实时战略与动态投资决策

[摘要]

新的机会是不断浮现出来的,任何解决方案都有失败的可能。过度的投资本身就是创新的敌人。企业必须要建立一种更加动态、灵活的投资组合管理方法,来支持进行实验性、快速迭代式的创新过程,以此应对不确定性,成就“以客户为中心、高响应力”的数字化企业。

在今天科技快速发展、每个企业都在畅谈创新的时代,发现机会和产生想法并不太难。我们看到很多雄心勃勃的创新投资计划,包括那些曾经也是从0开始、摸爬滚打一路成长起来的新兴企业,制定了激动人心的目标,投入巨大人力物力,但最后收效甚微,甚至彻底失败。分析其失败原因,往往归结到环境、时机不佳,或人与团队问题。但换个角度思考,这些影响投资成效的问题任何时候都可能存在。对成败有着实质影响的归因,只有在复盘时才得以总结;回归到当时,其实很难对进退取舍做出准确判断。

企业是由一群人构成,并且存在于既定环境当中,任何创新最后的成果是通过人和人之间、企业和环境之间的相互作用产生的,是一个典型的复杂适应系统。霍兰的著作《隐秩序—适应性造就复杂性》系统性地论述了一个观点:

不确定性是任何复杂适应系统的固有特征。

不确定性意味着新的机会是以浮现而非计划的方式出现,同时任何解决方案都有失败的可能,这不是靠巨额投入和仔细的前期计划能够避免的。那些成熟的投资者和领导者深知这一点,他们明白过度的投资本身就是创新的敌人,并不是投入越大创新成功的机会就越大,过多投资会让团队失去对不确定性的警惕。孤注一掷意味着高风险,创新型企业需要一种更加动态、灵活的投资组合管理方法,来支持进行实验性、快速迭代式的创新过程,以此应对不确定性,替代企业传统集中式、基于各部门博弈与长周期预测的投资方式。

按投资类别建立投资分配的经济模型

历史上有很多成功的企业,在面对技术更新换代、新商业模式兴起时,没能及时发展起接替自己原有业务的新业务,因而被新兴企业所颠覆,著名的比如诺基亚、柯达等。企业要适应一波波变革的浪潮,不仅要将当前的成熟业务经营好、持续提升竞争力,还必须对未来可能但不确定的新业务进行探索。然而,企业的资源是有限的;在业绩压力下,显而易见,那些能够给企业带来更快更高回报、更加确定收益的机会将容易得到更多资源;而对未来不确定机会的探索想法,投入大却回报低,失败几率高,很难争取到足够投资。这很危险,当单一优化胜过了新陈代谢,组织就会变得脆弱。

麦肯锡提出的“三条地平线”理论,将企业的投资按照其所处的创新生命周期阶段,划分为第一、第二和第三地平线,每个地平线业务的区别如图1所示。企业必须要能并行不悖地管理好对成熟期、增长期和探索期不同阶段业务的投资,才能可持续发展、具备足够的适应力。要做到这一点,首先就是要保证对各个阶段业务相对平衡的投资。

图1:创新的三条地平线

谷歌已经是一家三、四万人规模的大型企业,但也是当代公认的极具规模化创新活力的企业,在“快公司”发布的2016年全球最具创新力公司榜单中,谷歌位列第八;而在2017年则跃居第二。为了持续推动创新,谷歌将未来探索的投资和其它现有业务区分开,保证其投入不受影响,建立了70%、20%、10%的投资分配模型:每年70%的投资会用于对现有成熟产品和业务进行运营和改善,如搜索引擎、Android操作系统、谷歌地图和Youtube视频等;将20%的投资用于发展有较确定潜力的新产品,比如智能家庭设备Nest、宽带业务Fiber等;而10%的投资用于探索未来黑科技,比如Google X实验室、DeepMind和生命科学领域的Calico等。

根据创新的三条地平线建立经济模型来指导投资分配,谷歌的案例很好地诠释了这一实践。这样,就保证了不同生命周期的业务、创新型业务的合理投资比例,也避免为了争抢资源而产生不必要的内耗。采用这种策略的企业还有很多。不仅仅是在整个企业层面,我们也推荐企业在某些特定的业务单位或事业部范围内应用该策略,从发展战略的角度制定合适的比例,自顶向下分配投资。模型中的投资比例不是固定的,例如也可能是60%、30%、10%,并随着战略改变而调整。但这种调整不应该频繁发生,否则是不正常的。

如果将三条地平线模型作为对投资分类的方法之一,那么再泛化一点,还有很多的投资分类方法能够帮助企业进行投资分配,比如:

具体采用哪种分类法来指导投资,需要考虑组织所处的行业、领域、商业模式,以及投资决策发生在组织中的层级。举个例子,一家银行可能在企业战略层先按业务的三个地平线进行分配;然后在对成熟业务的第一地平线中按零售、对公和同业等不同客群方向进行分配;再进一步,在零售方向的成熟业务中,将举措按IT投资目的分类,达到业务、市场和技术演进的相对平衡投入。

以经济模型指导投资分配,需要遵循以下几条原则:

  • 粗颗粒度:类别应当是粗粒度的,上面表格中的分类在大多数场景下都满足这个条件。粒度越细,机会和投资的动态变化越不确定;在外部环境改变时,过细粒度的投资比例模型会约束团队对新机会的响应速度;
  • 相对独立:用于指导投资分配的类别,彼此之间应相对独立。在某一个特定的投资决策层级上,应尽量避免问题类别归属含混模糊,给决策造成困难;
  • 关注比例:赋予不同类别以投资比例,比为每个类别分配绝对投资额上限更有意义。对总额上限的控制只有在实际投资超过其额度时才有意义,而投资比例更能传递出组织的投资策略,可以随时对各个方向的投入情况进行比较。相对于给出每个方向上一个“合理”的绝对数额,从战略出发决定不同方向上的投资权重这种方式,因为不需要前期对未来投资具体要做的工作进行过多预测,要容易得多,从而也减少了组织浪费在前期计划上的精力;
  • 实时反馈:按类别分配投资的意义不仅仅是约束,更是提供实时反馈。企业需要有技术手段对每个类别上的投资进行持续、实时的统计,将实际发生与期望比例进行比较,将投入与实际成效进行比较,触发决策层进行原因分析并做出调整:哪些方向上投资过多?哪些过少?是市场发生了新的变化?是否应该干预后续投资节奏?

投资举措的优先级排序

接下来,对每个方向或类别中的一系列机会和举措,需要一种轻量级的管理机制使得组织保持对新机会的快速响应能力,且能够以更加科学地方式、让更高价值的举措尽早获得投资。最有效的机制是建立一个清单,动态地管理和调整优先级,并以优先级的顺序开展实施和验证。我们将该清单称为“动态优先级列表”,以突出这个清单中内容的两个基本特征:动态浮现的,和按优先级排序的。它类似于敏捷开发中的产品待办列表,不过这里每一项内容对应着是一个机会、一个解决方案或者说一笔投资,投资涵盖的范围不仅仅包括软件研发,也包括相关设计、运营、市场投入,如下图。

图2:为各个投资方向或类别建立“动态优先级列表”

下面介绍三种常用的投资举措优先级排序方法。

1. 二象限矩阵法

关键二象限矩阵,就是以两个最重要的优先级考量因素,作为大家讨论优先级的共同语言,在两个不同维度方向上相对比较各项投资举措的优先级顺序,而暂时忽略掉其它次要因素。

图3:二象限矩阵优先级排序

选择哪两个维度绘制矩阵取决于具体的业务。例如“价值”与“竞争优势”,适用于企业所提供的产品或服务在市场中面临激烈竞争的场景;“成本”与“成功可能性”,适用于在高不确定性领域的探索创新投资;还有其他的比如“效率”与“质量”、“价值”与“风险”等。

2. 延迟成本法

如果我们以正向思考难以判断多种选择的相对优先级,经济学为我们提供了一种逆向思考的方法:如果今天决定推迟做这件事,会造成多少实际损失?即“延迟成本”。准确地说,延迟成本衡量的是一件事情被推迟带来的随时间变化的损失。所谓损失包括如下几类:

最严谨和理性的延迟成本分析是对损失随时间的变化趋势进行定量建模,绘制出曲线。不一样的变化趋势指引着企业做出不同的决策。限于篇幅,详细内容可以参考“黑天鹅”网站对此的分析。但定量延迟成本分析有其局限性:

  • 量化并不总是容易的,需要有足够的历史数据积累。比如,前面例子中的单笔交易平均金额、单客户平均收益等,投资产生的影响要能反映到这些可量化的损失,有时候这很困难,或者量化分析本身的成本过高;
  • 要求投资产生的影响有一定可预测性,这使得该方法比较适用于企业的成熟期或成长期业务。对于探索期业务,因为不确定性很高,量化预测非常困难,因而不太适合;
  • 延迟成本方法可能驱动决策者过度从财务角度做决策。以客户中心的原则,意味着从客户价值角度分析投资成效比从企业效益角度衡量更重要,包括客户体验和喜爱程度等非直接效益价值。但延迟成本方法更多是从可量化的企业效益角度考虑,容易驱动决策者过度思考短期财务收益。

即便不做定量分析,延迟成本的思维方式仍然可以帮助我们——可以采用一种定性的方法对举措进行粗略优先级排序,如下图:

图4:定性延迟成本优先级排序

它其实是一种以举措的“价值”和“紧迫性”两个维度建立的二象限矩阵。价值代表着对延迟成本高低的定性评估,而紧迫性代表延迟成本发生随时间变化的趋势。我们将两个维度各自分为三个优先级等级:

