才言:中台战略下,企业组织如何顺应商业变迁 | 数智加速度02课回顾

简介:

DT时代的浪潮席卷而来,「数智化转型」显然已不只是信息化部门或业务部门能独立承担的「一个项目」。企业需要从战略层面站定立场,建立决心,与之相配合的,则是一个组织架构和技术架构的变革升级。

4月15日,业界首个数据中台项目实践者才言,在数据中台建设实战系列课程「数智加速度」第二课中带来分享——《企业数智化转型的商业模式调整与组织变革》,从组织与商业模式视角破解难题。

才言,奇点云首席战略官,「数据交换区」专利操盘手,曾主导建立过阿里云「数加」的23个工作室。

在这一课中,才言以自己的十余年数据实践经历总结了「在线」、「数据大」、「机器分类人」、「服务业分工精细」、「平台经济崛起」五大浪潮,分析了浪潮之下企业如何站定数智化转型战略、重塑商业模式,并对随之而来的组织结构变革调整等问题进行了讨论。

下文为分享节选:

01 数据对于企业组织而言,有什么意义?

在企业组织至今160余年的历史长河中,从传统时代到今天我们的智能时代,数据对于组织来说是什么意义,起到了什么作用?

01

可以发现在科学管理时代,计划和执行开始分离。同时,计划与执行之间的沟壑也在产生巨大的浪费,这种浪费在电气时代与信息时代逐步由企业努力去消解。例如电气时代,杜邦分离了研发和营销,福特建立了生产流水线,通过聚合专业分工的能力减少浪费;信息时代,戴尔采用程序化流程管理,大大降低了人工行为带来的不确定性。

而智能时代,大规模精细化的数据匹配能最大程度地消灭浪费。

以营销为例,以往由人制定目标、制定策略、制定渠道、完成执行、回收结果,而在中台化、智能化和数据化的场景下,全过程由掌握数据的机器判断,过程可视、结果可预测。计划和执行将再次从分离变为融合,最大的收益即在于此。

02 中台战略将如何影响各行各业?

2016年冬天,奇点云创立。我与行在、与创始团队思考:我们要去服务什么行业?

曾鸣教授有句话让我印象深刻:「平台是你脑后的一盏明灯」。

你不要一直回头去看你脑后的这盏灯,你只要往前走,记得后面有这样一盏灯就好。你需要深入行业,做应用,做服务。

那么哪些行业,是我们判断会率先用到数据中台?

我有4个判断逻辑:

第一,企业有「超级APP」,或「超级前台」,能够以消费者为中心去打通链路,做到线上线下无缝体验。

举个例子,茅台,它需要数据中台吗?

「茅台云商」并不是一个超级APP,它只是茅台众多渠道中的一个点。除非有一天茅台云商完成了茅台分区而治、分省而治的机制,成为了茅台线上线下一体化的一个部分,它才真正的进入到需要数据中台的阶段。

第二,企业的商业模式有变革的需求,要往平台化的方向演进。

例如,超级APP成为了品类丰富、交易体验好的第三方平台,或超级APP后台成为一站式接入、服务供应商的线上线下统一平台。

第三,企业需要有增加新收入的动力。

如果一家企业目前的业务特别赚钱,可能也就不会考虑一些更精细化的方式、更新的渠道去增加新收入。而它的垄断资源一旦受到影响,则可能会开始考虑变革,需要尝试一些方式去增加新收入。

第四,如果企业已经有了比较成熟的智能终端,能够实现对线下流量的线上化,则比较适合推进数据中台。

例如,能充分利用线下流量,把客流变为会员,能提高线下触点的数量和交易频次,提升会员粘性。

总结来说,有2类行业,有更迫切的数据中台战略需求:

1、「一体化」的行业,顺势而为

企业的品牌对消费者的感知、体验是一体化的,从线上到线下,从触达、消费到服务,都是全链路一体化的。这样的行业(例如零售业)将会率先建设中台。

2、「条块分割」的行业,组织先动

这种类型的行业虽然没有完成一体化的动作,但看到了趋势,从战略上认同,并在组织上先进行调整。这样的行业也将得到数据中台的积极影响。

中台将会像波浪一样,影响到各行各业。但如果企业还没有对上文谈到的四条做好准备,没有顺势而为的业务趋势或坚定的组织战略,这个中台可能建不稳,或只是个「伪中台」。

03 中台战略下,企业组织应该如何构建?

