数智洞察丨剖析数智化系统思维:顶层设计和数字治理

简介: 数智洞察丨剖析数智化系统思维:顶层设计和数字治理

编者按:


世界是多元的,思维模式也是。对于数智化,不同的人会有不同的观点和迥异的结论,其原因在很大程度上是人与人之间思维模式的差异。系统思维是迄今为止人类所掌握的最高级的思维方式,主要解决顶层设计数字治理两大问题。今天我们就以这两大问题作为切入点,一起走进数智化系统思维的世界。


本文约3325字,建议阅读时间9分钟


导语

对系统思维来说,最基本的事情就是对系统因素的结构化。如何通过一个视角进行结构化?这是个难题。以淘宝女装为例,其分类维度包括上装、女裙、女裤、外套、特色女装、套装等,不同的分类维度还涉及不同品牌、不同价格区间等,不同的分类维度之间又会相互交叉。金字塔原理和MECE分析法是解决结构化问题的有效工具,MECE分析法是指相互独立(Mutually Exclusive)、完全穷尽(CollectivelyExhaustive),对于一个系统的描述,相互独立意味着问题的细分是在同一维度上并有明确区分、不可重叠的;完全穷尽则意味着全面、周密而没有遗漏。


数智化转型是对组织的核心要素及要素关系的重构。在政府或企业数字化建设过程中,普遍存在条块分割、重复建设等问题,其根源有两个方面——顶层设计缺失和数字治理框架不清晰。架构蓝图设计和数字治理体系设计是顶层设计重要解决的两大问题,数智化驱动融合发展的系统思维致力于解决两个重要的问题——顶层设计问题和数字治理问题。


顶层设计

数智化转型是一个庞大而复杂的系统工程,其核心是业务和数字化的相互融合。数智化转型需要顶层设计,这个观点越来越得到政界、学界、企业和IT行业的一致认可。


浙江省政府提出,数字化改革是一项复杂的系统工程,是重大集成创新的硬核改革,是运用系统观念、系统方法推动重大改革的生动实践,我们要加强战略谋划和顶层设计。


浙江省对于其数字化改革,提出采用V字理论以持续迭代的方式,将业务协同模型和数据集成模型贯穿于数字化改革的各领域、各方面、全过程。V字理论由业务协同模型和数据集成模型构成,是将一项复杂工作按照系统工程方法进行分解,实现从宏观到微观、从复杂到简单、从不确定到确定、从定性到定量、从人工操作到机器操作的迭代深化过程。


浙江省数字化改革的V字模式是企业架构(Enterprise Architecture,EA)方法的变形。企业架构方法是国际主流的,用于业务和IT对齐的战略执行工具,是一种设计、管理、沟通的工具。



企业架构方法源自20世纪70年代美国军方的C4ISR计划,扎克曼于1987 年在《信息系统架构框架》中提出了信息参考模型的理念。


其后,美国联邦CIO(Chief Information Officer,首席信息官)委员会引入扎克曼框架,在1999年出版了联邦企业架构框架,该框架于2002年演化为联邦企业架构,并被美国白宫行政管理与预算办公室用于管理和控制政府信息化投资。


在企业架构从美国联邦政府兴起后,企业、咨询公司、研究机构及厂商不断进入,从而催生了标准的企业架构方法框架,由OpenGroup创立的TOGAF(The Open Group Architecture Framework,开放组织架构)便是其中的佼佼者。


企业架构是一个自顶向下、业务战略驱动的过程,它整合了并行的、内在的、一致的业务架构、数据架构、应用架构和技术架构的开发,以业务驱动为出发点,采用结构化、直观化的方法,从宏观和整体角度描绘中长期的信息化远景目标。企业架构要解决3个关系问题



一是业务与IT的关系——业务驱动IT,IT赋能业务。企业架构的一个重要作用就是确保信息化战略与业务战略、信息架构与业务架构的动态一致性,确保顶层设计具有前瞻性和计划性。


二是现状与未来的关系——从现状向目标迁移。企业架构的另一个重要作用就是对现状和目标进行精确描述,使业务人员和技术人员建立对目标的共识、认清现状与目标的差距,从而制定明确的迁移路线。


三是简单与复杂的关系——对大多数人而言,业务和IT都太复杂了,因此企业架构还有一个作用——通过系统化、条理性的方法,建立框架,只描述核心的、主要的、关键的东西,剔除附属的、次要的、无关痛痒的东西,从而把复杂的事情简单化。