3. 关键价值要素权重公式法

“价值”是决定优先级的最重要因素,但价值这个概念不具体,什么是价值?带来收入是价值,降低成本也是价值,这是一个综合概念。为了理清思考价值的标准,我们尝试识别出了12个常见的价值要素:

图5:12个常见价值要素

这12个关键价值要素并不能覆盖所有的场景,这也不是我们的目的。目的是想给读者一个思路去思考自己的业务,然后回答“什么是价值?”这个问题。你可能会找到自己更加关心的但并不在以上列表中的要素。进行优先级排序时并不需要上面所有要素,而应针对企业自己的业务特点和当前阶段的发展策略,识别出最重要的3~4个要素,然后给每一个关键价值要素设置一个权重,就像下面这个示例:

图6:关键价值要素权重公式优先级排序

由投资组合管理的干系人或委员会,就每项举措对每一个关键价值要素的影响进行评分,得分为0~3分。0分代表没有任何贡献或影响,3分则有巨大的贡献或影响,1分和2分则介于之间。另外,为了创造价值而付出的机会成本也必须要考虑的因素之一,这里机会成本包括数字化产品的研发投入,也包括其它资源、市场和运营相关投入。如果简化一点,只考虑研发投入,则可以使用估算的人力和时间。将各个关键价值要素的得分乘以其权重求和,再除以实施成本,则得到一个粗略的优先级分数。这个方法符合精益原则,它驱动解决方案的设计者采用更简单的解决方案创造更大价值,以小批量方式投入。

该过程由业务与技术多人共同参与,需要花一些时间。企业对举措的投资决策是在一个较粗粒度的层面进行,每一笔投资都有较高的机会成本。投入一定精力对投资进行审慎的判断,让企业把有限的投资尽可能聚焦到最有价值的工作上,是值得的。

实时动态决策

从明确企业发展的愿景和目标,确定投资方向和投资比例,随时为了抓住浮现出的新机会而采取行动,以及根据行动后的实际效果决定下一步行动,甚至重新调整愿景和目标——这一系列规划和决策动作必须要持续动态地进行。传统以年为周期的年度规划和预算显然无法满足这一要求。建立一个清晰的动态决策体系是方法落地的关键。数字化企业要激活规模化创新应尽量简化决策层级,以一种扁平化的治理结构赋予团队自主行动的能力。

1. 高层管理团队(Executive Team)

在企业层面,这个团队是CEO、CIO及其核心高管团队;在业务领域或事业部层面,这个团队则是业务总经理与其带领的管理团队,以及需要汇报的上级。高层管理团队的职责是明确业务愿景,制定战略和目标,设定投资方向及投资分配模型。这个团队可能为实现目标提出一些重要的想法,但尽量避免直接参与设计和指挥行动;而是通过建立合理的成效指标、并持续审视数据来了解实际情况,在成效进展偏离或不理想时介入,与下一级分析根因并支持其寻找解决方案。

2. 价值实现办公室(Value Realization Office)

在整个公司,每一个业务领域或独立平台产品,相应地都需要有一个团队来承担对数字化投资进行动态组合管理的职责——即“价值实现办公室”。这有别于传统以流程和资源导向的项目群管理,这个团队是以价值与实际成效数据为导向,进行持续评估与决策,致力于从全局实现价值最大化。其具体职责包括:

  • 建立和维护完整的投资组合视图,协商举措合理的成功衡量标准;
  • 实时或定期对包括新浮现出机会在内的所有举措,进行优先级排序;
  • 持续跟踪所有进展中举措的进度和风险;
  • 定期审视举措实施后的实际成效,以数据驱动决策后续行动,包括继续扩大优化、调整方向或终止投资;
  • 以数据方式将进展反馈给高层管理团队

该机构除了日常的跨团队协调沟通,确保成效衡量的数据落地,会定期召集相关干系人进行会议,完成以下三件事:

  • 回顾近期交付完成举措的反馈,审视运营数据,从而决策后续行动;
  • 评审新提出的想法与举措,与其它现有队列中的举措进行优先级排序,或调整;
  • 审视当前及近期的版本规划,根据上一步的结论对后续计划做恰当调整;

这个会议我们称之为“定期价值评审会议”,类似一些互联网公司定期进行的运营决策会议:

  • 以近期运营数据、新想法及举措分析为输入;
  • 参与者包括价值实现办公室组织者、举措负责人、产品经理、市场和运营负责人以及技术专家,可能也会邀请高层管理代表或投资人参加;
  • 以一个合适的频率进行,从两周一次到一个季度一次,越是动态不确定性的环境下越需要频繁地进行。

3. 交付团队(Delivery Team)及可视化投资组合

交付团队即实际负责将举措实施的虚拟或实体团队。交付团队以最有效地达成可衡量的成效目标为原则,采用设计思维的方法,在产品或解决方案的具体设计和实现上自主进行决策和实验,而不是被动地接收命令和需求。同时,确保将反应成效和进展的数据统计和呈现出来。

有效进行投资组合管理,需要可视化管理:要让每个提出想法和解决方案的负责人,不仅仅只了解自己的工作,也了解其他人在做什么以及和自己有什么关系;理解全局优化而非局部博弈;并让管理者实时了解各项举措的计划和进展,从而能够实时进行协调决策并提供支持。一个良好的实践是,采用看板方法将整个投资组合可视化出来,提高管理透明度。如下图所示,选择一个众人容易看到的地方,在一堵平整的墙面上,将整个领域或产品内投资组合的全貌展示出来,持续更新内容和状态。

图7:可视化的动态投资组合管理看板

看板左侧是愿景、业务目标与各投资方向的举措动态优先级列表,而右侧是举措从分析到获得反馈的端到端价值流。遵循“精益看板”的原则,有必要对举措设置在制品数量限制从而让投资更聚焦到高价值举措,让想法快速流动,尽早获得成效反馈。

总结

综上所述,企业的业务发展与创新要能快速响应市场变化,并最大化投资成效。这需要建立一种轻量级的、以价值和成效衡量为基础的持续动态投资决策过程,致力于缩小每一笔投资的规模,基于快速反馈、持续小批量增加投资或停止投资。企业必须以这种方式来替代传统以年度预算为代表的长周期、大投资的创新方式,从而成就“以客户为中心、高响应力”的数字化企业。


更多精彩商业洞见,请关注微信公众号:ThoughtWorks商业洞见

Share

重新思考颠覆式创新

[摘要]

20年前,颠覆式创新(Disruptive Innovation)在《创新者的窘境》一书被提出,此后一直成为科技界从业者津津乐道的概念。20年后,市场环境已经发生了巨大的变化。颠覆式创新理论,是否依然有效?那些被津津乐道的「颠覆、或被颠覆」是否夸大其词?创新的蛮荒时代过后,让我们回到经营的本质,不盲从,透过经济学原理,我们一起来深度思考创新的真正意涵。

Clayton Christensen被认为是最伟大的企业管理思想巨匠之一,1997年其所著《创新者的窘境(The Innvator’s Dilemma)》至今仍被科技界奉为圭臬。正是因为此书,使颠覆式创新(Disruptive Innovation)成为几乎所有科技界从业者津津乐道的概念。

于是,各类创新咨询层出不穷、以此为生的「创新咨询师」、「创新教练」振聋发聩地喊出「不是颠覆别人、就是被颠覆」、「不创新、毋宁死」的口号——来自埃森哲的咨询师Larry Downes甚至将颠覆式创新升华为「颠覆大爆炸(Big Bang Disruption)」,网站上的标题是:Big Bang Disruption: The innovator’s disaster(创新者的灾难)。

当原来的「窘境」变成了「灾难」,颠覆式创新理论在将近20年的时间里到底发生了什么?为何这个曾经影响了许多企业管理者的理念到如今变成了咨询公司「咋咋呼呼的咆哮」?回答这些问题,重新思考颠覆式创新很有必要。

窘境

理解「颠覆」要从「窘境」开始。「窘境」的意涵是「进退维谷」,Christensen认为,企业的衰落不在于管理者做了错误的决定,而往往是因为他们做了正确的决定

Doing the right thing is the wrong thing.

