2017年11月期技术雷达正式发布!

技术雷达是由 ThoughtWorks 技术战略委员会(TAB)经由多番正式讨论给出的最新技术趋势报告,它以独特的雷达形式对各类最新技术的成熟度进行评估并给出建议,为从程序员到CIO/CTO的利益相关者提供参考。

技术雷达的内容来自于 ThoughtWorks 的观察、对话以及在应对最令客户棘手的业务挑战时所沉淀下的一线经验,其中既包含现有技术,也包含新兴技术。技术雷达报告使用可视化的方式将技术趋势分为四组,分别涵盖技术、平台、工具和语言与框架,每个领域又进一步细分为暂缓、评估、试验或采用。


本期四大主题

崛起的中国开源软件市场

星星之火,已成燎原之势!在态度和政策发生转变之后,包括阿里巴巴和百度在内的众多大型中国企业正在积极发布开源框架、工具和平台。中国软件生态正伴随着经济扩张而加速成长。从这个巨大而繁荣的软件市场向 GitHub 等开源网站发布的开源项目的数量必将持续增多,质量也将持续提高。中国企业为何热衷于将他们的众多资产开源出来?与硅谷等其他活跃的软件市场一样,各个企业对开发人员的争夺十分激烈。紧紧提升薪酬水平是不够的,让聪明的开发者一起在最前沿的开源软件上共事才能够持续激励他们,这是一个放之四海而皆准的通则。我们预期主要的开源创意会继续保持 README 文件中先有中文版后有英文版的趋势。

容器编排首选Kubernetes

Kubernetes 及其在许多项目中逐渐增强的主导性推动了大量雷达条目的更新,以及更多的讨论。似乎软件开发生态系统正在 Kubernetes 及其相关工具的周边稳定发展,以解决有关部署、规模化和容器操作这些常见问题。诸如 GKE,Kops 和 Sonobuoy 这些雷达条目提供了托管平台服务和工具,以改善采用和运行 Kubernetes 的整体体验。事实上,它具备用一个调度单元来运行多个容器的能力,可以让服务网格(service mesh)和能够实现端点安全的 sidecar 得以实现。 Kubernetes已经成为容器的默认操作系统——许多云提供商已经利用其开放的模块化架构来采用和运行Kubernetes,而它的工具则可以利用其自身开放的API来访问诸如负载、集群、配置和存储等功能。我们看到更多的产品正在把Kubernetes作为一个生态系统来使用,使其成为继微服务和容器之后的下一个抽象层次。更多迹象表明,尽管面临分布式系统固有的复杂性,开发人员仍然可以成功地驾驭现代的架构风格。

成为新常态的云技术

本期技术雷达讨论中的另一个普遍性话题,无疑是近期的“多云”天气。 随着云提供商的技术能力越来越强大,且可以提供同样好用的功能,公有云正在成为许多组织中新的默认选择。当启动新项目时,许多公司已经不再问“为什么放在云端?”,而是问“为什么不放在云端?”。 诚然,某些类型的软件仍然要在公司内部私有地部署,但随着价格的下降和功能的扩展,云原生(cloud-native)开发的可行性越来越高。尽管主要的云解决方案提供商提供的基本功能都很相似,但它们也都提供了一些独特的产品特性,以针对特定类型的解决方案来实现差异化。因此,我们看到一些公司通过“多云”(Polycloud)策略来同时使用几个不同的云提供商,从中分别挑选最能满足其客户需求的平台专业能力。

各方对区块链的信任稳步增强

尽管加密货币市场仍然处于混沌状态,我们的许多客户已经开始尝试利用基于区块链的解决方案来处理分布式账本和智能合约的需求。雷达中的一些条目展示了区块链相关技术运用的成熟度,它们使用各种新技术和编程语言并以一些有趣的方式来实现智能合约。区块链解决了“分布式信任”与“共享且不可篡改的账本”这些老大难问题。如今,许多公司正致力于增强其用户对将区块链作为系统的底层实现机制的信心。许多行业存在着明显的“分布式信任”问题,我们期待区块链技术能持续找出解决这些问题的方法。


部分亮点预览

技术篇:

DesignOps:受DevOps运动的启发,包含一系列实践和文化转变的DesignOps横空出世。它可以帮助组织不断重新设计产品,而不在质量、服务一致性和团队的自主性上妥协。 DesignOps提倡创建并不断演进设计的基础,最大限度降低创造新的UI概念及其变体的工作量,并与最终用户建立快速可靠的反馈机制。使用DesignOps,设计正在从一种具体的实践演变成每个人工作内容的一部分。

Chaos Engineering:在早期的技术雷达中,我们讨论了Netflix的Chaos Monkey。Chaos Monkey可以随机终止生产系统中的运行实例,并对结果进行度量,从而帮助验证系统在运行时对生产中断的应对能力。今天,人们有了一个新兴术语来描述这一技术的广泛应用:混沌工程。在生产环境的分布式系统中运行这些实验,可以帮助我们建立系统在动荡环境下依旧能够按预期工作的信心。如果想要更好地理解这个技术方向,请参阅混沌工程原理。

