|
微软中国副总裁冯国华曾提出了数字化转型的四个核心方向：为了业务的转型，企业管理者需要从客户、员工、运营，以及产品四个方面对企业流程、业务模式进行全面的思考。 1. 新的客户体验数字化正在深刻地改变 B2C 和 B2B 公司与其客户之间的关系。未来的公司需要通过高度个性化的互动和更好的服务来超越客户的期望。最明显的变化发生在客户渠道和体验上，它们共同构成了客户旅程。 过去10年，互联网、电子商务、移动通信等技术——越来越多地依靠个性化分析——不断拉大了消费者的购买和服务期望。今天的顾客之旅是完全不同的。客户越来越希望公司通过所有的人力和数字渠道提供无缝的、全天候的、定制的参与、协助和服务。 个性化的购物体验——无论是在线购物、通过移动设备购物，还是在实际场所购物——是每一家现代公司的目标。波士顿咨询公司的全方位经验审计帮助公司转移他们的注意力到一个完全以客户为中心的商业模式。 提供新的服务水平 为了最大化来自客户的终身收入(而不仅仅是某一时期的产品销售) ，公司需要采用在科技和创业领域更常见的新指标，例如测量 LTV 和 CAC。 许多行业，如消费品和许多工业产品公司在这个过程中还有很长的路要走。B2B 公司在营销和销售方式上面也会临着自己的一系列变化。 2. 建立数字人才和组织未来的组织结构将发生巨大变化，工作方式也将大不相同。未来公司中的人才将涉及与智能技术更高层次的互动，而组织结构将在重新定义传统角色中发挥关键作用。 数字化人才，决定了一个公司数字化转型的成败。如果没有使用现有数字技术，没有实时调整工作方法，也没有雇用优秀的数字化人才，那么公司将会举步维艰。 获取数字化人才 因此，为了实现可持续增长，公司需要同时拥有数字设计和技术技能的人才，包括 UX / UI专家、以人为本的设计人才、数据科学家以及数据和技术工程师。 适应能力强的员工，能够快速学习新技能，适应新工作环境，其潜力不可估量。为了吸引、发展和留住这样的人才，公司领导需要对多个领域的组织进行调整。 实现数字化组织 要释放未来公司创造价值的能力，关键是要建立一种新的组织模式，这种模式以人机交互和集中化的数据和技术平台为基础。而人在其中的角色有所转变，更多的是参与设计审计和创新，不再过多的参与操作。 强调层次结构、角色定义和瀑布式计划模型的当代组织模型已不能满足现在的情况，需要对其进行调整或替换。“敏捷改进团队”将与机器共同工作，改善客户体验和业务操作流程。 这些团队将有一个最终状态的想法ーー通常是完全机器自动化的过程，这些过程通过机器学习不断优化。 他们将通过一种测试和学习的方法朝着这种状态快速地提高性能。这些变化将包括破坏性的裁员，以及不同地区对适应性人才的更大需求。公司将需要在学习和再培训方面进行更大程度的投资。 如果忽视文化，组织将面临转型失败的风险。但是在组织中嵌入数字文化需要明确的方法和严格的努力，领导力至关重要。 3. 利用数据和先进技术机器向人类提供了更多的决策空间，这是数据收集的有力循环。它们为公司实现自动化，协调大规模试验和快速持续提升业务创造了可能。 集中化的数据 对于未来的公司，学习能力将是必不可少的一项能力，数据不仅是一笔巨款，还将成为公司机器和人工智能的“感官”。 未来，公司需要投资于数据收集，通过传感器、数据生态系统和合作关系，以及获得客户许可。他们还需要妥善管理数据，投资云计算和数据湖 ，以便在使用数据的同时保护数据的安全(有相关的隐私政策和必要的网络安全)。 学习型组织 公司需要确定哪些使用案例提供的数据能够创造巨大价值。这就需要用人工智能和高级分析对数据进行评估，将其转化为商业行为，跟踪结果，并创建学习循环。 目前有大量的使用案例供参考。比如制造业中的预测性维护或机器控制，供应链中的先进生产流程、库存管理或运输，还有商业功能中的次优报价、价格、促销或营销信息。 懂得快速学习的公司将推动更好的决策，并带来价值和竞争优势。 技术平台 技术系统需要跨越公司的各个部门(或至少是一组类似的业务部门)。对于拥有大量遗留系统的公司来说，这将是一个巨大的挑战。要做到极其简单的用例需要时间，还需要技术的不断改进。 4. 数字化操作和自动化过程机器将越来越多地应用于操作大多数业务流程中，几乎每天都需要它来做出业务决策，并执行越来越多的操作。人类和机器将共同设计业务，制定业务战略，并增强关键的单个流程。 机器可以做人类能做的事情: 通过数据传感器感知，通过云和数据记忆，通过人工智能和高级分析作决定，通过移动设备现场输入信息，通过机器人和自动驾驶车辆行动…… 一旦开发出来，机器和人工智能自动化或增强过程的能力将超过人类，因为它们更廉价更智能。最重要的是，机器和人工智能的学习和操作能力更强。其学习的速度将给采用这些流程的组织带来真正的竞争优势。 随着机器和人工智能逐渐接管公司的运营，人类的角色将发生改变。人们将创造出更多新的工作岗位，来设计增强或自动化工作流程。随着时间的推移，我们希望看到工作流程的操作由人工到自动化的转变。但是，要使人工智能或高级分析得以顺利进行，他们需要一组可供“培训”的数据（可处理的数据）。 集中数字处理 为了充分利用人工智能和机器学习的好处，并使投资于技术的经济效益发挥作用，企业将推行通用技术平台支持的全球通用的端到端流程。这些全球通用流程和技术平台的管理结构也需要更加中央化和全球化。 持续升级和改进大量小型系统效率并不高，往往会增加成本。另一方面，集中化的流程可以在任何地方进行改进、监控或操作，能降低不少成本，吸引优秀人才。 |
|
|