「你相不相信数据中台的实践一定会对业务有效果?」

当组织去落实时,一定要坚定不移地相信,才能推动组织的变革。坚信,加上下面3个「关注」,至今从未失手:

第一,关注效果

企业做数据中台,是业务价值驱动的。组织设计和技术架构,都是为了解决业务里的问题。

那么想让组织走向中台化、智能化,第一步就是去找到战略卡位点,落实卡位点,让组织依托于此去生长起来。

第二,关注效率

找到卡位点,发现确实有效果,接下来就面临:你能不能把它规模化?

我们的方式是——AI驱动的数据中台。「AI驱动」,就是规模化支撑数据化运营的关键点所在。提炼算法,落地人工智能应用,把数据的、重复性的工作交给机器,释放人的创造力与生产力。

第三,关注可持续性

企业中,支持组织变革的责任主体是谁,由谁来推动规模化?

有三种模式,供大家参考:
02

  • A模式

例如阿里巴巴,主要由业务部门推进,经历了先业务数字化转型、后数据数字化转型,数据数字化转型先规模化再平台化的路径。

A模式往往采用自研,比较适用于数据公司。

  • K模式

例如某知名人工智能上市企业,由IT部门牵头数智化转型,先数据数字化转型、后业务数字化转型,「集中力量办大事」。

这种模式较适用于不以「数据公司」为愿景的大型公司。

  • 混合模式

更多的企业会选择混合模式,例如中石油、国家电网、云南烟草等,由IT部门和业务部门联合推动。

这种模式较适用于业务比较复杂的大型公司:IT部门没办法支撑到每个场景,场景的专业程度不一;而所有部门的业务间具备较大的关联性,数据标准有待建立。

其实,这三种模式没有优劣,只有适不适合——企业自身很容易判断自己适合的模式。

目前对于大多数企业来说,我个人认为混合模式更保险,分布立项,逐步往前走,更能保障数智化转型的可持续性。

04 中台战略下,智能企业的组织环境会如何转变?

「数据中台、业务中台怎么做?」甚至可以说这其实是比较小的问题——真正的问题是「角色定位的问题」。

逍遥子说,公司的竞争力都反映在组织上。我非常认同。

中台这件事,不是一锤子买卖。它的投入周期至少是5-10年。所以我们的组织环境必然要发生变化。

第一,迭代领导者,选择「奇点人才」

我把这一类leader统称为「奇点人才」,TA既要熟悉「开源」,例如改善、扩展、颠覆,又要熟悉「节流」,例如局部优化和全局优化,规模化和整体协同。

第二,迭代组织关系,从支撑到赋能

信息化时代,技术和业务的关系是支撑关系;到了中台化时代,技术和业务则转变为赋能关系。

具体而言,从满足业务部门需求,转变为能够推动业务部门完成中台化,乃至提出业务创新构想,带来新的价值增长点。
03

第三,迭代组织的能力结构

首先,组织架构一定要是平台式的架构,能够容纳数字化转型。

在模式上,一定要强调创新前台业务,强调业务与后台的一体化运营,不要单独项目化运作。「以立项的方式搞数据中台,是搞不起来的。」

在推动数智化转型的过程中,一定要关注利润。数据的存储和计算是不可忽视的、非常高昂的成本。考核体系需要以业务目标为核心,辅助以技术目标,尽力实现从成本中心到利润中心的转变。
04

第四,迭代组织的制度文化

银泰与阿里合作,提出一个目标:五年再造一个银泰,而且并不是通过收购、兼并、门店数量或面积增长来实现。

这给了我们一个启示,在数字世界与物理世界逐步融合,企业走向智能化、一体化的道路上,企业不是要专攻物理世界的发展,而更要尝试在数字世界里努力。国家推动「数字新基建」,也是逐步来建设、丰富我们的数字世界。

那么怎么努力呢?