Service Mesh:现在越来越多的大型组织在向更加自组织的团队结构转型,这些团队拥有并运营自己的微服务,但他们如何在不依赖集中式托管的基础架构下,确保服务之间必要的一致性与兼容性呢?为了确保服务之间的有效协作,即使是自组织的微服务也需要与一些组织标准对齐。服务啮合在服务发现、安全、跟踪、监控与故障处理方面提供了一致性,且不需要像API网关或ESB这样的共享资产。服务啮合的一个典型实现包含轻量级反向代理进程,这些进程可能伴随每个服务进程一起被部署在单独的容器中。反向代理会和服务注册表、身份提供者和日志聚合器等进行通信。通过该代理的共享实现(而非共享的运行时实例),我们可以获得服务的互操作性和可观测性。一段时间以来,我们一直主张去中心化的微服务管理方法,也很高兴看到服务啮合这种一致性模式的出现。随着 linkerd 和 Istio 等开源项目的成熟,服务啮合的实现将更加容易。

平台篇:

TensorFlow Serving:机器学习模型已经开始渗入到日常的商业应用中。 当有足够的训练数据可用时,这些算法可以解决那些以前可能需要复杂的统计模型或试探法的问题。 随着机器学习从试验性使用转向生产环境,需要一种可靠的方式来托管和部署这些可远程访问的模型,并能随着消费者数量的增加而进行扩展。TensorFlow Serving 通过将远程gRPC接口暴露给一个被导出来的模型,解决了上述部分问题。这允许以多种方式部署训练完成的模型。TensorFlow Serving 也接受一系列的模型来整合持续的训练更新。其作者维护了一个Dockerfile来简化部署过程。 据推测,gRPC 的选择应与 TensorFlow 执行模型保持一致。 但是,我们通常都会对需要代码生成和本地绑定的协议保持警惕。

LoRaWAN:LoRaWAN是一种低功耗广域网,专为低功耗、远距离和低比特率的通信场景而设计。它提供了边缘设备与网关设备之间的通信能力,能够通过后者将数据转发至应用程序或者后台服务。LoRaWAN通常用于分布式传感器组或物联网这些必须具备长电池寿命和远距离通信能力特点的设备上。它解决了在使用一般的WiFi进行低功耗广域网通信时的两个关键问题:通信距离和功耗。LoRaWAN已有若干实现,其中值得注意的是一个免费的开源实现——The Things Network。

Language Server Protocol:那些大型 IDE 的威力很大程度上源于利用源代码分析出的抽象语法树(AST)来进一步分析和操作源代码的能力,比如代码补全,调用分析和重构。语言服务器将这种能力提取到单独的进程中,从而让任意文本编辑器都可以通过 API 来使用 AST。微软从他们的 OmniSharp 和 TypeScript 服务器项目中,提炼并引领了”语言服务器协议”(Language Server Protocol, LSP)的拟定。编辑器只要使用 LSP 协议就可用于任何具备 LSP 兼容服务器的编程语言。这意味着我们可以继续使用自己喜爱的编辑器,同时也不必放弃各种编程语言的高级编辑功能——这对于很多 Emacs 瘾君子来说尤其利好。

工具篇:

Gopass:gopass是一个基于GPG和Git的团队密码管理解决方案。它的前身是pass,并在此基础上增加了诸如多用户密码管理、层级式密码存储、交互式查找、基于时间的一次性密码(TOTP),以及二进制存储格式等功能。由于它的存储格式与pass基本兼容,因此可以直接从pass迁移过来。这意味着只需调用一次存储密钥就能将其集成到迁移的整备工作流中。

Jupyter:过去几年间,我们注意到分析笔记本应用(analytics notebooks)的流行度在持续上升。这些应用都是从 Mathematica 应用中获得灵感,能够将文本、数据可视化和代码活灵活现地融入到一个具备计算能力的文档中。在上个版本的技术雷达中我们所提到的基于Clojure 的GorillaREPL,就属于此类工具。但随着人们对机器学习的兴趣不断增加,以及该领域中的从业者们逐渐将Python作为首选编程语言,大家开始集中关注Python分析笔记本了。其中 Jupyter 看起来在ThougthWorks团队中格外引入注目。

Rendertron:JavaScript Web 富应用的一个老问题是如何使这些页面的动态渲染部分可供搜索引擎检索。为此开发人员采用了各种各样的技巧,包括使用 React.js 的服务端渲染,外部服务或预渲染内容。现在谷歌 Chrome 新的 headless 模式又贡献了一个新的技巧—— Rendertron,即 Chrome的headless 渲染解决方案。它在一个 Docker 容器中封装了一个 headless 的 Chrome 实例,可以作为独立的HTTP服务器来部署。无法渲染JavaScript的爬虫机器人可以被路由到此服务器来进行渲染。 虽然开发人员也可以部署自己的 headless Chrome代理并配置相关的路由机制,但 Rendertron 简化了配置和部署过程,并提供了令爬虫机器人进行检测和路由的中间件示例代码。

语言&框架:

Gobot:Go语言能够被编译为裸片上运行的目标程序,这使得嵌入式系统开发领域对它的兴趣与日俱增 。GoBot是一个用于机器人、物理计算和物联网(IoT)的框架,它基于Go语言编写,并且支持多个平台。我们在一个对实时性响应没有要求的实验性机器人项目中使用了GoBot,并且用GoBot创建了开源的软件驱动。GoBot的HTTP API使其与移动设备的集成十分容易,从而能创建更丰富的应用。

Solidity:智能合约编程需要一种比交易处理脚本更具表现力的语言。在众多为智能合约设计的新编程语言中,Solidity是最受欢迎的。这是一种面向合约的静态类型语言,其语法类似于JavaScript。 它抽象了智能合约中自我实现的业务逻辑。围绕Solidity的工具链也在快速成长。如今,Solidity是Ethereum平台的首选编程语言。