数字治理

政府或企业在数字化过程中,经常遇到“这事谁说了算”“这事该谁负责”等诸多问题,其本质就是数字治理的问题。数字治理是指组织数字治理与决策事宜,对各相关方的关系和流程进行制度性安排,旨在平衡数字化过程的风险和收益,以实现组织目标。


简单地说,数字治理就是针对数字化的关键事项,“谁说了算”的问题。数字化是一项涉及组织方方面面的专项业务,“谁说了算”,取决于数字化对组织的价值


数字治理不同于信息化管理,数字治理聚焦于做正确的事情,其重点是在组织较高层面解决相关方的职责边界问题,以确保IT战略与业务目标一致;而信息化管理聚焦于正确地做事,其重点是信息部门如何通过技术、流程与工具实现战略目标。


通常来说,数字治理可助力业务实现三重价值。一是运营数字化,即聚焦于内部业务运营,以流程为核心,重点是提升组织运营效率、降低运营成本。这是支撑业务的工具。二是客户体验数字化,即聚焦于客户连接和互动,以体验与数据为核心,重点是提升组织触达终端、服务客户的能力。这是根植于互联网企业的基因,也是传统组织所欠缺且正在努力的方向。三是业务模式数字化创新,即聚焦于新型产品与服务,以数字化平台与商业模式为核心,提升组织的价值创造能力。


在互联网企业中,技术与业务深度融合,技术就是业务,其地位自然就高,在很大程度上能“说了算”。而在传统企业中,信息技术更多地起支撑作用,一般处于从属地位。



数字治理如此重要,因此国内和国外均有许多专业机构专门研究相关理论体系。COBIT(Control Objectives for Information and relatedTechnology,息及相关技术控制目标)就是国际通行的企业IT 治理和IT 管理的业务框架。COBIT由美国信息系统审计与控制协会于1996年发布,是一个用于数字治理的管理框架。


2019 年,美国信息系统审计与控制协会发布了COBIT2019框架这是一个更加全面的信息和技术治理管理框架,明确了数字治理的方法原则评估与实施指南。COBIT是目前国际上权威的IT控制框架,已被运用于世界100多个国家的重要组织与企业中。学习COBIT的理论与方法是组织建立数字治理体系的重要基础。


结语

桥水基金的创始人雷·达里奥在《原则》一书中提出了两种不同的思维模式:开放思维,渴望学习、愿意犯错;封闭思维,停滞不前、宁死也不肯犯错。


关于数智化思维,我们需要警惕的是,思维封闭的人永远不会觉得自己思维封闭、保守,事实上,他们将开放的思维视为一种冒险”。系统思维以系统论为基础,从整体和全局上把握问题,从而看透事物相关结构之间关系的思维方式,首要解决的就是顶层设计和数字治理两大问题。


内容来源:《数智化:数字政府、数字经济与数字社会大融合》

出品人: 阿里云研究院战略总监 刘建强

联系邮箱:liujianqiang.ljq@alibaba-inc.com


阿里云研究院小助手微信:

AlibabaCloudResearch

编辑:阿里云研究院 马骏驰

相关文章
|
SQL 数据采集 运维
从数据到价值,DataOps精益数据运营概述
DevOps大家可能比较熟悉,但对于概念相近的DataOps大家可能还不清楚。简单来说,如果DevOps是更快交付软件的一种理念,那DataOps就是"更快交付高质量数据"的一种理念。 我们星轨工具团队过去围绕数据链路,沉淀了很多工具和组件,提升了我们数据域项目交付的效率和质量,这和DataOps提倡的聚焦数据链路,从全局提效很匹配。因此我们结合DataOps理念做了一些探索和实践,本文会详细给大家介绍下DataOps理念。
2109 2
从数据到价值,DataOps精益数据运营概述
|
4月前
|
存储 分布式计算 关系型数据库
从零到一建设数据中台 - 功能组织与实现技术
从零到一建设数据中台 - 功能组织与实现技术
233 0
|
4月前
|
存储 数据可视化 大数据
从零到一建设数据中台 - 应用场景及实施路径
从零到一建设数据中台 - 应用场景及实施路径
155 0
|
6月前
|
数据采集 人工智能 安全
从CIO视角探索“数据为先”在企业数字化策略中的应用
从CIO视角探索“数据为先”在企业数字化策略中的应用
75 0
|
前端开发
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(4)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(4)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(4)
|
数据挖掘
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(3)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(3)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(3)
|
数据挖掘 BI
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(2)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(2)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(2)
|
供应链
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(6)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(6)
|
存储 搜索推荐
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(5)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(5)
|
大数据
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(1)
带你读《中国零售行业数智化成熟度白皮书》3.2拆解一级指标,明晰零售数智现状(1)