“转序”在业务逻辑与业务过程中最佳实践是什么?

简介:

“转序”在业务逻辑与业务过程中最佳实践是什么?(野生项目笔记40)

 

    最近几年与金蝶的朋友交流甚多,有一个词语耳熟能详,早先并不以为然,现在却是感受到它的妙处,印象最深刻的是在一个两张G级的知识管理专题的光盘里面出现的。

     这个词语叫做“最佳实践”。

    今天晚上的新闻联播有一则新闻是谈李长春主持关于真理讨论30周年纪念活动的。我们都清楚,30年前的那场讨论的高境界是光明日报上的《实践是检验真理的唯一标准》那篇文章。

     然而我们在信息化项目中我们谈“最佳实践”,其根本是很多项目是创造性的项目,许多地方甚至和我现在主持的项目一样,只能属于“野生”,无规律可循,那感觉就象造杭州湾跨海大桥,谁都知道桥是越水之器,然具体到实际的环境中,这器应该如何呈现,却是仁智枚举了!很多问题不实践遇不到,遇到了,没有现成的答案,甚至在一个更放大的范围里面,也找不到现成的。就需要我们“在运动中消灭敌人”,克服了别人难以克服的困难,解决了别人难以解决的问题,离成功不再是一步之遥,而是日益超越传统的成功,这大概就是“最佳实践”。

    这最佳实践通常不是依靠成熟的理论指导,不是依靠一个经过考验的经验的复制,而是一种缘于坚强信念的亮剑精神。

    野生项目的好处是经常会遇到难以表达的问题,也会经常冒起精灵一样的思维之丝来。今天报告的“转序”或许就是其中之一。

    “转序”亦为杜撰之词,我把这个意思介绍完了之后,或许有更合适的词语替代,或者本来就有一个很正宗的词语在那里,不过现在不管它了。

    业务之所以有逻辑,是因为业务在其价值的转化各个阶段有不同的规律,为了让这些规律协同,我们只能再向上抽象一步,把它们“化了我,化了你,再变成一个我,一个你”,然后得到一个统一。这个统一在结构上又是必须和商业模式思索决定的战略是完全一致的。

     业务之所以有过程,是因为业务“不可能一口吃成一个胖子”,需要许多“锚点”,做实体上的转换,最终实现由供方的资源演化为需方的高效输入。我们在加工制造企业里面经常遇到的工步、工序和工艺就是它们的集中代表。业务过程与业务逻辑不同的是业务过程无法省略,而业务逻辑可以通过抽象获得某些意义上的“省略”。业务过程是非常实际的,可以缩短,但是无法省略,除非是基于一个新的业务逻辑所“包裹”的商业模式。比如HP有一款叫做“赛天使”的设备,它可以通过CAD实现水墨打印与CAM切割,最终用非常短的时间做成精美的展示包装来,将传统的制版、印刷、模切等工序省略掉。然而就其本质意义上来说,还属于“缩短”,不算是省略,工艺上替代,还不能替代逻辑上的替代。

    业务过程里面我们被动认识到的规律,可以主动的用起来,从而在实践中利用“转序”来获得更合适的效率。比如在生产环节,我们通常是按照单件数来计量,在运输环节,可能是体积单位,而在财务结算上可能是长度单位。这些其实就是业务逻辑在业务过程中的一种投射,我们把这些计量单位视同不同业务过程的秩序标准,有意识地用这些标准进行互相之间的耦合,将创造出无穷的效率来。

   小时侯,跟大人到集市上买肉,那时候,只能几两几两的买(当然,相比之下,价格并不贵,大概是六毛钱左右一斤啊),跟卖肉的说,买八两肋条,或者,干脆说,来五毛钱的,手起刀落,眼也不眨,草绳将肉一系,道“拿去!”你要是有三秒钟迟疑,简直是对他的挑衅!大人也只管是付钱。悄悄的到公平称那一试,分毫不差。这个单位换算得让你似乎只能用“通觉”来表述。文字,图片,视频,音频甚至是味道都不是一回事情,但是都可以用比特来表达。:)

    还有个应该不是笑话的笑话,一个地下赌场,钞币没有办法数的,后来只有通过尺来量高度,或许那个语言就是“我跟一寸”,“我跟1寸五”。在一些**的场合,甚至以扎钱的橡皮筋根数为计量单位......