CSS-in-JS:CSS-in-JS是一种用JavaScript编写CSS样式的技术,通过鼓励采用一种通用模式,编写样式以及应用样式的JavaScript组件,使样式和逻辑的关注点得到统一。该领域中的新秀——诸如JSS,emotion和styled-components,依靠工具来将CSS-in-JS代码转化成独立的CSS样式表,从而适合在浏览器里运行。这是在JavaScript中编写CSS的第二代方法,与以前的方法不同,它不依赖于内联样式,这意味着它能支持所有CSS特性,使用npm生态共享CSS以及跨平台使用组件。我们的团队发现styled-components很适合像React.js这样基于组件的框架,并且可以使用jest-styled-components做CSS的单元测试。这是个新兴的领域且变化迅速。用该方法时,在浏览器里人工调试生成的class名称会需要费些功夫,并且可能不适用于那些前端架构不支持重用组件并需要全局样式的项目。

以上是我们在最新一卷技术雷达中随机摘取的几个Blips,欲获取整版技术雷达,请点击这里

Share

技术雷达是如何创建的?

ThoughtWorks一年发布两次技术雷达,在每次雷达的准备期,TAB(ThoughtWorks技术顾问委员会)成员都会全力以赴的投入其中,以至连睡觉都会变成一件奢侈的事情。

言归正传,到目前为止我已经参与了几次技术雷达的构建。在这之前我曾疑惑于一个问题——“技术雷达是如何建立的?”这也是如今我常常被他人询问的问题,在本篇文章中,我将从内部人员的视角就技术雷达的产生机制、准备方式和决策方式给予一些介绍。文章从一次为期四天的会议开始。

第一天

为了制定下一期技术雷达,来自全球的ThoughtWorks TAB成员一大早就汇集在了一起。每次我们都会从四个办事处中选择一处碰面——这次我们定在了去年刚成立的巴塞罗那办事处。如果你觉得初来乍到和时差问题会拖慢进程,那就错了。团队一旦聚在一起,稍作提神后,立马就投入战斗了。

首先给大家介绍一下我们的技术顾问委员会,它是由来自全球的ThoughtWorks资深技术人员组成的,其中包括首席科学家Martin Fowler。此次线下会议由我们的全球CTO Rebecca Parsons主持。

开始的第一天,技术顾问委员会的每一位成员都准备了不少他们认为可以纳入下一期雷达的想法——也就是我们在技术雷达中看到的具体条目。

这次在巴塞罗那,团队要对180个备选条目进行投票表决。这就意味着要达成共识,大家需要进行审慎的考虑和热烈的讨论。

候选条目按雷达象限(技术、工具、平台、语言与框架)归类,再分为几个环(暂缓、评估、试验和采用)。这便于提醒我们每个环所表示的意思,有助于决定条目的归属范畴。

  • 暂缓。这一环包含我们认为客户应当放弃或者需要等待时机成熟的条目。
  • 评估。我们认为有希望且值得研究一番的事物。
  • 试验。强烈推荐的技术,仅当我们预见能成功部署于生产时,才会将条目归于这一环——非常罕见的情况除外。
  • 采用。对于特定应用情形,我们认为这是唯一最好的方案。

为了确定最终能够登上本期雷达的100个条目,我们每次分析一个象限,每个象限从采用到暂缓由内而外地进行。条目的推荐人负责向团队进行介绍,然后展开讨论和表决。每个人有三张不同颜色的牌子:绿色表示“是,我希望将其纳入雷达”;红色表示“不,不可能将其纳入雷达”;黄色则表示他们有疑问或意见。这四天会议上将大量用到这些牌子。

红牌用完后,用橙牌表示新的红牌。

这次我们从技术象限开始——不仅因为这是我最喜欢的方式,也因为这样讨论将更加细致。如此一来,下一期技术雷达就有了起点。

第二天

直到第二天凌晨,雷达墙才略微显露出一些秩序——但区别也不是很大。一名团队成员负责逐一检查雷达墙,而我则负责确保跟踪所有决定——到后来几乎不可能记住所有的东西。检查雷达墙时,他们明确我们下一步即将探讨的提议,并将便利贴移到团队表决的位置。有些情况下,要将便利贴置于指定的环内——但后来可能移到其他环或象限,或者完全遭到拒绝。

偶尔我们会遇到一些条目,迸发激烈的争论,甚至会由于一些细微差别而陷入僵局。这些问题我们视为“太过复杂而无法成为条目”——这并不表示它们会被抛诸脑后;这些问题仍然很重要而且值得注意。只是不适合在技术雷达上探讨。

有这么多条目需要讨论和表决,让讨论继续进行才是关键。Rebecca负责监督程序的进展。介绍条目时,她会留意黄牌的出现,并告诉团队下一个发表意见或提问的人是谁。期间没有人会插嘴。每个人必须在轮到自己的时候才能发言。

第一轮表决进度很快。先介绍条目,再快速讨论,最后表决。这里有一个棘手的问题。已经有一些人发表了一些意见,但团队里仍有不少人举黄牌。为了保持程序正常进行,Rebecca拟制了发表意见的名单并提示我们:“乔尼发言后开始表决。”

