整合的主蓝图,是系统开发项目的关键输入,也是项目数据需求分析和数据建模工作的基线。

    如电力行业的CIM模型,电信行业的ETOM模型,指导这电力和电信信息系统的建设,以确保数据质量从开始就能得到保证,还可以为现有应用软件的数据质量水平提供衡量标准。

    数据标准是对企业数据模型的一种补充,是对企业数据模型中重要数据制定的规范性文件,是数据质量管理和监控的手段。

    它促进企业数据模型落地,也担负着对企业存量系统中关键数据进行标准化的任务。



    企业数据模型在落地的过程中,各部门看待问题的角度不一样,加之有些外购产品的限制,不能很好的按企业数据模型的规范进行落实,导致数据在集成,互联互通的时候碰到数据不一致的问题,数据质量问题随处可见。

    如果系统(项目)模型设计的时候,有一套能遵循的规范,那么就能解决这一问题。数据标准就扮演了这么一个角色,它从企业数据模型中剥离出重要的业务实体,在系统(项目)模型设计的时候,实现了对模型设计是否符合企业数据模型规范的监控和评审,并从管理和认责的角度切入进去,很好的解决了上述问题。



    数据和货币一样,流通起来的价值远远大于它静态的价值。因此我们要对数据生命周期的每个环节进行监控把关,知道在每个环节数据发生了什么变化,才能采取相应的手段来处理质量问题。

    比如在规划阶段,我们要参考企业数据模型进行系统模型的设计,并且要遵循数据标准的规范要求。在获取阶段要重点关注数据的及时性问题,数据传输的问题;

    在存储和共享过程中要重点关注数据的整合问题,数据一致性,完整性问题。

    数据生命周期我们在实践中总结了几个技术原则,在第二部分的分享中给大家做介绍。

    这里,我们针对数据生命周期再介绍一种分析数据质量问题的应用场景,它对我们实施数据质量项目,是一个不错的参考。



    上图是客户信息产生,维护和使用的一个样例场景。

    在图中每个节点是企业中的一个部门,客户信息从左至右流动,在这个场景中我们发现销售部、市场部、客户信息管理部都有维护客户信息的权利,且所使用的系统不统一。

    在系统建设时,元数据,数据格式,信息校验方式都不一致,这导致商务职能部,市场策划部通过数据进行分析是产生了很大的困惑,他们必须经过大量的调查明晰数据的含义,进过清洗,转换,标准化数据的格式后才能使用。

    利用数据生命周期的分析思路,若能在管理和流程上明确数据维护的责任主体,在源头处切入质量监控节点,对关键元数据进行统一,将能有效的解决这些问题,数据质量也能大幅度的提升。

    二、 数据质量管理的技术关键点

    在技术实践上,如何利用技术能力,帮助企业更容易的实现数据质量的提升,我们在项目中提炼了四项技术原则。


    原则1::从需求开始控制数据质量


    数据质量一直是企业的痛点,数据质量不高,分析和挖掘无从谈起,但是企业容易出现的问题是只对已经产生的数据做检查,然后再将错误数据剔除,这种方法治标不治本,不能从根本上解决问题。

    要想真正解决数据质量问题,应该从需求开始,将数据质量的服务集成到需求分析人员、模型设计人员与开发人员的工作环境中,让大家在日常的工作环境中自动控制数据质量,在数据的全生命周期中控制数据质量。

    原则2:在集成点检查数据质量


    在企业大数据治理过程中,对于大数据生产线中的每个集成点,都需要做数据质量的检查,严格控制输入数据的质量。比如在数据采集过程,集成过程,分析过程等等都需要做检查。

    但在大数据环境中,每个集成点都会有海量数据量流过,把数据逐条检查这种传统方式是行不通的,应该采用抽样的方式,对一批数据做数据质量的检查,来确定这批数据是否满足一定的质量区间,再决定是否需要对这批数据做详细的检查。

    原则3:持续积累检核

    目前企业内的数据主要分为外部数据和内部数据,大数据时代到来让各企业广泛采购第三方数据,第三方数据的质量逐渐成为决定企业数据质量的关键因素。

    对于企业的内部数据,可以通过业务梳理直接获得质量检核规则。但是对于外部第三方数据,需要先对这些数据进行采样,并应用关联算法自动发现其中的质量检核规则,并将这些检核规则持续积累,形成外部数据的检核规则库。

