智能商业时代:响应力与数据力

[摘要]

新时代的企业需要快速且弹性十足地应对变化中的各种状况,“响应力”来源于创新,通过敏捷和协同发挥其最大价值,拉动企业应对各种变化;“数据力”则是企业发展的新驱动引擎,通过广泛、高效和便捷地运用数据,驱动企业预测变化和持续发展。响应力和数据力是智能商业时代企业必需的能力。


未来的智能商业时代充满变化和不确定性,以线性规划和条线化管理的企业越来越难以适应当今的挑战。新时代的企业需要快速且弹性十足地应对变化中的各种状况,不应当再以效率为追求目标,而是应该让自己获得持续应对变化和不确定性的能力。

1 响应力应对企业发展过程中的变化

在未来的智能商业时代,新技术应用层出不穷,根据加速回归定律,人类出现以来所有技术发展都是以指数增长。我们花了90年的时间,才把计算机的计算能力发展到第一个MIPS/千美元,而现在我们增加1个MIPS/千美元只需要5个小时;19世纪末的电话从发明到普及,大约用了半个世纪,20世纪末的手机从发明到广泛应用大约用了10年的时间,而互联网从1991年的发明到其广泛普及仅用了7年的时间。

在未来的智能商业时代,产业环境日趋动荡。21世纪初期,诺基亚在全球手持设备市场中有着压倒性的优势,2007年,诺基亚是全球第一的智能手机供应商,市场份额接近50%。到2013年第二季度的时候,它的市场份额就急剧缩水到3.1%。短短的6年时间,诺基亚就从行业龙头掉出行业前五。类似的情况,在柯达身上再次上演。2001年,全球胶片的销量达到了顶峰,之后市场开始缓慢地萎缩,然后不断加速,最后以每年20%或30%的速度暴跌。2010年,全球对摄影胶片的需求下降到不到十年前的十分之一。面临着市场的快速萎缩,柯达一直没有找到很好的应对办法,最终不得不在2012年申请破产。

随着技术指数增长和产业环境日趋动荡,企业的响应力变得越来越重要,是企业应对变化的力量来源。

同样是胶片公司,富士胶片却因快速的响应力而得到蓬勃发展。在原有核心业务急速下降,数码技术几乎完全取代胶卷的背景之下,富士胶片迅速制定VISION 75的六年计划,通过技术创新将在胶片领域形成的十多项核心技术,创新性地应用到医药品(化妆品)、数码影像、印刷等6个成长潜力巨大的领域,在创造出全新的市场同时开发新兴市场,最终实现了业务多元化的经营。2000年,富士胶片有54%的业务来自于影像事业,而经过15年的转型发展,2014财年,富士胶片的影像事业占比仅15%;信息事业(健康护理、印艺系统、平板显示材料、记录媒体等)占比38%;文件处理事业(复印机、打印机、多功能数码文印中心、耗材等)占比47%。该财年,富士胶片收入达到2.44万亿日元,同比2000年增长80.7%。

1.1 企业的响应力

一个企业响应变化的能力,我们称之为企业的“响应力”。
响应力越大的企业,意味着能更灵活地适应市场、业务和客户需求的变化,更充分利用新兴技术,更快速抓住商业机遇,在变化中调整战略,形成持续性的竞争优势和生态优势。因此,响应力是企业在智能商业时代的必要能力之一

企业的响应力来源于创新,通过敏捷和协同来发挥其最大价值。企业内部组织的敏捷和跨部门的协同,就好像企业的响应力增益器,对业务和技术的变革创新起到放大增益的作用。

  1. 企业响应力的两个主要影响要素是资源和企业响应力增益器;
  2. 响应力增益器的增益效果,主要取决于企业内部的敏捷和协同;
  3. 企业在提高响应力的过程中,不应仅关注创新资源的投入,还需要关注企业内部敏捷和协同的改进;
  4. 业务和技术的变革创新、组织的敏捷转型和企业内外部的协同合作,是提高企业响应力的有效途径。

