正确进行数字化转型:从决策到数据的经验教训

简介: 正确进行数字化转型:从决策到数据的经验教训

本文来自 企业网D1net公众号

良好的数字化转型策略完全是关于效率的,从决策过程,到数据的利用,再到可持续性。


“如果没有明确的重点,数字化转型将变得非常无效。”Kamala Manju Kesavan解释道。“你在尝试做什么?你是在整理你的技术栈吗?你是在尝试解决客户问题吗?明确的策略和目标非常重要。”


当然,可能存在理想的用例,你既可以刷新技术栈,也可以解决客户的问题,但良好的数字化转型策略完全是关于效率的,从决策过程,到数据的利用,再到可持续性。


Kesavan,一家领先金融科技供应商的软件工程总监,首先强调了数字化转型倡议中以客户为中心的重要性,并结合了技术和业务目标。“企业需要从技术、业务和运营角度考虑几个因素,”她解释道。“技术组织需要评估你当前的基础设施和差距,以及如何为新技术制定计划,但从业务角度来看,企业需要了解这一数字战略是否会改善他们的业务目标。


“从运营上看,这两者需要相互融合,否则数字化转型将无法成功。”


作为一名经验丰富的工程总监——Kesavan之前的雇主涵盖了从零售到技术的各种管理或总监角色——意味着她具备多方面的技能。正如柏林商业与创新学院所说,将管理和技术学科的知识结合起来,能使经理人制定出可行的目标和策略。“工程经理由于对每个必要方面都有全面的了解,因此更容易做出平衡的决策。”


这与Kesavan的经验相呼应。“作为一名技术专业人员,你需要能够注重细节,进行非常实际的工作,但在管理角色中,你需要理解学习更广泛的内容,你还需要包括策略,”她解释道。


“我需要了解正在发生的事情,”Kesavan补充说。“这意味着我需要知道如何向正确的人提出正确的问题,当我不知道时要说我不知道,并联系知道的人。这些都是对我的领导力真正有帮助的事情。”


当涉及到基于同事的意见做决定时,技术背景显得尤为重要——无论是向你汇报的工程团队还是与你相邻的架构师。Kesavan回忆了她在零售行业的两个故事,都涉及到云迁移。对于其中一个,她认为自己作为SQL开发者以及Oracle数据库的经验是关键的决策因素。第二个故事涉及到项目的变更。


“他们雇佣我重建整个系统,”Kesavan解释说。“但当我与其他零售商、我组内的其他架构师交谈时,我意识到要解决问题,我不必重建整个系统。对于特定的应用程序,如果我重新构建,将会更容易,然后如果我还将其连接到第三方,我也可以更快地进入市场。”


“对于一个经理或领导者来说,非常关键的一点是记住你的角色不是成为房间里技术上最熟练的人,而是创造一个你的团队能够发挥最佳表现的环境,”Kesavan补充说。“你需要能够串联起来。作为一个领导者,你在与多人交谈,然后你知道其他团队正在做什么。”


数据的利用是技术型管理者可以克服业务与IT之间差异的另一个领域。正如Broadcom的Serge Lucio在《哈佛商业评论》的一篇文章中所说:“通常是内部障碍被证明是最具挑战性的。”


Kesavan指出,数据必须是你的‘起点’,原始数据需要在分析之前被清洗和结构化。下一个难题是用数据做出战术性、战略性或运营性的决定。“我们必须获取数据,审查数据,然后与数据建立有意义的联系——这是一个非常大的任务,”Kesavan指出。


在某个职位上,Kesavan 承担了一个旨在提高客户满意度的重大项目。她分析了生产缺陷,然后将其归纳为模式,并进行分类。“这真的帮助我们更深入地解决了一些核心问题,然后也引入了新的功能,”她解释说。“有时候客户不知道该问什么,但他们可能会指出[某些事物]是问题。所以我们需要理解数据,并能够从数据中提炼出意义。”