表决票数经常比较接近,所以要一直举着牌直至统计完所有绿/红牌。当有黄牌出现时,讨论继续。达成决定后,进入下一步。这里不掺杂任何个人因素,我们进行地很快。

第三天

到了第三天,我们基本已经完成了新条目最主要的部分。但离完成还相差甚远。从许多方面而言,艰难的工作才刚开始。

之前,每一次表决都将决定是否将某个新条目纳入雷达。现在,我们得回顾上一期雷达的条目,加起来通常会有100个左右。他们是否仍然关系重大?哪些应当去掉?哪些条目需要重写?如果我们对一个条目的看法连续两期雷达都没有发生改变,就让其“淡出”。因为还有很多有趣的事情值得探讨!有些时候,为了腾出雷达空间,我们必须强制淡出一些条目——即提前删除这些条目。

即便如此,我们还有大量的条目。现在的讨论就变得激烈了。技术雷达诞生于全球充满热情的技术人员所组成的ThoughtsWorks社区。它基于我们的客户工作经验。我们认为这是我们的优势之一。但只要大家对技术怀抱热情,难免会存在异议。我们的雷达讨论也不例外。

接下来,我们检查所有人一致同意理应纳入雷达但不如其他条目价值高的条目。这种剔除过程非常艰难,好几次我们不得不停下来问自己:团队有没有什么建议?如果团队对某个条目没有明确的建议或一致的意见,那这个条目便不会被纳入雷达。

第四天

连续三天的讨论——除了雷达,偶尔下班消遣时也会与同事互动,挑起技术谈话——大伤元气。现在会议室里几乎每个人都很疲惫了,但仍需进行最后调整,落实到位。

为了确保在计划时间内结束,我们采用了许多方式。例如,Rebecca确保不让讨论无休止地继续。我们也明白有时候个别人会不同意团队的决定。这时候,有一个可以改变团队的决定机会——我们称之为救生艇。一旦雷达基本落实到位,各技术顾问委员会成员可选择一个条目恢复——但他们必须说服团队该条目值得纳入雷达。或者说服大部分人即可,无需所有人一致同意。

最后,只有所有人尊重其他人的意见时,会议才能顺利开展。Rebecca协调会议时确保所有人都具有发言权,能表达自己的想法、经验和关注点。看到一群热情的人以相互尊重的方式表达有力的观点,展开高质量的讨论,这是令人高兴的事。所以即使团队出现分裂,表决票数相当,我们也能进入下一轮讨论。

到第四天结束时,我们对雷达的内容做出了最终决定。每次参加技术雷达会议,现场的讨论都令我折服——有幸参加会议让我深感荣耀,我一直惊叹于大家的技术意见、意见产生的过程、意见的评估方式以及团队谈论的各种背景。

这仅仅是雷达建立过程的起点。随后我们必须详细编写每一个条目、讨论产生的主题及主要报告。敬请期待——新一期雷达将于11.30日与你见面!点击这里提前订阅。

Share

IoT时代,一起来探索社会化创新

[摘要]

IoT时代,社会化创新面临更多的挑战:如何在各种不确定下做决策?探索的方案涉及到智能传感器、云端平台、移动设备、工业设计、体验设计等多种复杂技术,如何做技术选型决策?硬件设备、集成接口昂贵,无法测试验证想法怎么办?Guide Dogs Victoria的智能手杖创新故事(文中有视频),将分享我们如何应对这些挑战,做精益式产品创新的过程和收获。

Guide Dogs Victoria的创新旅程

图片来自:https://www.guidedogsvictoria.com.au/

Guide Dogs Victoria(以下简称GDV)是澳洲一家活跃的慈善组织,成立于19世纪50年代。他们致力于帮助盲人和弱势群体,最大化提升其生活自主性、社会活动参与度,改善生活质量。

虽然使用导盲犬可以帮助盲人显著地提升外出活动的自主性,但是GDV也发现导盲犬存在诸多限制。首先是训练导盲犬的资金成本和时间成本都很高。一只拉布拉多从出生到通过培训及考试需要1年半的时间,而通过最终测试成为合格导盲犬的概率只有37%。同时,由于一些盲人独居或者缺乏照顾动物的勇气,也不愿意领养导盲犬。因此,GDV也在不断思考如何用导盲犬之外的手段帮助更多视力障碍群体独立出行。

在科技改变生活的今天,GDV想去探索如何利用新的技术,来扩展服务能力,进一步改善视力障碍人群的生活体验。他们希望能够研发一款设备,借助物联网的技术,让盲人可以更加安心地出行。

“我们的目标是不断寻找新的方式,来改善视力障碍人群的生活体验。导盲犬服务只能代表其中的30%。所以数字化服务同样作为另一种我们可以尝试的方式,就显得尤其重要。”

——Alastair Stott, GDV Victoria首席执行官

对GDV来说,这是一个创新的旅程。

一个成功的创新,需要同时满足“用户有需求”、“技术上可行”、“业务可持续”这三个条件。当我们审视这个创新项目时,我们发现有太多的未知摆在面前。我们应该用哪些技术?帮助视障群体具体解决哪些问题?新的业务应该如何运作?