许多现在看起来成功的产品或服务,在当时看起来并不符合正常的商业逻辑:例如IBM不可能选择进入个人电脑领域,因为小型机市场依然是最具商业价值的市场,在那时,个人还没有对于电脑的需要。

这便是创新者所面临的左右为难的境地:我们该如何看待目前还不存在的市场、不成熟的技术、不盈利的业务?不做,错过了时机;做了,却面临现有业务的阻力。

与此同时,颠覆性技术正在不断接近市场的拐点。当技术和市场同时成熟的时候,那些在市场上率先使用更新技术、推出新产品和服务适应市场变化的企业,会从行业底端不断向上吞噬市场份额。

成功逆袭的,便称之为颠覆者(Disruptor);相反被拉下神坛的,称之为被颠覆者(The Disrupted)。而沸点何时发生、哪个技术会突破沸点、市场会如何变化、谁会扮演颠覆者的角色,我们都不得而知——举棋不定的,则是身处窘境中的创新者。

创造和破坏

人类执着于解释「创造」与「破坏」的关系,就像痴迷于思考生死一样。在印度教中,湿婆神(Shiva)同时是毁灭者又是创造神,这被广泛认为是西方政治经济学中「Creative Destruction(创造性破坏)」的灵感来源。

《共产党宣言》中马克思将资本主义之所以兴盛的秘密解释成「不断生产和消灭财富」,而持续发生危机的原因也正是因为「不断生产和消灭财富」。

至1942约瑟夫·熊彼特在所著《资本主义、社会主义和民主》一书中发展了马克思主义的理论,正式提出「创造性破坏」这一理论,到后世,大部分自由主义经济学家认为,资本主义的活力正是来源于「资本主义内在破坏性创造的革新机制」。

图:熊彼特

熊彼特相信,创业者的创新是经济增长的颠覆性力量,其颠覆的对象是享有已有市场的现有技术、组织形式、法规、以及经济形态。

因此颠覆式创新的理论框架依然延续着「创造性破坏」的规律,只是从技术的角度尝试解释这一规律发生的成因。

「破坏和创造的循环往复」来自于马克思对资本主义本质的解释,并第一次让人们开始思考创新本身对于经济增长意味着什么,而以信息技术革新为基础的第三次工业革命的到来,第一次让人们意识到「创造性破坏」的残酷一面。

创造的阵痛

标准普尔500(S&P500)公司的平均生存年限从1935年的90年降到了2014年的18年,按照目前的速度75%的S&P500公司将在2027年消失。

(图:标准普尔500(S&P500)公司的平均生存年限)

资本主义曾经的繁荣让人不由回想起马克思在1848年《共产党宣言》中对资本主义天然危机的描述:

在这些危机中,不仅仅只是现有的生产,甚至以前的生产所得,都会间歇性地被摧毁……社会会突然回到一个短暂的野蛮时代(Barbarism)

颠覆式创新正是在这样一个历史阶段中被提出。最著名的磁盘存储领域案例正是在当时阵痛最明显的行业,其中提到的希捷(Seagate)公司,正是被颠覆式创新颠覆的公司之一。而Jill Lepore在2014年6月23日《纽约客》封面文章《The Disruption Machine》中尖锐地指出:

事实上,希捷科技并没有因颠覆而倒下。1989年到1990年期间,希捷的运营收入达到24亿美元,几乎是在美国其所有竞争对手加起来的全部……去年(指2013年)希捷销售了20亿支硬盘,而Christensen所提到的颠覆者早已不在。

这篇文章也成为2014年开始人们对于颠覆式创新进行质疑的焦点。

质疑的焦点

颠覆式创新理论所依赖的案例,有一些不符合真实发生的情况。除此之外,现实中,许多被认为具有颠覆性的商业模式,也并不符合其理论框架的定义。

例如,Christensen在评价苹果的iPhone手机时说:

iPhone只是诺基亚的延续性技术,他们只是在造更好的手机。而理论预测苹果将不会在iPhone上取得成功……这并不是一个颠覆式的创新。历史会给出答案,它成功的可能性将非常有限。

Christensen在2007年接受了新闻周刊(BusinessWeek)的采访,采访者问到:

您的书中着重描述了因为技术而产生颠覆性创新,然而现在当我们谈创新的时候,范围已经更广,例如商业模式、流程、和客户体验创新。

Christensen教授回答:

是的,我在写《创新者的窘境》时,头脑中确实只思考了技术,并只在技术方面寻求解释。因此我在最初称它为「颠覆式技术」,后来发现这是有局限性的……在《创新者的解决方案》一书里,我把它称之为「颠覆式创新」,在之前将它打上技术标签是不正确的。

这成为Christensen教授理论一个重要瑕疵,即没有考虑到消费力量的转移。在最初的理论中,几乎所有研究的对象都是针对企业的市场,例如小型机、存储磁盘等等,企业市场最重要的特点是「购买者的理性(Rational Purchasers)」,理性的重要评价值是「回报率」,而颠覆者所擅长的,是提供更高「回报率」的产品,依此反转整个行业格局。

而我们很快进入了「消费者时代」,大部分的企业开始直接面对终端消费者——「非理性的购买者(Irrational Purchasers)」,那么「产品的回报率」就变成没那么重要的选项,而更多关心用户体验、品牌、社会资本等,这也是为什么苹果并没有使用任何颠覆性的技术,却依然依靠iPhone取得了巨大的商业成功。

对理论的演绎

颠覆式创新在当时的经济环境下有着合理的逻辑:

  1. 某个行业发生了巨大的变革——技术开始出现多样化并快速成长——如针对市场上多种计算机,不同类型的存储技术快速发展,让现有存储企业不知所措(下图是磁盘性能和市场需要的变化);
  2. 行业中出现了重新洗牌,有些公司正在走向衰落; 衰落的往往是那些没有抓住颠覆性技术、并将其商业化的公司,但在当时他们并没有做错什么;
  3. 企业应该制定合适的战略,关注那些依然处于成长期的市场需求和技术,并紧盯行业中那些敢于创新的小型企业。

(图:磁盘性能和市场需要的变化

理论的大部分在于解释在当时环境中,看起来如日中天的企业为何走向衰败,而那些看起来不起眼的公司,为何能够脱颖而出。它所表达「为何衰败或突然成功(Why)」,多于「如何成功(How)」。

而在后来的解释中,一切创新都被标注成「颠覆式」,已经很少人关注理论产生的背景和指导意义,而是陷入一种「莫名其妙的兴奋」,一时间「颠覆」这词开始大量出现,特别在创业圈里。

而各种「创业成功学」和「科技成功学」作家们更是打造了「奇点」这个概念——颠覆可能在我们想象得更早的时间里发生。「奇点」配合着「颠覆」让人们早就忘了经济学原理和管理的本质,执着地崇拜着「科技时代的宏大叙事」、紧紧跟随在Kevin Kelly、Peter Thiel、以及作为低配版的罗振宇的周围,内心戏丰富地阅读着每一篇冠以颠覆的报道,由衷相信每个点石成金、反转世界的想法,并默默点赞。

颠覆式创新理论是否还有效

「颠覆式创新」帮助我们理解了20年前信息技术爆炸早期,技术和产业的关系;让现代企业管理者开始思考科技对于商业的破坏性作用,现有模式对于未来发展的约束;让人们开始思考运营和技术的相互牵制作用,并重视那些市场中不起眼的竞争者。

然而20年后的今天,市场环境发生了巨大变化:

  1. 从质量和效率转向服务和体验;
  2. 从对公、更趋向理性的业务转向于针对非理性消费者的业务;
  3. 全球化带来的全球智力资源的重新分配和流动;
  4. 资本运作的活跃,使得企业可以更容易通过收购和兼并获得科技能力。

很多企业事实上也在执行颠覆式创新中所提到的实践,我们看到越来越多的公司正在实现业务和技术的整合——如Digital作为一个独立部门的出现。

越来越多的科技企业并购,例如BMW、Daimler、Audi对Nokia地图业务的并购

越来越多原生态的、循序渐进的、而不追求爆炸式的创新,例如波音787 Dreamliner采用更高舱内气压的演进性创新。

另一方面,被我们奉为经典的「颠覆者」们也没有像想象中那样颠覆一切,全球麻烦不断的Uber、Airbnb们依然还没有证明自己,风风火火的电商也并没有像几年前预测的那样彻底让实体零售走向死亡,我们还有什么理由相信那些「危言耸听」和「夸大其词」的「盛世危言」?

写在最后

每个时代都不缺乏时代的「解释者(Storyteller)」,人们也需要更简单的方式理解现在和未来,然而利用人们对于成功的渴望,通过「恫吓」和描绘一个「赢者通吃」的世界,美其名曰「脑洞大开」,实际上是机会主义者的投机。

创新本身的破坏性是经济学原理决定的,无论颠覆式创新是否存在;颠覆不是企业发展的目的,成长才是;被颠覆也不是企业衰落的原因,成长不足才是。

Christensen教授的颠覆式创新理论(以及其他基础理论)是我们对人类经济行为优秀的思想总结,它依然是熊彼特「创造性破坏」理论的延伸,而将其作为「万能药」售卖,是不负责任的。

延伸阅读

Share

数字化创新中的设计

[摘要]数字化创新领域的核心在于设计,而设计的难点在于深入发掘用户的潜在需求,及更广泛的人员协作。在这个领域有什么方法和实践呢?