    原则4:自动化质量评分


    企业的数据管理需要对整个企业大数据的质量有评判机制,需要能够自动化的对企业数据评分,促进整改。通过控制防止问题数据进入大数据平台。特别对于第三方数据,第三方数据的质量需要建立一定的评估模型,对于第三方数据的质量做一定的控制,从而能够保护企业的投资,使企业购买的数据真正有价值和意义。

    三、数据质量管理实战

    上面介绍了数据质量管理的核心三要素,以及基于三要素在实战中抽取出来的四项技术原则。下面我们看一个完整案例。


    这是一个新建系统从需求到投产的场景案例,数据质量管控和切入共包含五个步骤。

    • 基于系统建设的业务需求,分析数据标准规范,建立需求和标准的映射。从企业角度通过映射标准了解到需求是解决那个数据主题域的业务问题。数据标准的映射也统一了业务术语,实现了源头出控制质量的目的。

    • 参考企业数据模型,依据本次业务需求设计出系统(项目)模型,系统模型的核心数据模型来源于企业数据模型。企业数据模型的参考从模型层面避免了,字段类型,字段长度,字段命名不统一,不一致的问题。

    • 上述两步骤完成了数据生命周期的规划阶段,也按数据管理要素二思路落实企业数据模型。步骤三实现了本次系统建设的元数据管理,附加实现了核查系统元数据是否符合企业数据模型规范,是否符合数据标准规范的工作。

    • 对涉及数据集成整合的场景,要对数据生命周期中数据传输的几个环节进行数据质量监控和检核,也就是在集成点处进行监控。在此阶段设计到数据质量规则制定的工作内容。实现传输过程中数据质量的把关。

    • 若本次系统建设导致其他系统发生变更时,需要协同变更,是否发生变更时基于数据梳理实现元数据自动化管理所带来的直接保证。

     

    展开全文
  • 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
  • “十三五”,规划提出了国家的大数据战略,指出了企业实现以数字化驱动业务发展,... 企业数据质量管理实战系列之一数据质量管理的核心要素和技术原则,数据质量管理的三个要素数据质量管理的技术关键点数据质量管...

      “十三五”,规划提出了国家的大数据战略,指出了企业实现以数字化驱动业务发展,实现数据开放共享,创新业务发展的新思路。现阶段大中型企业已经开始了数据化运营的实践。在这个环境和趋势中,数据是得以实现整个规划布局的前提。

     

      企业数据质量管理的核心要素和技术原则

     

      企业数据质量管理实战系列之一数据质量管理的核心要素和技术原则,数据质量管理的三个要素数据质量管理的技术关键点数据质量管理实战

     

      在将数据作为资产的前提下,企业的运营需要准确的、完整的、及时的、高价值、高质量的数据。

     

      一、数据质量管理的三个要素

     

      数据是企业数字化转型的核心要素,企业的决策者根据数据背后所反映出来的现象或趋势。分析并洞察出其背后有价值的信息,进而在决策和行动中,赢得先机,做出正确的判断。

     

      企业产品生产过程中数字化能力已经逐步取代传统的产品制作模式,以生产男式西装为主红领集团为例,用户在手机APP上下单之后,测量师会到你家里做定式测量,然后在版型库里做自动设计,自动排产之后就能生产使用了。整个过程都是基于高质量的数据驱动的,数据质量成为业务的生命线。

     

      在企业数字化转型的进程中,数据的质量成为了一个制约因素。数据能发挥价值的大小依赖于其数据的质量的高低,高质量的数据是企业业务能力的基础。但劣质的数据还不如没有数据依据经验的进行决策,通过错误的数据分析出的结果会带来灾难。

     

      数据质量问题产生的原因有很多方面,比如在技术、管理、流程方面都会碰到。企业要在把这些方面的数据质量问题都管控到,监控好,才能从整体上提高质量水平。

     

      企业在技术领域中该注意哪些。

     

      在技术问题域中要提高数据质量水平,数据的梳理、数据规范以及数据生命周期是三个关键的要素。

     

      我们先来看数据梳理,数据梳理有两个目的:

     