1.2 业务和技术的变革创新

企业的响应力来源于业务和技术的创新,创新性越强,企业就越容易运用创新方法来解决现有问题,运用新方法来应对市场的挑战和变化,促进企业的发展。

金融机构或涉及大量复杂法规和信息系统的大型企业每天都面临着大量风险,风险管理一直以来都是这些机构/企业的重要业务。2010年,澳洲德勤发现,风险管理这一重要业务之一因主要与遵守规章制度和技术的完善性相关正在变得越来越标准化和普通商品化,市场竞争越来越激烈。德勤的大多数竞争对手都对风险管理重新定位,通过创造更符合成本效益的解决方案来控制风险。但德勤选择了一个不同的方向:把“风险”从需要担心的问题来源转变为价值来源,推出了创新的风险服务系列,将风险的意义从负面转变为正面,摆脱了与竞争对手在普通商品化的竞争。在3年内,澳洲德勤的风险服务收入增长了30%,而且由于提供了更高的价值,在市场中的大多数竞争对手都缩减规模时,其利润率却上升了80%

1.3 组织的敏捷转型

敏捷性是指企业在变化中灵活快速适应和自我引导的能力。敏捷性越高的企业,团队生产率和员工满意度越高,顾客参与度和满意度越高,最有价值的产品和功能问市更迅速、更可预测,并能更有效地降低风险。

最初使用敏捷的是公司的IT部门,现在已经传播到各行各业和诸多职能部门。ING是一家植根于荷兰的全球化金融机构,拥有员工113,000人,在全球50个国家为6千多万客户提供银行、保险及资产管理服务。从2014年底,ING开始部署敏捷转型战略,通过敏捷变革实现了管理层级扁平化,将原有 6 个层级、30 多个独立部门、近 3500 名员工缩减到了 3 个层级、13 个敏捷部落和 2500 名员工。在新的敏捷组织和工作机制下,ING实现了四个“快”:发现机会“快”,决策速度“快”,开发上线“快”,团队执行“快”。产品和服务推出市场的速度提高了50%,新功能从概念的产生到最终的交付只需要短短的5周上线周期也从每年 2~3 次缩短到2~3周一次,员工效率提高30%,客户净推荐值(NPS)大幅提升

敏捷不单给ING的发展带来了正向的促进作用,也帮助各行各业快速落地新产品:美国全国公共广播电台(NPR)利用敏捷方法创造新节目;约翰迪尔(Jonh Deere)采用敏捷方法开发新机器;萨博(Saab)运用敏捷方法生产新战斗机;Mission Bell酒庄更是将敏捷方法用到了造酒、仓储和高管层运营等各个方面。

根据大量的成功案例统计,组织敏捷性和经营业绩间存在着明显的正向关系,麦肯锡组织健康调研结果印证了这一点,70%“最健康”的企业属于敏捷型组织,并有2倍的可能性取得优于同业的经营绩效

1.4 企业内外部的协同合作

协同性,是指协调两个或两个以上的不同资源、个体或组织,共同一致地完成某一目标的能力。

企业的响应力不仅需要创新性和敏捷性,还需要通过团队和部门之间的高效协同,达到“1+1>2”的协同效应,才能发挥出响应力的最大价值,促进企业发展。

中信集团是一家跨国企业集团,也是国内最大的综合性企业集团,业务涵盖金融、资源能源、制造业、工程承包和房地产以及信息产业等多个方面,2018年位居美国《财富》杂志“世界500强”企业排行榜第156位。在30多年的经营发展过程中,中信集团围绕集团总体发展目标,打造符合中信特点的多元化协同战略、管控体系和协同机制,有效配置、整合与共享集团各类资源,从而提升各子公司的市场竞争力,降低市场拓展的成本和风险,更为广泛快速地捕捉市场机遇和开拓新市场,并能更容易提供创新产品和增值服务,有效增强客户的忠诚度。

2010年9月,中信集团设立业务协同部,至今已经与31家大型企业集团和15家省市地方政府及部委机构建立战略合作关系,在集团层面统筹合作,借助强大的整体优势,为集团各子公司获取合作商机。2015年,中信银行杭州分行发挥中信“商行+投行”以及“金融+实业”的协同优势和快速的响应力,迅速推进包括梳理主营业务板块、健全公司治理制度、引入外部评级机构等方面的工作措施,帮助柯桥区国有资产投资经营集团有限公司实现大规模和低成本的融资,发行的中长期债券平均成本不到4.5%,降低融资成本2%

