华为战略方法论:BLM模型之差距分析

简介: 差距分析

今天就来谈谈 BLM 模型中的第一把钥匙,也就是差距分析。

从本质上来看。

BLM 模型中的差距与你在日常生活中听到或用到的差距在意义都是一样的。

不同之处就在于问题的复杂度和各个要素之间的依赖关系存在区别。

其实对于任何一家公司,甚至是个人来说,都是存在惰性的。

往往也都很难会主动做出变革,对个人来说就是主动做出改变。

一旦想要去迫切改变一些事情的话,那就一定是遇到了问题。

而战略的目的就在于识别关键问题,并制定方案,最终解决问题。

换句话说就是,战略是由不满意激发的。

而不满则是对现状和期望之间差距的一种感知。

差距越大,我们在主观感受上的痛苦程度就越大。

这个时候,你渴望改变的动力也就越大。

差距是激发战略思考并促成改变的根本动因。

它是企业和个体生存观的一种底层假设。

同时也是创新和改变的动力。

002-华为战略方法论:差距分析_03.png

一般可以将差距分为两种类型:

一个是业绩差距,一个是机会差距。

但是为了突出企业之间的竞争性,就单独把对标差距列了出来。

业绩差距

一般来说,业绩差距是经营层面的落差。

也就是指现有经营结果和期望值之间差距的一种量化的陈述。

业绩差距的本质是看过去,拿当前的经营业绩与过去设定的期望值来比较。

比如说:

年初公司定的收入目标是 100 亿,到年底只完成了 80 亿,那么没有完成的20亿就是业绩差距。

机会差距

而机会差距则是战略层面的落差。

也就是指现有经营结果和新的业务设计所能带来的经营结果之间差距的一种量化的评估。

换句话就是机会差距是需要看未来的。

比如说,你通过一定的市场洞察,看到了未来的许多增长机会。

而且你的公司所具备的资源和能力可以实现其中的一些机会。

这个时候,机会上的差距就会给你带来很多新的增长点。

甚至可以实现企业的第二曲线式的发展。


这里就多说一点。

任何一家企业,如果想要实现可持续的发展,或者说想要做到基业长青。

基业长青的本质不是一个业务做一百年,而是在一百年里不断找到新的增长点。

企业就必须要不断地寻找属于自己的第二曲线、甚至是第三曲线。

企业需要及时更新、寻找甚至舍弃已有优势。

始终把方向和资源聚焦到新的优势上去。

对标差距

下面再来看看对标差距。

对标差距是企业自身的经营成果与行业标杆的经营成果的量化陈述。

企业需分析期望的业绩与实际业绩做分析,找到实现业绩指标的机会,或者通过各种手段识别出可以弥补差距的机会。

然后对齐行业标杆,找出与标杆之间的差距。

 

专栏作家

卫朋,公号:产品人卫朋,人人都是产品经理专栏作家。关注智能硬件领域,擅长市场分析、产品设计开发、生产管理等,喜欢阅读和爬山。

相关文章
|
机器学习/深度学习 人工智能 数据库
飞天技术观|大模型时代,从软件工程到打通行业智能的“最后一公里”
与以往基于白盒化的软件工程范式相比,大模型能够成为新范式,提供真正的智能化引擎,从而使业务应用更高效和智能性。在这种模式下,阿里云将自身定位成大模型时代的算力服务提供者,希望能够为千行百业打通业务智能化的“最后一公里”。
770 2
|
9月前
|
人工智能 自然语言处理 文字识别
飞天技术观丨大模型如何真正在应用环节产生价值
大模型揭开了智能时代的序幕,其技术发展日新月异,创新成果不断涌现。可即便如此,最终不可避免地要回答一个问题:大模型如何真正实现商业化应用落地?
飞天技术观丨大模型如何真正在应用环节产生价值
|
机器学习/深度学习 数据采集 人工智能
以落地考验价值,大模型的产业大考来了
以落地考验价值,大模型的产业大考来了
147 0
|
机器学习/深度学习 运维 Cloud Native
阿里巴巴深度用云背后透露哪些技术趋势?
从“阿里巴巴上云”到“云上的阿里巴巴”,阿里正在引领一个全面深度用云的时代。
502 0
|
人工智能 前端开发 安全
深度解读陈明永最新演讲,OPPO 100亿研发投入背后的战略推演
深度解读陈明永最新演讲,OPPO 100亿研发投入背后的战略推演
271 0
深度解读陈明永最新演讲,OPPO 100亿研发投入背后的战略推演
|
敏捷开发 存储 人工智能
向产业链精细化进军:AI该如何深挖训练数据价值?
AI算法工程师像普通用户在搜索引擎上搜索信息一样,将数据标注结果的标签(例如,车辆、树木)输入到互动窗口,所有与之有关的AI数据“元信息”就被筛选出来,随后,工程师用新的方式将这些数据重新“打包”构建起一个新的场景库,导入到AI模型的训练过程当中,一次针对特定场景的迭代训练就这样开始了。
向产业链精细化进军:AI该如何深挖训练数据价值?
|
传感器 数据采集 人工智能
细数从Al算法到产品化落地的八大鸿沟
AI产业要真正产生价值,推动社会发展,面临着很多的挑战。从AI算法到产品化落地存在巨大的挑战,可以总结为八大鸿沟。
615 0
细数从Al算法到产品化落地的八大鸿沟