    这些情况说明了一个问题,就是大家的业务都比较熟,甚至比“庖丁解牛”的庖丁还厉害。同时长期的交往,信任关系可以将麻烦的计量单位简单化,实现一种更有效率的“转序”。

    如果“转序”只有这样的水平,那也太没有技术含量了,它至少还包含另外一种情况,依然是举个例子。同样的产品,仓位的逻辑可能不一样,批发性质的可能是按照运输区域划定的仓位存放,VIP的可能就是客户的专用仓位了,最多的就是同类同系列的放一起。

    这些仓位的安排,就象经典的营销故事里面说的,超市可以把啤酒和尿布放在一起卖。这里确实有许多讲究,自然也有许多可以利用的。

    如果我们在上一道工序能够按照下一道工序的“转序”需求,进行预置,那么组织内部会有哪些变化呢?

     这些变化聚焦到一点,就是我们可以将大量貌似增值的看上去很必要很严谨的“手续”可以简化到没有,至少会象欧盟成员国居民互相往来一样。比如,不必进行工序间的签收,按照下道工序(这里“工序”的含义不只是指那些实物加工过程中的工序,还包括业务不同阶段与性质的操作)最合适的输入方式,或者后续其他工序更需要的输入方式进行过程与输出物的组织。此即为和谐生产方式的内部结构。

本文转自    王甲佳   51CTO博客,原文链接:http://blog.51cto.com/secajia/417092


相关文章
|
消息中间件 存储 Java
RabbitMQ之发布确认高级
【1月更文挑战第10天】 在生产环境中由于一些不明原因,导致 rabbitmq 重启,在 RabbitMQ 重启期间生产者消息投递失败,导致消息丢失,需要手动处理和恢复。于是,我们开始思考,如何才能进行 RabbitMQ 的消息可靠投递呢?特别是在这样比较极端的情况,RabbitMQ 集群不可用的时候,无法投递的消息该如何处理呢:
293 69
|
NoSQL 数据可视化 关系型数据库
推荐几个好用的redis可视化工具
推荐几个好用的redis可视化工具
16180 1
|
5月前
|
安全 API UED
A2A(Agent2Agent) 简介
本文主要介绍Google于2025年4月9日发布的Agent2Agent Protocol(简称“A2A”),这是一个旨在促进不同类型智能体(Agent)之间高效沟通与协作的开放协议。
3149 73
A2A(Agent2Agent) 简介
|
8月前
|
缓存 Linux 数据库
CentOS 8中 更新或下载时报错:为仓库 ‘appstream‘ 下载元数据失败 : Cannot prepare internal
通过以上步骤,您可以有效地解决 CentOS 8 中“为仓库 ‘appstream’ 下载元数据失败 : Cannot prepare internal”问题。关键在于检查网络连接、更新和切换仓库配置、清理缓存、重建 RPM 数据库以及在必要时临时禁用有问题的仓库。通过这些方法,可以确保系统能够正常进行软件包的更新和下载操作。
2377 20
|
存储 人工智能 搜索推荐
RAG系统的7个检索指标:信息检索任务准确性评估指南
大型语言模型(LLMs)在生成式AI领域备受关注,但其知识局限性和幻觉问题仍具挑战。检索增强生成(RAG)通过引入外部知识和上下文,有效解决了这些问题,并成为2024年最具影响力的AI技术之一。RAG评估需超越简单的实现方式,建立有效的性能度量标准。本文重点讨论了七个核心检索指标,包括准确率、精确率、召回率、F1分数、平均倒数排名(MRR)、平均精确率均值(MAP)和归一化折损累积增益(nDCG),为评估和优化RAG系统提供了重要依据。这些指标不仅在RAG中发挥作用,还广泛应用于搜索引擎、电子商务、推荐系统等领域。
4896 2
RAG系统的7个检索指标:信息检索任务准确性评估指南
|
12月前
|
消息中间件 NoSQL 安全
(转)Spring Boot加载 不同位置的 application.properties配置文件顺序规则
这篇文章介绍了Spring Boot加载配置文件的顺序规则,包括不同位置的application.properties文件的加载优先级,以及如何通过命令行参数或环境变量来指定配置文件的名称和位置。
592 0
|
供应链 监控 数据安全/隐私保护
ERP系统中的供应商协同与供应链优化解析
【7月更文挑战第25天】 ERP系统中的供应商协同与供应链优化解析
831 0
|
弹性计算 运维 监控
|
Ubuntu 关系型数据库 数据库
|
弹性计算 关系型数据库 MySQL
ECS服务器部署MySQL数据库
MySQL是一个关系型数据库管理系统,常用于LAMP和LNMP等网站场景中。本教程介绍如何在Alibaba Cloud Linux 3操作系统的ECS实例上安装、配置以及远程访问MySQL数据库。