从企业的制度文化角度来说,其一,企业每一个人都需要建立「人群意识」,从「以货为中心」转向「以人为中心」,核心是人有哪些需求、又是如何被满足的,由此去构建一系列策略、行为;其二,制度上需要保障企业拥有数据主权,没有数据主权则可能在DT时代面临危机,曾经的「喵街」就是例子。

时代变革的浪潮浩浩汤汤。

变化不仅在市场、环境、业务、技术,也同时存在于组织、角色、商业模式。才言认为,未来的一切都可以实现在线化,唯有以人为中心,打通链路、实现数字世界与物理世界的一体孪生,才能「以变应万变」,在智能时代占据高地。

相关实践学习
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
目录
相关文章
|
存储 SQL Java
基于二进制控制系统权限
在数学和数字电路中指以2为基数的记数系统,以2为基数代表系统是二进位制的。这一系统中,通常用两个不同的数字0和1来表示。在计算机中,最常用的是二进制,因为组成计算机系统的逻辑电路通常只有开和关这两个状态,用0和1很好表示这两种状态。
3272 0
基于二进制控制系统权限
|
8月前
|
存储 运维 Kubernetes
K8s 持久化存储怎么选?别只盯着性能,能不能活下来更重要
K8s 持久化存储怎么选?别只盯着性能,能不能活下来更重要
517 6
|
10月前
|
运维 监控 Go
工具写得好,运维没烦恼——聊聊Python与Go开发运维工具的那些坑与妙招
工具写得好,运维没烦恼——聊聊Python与Go开发运维工具的那些坑与妙招
610 7
|
7月前
|
人工智能 安全 C++
一个项目能长期活下去,靠的从来不是模型
AI项目成败关键不在模型强弱,而在于系统性生存能力:厘清责任边界、接纳不确定性、严控复杂度、建立止损机制、允许模型“不万能”、并在模型成功时保持克制。真正活久的项目,清醒、务实、敬畏现实。
|
8月前
|
JSON 监控 API
1688价格API:批发价实时比对,省钱利器!
本文介绍如何利用1688价格API实现实时批发价比对,帮助商家自动化获取最优进货价。涵盖API原理、Python代码示例及省钱策略,助力降低采购成本,提升竞争力。(239字)
7924 1
|
存储 弹性计算 固态存储
阿里云服务器收费标准租用价格及价格计算器使用参考
阿里云服务器租用价格参考,不同时期阿里云服务器的租用价格不同,2024年阿里云多款云服务器的收费标准都做了降价调整,最高降幅达93%,同时,阿里云还推出了多款价格比较实惠的云服务器,现在购买阿里云轻量应用服务器2核2G3M带宽82元1年,经济型e实例ECS云服务器2核2G3M带宽新购和续费优惠价99元1年,通用算力型u1实例2核4G5M带宽新购和续费优惠价199元1年,4核8G云服务器955元1年,本文为大家介绍一下阿里云服务器的最新收费标准租用价格以及使用价格计算器查询云服务器价格的方法。
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
33_ LLM的定义与规模化:参数与计算力
在人工智能发展的长河中,2022年底ChatGPT的横空出世标志着大语言模型(LLM)时代的正式开启。自那时起,LLM技术以惊人的速度演进,从实验室走向产业应用,重塑着人类与计算机的交互方式。到2025年,全球LLMs已正式进入"模型即服务"(MaaS)时代,参数量级突破万亿级,成为驱动数字经济发展的核心引擎
1547 0
|
网络协议 网络架构
Ch4.网络层(三)
网络层是OSI参考模型中的第三层,介于传输层和数据链路层之间,它在数据链路层提供的两个相邻端点之间的数据帧的传送功能上,进一步管理网络中的数据通信,将数据设法从源端经过若干个中间节点传送到目的端,从而向传输层提供最基本的端到端的数据传送服务。
3277 0
|
大数据 数据处理 数据安全/隐私保护
Python3 迭代器与生成器详解:从入门到实践
简介:本文深入解析Python中处理数据序列的利器——迭代器与生成器。通过通俗语言与实战案例,讲解其核心原理、自定义实现及大数据处理中的高效应用。
568 0
|
JavaScript 前端开发 开发者
Vue 自定义进度条组件封装及使用方法详解
这是一篇关于自定义进度条组件的使用指南和开发文档。文章详细介绍了如何在Vue项目中引入、注册并使用该组件,包括基础与高级示例。组件支持分段配置(如颜色、文本)、动画效果及超出进度提示等功能。同时提供了完整的代码实现,支持全局注册,并提出了优化建议,如主题支持、响应式设计等,帮助开发者更灵活地集成和定制进度条组件。资源链接已提供,适合前端开发者参考学习。
885 17

热门文章

最新文章