可持续性因素可能是最引人注目的长期因素。根据国际电信联盟(ITU)的说法,数字化转型和可持续性“必须手拉手进行”。这可以从新兴技术的碳影响,到从更高效的电子废物回收中创建循环经济等方面考虑。研究表明,排放将得到改善,你的企业在潜在的Z世代员工中的地位也将提升。


“第一步是对你正在做的事情负责,” Kesavan 解释说。“然后确定企业为什么要使用我们的能源,接着如何减少我们的碳足迹,然后在社会上,我如何能够积极影响当地社区、我的员工、利益相关者。这可以帮助确定改进的机会,然后制定实施可持续实践的计划。”

相关文章
|
2月前
|
存储 机器学习/深度学习 数据采集
【专栏】在数字化时代,数据仓库和数据湖成为企业管理数据的关键工具
【4月更文挑战第27天】在数字化时代,数据仓库和数据湖成为企业管理数据的关键工具。数据仓库是经过规范化处理的结构化数据集合,适合支持已知业务需求;而数据湖存储原始多类型数据,提供数据分析灵活性。数据仓库常用于企业决策、财务分析,而数据湖适用于大数据分析、机器学习和物联网数据处理。企业需根据自身需求选择合适的数据存储方式,以挖掘数据价值并提升竞争力。理解两者异同对企业的数字化转型至关重要。
|
1月前
|
人工智能 安全 数据挖掘
数字化转型和数据投资的未来趋势
数字化转型和数据投资的未来趋势
|
2月前
|
分布式计算 安全 NoSQL
【专栏】大规模数据处理在数字化时代的重要性及挑战,包括洞察驱动决策、效率提升和创新机遇
【4月更文挑战第27天】本文探讨了大规模数据处理在数字化时代的重要性及挑战,包括洞察驱动决策、效率提升和创新机遇,同时面临数据量大、多样性、实时性和安全问题。文章介绍了Hadoop、Spark、NoSQL数据库及流处理技术(Kafka、Flink)等主流处理工具。在技术选型与实施中,强调明确业务需求、成本效益分析、兼容性及安全合规,并建议分阶段实施和持续优化。大规模数据处理技术是企业数据化转型的基础,影响决策效率和创新能力,企业应灵活选用合适的技术,构建高效安全的数据处理体系,以实现数据价值最大化。
|
2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
33 0
|
2月前
|
供应链 搜索推荐 算法
安筱鹏:数字化的终局是成为数据运营商
安筱鹏:数字化的终局是成为数据运营商
|
2月前
|
人工智能 数据挖掘
数据与酒业的碰撞:数字化发展为酒企带来新机遇
数据与酒业的碰撞:数字化发展为酒企带来新机遇
|
2月前
|
大数据
全域数据“观”|63页金融行业数字化建设方法论-附下载
全域数据“观”|63页金融行业数字化建设方法论-附下载
|
7月前
|
数据采集 供应链 数据挖掘
大宗商品贸易集团数据治理实践,夯实数字基座 | 数字化标杆
袋鼠云数据治理团队,立足于打造全集团统一,能满足覆盖运管、风控、业务全过程数字化经营管理及分析决策的统一数据资产平台。对集团现有存量数据进行数据治理及挖掘,搭建数据管理体系,对增量数据进行有效管理和应用。通过梳理目前集团所有存量数据,提炼运营指标及管理指标,科学化管理公司数据资产和挖掘数据价值。
70 0
|
9月前
|
数据采集 数据挖掘
数字化时代,如何提高数据洞察力?
数字化时代,如何提高数据洞察力?
|
存储 边缘计算 人工智能
莲子数据与阿里云开源PolarDB合作助力制造业数字化转型
因云而聚,携手共赢,莲子数据与众多科技公司一起成为PolarDB 开源社区的生态成员,作为PolarDB 开源数据库的生态合作企业,莲子数据库一体机结合PolarDB 的生态可以赋能广大工业企业,近期在工业数字化应用的一个实际案例就生动体现了软硬深度结合的价值。

热门文章

最新文章