2 数据力消除企业发展过程中的不确定性

响应力能让企业更灵活地适应市场、业务和客户的变化,但是长期被动应对变化,会导致企业缺乏宏观层面的发展战略规划,不利于企业的长期稳定发展。发展战略规划需要围绕企业的经营主业,在对现实状况和未来形势进行综合分析和科学预测的基础上,制定并实施的具有长期性和根本性的发展目标与规划。现实状况的分析需要数据,未来形势充满不确定性,科学的预测也需要引入数据。因此,企业需要增强数据和信息的使用,通过提升企业的数据力,制定更加可持续的发展战略

20世纪中叶的以数字技术为代表的新一轮科技和产业变革,意味着增强人类思维能力的“第二次机器革命”时代来临。数字化信息的爆炸式增长是“第二次机器革命”时代的的特征之一。

根据希捷科技与IDC共同发布《数据时代2025》报告预计,到 2025 年,全球数据圈将扩展至 163ZB (1ZB 等于 1 万亿 GB),相当于 2016 年所产生 16.1ZB 数据的十倍

全球数据正以指数级的速度在增长,而且随着无线宽带、快速网络和云存储的普及,这些海量的数据不再是静静地驻留在存储设备里面的“死”数据,而是可以通过互联网频繁流动,任意终端都可以访问的“活”数据。Cisco预测全球IP流量到2022年将增长到2017年的3倍,达到396 EB/月

随着数据的规模和活跃度不断增加,企业获取和运用数据的能力也变得越来越重要。

在线影片租赁服务商Netflix就是非常善于获取和运用数据的例子。在Netflix的早期10年,用户增长和活跃度都不高,主要是由于缺乏对用户需求的了解,只能推荐最热门或者评价最高的电影,导致个性化推荐不够精准。每个用户的口味相差都很大,根据热门好评价的推荐并不能有效的吸引用户。随着数据量的积累,尤其是对于每一位用户相关的各种维度的数据积累,Netflix的个性化推荐开始越来越准确。据Netflix宣称,其用户所观看的节目有80%都是来自于推荐的。精准的个性化推荐不仅提高了用户的活跃度,还帮助Netflix获得成功。2014年,Netflix的流量占美国峰值流量的34.89%;2017年,Netflix用户数量超过美国有线电视用户总数;2018年,Netflix市值首度超越迪士尼,成为成为全球最具价值媒体巨头。

2.1 企业的数据力

一个企业获取和运用数据的能力,我们称之为企业的“数据力”。
数据力越大的企业,意味着能获取更多的数据去优化生产和运营,能利用更多数据去分析洞察市场和客户的变化,能向更多的领域开放数据,拥有更大的生态影响力,从而获得更大的竞争优势和生态优势。因此,“数据力”是企业在智能商业时代的必要能力之一

企业的数据力来源于数据获取,通过数据处理和数据应用来发挥其最大价值。企业内部的数据处理和数据应用,就好像企业的数据力增益器,对内外部数据起到放大增益的作用。

  1. 企业数据力的两个主要影响要素是数据量和企业数据力增益器;
  2. 数据力增益器的增益效果,主要取决于企业数内部的数据处理和应用;
  3. 企业在提高数据力的过程中,不应仅追求海量的数据,还需要关注企业内部数据处理和数据应用的改进;
  4. 广泛的数据获取、高效的数据处理和便捷的数据应用,是提高企业数据力的有效途径。

2.2 广泛的数据获取

企业数据获取的广泛性,是企业数据力的基础。数据获取越广泛、数据来源渠道越多,企业的数据规模就越大、数据类型就越多、,数据也就越全面、越高质量。

据Gartner的报告显示:企业中80%的数据都是非结构化数据,而且还在快速增长。目前,国内的企业在进行大数据分析时,仍以分析结构化数据为主,而在美国,很多企业已经开始分析非结构化数据。有统计称,在商业数据库中,约有2%的客户信息会在一个月内变得陈旧,即是说,在2年内,会有近50%的记录因为过时而使其可用性受到影响。劣质数据每年给美国造成的经济损失高达6000亿美元。如果企业使用的是陈旧数据,那么有很高的概率会做出错误的决策。

