红杉中国车品觉: 数字化转型的关键,源于数据战略

车品觉
随着数字化业务的加速发展及数据来源的日益复杂,适用于多源异构的数据治理架构、管理工具及治理平台需求殷切,另一方面人工智能及机器学习对传统企业作经营分析的数据架构存在差异,对于数据治理能力带来新的冲击。

2345截图20211028093243.png

2019年至今世界伴随着疫情的蔓延,人们的工作及生活习惯的改变,都加强了对数字化需求的步伐。很多传统机构都迫不及待努力追赶,另一方面有部分先进企业对数字转型的成果还是不满意,甚至对执行方向抱着怀疑的态度。近年来随着数字化转型进入到中期阶段很多执行上要解决的问题开始浮现,并成为了急需解决的趋势。而当中不少的原因来自一个核心问题:“数据获取变得越来越容易,但数据治理的难度也更大”,数据如果没有适当的处理方法仅会造成累赘。

其中有四个趋势值得关注:

1、为了改善企业能够快速得到业务行动前的洞见、事中的调节及事后的反馈,更多企业会选择组装式数据分析架构,来加快分析工具和智能解决方案的开发速度及部署的灵活性;

2、随着数字化业务的加速发展及数据来源的日益复杂,适用于多源异构的数据治理架构、管理工具及治理平台需求殷切,另一方面人工智能及机器学习对传统企业作经营分析的数据架构存在差异,对于数据治理能力带来新的冲击;

3、数据作为未来经济生产要素,必须首先保证其供应的可靠性,加强数据在集成过程中在设计、开发、部署、维护的效率,然后部分或全面实现自动化;

4、企业中的决策分析不会是单一考量,而且绝大部分是连续的决策,再者决策之间也是互相关联的。所以当企业的智能决策从局部演化到全面发展时,决策系统的复杂程度与使用者的互动方式也需要重新考量,并提高决策的准确性、可重复性和可追溯性。

随着我国数字化转型正在全速前进之际,各地政府与企业都意识到决策能力的不足,并希望以大数据作为未来经营能力的基石,领导者了解到使用数据和分析来加速数字化业务计划的重要性。数据和分析不再只是由独立团队负责完成的项目,而是一场核心的变革。企业明白到没有一个完整的数据战略,容易引起过于着力在短期业绩的行为上,即使是俱备了数据驱动的能力也很容易导致一个局部胜而全局败的结果。

因此,建议正在考虑推动数字化转型的企业,可以首先从下面几个问题入手作思考:

1、企业现状中,哪些核心业务涉及的决策流程亟须优化?

2、什么样的决策适合通过数据驱动的方式来提高精准度及稳定性?

3、数据资源的积累及开发会为企业带来哪些长远价值?

4、如何衡量和评估数字化所产生的企业价值?

5、在数字化转型过程中,有没有“施工路线图”可供参考?

6、数字化转型前后,管理架构(组织、人才)会出现什么变化?

踏入2022年之际,对于希望提升创新能力的企业来说,数字化转型巳经不是可有可无的选择,而是必须做出的改变。通常,数字化被视为未来拥有人工智能及大数据分析等能力的智能企业的重要前提,所以很多企业都认同:未来,数字化水平是竞争能力的要素。

然而事实很残酷,企业数字化转型的成功率并不高。有调查报告显示,80%以上的数字化转型项目能未能实现预期效果,这意味着在从计划到执行的过程中出现了偏差。那么,企业在数字化转型过程中遇到的困难,更多的是技术上的还是管理上的?从经验来看,企业在管理中存在的问题尤为明显,而且问题的根源来自对数据战略的轻视。

具体来说表现在以下3个方面:

1、缺乏明确的方向。数字化转型虽然被高管确定为战略目标之一,但作为企业整体的努力方向,数字化转型的目标并没有得到准确的阐释。数字化转型是长远的规划,必须辅以顶设计和施工路线图,以加强商业愿景与中、长期业务的关联性。

2、缺乏跨职能的资源。企业的数字化转型相关工作的推进需要企业管理层强有力的支持,除此之外还需要打破过去容易导致“数据孤岛”的组织架构,并引入跨职能的数据治理组织及技术平台。大部分企业的领导层都容易把重点放在占据科技领先地位的层面上,而忽略了数字化其实也是一个管理转型的过程。