“创新不是由逻辑思维带来的,尽管最后的产物有赖于一个符合逻辑的结构。”—— 阿尔伯特·爱因斯坦

创新是一个大家又爱又恨的事物,在这个不断涌现新生事物的数字化时代,大家都希望自己成为下一个“黑天鹅”的缔造者,都害怕自己成为被颠覆的“受害者”。而伟大的创新仿佛都要站到悬崖边才能发生,所谓混沌的边缘(Edge of Chaos)是创新的摇篮。这个边缘却是我们大多数人都不会愿意身处的境地,这也就形成了创新的悖论。

数字化时代的另外一个特点是持续降低的创新成本,从一个想法到一个可以为用户所使用的产品的制造时间在被不停地压缩着。Google和Amazon这样在互联网时代诞生的企业,甚至将新功能的发布做到了一年好几千万次。整个产品的制造过程在新科技的推动下,变得越来越自动化和智能化,创新者最重要的核心能力变成了设计。现代用户已经不接受工程思维下可以工作的“样品”了,有“爆点”的MVP思维成为了产品设计者对用户的基本尊重,召开一个产品发布会如果没有“one more thing”压阵都会显得苍白无力。

在下文中我们就一起来看看数字化时代的创新设计带来的主要挑战及对应的策略实践。

以用户为中心的不确定性

数字化产品的设计有一个基本原则就是“以用户为中心”,与之相对的是传统的以产品(服务)为中心,自古就有“好酒不怕巷子深”。这个转变是数字化时代的一个显著标志,意味着服务模式从过去用户找服务的“PC”模式,转变到现在的服务跟着用户走的“移动”模式。从表面看不管哪个模式,咱们产品设计都得做到用户满意,但实质上这两种模式对“用户满意”的定义存在着很大的区别。

在PC模式下,用户带着自己明确的述求,如查询一个感兴趣的商店,找到一台可以提供这个服务的电脑,然后访问你提供的服务完成自己的查找。在这个过程中,作为服务设计者需要做的是让你的用户感受到服务的高效,比如根据用户提供的模糊信息就能够组合出可能的匹配,甚至根据历史数据智能补全查找。如何能够更加高效的完成用户的原始诉求,就是“用户满意”的定义。

当我们来到现在这个数字化时代,如果你仅仅关注上面的满意度,那么你很可能连生存都无法持续。每个用户的智能手机里,在每一个常用领域都会有好几个同质应用,能够满足用户的基本诉求。就拿“查找感兴趣的商店”这个常用需求来说,我们都可以轻松列举出一打应用。这个时候,好的产品经理都会去探究这个诉求背后的动机是什么,用户为什么想要找这样一个商店——是某人生日临近希望采购礼物,还是最近朋友圈的流行触动了购物神经?当今这个时代,消费者并不是一定要到商店里,才能体验自己想要的东西,虚拟现实已经能够让用户足不出户就完成对新事物的体验了。于是我们看到设计上更加端到端的思考,追溯用户产生这个诉求的源头,并抱着颠覆性的态度去挑战我们的惯性思维。

图:产出案例,ThoughtWorks通过更加场景化的Service Blueprint来分析针对特定用户的服务设计(点击查看清晰大图)

在这种思维模式下,用户无疑是幸福的——可能连用户自己都还没意识到的问题,设计者们都已经悄然解决了,而且还不断创造出新的生活便利,给用户带来惊喜。但对于我们设计者来说,实际上却是非常挑战的——面对的问题域从原来确定的服务范围变成了现在前后延伸的探索,面对着更多的不确定性。Slack这样的协同办公平台,却诞生于一个手游开发公司,这样的事件越来越多。当我们尝试着去深挖用户每个诉求背后的意图时,不同的设计者针对不同的用户可能产生截然不同的方案,于是在同一个领域里我们看到很多的细分和创新,即使在最常见的如短视屏分享领域,我们也看到了从美拍到抖音的不停演进。

这种“以用户为中心”带来的不确定性,虽然给设计者们带来了挑战,但对于我们这个时代来说,却是美好的——因为这样的不确定性,赋予了我们创新所需要的“边缘”。

发散思维应对不确定性

生在这个创新的时代,不确定性是我们必须学会去驾驭的,但我们从小到大的学校教育却很大程度上限制了我们的认知。从简单的数学计算到复杂的物理化学,我们一直在学习着各种确定性的定律,并尝试着在遇到问题时应用这些定律来解答。

然而,这个时代下的设计是不存在教科书式的定律的。即使乔布斯的设计理念,也并非是金科玉律,iPhone也没有能够坚持他的3.5in 屏幕大小,更不要说未来可折叠屏幕出现后会有完全不同的用户需求。显然,我们在学校建立的学习模式失效了。如何设计,并没有现成的解决方案可以供我们参考。

那么如何应对这样的不确定性,从而产生创新的设计呢?答案其实很简单,学会发散思维。这里的发散思维有以下几个特点:

  • 挑战问题本身:我们应该避免把 “用户说的 … ” 当成问题本身。用户对问题的描述常带有一定的随机性,在数字化这个虚拟世界里更带有很大的想象成分。所以好的设计师都会告诉你,用户其实并非很清楚他或者她真正想要什么。花时间来分析问题本身是必要的,针对一个错误的问题,设计再好的解决方案也只会让情况变得更糟。
  • 拥抱多种设计:在高度不确定性的情况下我们希望看到不同的设计,从而能够加深我们对问题本身的理解。在用户没有亲身体验的情况下,我们从用户那里得到的任何设计反馈,只能当作假设,而假设是需要被验证的。数字化场景下,得益于技术的持续进步,我们会看到针对一个用户需求的多种设计,往往都会被做成原型来进行真实的用户测试,通过测试收集反馈数据,来作为设计决策的依据。
  • 尝试协同设计:战胜问题不确定性的另外一个好办法,就是动用更多的大脑。我们都知道在形成一个有效的讨论时,集体智慧往往会达到1+1 > 2的效果。当然这里有两个先决条件:一是我们能够为每个人创造独立思考的空间,不至于每次都是屋子里“最聪明”的人完成所有决策;二是我们都能够抱着感激的心态,去看待每个人思考方式上的差异,认可这种差异是我们能够产生更大集体智慧的基础。这样的要求反过来也制约了我们每次讨论小组的规模,比如10个人以上时,你会发现很难满足要求——给每个人独立思考时间,太多的思考方式差异造成很难达成基本的共识,大家很快变得烦躁,整体时间被拉长,以至于造成浪费。如何协同本身是一个很值得深入讨论的话题,基于多年的实战经验,ThoughtWorks也把这样协同设计实践进行了提炼,包含在了现在很多企业和组织都采用的数字化产品能力框架中。

学会发散思维,能够帮助一个团队和组织去认知这个时代的不确定性,而正是这样的发散思考才会产生创新的想法和设计。这样的例子在我们身边已经变得常见了,一些产出的设计甚至会让我们感动,比如为乡村留守儿童设计的智能纽扣,为盲人设计的智能手杖。在这些设计中,如果设计团队没有花功夫去理解问题本身,不去持续发散可行设计并持续验证,是不可能最后找到这样创新的解决方案的。

没有唯一真理的用户体验

当我们通过发散思维找到可行解决方案后,就需要真正设计出用户可以使用的产品和功能了。假设我们对设计问题本身的认知是准确的,这个时候设计是否成功就取决于用户体验了。用户体验在互联网时代已经被提升到了最核心的位置,以至于类似腾讯这样的互联网公司的任何产品讨论,都需要围绕着用户体验展开。

谈到用户体验,仿佛人人都能谈出一些自己的观点,甚至原则,但体验本身却是非常主观的。举个例子,我们经常都需要将文件从手机传送到电脑上,这样的一个简单需求其实已经有很多的设计实现了——作为苹果手机和电脑用户,有不少人可能和我一样都喜欢“隔空投送”这个功能,使用习惯上类似于拷贝和粘贴。而我的家人却不喜欢这样的设计,感觉这个功能本身是“隐藏”的,每次都需要思考怎么找到这个功能,相比之下她们更喜欢微信的“文件传输助手”,每次只要在电脑上登录微信客户端,在手机端就会出现这样一个文件夹标识。

我们身边这样的例子比比皆是,有兴趣的读者可以问问身边同事和朋友们对摩拜和ofo两种单车设计的体验,你会发现很多非常有意思的独特观点。这说明在用户体验上,我们是找不到客观真理的,当一部分人嘲讽苹果AirPods是断了线的耳机时,在另一部分人中却成为了时尚。坏的设计或许是容易共识的,但好的设计却仁者见仁、智者见智。评判用户体验的好坏,由此也变成了一件相当难以达成共识的事情。

对于设计师来说,不仅仅是设计问题和挑战的识别,还需要一个具体的设计方案来落地交付给用户。用户不可能为了解决一个问题同时上两套解决方案,让用户同时戴上两幅耳机无论如何都是最差的体验。如果用户体验是主观的,那么,是不是就无法做出更好用户体验的设计呢?

收敛思维聚焦用户体验

在具体设计选择时,我们必须想办法让团队就用户体验达成共识,这显然是一个漏斗收敛过程,重要的是建立筛选的原则和方法。我时常举的一个经典案例,是2007年的第一代iPhone。它缺乏了对于我来说最基本的短信群发和文字拷贝功能,直接造成的后果就是我在新春发拜年短信时根本无法使用。就这样的设计选择,到底是明智之举,还是瑕疵失误,是我最爱问大家的问题。

显然,乔布斯是经过了缜密思考的,毕竟iPhone作为一个跨时代的产品是颠覆性的。那么是什么原则让他第一次发布时放弃了这两个对于我来说很重要的功能呢?答案其实非常明显:用户! 2007年第一代iPhone不是为我、或者说中国用户设计的,针对的北美用户当时少有像我们这样依赖于短信交流的,对他们来说手机更多是用来打电话的。

所以在我们具体设计选择时一定要认准核心用户,明确目标群体的诉求,从而能够更有针对性地设计用户体验。设计上最难的就是取舍,而取舍里最难的就是选择用户。这里的一个核心原则是不要贪多。很多团队分析核心用户时,想方设法纳入更多可能的用户群体,这实际上是在“自欺欺人”——因为良好的用户体验一定是非常有针对性的——别忘了,在这个数字化时代,我们的服务是围绕每个用户个体的。

当我们锁定核心用户后,需要更仔细的分析用户可能的使用场景,找到核心用户的核心使用场景,这同样是一个收敛过滤的过程。比如前文提到的AirPods,如果是为了运动场景设计的,可能就不会是现在这样无绳设计了。用户的使用场景决定了他们的体验和感受,在嘈杂环境里听音乐和在会议室里打电话,需要的良好体验是截然不同的,从而驱动出来的设计也会是不同的。

在收敛思维下,我们应该学会以下的思考方式:

  • 价值驱动:不论用户、还是使用场景的取舍都是一个非常困难的决策过程,在我们协同设计的要求下,团队(甚至包含用户)达成共识是这个过程最重要的产出。由于个体的思考方式差异,大家看待问题的视角不同,想要形成共识就必须遵守一定的设计原则,而这样的原则提炼本身是困难的。我们能够确定的最重要的原则是整个收敛选取的过程都应该从用户价值出发,在选取核心用户时明确哪类用户会得到较大收益,同理哪些使用场景会给用户提供最大的价值。
  • MVP设计:作为精益思想的应用,《精益创业》中的MVP很好的表达了以用户为中心的产品规划方法。MVP的核心实质是从工程思维到用户思维的转变,如下图所示,在追求快速用户反馈的“小”产品规划中,每次都能够思考那个让用户感受极致愉悦的“one more thing”。产品设计同样应该采用这样的方式,纠结于基本功能的“完备”而忘记了真正的客户价值,是我们在收敛过程中最大的敌人。

(错误的MVP模式【左图】;正确的MVP模式【右图】)

学会收敛思维能够帮助一个团队和组织去驾驭设计过程中的不确定性,把有限的精力和时间集中到最高的客户价值点上。数字化时代的创新,必须关注用户体验,小到已经普遍的“点赞”,大到刚开始流行的“刷脸”,所有能够为用户所喜爱的设计都需要经过严格的筛选和验证。而数字化技术的进步给了我们越来越多的设计可选项,如何有效收敛就成为了一个关键设计能力。

(图:ThoughtWorks从快速低保真原型,到中保真线框,到高保真视觉及可执行MVP的完整实践示例,整个过程以天为单位进行快速迭代。)

设计思维驱动创新设计

我们大脑左半球是指挥逻辑推理和语言表达的,右半球却具有空间、形象的思维功能。理论研究及实践都证明,在创造性思维中起重要作用的思维形式大都是非逻辑性思维,主要由人的右脑控制。

在我们的发散过程中需要很多右脑的能量,而在收敛过程中左脑的逻辑推理发挥着重要作用。当然这并不是说我们的整个设计过程分成了前面的右脑发散部分,和后面的左脑收敛部分。实际上在我们的每一个设计环节和实践过程中发散和收敛是快速交替进行的,比如我们在定义核心用户的时候,首先是采用发散的思维找到可能的用户分类,然后才是从价值及其它维度去收敛核心的用户群。下图是ThoughtWorks在实践过程中的4D模型总结,已经为很多团队和组织在实际产品设计过程中所采用。

(ThoughtWorks设计思维4D模型)

从创新设计角度看,我们采用的发散收敛方法实际是把设计思维(Design Thinking)付诸于实践。设计思维现在已经广泛应用于创新这个具有高度不确定性的领域,而在数字化领域,我们更是将这样的基于解决用户客观问题的思维方式作为我们设计的基础,从而能够在用户、业务和科技三者之间达成平衡,不仅让创新发芽,而且能发展成为规模化业务。

数字化创新领域的核心在于设计,而设计的难点在于洞察用户,及更广泛的、跨领域的协作。我们相信创新设计这个领域,将产生更多的方法和实践,让我们共同前进!


更多精彩商业洞见,请关注微信公众号:ThoughtWorks商业洞见

Share

以愿景与目标驱动,让创新无处不在

[摘要]

在一个有高度不确定性的复杂环境中,有效指挥所有成员以对组织最有利的方式行动、并可能做出最正确决定的首要原则,是“使命原则(The Principle of Mission)”。这也是企业实现规模化创新的原则之一。为此,我们需要一种可操作的新“体制”来规划和落地业务战略,使得组织各层级在一致的目标下有自主性可立即行动。

区块链、生物识别、深度学习、虚拟现实等新技术快速发展,无人超市、小微金融、智能家居等新商业形态层出不穷,自媒体、社交网络、人种平等、全球一体化等社会变革在深层次影响着每一个人。当今这个时代,每一家企业都在热切地谈论着一件事:如何创新?

创新既包括创造全新的产品、新的服务、新的应用场景,也包括在现有的产品和服务上做出渐进式改善,运用更好的解决方案创造更好的体验。不管哪种类型的创新,都有一个基本属性,即不确定性。新的机会何时出现,提供的方案能否有效解决问题并赢得市场,实际结果难以预测。对于大型企业,当新机会浮现出来,资源申请、冗长的层层审批导致错失时机;或者机会不明确、不成熟,失败可能性很大,没有人愿意承担风险去尝试;或者企业缺乏活力,团队和个人只习惯听从命令,没有意愿也没有能力创新;又或者企业迟迟看不到创新投资的效果,在错误的方向上过度投资产生巨大浪费……

要打破这样的“体制”约束,创新往往不得不由企业的最高层领导者来推动。高层领导者要么亲自牵头发起创新,并以命令方式指挥各级部门行动;要么成立独立于体制外的团队和资源池来进行创新,比如成立研究所、创新实验室,将创新团队从原有的组织中剥离。这些创新模式有其意义,使得组织能够在旧有“体制”不变的情况下保障创新投入,让企业的创新方向与领导者战略保持一致,易于指挥和管理,尤其对于在特定方向上做出创新突破能够起到积极作用。

然而,很多历史事实证明,这种象牙塔式的创新模式难以持续地取得成功:一容易脱离客户和市场,转化为成功业务的概率低;二是创新所关注的范围有限;三是创新举措和投入受推动创新的领导者人事更迭影响。这种模式下那些企业已有部门、直接面对客户对结果负责的前线团队,依然遵循着老旧的工作方式,在创新上低效而迟缓。大型企业要持续创新和发展,除了上面这些模式,更需要“规模化”地创新,即企业要能够激活每一个部门、每一个团队的创造力,赋予组织每个单元以自主性,面对机会能够立刻行动。

在唐纳德·奈纳特森的著作《产品开发过程的原则》中,他提出,在一个有高度不确定性的复杂环境中,有效指挥所有成员以对组织最有利的方式行动、并做出最正确决定的首要原则,是“使命原则(The Principle of Mission)”:要建立目标一致且充满创新活力的组织,由领导者传达使命和目的,制定明确的目标(而不是制定如何实现目标的详细计划),允许成员自主行动,并为组织成员达成目标所做的努力随时提供支持。这是企业实现规模化创新的原则之一。为此,我们需要一种可操作的新“体制”来规划和落地业务战略。

精益价值树

精益价值树是一种以价值成效为导向,用于分析和沟通业务愿景、战略与投资的工具,并且简单和可视化。其核心是建立从愿景、目标到投资举措的自上而下对齐,因此采用一种逐层分解的树形结构,如下示意图:

图1:精益价值树

愿景

展望未来,组织所担负的使命是什么?这个未来可能长达10年、20年或甚至更久。就像著作《基业长青》中所讲的,一个有持续生命力的组织,无论战略和战术如何应时而变,总需要有一些不变的东西,不能缺少了这样的根基。这种东西往往指向一个组织所存在的目的,指向其期望为客户或社会所创造的核心价值,这就是愿景。

企业的盈利能力本质上不是企业经营的目的,只是企业持续发展不可或缺的需要,是检验经营结果好坏的标准之一。企业的目的与核心价值不在自身内部,必须存在于企业自身以外,也就是客户和社会。就像马云提出阿里巴巴的愿景是“要让天下没有难做的生意”;又比如无印良品的愿景和价值观,“用简单的生活、更少的资源过得更好”。好的愿景通常隐含了企业最稳固的、不希望轻易改变的特征或经营模式,比如某时尚快销品牌的愿景是“以最快的新品周转速度为客户提供独一无二的选择”。好的愿景要能够驱动企业在方向上做出选择,不会随着时间快速过时的;应当是能够激励人心的,能够为组织的每一个人之所以在这里忙碌奋斗提供意义,而不是一句空洞的口号。

目标

要达成长远愿景,企业需要有可执行的业务战略来引导行动方向,需要通过达成一个个更加现实的阶段性目标来确保组织真地是在向着正确方向上前进,而非原地踏步。

制定目标常见的错误之一,是将达成目标的措施或解决方案当成其追求的目标本身。比如某部门2018年的目标是“建立一个智能客户服务平台”,其背后真实的目标可能是“消费者品牌形象改善”,而“建立智能客户服务平台”则是所采取的措施之一。这种目标表述的错误很可能导致组织对是否达成目标的衡量标准也发生偏差。在这个例子中,只要新的智能客户服务平台系统上线运行,该部门就算达成年度目标了,但这真的是组织期望的结果吗?目标应是对企业未来状态的描述,而不是关于如何达到该状态的行动。

第二个常见问题,是不加思量使用企业的财务运营指标作为目标。比如“提高营业收入”或“降低经营成本”。财务运营是每个企业时刻都会关注的话题,几乎所有举措直接或间接都会影响最终的运营结果,这样的目标并不能有效传递和帮助企业聚焦创新的方向,达不到自上而下战略对齐的目的。我们期望更加有行动力的业务战略目标,建议重点考虑企业竞争战略和发展战略

竞争战略理论中的波特五力模型,以及成本领先、差异化、细分市场三大战略,可以指引企业领导者去思考如何为提升竞争力制定业务战略,比如树立行业壁垒、追求卓越客户体验、别具一格的服务模式,或专注特定客户群或垂直细分市场等。企业发展战略理论中,关于如何实现增长的策略也可以作为参考,比如国际化扩展、细分市场拓展、产业链上下游整合、新营销策略,以及多品牌多产品线策略等。