      摸清楚企业当前有哪些数据,分别在什么地方,表现形态是什么样子的,是哪些业务部门使用,哪些技术部门支撑,它能为数据质量提升提供一个全面的数据现状参考。理清楚企业当下数据的分类以及分类之间的关系,进而知道哪些数据是基础数据,哪些是由基础数据组装成的衍生数据,明确了这些也就找到了提升数据质量水平的突破点。

     

      在项目实践中,对数据梳理核心的一环是对企业内的元数据梳理,对元数据的梳理能解决理清企业数据现状和明晰核心基础数据,是数据梳理的核心工作内容,被一些企业形象的比喻成摸家底工程。

    展开全文
  • 上节我们讲了架构设计的五大核心要素,今天我们就讲第一个核心要素:性能,性能是一个网站给用户最直接的感受,是一个网站的灵魂。下面我们将从以下几个方面谈谈如何构建一个高性能架构:网站性能测试、web前端优化...
  • 续上节大型网站架构核心要素性能之后,我们今天要讲的是第四个要素:扩展性,什么叫扩展性呢?简单的说就是在对现有系统影响最小的情况下,系统功能可持续扩展及提升的能力,讲扩展性之前,我先讲下扩展性和伸缩性的...
  • 大数据治理的五个核心要素

    千次阅读 2019-01-29 12:49:06
    当今的大型企业,内部分工日趋细化,采购、服务、市场、销售、开发、支持、物流、财务、人力等各个环节,无不每时每刻产生着大量的数据。数据的格式也越来越多样化,包括IT系统里存储的结构化、非结构化数据,各样...
  • 如果我们联系存在主义哲学,不论是海德格尔的,还是萨特的,海德...无独有偶,我们如果把一个企业(或任何一个团体)看着一个有机体的话,那么创立时就有了核心价值观点的话,正如一个人生下来就知道人的本质是什么,一
  • 中台架构的核心要素是什么?企业如何正确判断是否要上中台?以及如何上?等问题。 1.中台架构的本质是什么? 中台是一种架构理念和方法。任何一种架构的方法,其本质不外乎,利用分、合、打散、重组等技术手段...
  • 网站架构技术的核心架构要素  本部分是本书的重点,涉及书中第3章到第8章6个章节的内容,占了全书内容的大半篇幅。其中第三章是后面五章的概述和总结,而第四到第八章则分别介绍了性能、可用性、伸缩性、扩展性和...
  • 人工智能发展的四要素

    千次阅读 2018-03-12 14:21:00
    毫无疑问,AI(人工智能)已成为了科技巨头保持领先、开拓新机会的核心要素之一。目前,无论是巨头还是创业公司都在积极理解AI,那马化腾先生是如何看待AI领域目前的发展? 为什么要关注AI 去年AlphaGo打赢了人类...
  • 字化+智能化力量与行业、企业及个人三个层面的交叉,形成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置: 精细 : 这 种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在...
  • 2.核心价值观 3.愿景 4.战略 (二)战略地图的房子主体(四个层面) 1.财务层面 2.客户层面 3.内部业务流程层面 4.学习与成长层面 一、战略地图的框架 战略地图是对组织战略要素之间因果关系的...
  • 制约软件产业发展的三要素

    千次阅读 2009-10-17 21:56:00
    我对中国软件产业发展的看法制约软件产业发展的三大因素: 软件工艺、服务意识和抗风险能力 中国软件与技术服务股份有限公司 陈尚义 对中国软件产业发展,很多人发表了自己的看法,国家也出台了一些措施,最著名的...
  • “如果无法衡量,则改进亦无从谈起。” – Lord Kelvin 本文作者David Skok,经纬美国...SaaS企业显然较传统业务运营方式更为复杂,这意味着传统商业指标无法完全捕捉与SaaS绩效相关的各类关键性驱动因素。在Saa
  • 初创企业融资发展的几个阶段

    万次阅读 2014-04-10 20:52:13
    如果需要更多资金或者有更大的发展目标,创业家可能需要转向天使资金(专业投资的个人资本)或者风险投资公司。天使投资人以及风险投资公司还可以提供初创企业通常缺乏的专业知识咨询,如法律、财务和市场营销知识。
  • 大数据行业六大核心发展趋势