用户需求的探索

找到有价值的用户需求是走向成功的第一步。在最初我们对“用户究竟需要什么”并不了解,所以我们希望通过深入现场的用户研究来挖掘真实的需求。在这个过程中,我们发现了很多超出预期的事实。我们原以为,帮助视障群体出行应该做一些类似于GPS、语音导航的东西来帮助他们找路,但是事实上,盲人在外出时最大的痛点其实是“过马路”。如果不是做用户研究,我们很可能在一开始就走错方向。

“盲人之所以觉得过马路挑战很大,是因为他们必须要在几十秒的时间里穿行马路,在无法看到正确前进方向的情况下,很容易偏离正确的方向。一旦偏离,很可能被汽车撞倒。”这极大地限制了他们单独外出的可能性。这一点是我们在第一站用户访谈中发现的。我们调研了几位视障工程师,请他们向我们讲述他们的经历,观察他们在不同生活场景下的行为。

技术方案的探索和验证

为了帮助GDV解决这个问题,我们构想了十几种解决方案,最终从中选择了四种技术可行性最高的方案,分别是:

  • 使用机器学习训练可以识别人行道正确方向的AI
  • 用手机配合安装在马路两侧的蓝牙信标iBeacon导航
  • 在手杖前侧加装红外亮度感应器,寻找地上的白线
  • 用计算机视觉来识别地上的白线

但是这四种方案是否真的能够为用户解决问题呢?在真正的产品摆在我们面前之前,谁都没有100%的把握。所以我们的决定是,用尽量少的投资做出原型,实地测验对比这几个技术方案。

“我完全被这些原型震惊了。其简单而直接地处理用户痛点的方式,真是让人惊叹。”

——Alastair Stott,GDV Victoria首席执行官

真理永远来源于实践。在3周之后,我们拿出了3款可工作的功能原型,请真实的视障用户使用。经过测试发现,在盲杖顶端加装红外传感器的方案是最有效的。在这个方案中,传感器可以感受地面的亮度,并将信息以震动和声音的方式传递给用户。这样视障者就可以分别出地上的白线。虽然iBeacon的方案也起到了完美的引导效果,但是它依赖于大量基础设施建设,所以留作未来考虑。

下一步规划

我们在几周的时间里,帮助GDV找到了最有价值的用户痛点,同时也找到了最适合的技术方案。基于实验中收集的数据,我们也和客户一起制定了下一阶段的投资方案,并且估算了未来投资的投入产出。这些尽早进行的实验帮助GDV有效控制了在创新项目上做投资决策时的风险。

接下来,GDV希望与中国深圳的硬件合作商一起,将这个原型开发到工程样品阶段,以将该产品尽快投放到市场。

点击此处观看GUIDE DOGS VICTORIA视频

IoT时代的创新挑战

挑战一:创新存在高风险,如何选择适合的投资策略

当我们感慨于创新的炫目时,也需要知道潜伏于其背后的高风险:我们应该用哪些技术?帮助用户具体解决哪些问题?应该以什么样的产品、服务模式出现?新的业务应该如何运作?其实在任何一个创新性项目中,都需要回答这些问题。对于像GDV这样的社会组织来说,一是资源受限,二是缺乏技术能力和洞见,挑战更大,风险也更大。他们必须选用适合创新项目的投资策略,才能避免浪费大量资源、做出失败的产品。

挑战二:技术选型的复杂度

在过去,交互主要是基于网页界面的,消费者无非是点击样式不同的按钮而已。就产品设计而言,上述限制虽然减少了发挥空间,但也节约了设计、实施乃至培训的成本。然而在IoT时代,消费者与产品交互的方式呈现出了爆炸式的增长,触摸、体感、体温乃至脑电波都可以成为与产品交互的途径,随之而来的是大量复杂的硬件模块和软件技术选型。

GDV产品设计目的是帮助盲人能够独立安全的通过马路。由于斑马线上没有导盲设置,盲人的手杖无法像在盲道上一样发挥作用,这导致盲人在通过马路时经常走偏而遭遇风险。设计团队一开始想到几种方案,如:

  • 使用手机摄像头配合人工智能,把摄像头捕捉的信号送到云端由人工智能判断是否有斑马线?盲人是否沿着斑马线在行进?有没有危险?目前智能汽车所采取的都是类似的方案。
  • 蓝牙定位技术,即在街道两边安装蓝牙基站,通过手机就能提示消费者是否沿着直线行进,大多数室内定位都是采取类似的方案。
  • 升级现有的盲人手杖,通过在盲人手杖的前端安装光学传感器,然后通过程序判断是否发现了斑马线。

这几个方案的跨度非常大,覆盖了人工智能、室内定位和智能传感器技术,每套方案又有完全不同的优缺点,比如蓝牙基站需要与政府沟通进行基础设施投入和维护;摄像头方案需要解决数据流量与电池问题;光学传感器的难点在于解决精度问题,比如雨天会影响传感器的接收;在这种条件下,技术团队如何帮助业务部门了解优缺点并一道做出决策呢?

挑战三:缺少设备、集成接口进行持续验证

过去几年来,持续交付实践快速演进,其中一个重要因素是云计算,它为开发人员提供了更充沛的计算条件,从而让软件开发、测试和上线的周期大大缩短。

在IoT时代,当我们创新的产品涉及到硬件设备时,由于很多大型设备的价格很昂贵,缺少设备依然是非常普遍的情况。比如在我们的另一个超市创新项目中,团队只有一组闸机可以使用,而且缺乏模拟器和易于理解的接口,开发团队往往需要硬件专家来破解其协议才能进行集成开发。缺少设备,缺少集成接口是实现持续交付的重大障碍。不能持续交付,就不能支持“构建 – 测试 – 学习”反馈循环。

GDV创新旅程中,我们收获的经验

精益式产品是应对创新风险的最佳实践

精益思想非常适用于打造创新产品。在充满不确定性的探索期,它强调应该把精力放在验证风险,低成本快速试错。在度过探索期之后,我们就可以找到正确的投资方向,开始持续的产品迭代,继续打磨产品的细节。GDV的创新旅程正是应用了精益式产品创新,才得以在5周时间里快速找到要解决的具体问题和技术方案,以极低的成本验证了关于用户问题、方案、产品形态的假设。