业务竞争与发展往往与商业模式紧密相关,因此商业模式画布的各个要素也可以帮助决策者思考如何制定有行动力的目标。从目标客群的角度,业务战略可能是专注特定客群的深入挖掘,或向新客群拓展等,比如前述的时尚品牌,其战略是“成为中国年轻人市场的第一品牌”;从客户关系的角度,业务战略可能是提升客户品牌认知、提高忠诚度,或转变客户关系等,比如银行的经营模式要“从金融产品销售向客群经营转变”;从合作伙伴的角度,业务战略可能是改善伙伴关系,引入战略合作伙伴,或上下游供应链整合提效等,比如电商企业致力于“以开放服务构建合作生态圈”。这些实际的例子都可作为参考。

目标需要有明确且恰当的时间跨度,通常是从一年到三年。采用精益价值树方法进行战略规划的组织规模约小、组织层级越低,目标的跨度周期就越短,反之则越长;且在同一时间目标不应太多,通常一到三个,最多不要超过五个,因为战略需要聚焦。目标的另一个关键特征是必须要可量化、可衡量。组织需要定期获得反馈评估,以判断是否朝着目标方向取得了真正的进展。长时间没有反馈,极易让创新迷失方向,造成巨大浪费。精益价值树要求给每个目标设计一到三个可量化的数据指标,我们将这样的指标称为“成功的衡量标准(Measure of Success)”。

投资方向与举措

投资方向是达成目标的路径。针对每一个目标,企业往往会选择一个或数个投资方向。投资方向应该是持续的、长期的,会一直持续到目标已达成,或目标本身己发生变化。举措则是某个投资方向上的具体行动和措施。每一项举措对应着企业能够为客户或自身创造价值的一个机会点,它应当有明确要解决的问题,必然对应着一个如何解决该问题的想法和解决方案。例如某电商企业认为人工智能是实现其“技术领先”战略目标的一个重要投资方向,那么在某客户营销系统中,采纳深度学习技术提高精准性,可能就是具体举措之一。

沿着精益价值树的路径回溯,从举措到投资方向,再到目标和愿景,每一层都比上一层更加具体,投资的反馈周期更短,同时始终在方向上与上一层保持对齐。通过这样一种方式进行战略规划,有助于帮助企业进行聚焦和澄清,让所有的创新投资都紧紧围绕着企业的战略方向,也剔除掉那些与方向不一致的投资。下面这个图能够更清晰地展示举措、投资方向、目标和愿景之间的关系。

图2:精益价值树中举措、投资方向、目标与愿景的关系

成功的衡量标准(Measure of Success)

不仅仅是衡量目标进展,精益价值树要求也为每一个投资方向和每一项举措设计“成功的衡量标准”,以数据反馈来衡量投资产生的实际效果。既然企业需要为每一项举措进行投资,且投资的结果是不确定性的,但能够用于投资的资源却有限,那么及时、持续的效果反馈就是企业以最经济的方式达成目标的关键。缺少真实效果反馈,没有基于数据的决策机制,或者数据反馈周期太长,都会导致决策主要依赖人的主观判断和权力,很可能在错误的方向上过度投资,在正确的方向上却投入不足。这样企业创新就会陷入投资大回报低、对机会响应缓慢的窘境。

制定“成功的衡量标准”的首要原则是:衡量成效(Outcome)胜过衡量产出(Output)。如果用“智能客户服务平台正式投产运行”或者“团队完成1000个功能点”作为成功的衡量标准,虽然结果好坏很容易评判,但它们只能说明团队完成了该项工作,并不能说明实现了工作真正要达到的目的——既不能反映售后服务效率是否真的提高,也不能反映客户对售后服务的认可度是否提高,因为它们代表的是产出,而不是成效。成效衡量的是工作真实产生的效果,创造的实际价值,比如“客户服务请求的人工处理比例下降20%”。

关于如何设计成效指标,有很多可以参考的资料。阿利斯泰尔·克罗尔等人所著的《精益数据分析》一书我们经常推荐阅读,它比较系统性地从商业模式角度讲解了如何以数据来衡量创新成效,和设计数据指标时常见的误区。比如要设计可行动指标,而不是虚荣指标;要选择先见性指标,而非后见性指标。也可以参考肖恩·埃利斯等人所著的《增长黑客》中提出的AARRR海盗指标和增长引擎等。

综合过往观察和经验,我们提出价值衡量的“企业价值贡献”模型,从三个角度来分析创新和投资的成效,如下图所示,并且我们针对每一子类的指标,总结了大量具体的实例。

图3:企业价值贡献(EVC)

  1. 衡量客户价值。这里的“客户”泛指所有购买或使用企业所创造产品和服务的人群或组织,包括使用企业内部系统的用户。有效解决客户的问题,是企业的存在目的和能够长期生存与发展的根本。因此成功的衡量标准首先应该从客户价值的角度思考,包括带给客户的收益、客户服务体验以及客户是否喜爱使用我们的产品与服务。例如“请求处理周期”、“客户活跃度”等。
  2. 衡量企业效益。企业效益是指投资给企业自身带来的好处,这不能仅仅是当前的财务指标,也应包括对业务成长性和内部持续改进的衡量。相比客户价值,衡量企业效益往往更容易获得数据,能反映企业生存和发展的直接状况。但企业价值指标大多是比较滞后的结果指标,从短期来看,创新给客户带来的价值与为企业创造的收益并不总是一致,如果一味追求企业效益则会造成短视,对长远发展可能适得其反。
  3. 衡量社会使命。在为客户和自身创造价值的同时,还应当谨慎思考其带来的“外部效应”,即企业的经济活动对目标服务对象(客户)以外的的其他人或社会产生的有利或有害影响。外部效应很容易被企业有意或无意地忽略,这需要企业领导者具有社会使命感。例如税务局通过数字化手段,将线下的纸质发票全部改为电子发票,既能创造客户价值提高企业开具和处理发票的效率,同时还减少纸张使用,减少树木砍伐,产生正向的环境效应。

要设计合适有效的成效指标是有难度的,这需要创新者深刻理解想法和解决方案背后的目的和价值,并能客观面对其对习惯思维的挑战。在设置成功的衡量标准时,有时考虑在关键成效指标外再提供一两个不同角度的“保护指标”,避免对单一指标的片面追求导致偏离真实目的,产生不期望的后果。比如当一笔投资的期望成效是提高单客户收益率时,避免因此而不择手段地伤害用户体验,因此增加客户流失率或客户评价指标作为保护指标。

综上所述,精益价值树正是遵循了“使命原则”:由企业领导者清晰地描绘组织的经营目的、核心价值,即愿景;然后制定战略目标,并提出衡量目标是否取得进展的合理方法;接下来可以为每一个目标的实现指定一个责任人或团队,由该团队再进一步管理为了实现该目标需要关注的投资方向和举措、并作出决策。随着不断浮现的新机会,以及实施解决方案后真实成效的反馈,这些投资会动态调整。机会的识别和解决方案的设计,来自这个责任团队及其下属,只要团队在持续取得预期的进展,高层领导者完全不用控制每个决策和行动,而是由团队自主进行。同样,目标的责任团队也可以为每个投资方向指定一个责任人或团队,并提出该投资方向上是否取得实际成效的衡量标准,然后由投资方向的责任团队再自主管理,对该方向上动态浮现的一个个机会和具体举措进行决策。以愿景与目标驱动,以投资的实际成效衡量价值和进展,这样可以打破自上而下的强控制文化,能够良好地达到目标一致性与团队自主性的平衡统一,为企业的规模化创新提供制度条件,帮助企业实现持续发展。

以“接球”方式让战略落地。

精益价值树是站在企业的某一个业务层级来规划战略和投资。对大型企业来说,从整个企业到各个业务单位、事业部或子公司,再到产品团队,每一级即要为上一级更大范围的整体战略服务,同时也需要细化自己领域更加具体的目标,并发挥创造性产生更加丰富的投资组合。

在杰斯•亨布尔等人合著的《精益企业》最后一章,以在组织各个层级建立PDCA环的方式,阐述了一种隐喻为“接球”的战略部署机制,在企业的各个业务层级之间通过战略与目标对齐、并实现自主性的方式将组织战略有效落地,使得各个业务层级能够灵活、快速响应市场机会,从而做出规模化创新。精益价值树工具正是这样一种PDCA环的具体实现。当企业自上而下在各个业务层级应用精益价值树进行规划,就可以有效地实现“接球”式战略部署,替代传统控制型和集中式预算审批的战略落地方式。如下图所示:

图4:在各层级应用精益价值树以“接球”方式进行战略部署

这个过程之所以被隐喻为“接球”,是为了唤起上下组织层级之间一种协作式的活动。自上而下的愿景、目标和投资方向对齐不是个简单的照搬过程,而需要理解和转化。每一级需要解读来自上一级的战略对自己意味着什么,站在自身组织所担负的愿景角度,思考如何为实现更大范围或整个企业的战略作出贡献。同时,每一级通过战略规划和持续的成效衡量会给上一级的战略规划提供反馈,有时这种反馈甚至可能引起更大范围组织战略上的调整。上一级组织,则通过与其下级协商目标、投资方向与成功的衡量标准,并定期获得成效反馈来判断和影响其下级的方向,而不是通过直接左右其行动。这样,下级组织就具有了战略和行动上的自主性。