因此,企业需要时刻关注内外部结构化、半结构化和非结构化数据的获取,同时还要不断扩大获取数据的时间范围,以保证数据的精准度和时效性。

2.3 高效的数据处理

企业数据处理的高效性,是企业数据力的保障。企业数据处理越高效,企业可以存储和处理数据的效率越高、实时性越强,也就越能发挥数据的价值。

无论是云计算、大数据还是企业的各种应用,其基础都是低成本、高性能、可扩展、易用的存储系统。随着企业数据获取能力的不断提高,数据规模也越来越大,传统的单机存储已经无法满足数据存储和处理的需求,必须采用集群化的分布式储存方案。Google、亚马逊、阿里巴巴、百度和腾讯等国内外的企业都在重点研发自己的分布式储存系统,例如Google分布式文件系统GFS、分布式表格系统Bigtable,亚马逊的分布式键值系统Dynamo以及阿里巴巴的开发分布式数据库OceanBase。

企业存储的数据,几乎都需要经过计算才能发挥其价值,所以数据计算能力对于企业的数据处理能力有着至关重要的影响。以大型机为主导的集中式计算,虽然单机性能卓越和稳定性好,但是扩容价格高昂,一台大型机一旦出现问题,将导致整体系统的不可用,而分布式计算在价格成本、自主研发、灵活兼容、伸缩扩展方面有比较显著的优势。

因此,企业需要根据自身的需要,发展分布式存储系统和分布式计算系统,提升数据的存储能力和计算能力,以应对未来日渐增长的存储和计算需求,以保证数据处理的高效性。

2.4 便捷的数据应用

企业的数据应用的便捷性,是企业数据力的价值所在。数据应用是数据产生价值的出口,数据获取及处理都为数据价值输出做准备。企业数据应用的便捷性越高,那么企业的数据应用场景越多,数据化和智能化程度越高,从而获取的洞察越多,内部决策越高效和准确,数据生态的构建也越容易。

MIT数字商业中心联合麦肯锡商业技术部、沃顿商学院对北美330家上市公司高管进行大数据与业绩的研究表明,“运用大数据做决策的那些行业前三名企业,比其竞争对手在产能上高5%,利润上高6%”。Google基于存储的海量的页面数据和用户行为数据,通过分析和建模,优化广告排序,制定广告的投放策略,实现广告的精准投放,将搜索流量转化为盈利模式。据2018财年第三季度财报显示,其中广告业务占总收入的85.8%,达到289.5亿美元,总比增长20%

因此,企业需要根据自身的需要,发展数据分析、数据挖掘、机器学习等技术,提高数据应用效率和降低数据应用的难度,以保证数据应用的便捷性。

3 响应力和数据力共同形成企业发展的动力

响应力和数据力都是对企业发展有作用的力。根据平行四边形定则,以响应力和数据力为邻边做平行四边形,这个平行四边形的对角线就是表示了企业动力的大小和方向,企业发展动力是响应力和数据力的合力。

根据企业发展动力的公式可以得出推论:

当企业数据力和响应力的发展战略方向一致时,即β=0,企业发展动力最大。因此,企业的响应力和数据力需要共同发展,相互促进。

4 高响应力和高数据力的企业

高响应力和高数据力的企业,应具有以下五大特征

  1. 共享愿景:在共享愿景之下,企业坚持以客户为中心,重新设计创造和衡量价值的方法和标准,并与员工、合作伙伴等内外部关系人共同创造价值。为此,企业需要一套科学透明的价值衡量机制,以统一价值衡量标准。
  2. 团队赋能:企业构建由多个高度赋权、自主自治、权责明确的团队组成的团队网络,每个团队都可以自主开展工作,应付市场及客户的变化。为此,企业需要一套价值导向的资产沉淀规范,以帮助团队积累有价值的资产;一套便捷轻量的通信机制,提供便捷的信息资源共享方式,减低员工之间的沟通协同成本。