建立“完整团队”来应对技术复杂性

一个典型项目往往会包括智能传感器、云端平台和移动设备,所以建立一支理解业务、硬件、云计算、设计和现代工程实践的团队是项目成功的关键,我们的经验是典型的“IoT”团队需要包括以下角色:硬件专家、数据和算法专家、用户体验设计专家和业务专家。 另外,在过去的网页时代,设计师往往可以通过纸质原型完成最早期的测试,在IoT时代团队则需要升级工作包。比如乐高玩具是很好的工具,因为其灵活组装的特性使其可以与3D打印以及黏土配合,以设计早期用户测试所需要的部件。

当建立起这样一个全面的、跨职能的“完整团队”时,我们就能有效地面对技术复杂性,在关键的技术原型构建、用户测试过程中得到更充分的信息,进而做出技术决策。

开源硬件模拟和硬件在线更新设计

目前而言,我们的经验是通过开源硬件迭代模拟一个产品环境。通过不断地探查产品环境,利用手边的可用硬件不断“逼近”产品硬件环境,捕获“尽可能多”的问题;同时,开发团队也可以利用这套知识,构造多套环境来满足测试验证的需要。

第二个经验是在线更新需要成为硬件选型的标配。由于硬件规格、能耗、预算的限制,大量现有的硬件产品缺乏OTA能力,然而这是持续验证的必要基础。在避免大幅度超过预算的情况下,硬件设备设计足够的内存进行升级和回滚操作。这样,就可以在较少的硬件投入成本下,验证不同方案的测试效果,进而满足创新实验过程中所必须的快速“构建-测试-学习”的节奏。

一起来,探索社会化创新,让未来更美好

层出不穷的商业创新使整个社会的财富持续增加。尽管如此,一直困扰着人类的那些基本问题——贫困、疾病、劣质甚至根本没有的教育等等——并没有随财富的增加而相应地减少或减轻。相对于商业领域,社会领域更需要关注和创新。

我们感叹于AlphaGo Zero的强大,但我们仍然相信,更美好的未来还是掌握在人类自己手中。即使是我们的商业企业,在社会创新中,也扮演着越来越重要的角色。一方面,企业可以在商业创新中植入社会担当的因素;另一方面,企业将商业活动中积累的资源、项目运作和管理能力注入到社会创新项目中。GDV是我们众多创新旅程的一个故事,还有更多真实广泛的社会领域问题,有待关注和解决。一起来,加入我们的社会创新体验之旅吧!


更多精彩商业洞见,请关注微信公众号:ThoughtWorks商业洞见

Share

CIO必读:数字平台战略

[摘要]

ThoughtWorks致CIO的白皮书——《数字平台战略》发布!迎接数字化时代的挑战,达成数字化转型的目标,数字平台战略(Digital Platform Strategy)是CIO和IT管理者的必备武器。

1. 数字化时代的挑战

数字化浪潮冲击传统行业

据《哈佛商业评论》的调查,媒体、通信、消费者金融服务、零售、科技、保险、消费者产品、专业服务和教育等10个行业受到数字化浪潮的影响最大,半数以上的企业高管认为自己的业务将在12个月内受到较大程度的冲击。

数字化早已不仅是企业光鲜的前端呈现,它已经融入了企业的方方面面。

快速变化是数字化企业的核心竞争力

数字化企业的代表亚马逊,在零售、广告、消费电子终端、应用商店、云服务等多个领域与各领域的领先企业竞争。

亚马逊还有Dash Button、Echo、Prime Air、AWS等大量创新。据AWS的CEO说,还有更多创新项目失败了——而亚马逊认为完全OK。

数字化企业的核心能力是快速实验、快速学习、快速调整。单靠模仿一款产品或一种业务模式,无法跟上数字化企业的步伐。

传统企业如何应对数字化挑战

经过多年的技术投资、建设、并购、整合,很多传统企业积累了大量与信息技术相关的系统、人员、流程和文化。他们感到这些遗产阻碍了探索和创新。

与此同时,新进入行业的数字化企业能够更快地响应变化、尝试各种可能性、并从失败中快速学习。

不断建设割裂的信息系统无助于企业追赶数字化浪潮。企业需要用平台思维看待数字化能力,方能激活核心资产,构建独特竞争优势。

2. 什么是数字平台战略?

企业的数字化转型目标是:扫除技术障碍,充分利用企业多年积累的宝贵资产,快速交付和创新,提升用户体验,并构建生态系统。

数字平台战略(Digital Platform Strategy,简称DPS),以五个支柱的形式,描述了传统企业在数字化进程中需要的能力支撑,以帮助企业建立面向未来的数字化平台,达成企业数字化转型的目标。

第一个支柱:交付基础设施

它让IT团队充分利用云的弹性和自动化能力,提升IT交付速度。

第二个支柱:API和架构治理

它提供的微服务基建让IT团队复用微服务架构最佳实践。

第三个支柱:数据自服务

拉通数据的采集、处理和使用,让IT和业务团队更快从数据中获得洞见。

第四个支柱:创新实验基础设施和监控体系

让IT团队和业务团队共同设计和实施受控实验,用实验驱动创新。

第五个支柱:用户触点技术

综合多种触点,获得对顾客的全面理解,提供多样而又一致的服务。

3. 数字平台战略如何落地实施?