基于精益价值树的“接球”式战略规划和部署过程,与业界不少创新型企业推崇的OKR目标管理有相似之处。两者同样强调以目标对齐和关键成效的持续衡量来激活创新;但精益价值树不仅仅对齐目标,而且强调从客户价值角度衡量结果,强调成效胜过产出;通过更加清晰地传递经营目的与核心价值,并与组织的动态投资组合管理紧密衔接,为下一级制定战略规划和决策投资提供更具指导性的信息。但也正因为此,精益价值树并不适用于组织的每一个细分层级,如太小的团队和个人。实践中可以将两者相结合,在组织顶层和每个大的业务层级,比如相互独立的业务领域、事业部和业务产品上运用精益价值树进行规划,包括愿景、目标与投资组合;而在各部门或产品内部的小团队和个人层面,采用OKR的方式制定目标和关键结果。同样遵循“接球”的原则,小团队和个人需要充分理解和转化上一级制定的目标和投资方向,思考自身如何作出贡献,提出自己的想法并与上一级沟通协商来制定自己的目标,而不是照搬。OKR也要求对目标和结果进行较频繁定期的评审,比如每个季度,以此来动态调整方向,这与精益价值树的原则完全一致。

最后,在应用这套方法时一定要谨记一点:同样是对结果进行衡量,精益价值树和成功的衡量标准不同于传统的关键绩效指标(KPI),不能将它等同于人员绩效考核。尤其在中国,多年以薪资和晋升等较单一手段进行员工激励的传统,使得很多管理人员认为任何事情只有与决定薪资和晋升的绩效考核挂钩才有效。这是一种错误认识。无论颠覆式创新,还是渐进式创新,结果都有不确定性。即便是抄袭其它竞争对手的想法,能否在自己公司成功也很难说。如果创新实验的结果直接决定了工资涨幅,那还有谁愿意去做创新,谁愿意设置有挑战性的目标呢?鼓励实验、接受失败、勇于挑战、和追求卓越的组织文化是现代企业实现规模化创新的文化基础。


更多精彩商业洞见,请关注微信公众号:ThoughtWorks商业洞见

Share

银行IT的敏捷转身

[摘要]

中国银行业的数字化转型才刚刚拉开帷幕,作为转型重点的银行IT部门正在经历从开发模式到组织定位的巨大变革。本文从时下银行IT广泛的敏捷转型开始分析,揭示了中国银行业面临的数字化挑战,分享了应对挑战的一些共识,同时给出了中国银行数字化转型的大方向。

数字化挑战

过去的3年时间里,我作为敏捷转型顾问,合作频次最多的,就是全国大大小小的银行。银行业IT这一波的敏捷转型,很多人会归因为互联网金融的冲击,认为银行业IT被迫从原来的内部职能部门走上前台,迎战外部市场的挑战。也有不少银行从业人员,对此持有不同看法:类似P2P这样的互联网业务,对中国的银行业还谈不上任何的冲击。在我看来,真正冲击中国银行业的,是以下两个方面:

  • 服务渠道的变迁——渠道从过去实体的网点向数字化渠道转移。注意,这并不是说所有的服务都变成了移动APP,而是所有的服务都会用某种数字化的形式呈现,比如现在到工行建行网点办卡都是通过一台综合服务机;交行几年前开始试点网点机器人,而招行已经在刷脸取款。由于银行之前是没有数字化部门的,所以这些要求自然跟IT挂上了钩。
  • FinTech的冲击——技术突破正在改变业务形态。最近火过了头的加密货币(比特币)正是这样的技术案例,它可能对未来银行业务产生颠覆性影响。在欧美很多利用智能技术做征信的平台也快速崛起,替代了传统费时费力的背景调查。对比之前的传统银行科技,FinTech拥有非常大的不确定性,这给习惯于购买成熟软件产品的银行带来了不小的挑战。当然由于又是科技相关,所以这口锅自然也得IT背了。

以上两点带来的变化显而易见,所以,无论提不提敏捷,银行IT都得转型。建立在支撑基础业务、保证业务稳定运行之上的IT部门,不可能自然而然演进成为“以用户为中心,思考服务体验,并保持对业界先进技术洞察”的新型数字化IT部门。下面就结合我过去3年中,近10家银行的顾问经历,谈谈这个转型中的挑战和可能的应对之策。

稳与快

我们辅导过一家外资银行,一上来就要求全球范围实施DevOps,“全面”敏捷。作为顾问,感觉很爽,改进起来气贯长虹。半年之后,已经没有不做敏捷改进的项目了,就连基于小型机AS/400的系统也都走上了DevOps的持续发布之路。

中国的银行业可就不是这样一个情况了。我和业内熟悉的几个人,经常开玩笑说“‘喝茶’就是悬在中国银行敏捷转型头上的‘达利摩斯之剑’”——高管们心里羡慕着互联网玩法的“小、快、灵”,脑子里却时刻担心着因生产事故被请去“喝茶”。转型需要经历烟斗曲线,当刚好处于曲线下挫点时,很可能因为一次事故而被全面叫停。一位银行科技高管曾经在内部会议上对我直言:“不要以为我不支持敏捷,正是因为我支持,所以才拉着你们跑慢一点”。

团队里有顾问找到我说不想做中国的银行了,太纠结,犹抱琵琶半遮面。于是我反问这位顾问,为什么中国的银行不能像外行一样一步到位呢?是因为太保守或者太官僚?一时问得对方语塞。其实,外行比起咱们可能更保守,生怕有一点负面消息,有的机构更庞大,更官僚。那么是什么原因,让我们中国的银行不敢“全面”敏捷呢?

就我目前认知,中国银行和外资银行有两点显著不同:一是中国银行集中精力办大事儿的构建方式;二是中国银行IT的历史定位。

如果我们对比中外银行的业务架构,会发现咱们的银行在业务设计上非常集中。这样的集中思路投射到IT系统建设上也是非常明显的:一般会考虑一套系统支持多条业务线。经典的例子是咱们的银行一般只有一套清算、核算平台,而外行每条业务线可能有自己的独立平台。集中建设的好处自然已经体现出来了,短时间我们就构建起来了一个相对完善的金融电子平台,但带来的问题就是系统非常复杂。

(图:中外行典型组织结构区别)

在敏捷转型过程中,有两个领域的复杂度是让我头疼的:电信和金融。大家可能想象不到,打通一次电话和完成一笔转账都要涉及近亿行代码!一条业务需求动辄要求修改十几个独立应用!咱们集中建设的银行系统显然不是随便就敢改的,早期即使在银行大型机系统上引入迭代开发都是很困难的。而这些系统往往又是银行的核心主干,任何小错误都可能造成致命的连锁反应。

在IT定位上,从国有五大行到各大股份制银行,基本都将IT归到了科技部下面统一管理。从组织结构上,可以看到IT的定位是一个共享的内部服务部门,或者说,是一个成本中心。最初的IT只是管理一些购买的商业软件和平台,并没有作为一个强自研能力的组织存在。银行IT的自有员工和外包人员比例,普遍都在1:6左右,一个主要的IT系统可能也就能投入两三个长期自有员工。到了现代,这个以科技为核心(Tech@Core)的时代,这样的人员配置显然已经捉襟见肘了。

以上两个因素,从技术架构和人员架构两个方面制约了敏捷的大规模推广。所以,银行想要“快”起来,往往不那么容易。各家银行的转型,都会选择相对新的技术领域,或和用户结合比较紧密的应用开始试点。而初期的转型目标,也会设定为“探索在现有约束条件下,如何进行敏捷模式落地”。最终,大多数银行都会走向“双模”:明确哪些系统和应用更看重业务表现的稳定性(采用瀑布模式),哪些更看重市场变化的响应速度(采用敏捷迭代模式)。

(图:源于Gartner总结的双模IT架构基本示意图)

理论上讲,“双模”只是一个过渡状态,这种方式也受到了不少专家的批评。“双模”可能会掩盖掉一些更深层次的问题,比如系统快不起来,根本原因其实是架构质量问题。从科技的发展趋势来看,确实止步于“双模”是不明智的,微服务化和平台化架构的逐步成熟会让以前稳定第一的系统也快起来。但就目前的约束来看,“双模”是已有成型建制银行IT的必经之路,其意义更多是在组织里植入管理不确定性的能力,从而构建对市场变化的快速响应能力。

效率与响应力

“唯快不破”是互联网服务发展的必备条件,而这个“快”其实是被很多管理者误解的。这个误解也造成了银行IT管理者们对“快”的提法有些许反感。这个误解的根源,在于对效率和响应力的混淆。

如果我们正确分析互联网成功服务的特质,就会发现他们根据市场变化推出和改变服务的速度特别快,而这个快很明确是在响应力上。举个日常生活中的例子,作为干洗店的客户,我们其实并不关心干洗店内部的效率问题(例如单位时间处理多少件衣服、干洗机的利用率等),我们关心的是干洗店能多好多快地把我们衣服洗好。

互联网时代给银行业带来的一个明显转变,就是从过去“以自身服务为中心”,到现在“以客户为中心”。从前在以自身服务为中心的时候,我们的管理方法及技术实践都是围绕效率来做的;到了这个时候,显然我们必须用客户的视角来思考问题,所以就需要更加关注响应力。当我们在追求效率的道路上走到一定程度,就有可能伤害响应力。比如为了干洗机的利用率,我们批量分类客户的同类型衣物放一个批次,显然这样的做法在订单达到一定数量的时候,会减缓每个客户的交货时间,让客户等待更久,伤害了对客户的响应力。