3、缺乏适应变化的准备。数字化转型的目标是引领企业走向新的数字化的商业模式,但却引申出一种全新的内部操作及协调方式,影响所及是“人人”和“人机”的组织合作关系,并会对现有的企业文化产生一定的冲击。这些影响都会随着数字化转型的深化而更加强烈。需要注意的是,转型所带来的影响可能会让你措手不及。若想成功地实现数字化转型,领导者必须更深刻地了解如何在转型过程中激发员工的积极性。在数字化转型战略实施的整个过程中,需要谨记的是:转型不是一蹴而就的事情,清晰的目标和持久的耐力都很重要。

总的来说数据战略规划是根据组织机构处于的数字化转型阶段,为了满足业务远景及业务战略目标,而基于现况与目标的差距,在所有利益相关者之间的不同诉求中达成的共识。

在以上基础下充分考虑内外环境的变化:

1、从外部宏观政策、市场变化、竞争格局、科技变革等作为战略可行路径的考量因素。

2、把内部的重心放在现状能力与战略目标的差距补充上,包括但不限于业务需求、技术能力、资源配备、人才培养、组织架构、合规安全、数据资产、职效机制完善程度等。在充分考虑上述情况下,根据自身优势及缺点,为数据战略规划作出资源投放定位优先顺序及取舍判断。

为了让大家更清晰数据战略规划过程进一步描述,下面我顺序列举了一些过去的经验作重点分享:

1、肯定数据转型的重要性。在业务战略过程中,肯定数据化转型对企业的必要性、为现在识别业务数据化的机会及方式、为未来业务的数据能力及资源作准备;

2、识别数据化切入点。在组织机构进行数据化转型时,选择出适合优先进行数据化的业务范围,为此识别出可以运用数据能力为内部改进决策质量、实现运营提升、提高创新生产力的机会;

3、数据化任务盘点。据前述的战略规划的需求,对任务的急切性和数据化现状进行评估,定位项目的优先顺序及风险;

4、任务规划路线图。为数据战略制定规划,包含但不限于:

1)愿景陈述,其中包含数据治理原则(包括汇聚、治理、应用等)、目的和目标;

1)规划范围,包括业务内部、跨业务领域及外部合作等所组成的数据范围、安全规格、质量保障等;

2)所选择的数据管理模式和建设方法,包括非结构性数据的处理及储存方式、对实时数据的需求等;

3)当前数据资源及能力与目标的主要差距;

4)管理层及各职能部门的责任,以及利益相关者名单;

5)编制数据管理规划及相对的量化及管理方法;

6)持续优化的周期路线图;

7)确定资源保障机制包括数据、技术、人才等。

5、战略落地的内外观角。了解组织机构(内外)的利益相关方的诉求,明确数据战略规划对利益相关者起的积极作用。根据形势对内形成跨业务数据技术及资源的汇聚,以及建立互惠的机制,同时对外争取有利的战略资源合作;

6、数据化从局部走进全局。识别可以共享的资源包括数据资产、技术能力、人才组织等,并通过技术及平台的方式赋能数据化能力从局部到全局;

7、文档、标准化、管理办法。以文件方式正式发布审批后的数据战略规划及执行细节,包括了数据使用、安全、共享等的一些标准化、原则及管理办法;

8、战略定期评估及汇报。根据已发布的数据战略重点,为战略策略作出定量及定性的分析,定时给管理层汇报;

9、数据战略随业务而变。为数据战略复盘,根据业务战略发展、信息化发展阶段、科技技术趋势等变化,定期进行数据战略的修订。

从上面的内容中,大家应该可以感觉到数字化转型是一个牵一发而动全身的变革,而数据战略规划正好是给予转型中的企业一个详细的执行框架。因此数据战略规划正是数字转型成功的前提,值得企业三思而后行。

关于车品觉:

车品觉先生是红杉资本中国基金专家合伙人,曾任阿里巴巴集团副总裁兼首任数据委员会会长。首任阿里数据委员会会长。

中国数据化思考先行者,拥有十多年丰富的数据实战经验,并在实践中形成了独特的数据化思考及管理方式。

2014年在任职阿里期间领导阿里数据团队获得Top CIO评选为中国最佳信息化团队,2017年被国家信息中心选为中国十大最具影响力大数据企业家。2018年,荣获“中囯大数据科技领军人奖”著有:畅销书《决战大数据》、《数据的本质》及《数循环》。并译有《数据驱动的智能城市》。

(原标题:红杉中国合伙人车品觉:数字化转型的关键,源于数据战略)

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论