    千次阅读 2019-05-18 11:14:40
    因此,大数据的应用成为未来十年产业发展核心趋势,大数据产业链条的应用层级也成为发展机会最大的投资领域。 大数据时代的核心应用方向主要包括智慧城市、旅游、医疗健康、教育、电子商务以及游戏、社交媒体等,...
  • 浅论企业文化对企业发展的影响

    万次阅读 2006-06-22 11:22:00
    当前很多学者认为:企业文化在未来会成为决定企业兴衰的关键因素。哪一个企业能够在企业文化建设方面领先,哪一个企业就能建立起竞争优势。...本文将根据上述问题为主要内容,研究企业文化对企业发展的影响。 新
  • 作者:尹宁、余维仁出品:陀螺研究院深圳,最初的原意为深水沟,以田间地头起家,经历了波浪壮阔的四十年发展,从边陲农田演变成繁华都市,以其敢闯敢试、敢为人先、埋头苦干的精神,创造了我国乃至世...
  • 企业生态向智能化、轻型化方向转型之际,尤其在供应链和物联网的场景下,企业的应收账款、库存、销售以及商誉、偏好和互动等边缘数据,已成为信用管理的重要因素,这对基于固定资产抵押投融资的传统银行形成了挑战...
  • 测试管理要素

    千次阅读 2018-05-10 13:20:28
    测试管理的核心要素主要包括人员、过程和技术,其中技术包括了测试技术和测试工具。测试工作进行的过程也就是测试三要素人、过程、技术相互作用产生测试成果的过程。软件产品的质量在很大程度上受测试管理水平的影响...
  • CPU 核心指令集发展回顾

    千次阅读 2011-04-04 18:00:00
     CPU作为一台电脑中的核心,它的作用是无法替代的。而CPU本身只是在块硅晶片上所集成的超大规模的集成电路,集成的晶体管数量可达到上亿个,是由非常先进复杂的制造工艺制造出来的,拥有相当高的科技含量。...
  • 他认为,未来企业真正需要的不再是单个算法或者解决方案,而是可以基于自身数据,自动生成AI能力的企业AI核心系统。演讲中,胡时伟还分享了企业构建自主AI能力的最佳路径。以下为演讲全文,略有删减:随着AI技术的...
  • 2019年是数据中台元年,中国整个IT行业在这一年掀起一股新的...有人认为这又是一波炒作,从而收取企业智商税,类似于最近这两年炒作的人工智能、区块链,也有人认为这是企业应对危机的自我驱动力。利用数据进行变...
  • 自动化测试成功要素

    千次阅读 2010-06-30 10:32:00
    自动化测试成功要素 陈能技 近几年来,随着企业对软件质量的要求越来越高,对软件交付速度要求越来越快,很多企业开始重视软件测试,开始引入自动化测试,但是很多以失败告终,花重金购买了自动化测试工具,但是用不...
  • 界定自主品牌的两个要素在于:企业是否拥有核心技术及属于这个国家的品牌。但目前自主品牌缺少良好氛围,一是国民观念问题,中国的国民对于自主品牌的观点比较淡,不可能像韩国和日本那样,靠自觉意识来推动国家自主...
  • 移动支付的基本要素

    千次阅读 2012-06-29 16:42:10
    移动支付的基本要素 移动支付的本质是支付服务提供商通过合适的支付渠道为买家购买服务或商品而将资金从买家的账户划拨到卖家账户。移动支付和电子支付同样主要包括了四个要素:买家和卖家的资金账户、资金安全、...
  • 企业发展理论(五):DNA进化理论

    千次阅读 2010-05-20 10:59:04
     企业进化论源于进化经济学(EvolutionaryEconomics),其发展历程可追溯至约瑟夫?熊彼特(JosephSchumpeter)和阿门?艾尔奇安(Armen.Alchian)的“企业拟生物特性”研究,在其《经济发展理论》一书中熊彼特提出,...
  • 发布时间:2008年10月08日 信息化已经成为烟草行业发展最重要的推动力,在烟草企业内部信息的重要性已被广泛认同,信息系统也已逐步渗透到每个业务部门中,IT系统开始从传统的后台支持转变为新业务开展的直接驱动力...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 33,446
精华内容 13,378
关键字:

企业发展的核心要素