数字平台战略的落地实施分为两个阶段:

  • 设计与规划:ThoughtWorks团队通过理解业务优先级、技术形态、成熟度以及正在进行的项目,为企业定制数字平台战略的目标和实施路径。
  • 执行:根据数字平台战略目标和实施路线图,ThoughtWorks团队以咨询、交付、运营支撑等形式参与落地实施。

数字平台的建设并非一步到位,企业需要根据自己的现实情况与数字化目标,建立自己的数字平台战略,稳步提升能力。

通信企业:

  • 科技公司强调快速交付
  • 通信行业供应链复杂,需要开放协作
  • 产品迭代迅速,需要快速触达客户

金融企业:

  • 金融业强调安全和高可用
  • 金融业相对封闭,不注重构建生态
  • 金融业强调渠道,关注线上线下的全渠道分发

汽车企业:

  • 车企强调快速交付
  • 行业相对封闭,不看重构建生态
  • 车企以往不能直销,因此对渠道投入不足,新政之后会有改变

零售企业:

  • 零售对IT快速交付的关注有限
  • 零售产业链复杂,因此注重构建外部生态
  • 零售对用户触点技术非常关注

4. 构建数字平台,助力企业创新

传统企业的“传统”不应该是贬义词,它同时意味着数十年积累的宝贵资产,包括客户关系、数据、品牌形象、供应链、渠道等等。企业数字化的关键,就在于如何围绕实体资产构建起数字化的业务形态和行业生态。一些成功的数字化领导企业不仅建设了“杀手应用”,更重要的是建立起了支撑不断创新、不断扩展数字化疆域的平台。

我们成功落地实施DPS的客户包括:

  • 澳洲最领先的金融集团
  • 澳洲房地产集团REA
  • 美国快餐连锁企业Sonic
  • 世界领先的电信厂商
  • 中国最具创新力的商业银行
  • 世界领先的豪车主机厂等等

这样的数字平台给企业带来了显著的收益:提升IT团队效能、构建行业生态、促进业务创新。

传统企业的CIO和IT管理者都可以用DPS来识别能力差距、制订数字平台战略路线图。首先从企业的数字化目标出发,定义出提供支撑的必要能力,然后通过快速的现状评估找出差距,随后就可以制订出自己的数字平台战略路线图,早日建立起面向未来的数字化平台,达成企业数字化转型的目标。

点击这里,免费获取ThoughtWorks《数字平台战略》完整白皮书。


更多精彩洞见,请关注微信公众号:ThoughtWorks商业洞见

Share

在创新的EDGE上共舞

“大神,IT部门历时三个月艰苦地按时完成了既定部署,为什么系统仍然僵硬且缺乏灵活性?”

“我们已经部署了敏捷开发方案,为什么最终却无法达成业务目标,沦为摆设?”

“公司面临业务转型,市场机会稍纵即逝,企业可持续发展能力远跟不上,IT战略部门的投资应该如何管理才能跟上市场脉搏?”

作为组织管理者,如果你正面临这些问题,请关注ThoughtWorks《EDGE-精益企业的投资管理指南》(以下简称EDGE)。

本文将与你分享:

  • 什么是EDGE?
  • 为什么需要EDGE?
  • EDGE如何运作?
  • 谁最需要EDGE?
  • 哪些企业采用了EDGE?

1. 什么是EDGE?

EDGE(Value-Driven Management)一种成效导向的、基于价值和反馈驱动来进行优先级排序的决策系统。

这个系统首先是一个闭环,能够持续提供反馈并修正方向。在此基础上建立起对愿景(Vison)和目标(Goal)的分解机制,并充分认识到每个投注(Bet)的不确定性,通过尽量小的尝试(Thin Slice)来不断调整投资组合,保证对外界变化的快速响应。

EDGE是一个寻求将企业投资组合做到价值最大化的运营框架。这个框架强调对业务变更的管理,通过改变投资资金的组合来实施新的战略,减少整体转型的风险。

图1:EDGE – 价值驱动管理

2. 为什么需要EDGE?

在这个科技时代,人人都期待创新和颠覆,都希望自己成为引领时代的创新者或颠覆者。技术爆炸创造了不断增长的市场机会,然而传统的企业投资管理方式却难以跟上这样的增长速度。

创新理论的研究告诉我们,混沌的边缘是创新最好的土壤。在小团队里面,构建并维持一定的混沌来孕育创新是相对确定的,而在一个千人万人的大型组织里怎么构建这样的混沌而不掉落到混乱状态就是一个非常不确定的问题。

大规模的企业想做组织级创新,不单单是技术部门采纳敏捷/精益,而是企业各个职能部门的加入,从扩大(Scale Up)变为扩广(Scale Out)。在这种Scale Out过程中,出现了种种僵化应用的问题,类似本文开头的抱怨声音是经常听到的。其中的突出问题之一,就是把工作输出当最后的结果,这造成了一个怪圈:“我们一直在做精益,人人都在忙,每天有做不完的事情,每件事情都有输出,来再多的人还是这样忙碌,但却看不到转化出来的经济收益。”

这个问题的产生,有三个根本原因:

  1. 组织结构僵化;
  2. 缺乏有效授权,决策机制依然是层级化的;
  3. 目标割裂,没有拥抱不确定性。

EDGE正是应对这三个问题的指南。不同于传统的投资管理方法,EDGE:

