企业战略确定企业发展方向

企业战略确定企业发展方向

2015-07-24 国统大数据

 

领军企业一般不会随意地应用大数据分析法，相反，他们会将其应用在能够为企业建立竞争优势的领域，而这是由企业战略决定的。

许多企业都陷入一个误区，那就是在运用新方法时会盲目地“追随领导者”。每当新业务流程与新技术出现时，例如，及时生产、“精简化”、六西格玛管理、全面质量管理、越来越多的“绿色”倡议等，这种错误的行为便会屡见不鲜。企业采用的新技术应该与公司的商业战略相辅相成，不是每家企业都需要相同的技术，也不是每家企业都需要同等程度地采用某一技术。企业战略应该明确企业需要什么技术以及需要到什么程度。

经营策略

企业的经营策略是企业制定的规划，它详细阐明了企业的长远目标、如何实现这些目标以及如何与对手竞争等。企业战略指明了企业的发展方向，涵盖内容广泛，集中于企业的长期发展，并奠定了企业其他决策的基础。企业战略涉及以下3个问题：

·我们的市场是什么？

·我们产品的独特性是什么？

·我们如何在市场中竞争？

企业如何解决上述问题非常重要，因为它们决定了企业如何在市场中竞争并了解自身优势。例如，内曼公司的竞争优势是消费者服务，而前进保险公司的竞争优势是价格，不同的企业的竞争优势是不同的。

战略决策有助于战术决策。战术决策涵盖的内容较为狭窄，并集中于企业的短期发展。这两种决策互相联系。企业首先做出战略决策，由此指明战术决策方向，而战术决策是企业日常工作中经常需要制定的。虽然看似基础，但是企业不能忽略战略决策的指导性作用，以制定更多的战术决策。

战术决策较为具体并集中于企业的短期发展，关注企业日常问题。例如，企业资源的数量、时间安排与使用方式，这些决策都受到企业战略决策的制约。战术决策必须与战略决策统一，从长期来看，战术决策对企业的效益至关重要。另一方面，战术决策为战略决策提供反馈，进而有助于修正战略决策。

企业若没有战略决策指明发展方向，就可能无法按照商业规划进行竞争，从而浪费资源。应用大数据分析法也是如此，企业应该制定分析法策略来支持其商业策略。

分析法策略

企业应当制定统一的分析法策略，以支持商业策略，全面考虑数据模型、架构与解决方案属性。举个消费者数据的例子，若企业不能实现整个组织的数据整合与共享，个体业务单位就很难制定自己的数据策略，因此，他们会发现整个企业对消费者与自身性质的认识都不尽相同，即便是在同一个业务单位，这种情况也会发生。这种缺乏以消费者为中心的认识使得企业不能全面应用大数据来创造价值。

以信息技术为中心并加以巩固这一能力是很有帮助的。分析法策略的属性越来越要求不同分析法中创新与应用的整合与协作，例如，优化价格能够影响产品分类、物流、营销与财务等多个流程。许多企业都采取了信息技术中心化策略。例如，百思买专门针对分析法成立了项目管理办公室，来协调其不同的分析法应用，而且主要集中在跨职能部门对这一方法的应用。咖啡连锁店星巴克（Starbucks）也在制定公司战略的组织内部实现了分析法应用中心化。

在制定分析法策略时，企业除了必须制定商业策略外，还需要考虑分析法的其他几个方面：技术差距、外包策略、供应链分析法策略以及长短期策略。

技术差距

有效的分析法策略必须考虑数据架构、数据模型和包括安全、一致性和一线服务等在内的各项因素。许多企业为了达到其期望的技术水准，会在信息技术硬件、软件和各种信息技术服务领域进行额外的投资，而投资的多少会随着当前的信息技术水平而有很大不同。

企业需要进行差距分析，以评估、识别现有技术和所需技术之间的差距，它们包括有效捕捉技术、存储技术、聚合技术、通信技术及分析数据技术。许多企业都觉得其遗留系统有待更新，这可能需要巨额的技术投资。企业不应该模仿同行业企业，采取“追随领袖”的模式，而是需要确立与自身商业战略与技术领导力角色相符的分析法策略；领导者则要为新的投资建立新的商业案例，并优先考虑这方面的投资。

外包策略

企业需要了解自身应该发展哪方面的能力，应该外包哪些能力，这是分析法策略非常重要的一点，也是重要的外包决策与战略决策。由于技术和所需能力的更新速度非常快，企业无法单枪匹马地进行信息技术探索。因此，外包技术就会产生对外部供应商的依赖性，所以他们可以选择在内部保留一部分技术能力并控制一些数据组。

选择外包的合作伙伴是外包策略的一部分。方式之一是选择为整个行业提供服务的合作伙伴为其提供高效分析。例如，Catalina Marketing公司为美国超过200家果蔬连锁店与欧洲部分果蔬连锁店管理客户忠诚度计划。方式之二是与非特定行业服务提供商合作以创造竞争优势。例如，提供顾客分析服务的Dunnhumby公司与克罗格和特易购等零售商合作，其客户并不局限于特定地理位置或行业领域。

供应链分析法策略

当企业与供应链参与者整合并共享数据时，必须考虑供应链分析法策略。他们需要确保能够结合外部数据和自身交易数据，将其进行整合并加以分析。企业若要实现一体化，就需要实现数据整合与共享，但同时要仔细辨别哪些参与者能通过数据共享与分析获益，进一步实现选择性的数据整合与共享。

从信息共享的角度来看，获取数据的确是有益的，但也的确存在风险。就如同最近塔吉特发生的数据安全事件一般，多达1.1亿顾客的个人数据被窃取，包括信用卡借记卡数据、顾客姓名和PIN码等。尽管塔吉特首席执行官格雷格·史坦哈菲（Gregg Steinhafel）声明，公司对于数据被窃事件深怀歉意，但还是遭到了严厉批评，导致公司销售业绩和股价大幅下跌。纽约总检察长埃里克·施奈德曼（Eric Schneiderman）说 ：“消费者在网上和商店里购物时，希望个人信息得到企业的保护，企业也应该这么做。企业需要注意，即使急于应用信息捕捉技术，也不应在这方面向供应链合作伙伴妥协。”

对技术的短期与长期需求

任何有关与外部数据分析提供者合作的决定不仅应当考虑到零售商最迫切的需要，同时也需要考虑随时间推移对技术需求的变化。有些合作商提供短期技术服务，有些合作商则运用分析法提供长期提升技术能力的服务。由于技术需求成本很高，许多企业往往会选择短期的合作商。

但是企业也应该明白，随着对技术的需求不断累积，也会使得其技术能力不断地提高，这意味着当今无规划的短期投资很快会成为以后长期的遗留系统（见图9—1）。

◆ 作者简介

作者：娜达·R·桑德斯（Nada R.Sanders）博士

美国东北大学D’Amore-McKim商学院供应链管理教授，在预测与供应链管理研究领域享有很高的国际声誉。在一项美国商学院研究成果调查中，她是全美排名前8%的运营管理作者。她已出版的著作有《供应链管理：全球化视野》、《运营管理》，其中《运营管理》目前已发行至第5版。

译者：丁晓松教授

北京外国语大学国际商学院管理科学与工程系教授，主要的研究领域包括库存管理、模糊决策分析、最优化算法、供应链绩效评估等。迄今为止，丁晓松教授已在国内外知名学术期刊发表论文多篇，并出版专著/译著多部。