同理,这也是为什么在敏捷组织里,我们提倡少分角色、跨职能协作。当我们的分工过于细化时,对外部的变化响应能力就下降了。在传统银行IT系统里这样的情况是很普遍的,一个业务需求需要分解到十几个应用模块完成,而每个模块都只能由一个专人完成。

理解响应力的重要性并不难,但实践高响应力的管理却是相当困难的。银行业是一个重流程管理的行业,银行IT显然也继承了这样的基因。重流程标准化的管理方法,造成大家习惯性地进行自身局部效率的优化,实则增加了端到端的响应时间。我经常举一个发生在我们每天日常工作中的例子让大家意识到这个问题的严重性。

你是一位IT管理者,小王是一位认真负责的开发人员。一天他告诉你,现在项目A上他的工作进入尾声了,接下来只需要占用他一半的工作时间。这样的情况下,小王希望请示接下来的工作安排。在实际工作过程中,大家会赶快告诉小王启动项目B的工作,或者分配给他项目C的部分工作。假设小王启动了项目B的工作,很快他发现需要小李协助才能开展分析工作,而小李这个时候正在项目A上忙得不可开交。接下来有意思的事情就发生了,小王显然会要求小李配合,而这事儿如果真正发生了,显然就耽误了项目A的工期,那么项目A的完成时间就要推后了。小王和小李有可能找到你来请示工作优先级,然而,可怕地是,在你的意识里,会觉得这显然是“加加班”就能解决的问题!

于是,整个IT产业陷入了做不完的需求和越来越严重的内耗!

(图:小王工作安排示意,由于项目B的引入工作越来越多,成效却变少了)

实际上,如果我们认识到项目A的关键要素是快速推向市场,那么我们给小王的安排应该是让他继续专注于项目A,看看什么地方能够协助团队尽快完成项目。这个认知的转变是困难的:

  • 作为管理者,要放弃过去对人员利用率的执着,理解利用率和响应力不是正比关系,在一定阶段后甚至和效率也没有正比关系。
  • 作为员工,要放弃一个萝卜一个坑的工作模式,保持持续学习和跨职能工作的能力,把自己构建成一个T型人才。这个案例中,小王要能够帮助项目A的其它工作,就要求他具有开发之外的其它能力,比如测试。

在这样一个时代背景下,银行IT的敏捷转型,实际是基于以用户为中心的根本原则,加强整个组织的响应力。如果大家还在以“一个功能实现是不是更快了”来度量和牵引转型方向,那么请尽快调整到“面向市场和用户的端到端交付指标”上来。

业务与技术

懂业务是银行业人员晋升的关键因素。曾经在一次银行IT中层管理干部的培训上,我让大家举手表决是向业务方向发展,还是向技术方向发展,结果是全部都选择的业务方向。不可否认,银行业务的复杂度,要设计一套IT系统需要很强的业务理解。但数字化时代,技术成为了越来越重要的一个支柱,各银行组织如果不能快速构建技术人员的职业通道,必然很难在数字化上取得真正的收益。

我们从两个方面来看看中国银行业技术方面的挑战。

第一点是没有足够的技术封装。经常看到一个有意思的现象是,银行业务人员会看数据库,每一张数据库表就映射一张物理世界的报表。这样的设计结果往往是一张银行数据库表可能有好几百个字段。一段时间内,这样的设计是很流行的,因为沟通需求和最后验收都会相当顺畅,直接看数据库表就完成了技术和业务的交流。隐患就是,数据库根本就没有模型可言,修改任何的数据项都需要波及整个系统,所以大家就倾向于一开始就把所有的数据项全部列好,如果不确定就先留下一些空字段以备后续不时之需。

由于根本没有数据模型封装,看似业务上便于理解的设计,到后来也会因为冗余严重、耦合紧密而变得难于理解,或根本不可维护。只要是在基于如此架构上工作过的IT人员,就特别能理解,“为什么弄懂一个几千行的存储过程,需要花几天时间”。没有封装的结果,就是每个维护修改者都需要理解已有系统的所有复杂细节。这也是为什么我们在银行核心COBOL系统中,会看到大量的冗余代码——与其修改已有的程序,还不如忘记已实现的业务,为新增业务重新开发。

第二点是没有开放的技术生态。银行业经常把基于Java这样现代语言的开发称之为开放平台,与之对比的是传统基于大型机和小型机的封闭开发环境。最近还就开发效率问题和一个老牌银行技术人员进行过讨论。一个观点是,基于成熟封闭环境的开发一旦上手其实效率可以很高,对金融行业来说更加模式化,并且硬件保证了高性能和稳定性。于是我也花了不少时间,来研究这样环境下的开发模式,比如在绿色的传统命令界面上完全采用键盘操作,从代码管理到部署都是私有的平台和工具。

从我的角度来看,传统封闭开发环境有以下几个致命伤:

  • 技术设计的表现力不够,造成可维护性差。长期下来,系统修改十分困难,成本随时间爬升很快。
  • 不能够利用很多已有资源。从开源到云服务,实际上都是开放生态中的可用资源。开放技术的全球知识库早已超越了任何一家企业可以提供的技术服务。使用这些共享资源的门槛,就是需要加入到这样的开放生态中去,随着环境的发展而持续演进。
  • 难以支撑快速的市场和用户扩张,对基础资源抽象隔离不够。以云服务为例,某种意义上,云是对之前我们计算机硬件资源的封装,让其成为像日常生活中水电气一样的公用资源,它使得我们在数字世界扩张的时候可以不再受基础资源的限制。然而,在银行IT中,这样的基础资源和服务抽象很少。

很多银行已经意识到了上述的问题,在科技发展方向上,决定逐步将系统应用向开发技术平台迁移。但还存在很严重地照搬过去架构设计的倾向,如前述数据库设计问题仍然存在于新系统中。在敏捷转型过程中,会发现即使在开放平台上也很难实现端到端的业务价值交付,其中核心症结之一仍然在技术架构上。去年,我花了比较大的精力在领域驱动设计(DDD)的推广上,也是希望通过这个方法让银行IT组织认识到正确的架构设计思想。

未来的银行数字化部门应该在应用设计上达成业务和技术的架构绑定,而在人员任职上形成业务和技术的双通道。

文档与人

曾经一句玩笑话“人走文档留”,引起了我对银行IT人才观的深入思考。从较长一个时期看,IT人才观的转变可能是中国银行业的最大挑战。在前沿程序设计会议上,当我倾听一家外行科技VP讲函数式编程,看到两家美国银行收购硅谷技术公司的业界新闻的时候,就深刻地意识到,把“文档”当成IT资产的观念,将会严重阻碍中国银行的科技发展。

也许,在国家鼓励下的BATJ合作,可能给咱们的银行IT业带来深层次的冲击。从去年开始,这个冲击已经超越了我们经典意义上的敏捷转型,而是银行组织级的变革。在这个过程中,我认为我们要解决三个组织级的定位问题。

  • IT合作伙伴的战略定位——从现在的人员外包模式,到面向价值共享的战略合作模式。现行包人头的方式,是敏捷转型的障碍,在银行数字化转型过程中必须重视并解决。当IT和数字化成为银行业未来业务的重要支柱,合作伙伴的定位及合作方式就必须相应改变。
  • IT人员的能力定位——从现行的流程执行模式,到面向业务和技术创新的持续学习模式。随着智能技术在未来几十年的持续渗透,追求效率的金融领域会逐步用机器替代掉重复性工作中的人。这对IT的影响是更深远的,很快我们就会有机器来代替基础的程序员和测试人员,也不再需要管理这些基础人员的IT自有组织。但更为紧缺的是,具备持续学习能力、能够快速响应市场需求变化的数字化人才。
  • 数字化平台的支撑——从过去组织统一流程、检查规范模式,到平台化快速支撑模式。针对未来的不确定性,做细管理流程、强化检查节点的帮助其实是有限的,而提供快速的试验支撑,能够灵活快速地启动小规模多点尝试,则是成功的关键。

人才这个话题上,有一点是确定的:整个组织需要构建数字化人才的能力模型及持续培养体系。去年在国内,我也很欣喜地看到,若干家银行的高管们,开始过问大数据人才的招聘和留用问题,关心在现有体系下如何开辟新的渠道来灵活留用人才。

数字化未来

前面谈了目前银行业IT转型的挑战,最后让我们展望一下未来可能的方向。在前文中我已经多次提到了“数字化”。一个可以预见的未来就是数字化银行,其实《银行3.0》中已经描述了这样的现实,作者也已经开始讲“银行4.0”了。

应该澄清的一点是,数字化不等于IT系统,数字化能力不等于写计算机程序。IT系统仅仅是数字化的一个基础,数字化包含了以用户为中心的实时战略方法和高响应力的敏捷组织,在这样的组织里对技术卓越及创新生机文化的追求是大家的共同目标。

(图:数字化转型模型)

银行业IT的敏捷转型,显然必须服务于这个数字化未来。通过敏捷转型,我们需要把现行的IT部门变成未来数字化银行业务的支撑平台之一。而IT的敏捷转型最终目标应该明确为:

  • 提升端到端的市场响应能力,从而能够为科技引领创新提供能力支撑。
  • 探索科技和业务融合的新模式,从而能够为数字化业务提供模式支撑。

中国银行业的转型才刚刚拉开帷幕,敏捷转型的模式还需要更多的实践者出来分享和交流,谨以此文作为和大家交流的起点。


更多精彩商业洞见,请关注微信公众号:ThoughtWorks商业洞见

Share