  • 强调基于业务成效的战略
  • 基于业务价值进行优先级排序
  • 提供轻量的组织规划和治理策略
  • 强调适应性和学习型文化
  • 强调自主的团队

它基于精益的本质——“价值驱动,结果导向”,是一个“价值驱动”的投资决策系统。EDGE寻求将企业投资组合做到价值最大化,通过改变投资资金的组合来实施新的战略,从而提供规模化创新的土壤,降低企业整体转型的风险。

3. EDGE如何运作?

在大型企业中,年度规划周期通常是必需的。通过既定的战略规划流程,会产生一系列在实施公司战略时所必需的具体运营项目集/项目。其中的每一个项目集/项目都必须进行估算,作为“预算编制流程”的输入,进而最终决定这些项目集/项目的资金投入;被规划出来的项目集/项目再按照预定的资金投入来进行实施。

在EDGE中,我们则以价值为中心,通过对想要实现的商业成效进行增量注资,来替代对于活动 (项目集/项目)的预先投资。其核心包括:

  1. 创建精益价值树来捕捉和共享组织级愿景和战略;
  2. 使用成功度量对于投资项进行价值优先级排序;
  3. 建立起定期评价评审机制;
  4. 对齐组织结构的角色。

3.1 创建精益价值树来捕捉和共享组织级愿景和战略

投资决策需要以商业价值为中心,必须对齐企业高层商业愿景和战略。精益价值树(Lean Value Tree, LVT)是EDGE中用来促进捕捉和共享组织级愿景和战略的工具。

图2:ThoughtWorks EDGE精益价值树

精益价值树提供了一个基于反馈闭环的愿景(Vison)和目标(Goal)的分解机制,并充分认识到每个投注(Bet)的不确定性,通过尽量小的尝试举措(Thin Slice,Initiative)来不断调整投资组合,保证对外界变化的快速响应。

3.2 使用成功度量对于投资项进行价值优先级排序

图3:示例 – 定义“成功度量”

在愿景和目标的分解中,每一层次的目标、投注和举措都要有对齐于上层目标的业务成效度量。上图展示了一个零售企业如何为自己的业务目标、投注和举措制定相应的“成功度量”。

如果组织关注两个以上的度量方式,那么可以使用加权度量矩阵来进行优先级排序。不同的“投注”或“举措”可按照加权平均值的相对关系来进行排名。而这些度量方式也需要在其内部进行优先级排序,并相应地计算出权重值。

例如,假定一个组织使用以下三个度量方式:盈利能力、风险和上市时间。盈利能力是三者中最重要的度量方式,权重为60%;其他两个度量方式的重要性几乎相同,各为20%,那对投注做出的相对排名则是投注3、投注2和投注1。

图4:示例 – 投注”的相对估算和使用“成功度量”进行排名

另外一个示例,是基于投资地平线的价值相对评估。

第1地平线强调利润、上市时间和风险。

第2地平线强调上市时间、利润和客户价值。

这些地平线也看重快速和小步发布的价值,所以相对大小作为度量方式的分母。在这种情况下,更大的数字意味着更高的优先级。

图5:示例 – 使用相对价值评分对举措优先级进行评估

3.3 建立起定期价值评审机制

EDGE的组织治理,体现为由价值实现办公室驱动的固定节奏的“定期价值评审”(Periodic Value Reviews, PVR),来确保资金和资源按预期消耗,并确保在向“目标”、“投注”和“举措”方面迈进时取得进展。

这些评审使组织有机会了解迄今的进展情况,并就“是否应该改变投资”来作出决定,对于“机会”应该暂停还是转向?是应该扩大现有的机会,还是开始迎接新的机会?

所评审的信息包括:

  • 针对“ 目标”和“投注”所创造价值的进展(成功度量);
  • “举措”的交付进展;
  • 对每个投资组合的投资。

评审的周期相对传统的年度规划会更频繁,比如目标层面每季度一次;投注层面每个月一次;举措层面每2周一次。

图6:轻量的治理机制定期进行价值评审

3.4 对齐组织结构和角色

要做到成效度量和结果导向,强调适应性、学习型文化和自主团队,这需要组织结构的支撑。

首先,需要创建价值实现办公室,其职责是:

  • 支持精益实践和敏捷思维
  • 促进投资评审和调整
  • 促进待办列表候选项评审
  • 分享可视化的投资全景图
  • 分享可视化的资源参与图
  • 共享业绩度量结果
  • 培育实践社区
  • 促进投资转向/投资中止和团队变化
  • 促进开始新的目标/投注/举措

其次,建立端到端交付业务价值的跨职能Pod团队。

图7:示例 – 价值树中每个层级都拥有所有权的跨职能团队

4. 谁最需要EDGE?

EDGE既适合在组织、投资组合、项目甚至迭代等不同层面中参与投资决策的人士,也适合专注于优化投资价值、并打算改变长期使用的传统风格的管理及投资组合管理实践的组织。

如果你目前正处在一个进行投资组合管理的部门,并想要帮助组织进行基于价值的投资决策,我们希望与你合作,共同探讨和演进EDGE的方法、实践和工具。

5. 哪些企业采用了EDGE?

“令我惊讶的是,在使用精益投资组合管理(注:这是EDGE之前的名称)的第一周之后,我们可以做到这么有成效。 在这么短的时间内,我们有一个小的实验和结果组合来帮助我们做出商业决策。” ——Chris, New Internationalist的数字化负责人

更多案例视频:http://t.cn/Rpvp10J

想要获取EDGE全文?

长按下面二维码免费下载。或者点击这里

Share