  3. 快速迭代: 团队将任务拆分成一个个小型项目,并在短时间内集中资源快速交付,持续从市场和客户收集反馈,频繁更新以适应需求的变化,从而缩短了内部决策及学习周期。为此,企业需要一个弹性稳定的基础设施,以快速响应变化;一个灵活自动的交付平台,以加快产品和服务的交付效率;一套面向服务的架构设计规范,构建可复用的业务服务,以提高内部资源使用率,减少产品开发成本。

  4. 数据驱动:数据驱动,意味着企业的流程和决策由数据决定,而不是通过个人的直觉或经验,实现“数据获取—数据建模—数据分析—数据反馈—响应反馈”数据闭环的顺利运作和循环提升。为此,企业需要一个完善全面的监控体系,以持续收集产品和服务的运营数据及客户反馈;一套清晰简便的接入机制,以便于导入企业外部数据和信息;一个弹性稳定的基础设施,应对不断增加的数据存储和处理需求。

  5. 技术领先

    企业重视技术、架构和工具的不断演进,以积极开放的态度拥抱前沿技术和实践,并运用到产品服务的创新和运营管理的改善。为此,企业需要一个安全可靠的风险防控体系,在灵活运用新技术和工具的同时,隔离新技术和工具对现有业务和架构的影响,降低风险发生率,减少忧虑心理,维持企业可持续稳定发展。

变化和不确定性伴随着企业的成长,构建企业高响应力和高数据力基座,发展响应力以应对变化,提升数据力以预测变化,是保证企业基业长青的关键举措。


参考资料

  1. Ray Kurzweil. 奇点临近[M]. 机械工业出版社. 2011年
  2. 埃里克·布莱恩, 约弗森. 第二次机器革命[M]. 中信出版社. 2014
  3. 格奥尔格·凡尔梅特, 伊冯娜·赛尔. 破译黑天鹅:如何应对未来15年的商业巨变[M]. 中国友谊出版社. 2014
  4. 斯坦利·麦克里斯特尔, 坦吐姆·科林斯, 戴维·西尔弗曼, 克里斯·富塞尔. 赋能:打造应对不确定性的敏捷团队[M]. 中信出版社. 2017
  5. 杰夫·萨瑟兰. 敏捷革命:提升个人创造力与企业效率的全新协作模式[M]. 中信出版社. 2017
  6. 罗伯托·维甘提. 意义创新:另辟蹊径,创造爆款产品[M]. 人民邮电出版社. 2018
  7. Mark van Rijmenam. 企业的大数据战略[M]. 浙江人民出版社. 2017
  8. 吴军. 智能时代[M]. 中信出版社. 2016
  9. 车品觉. 决战大数据:驾驭未来商业的利器[M]. 浙江人民出版社. 2014-4
  10. 吕兆星, 郑传峰, 宋天龙, 杨晓鹏. 企业大数据系统构建实战:技术、架构、实施与应用[M]. 机械工业出版社. 2017
  11. 杨传辉. 大规模分布式存储系统:原理解析与架构实战[M]. 机械工业出版社. 2013
  12. 朱蒂斯·赫尔维茨, 玛莎·考夫曼, 范恩·哈珀, 罗宾·布鲁尔. 云计算商业应用:从入门到精通实战指南[M]. 人民邮电出版社. 2015
  13. 达瑞尔·里格比, 杰夫·萨瑟兰和竹内弘高. 拥抱敏捷[J]. 哈佛商业评论. 2016-05
  14. 李剑. 富士胶片:核心业务消失,核心技术永存[J]. 哈佛商业评论. 2016-03
  15. 李全伟, 马雪梅, 廖琦菁. 中信“大协同”战略[J]. 哈佛商业评论.2017-05
  16. 李默涵, 李建中, 高宏. 数据时效性判定问题的求解算法[J]. 计算机学报. 2012-11
  17. 安德鲁·麦卡菲, 埃里克·布林约尔松. 大数据:一场管理革命[J]. 哈佛商业评论. 2012-10
  18. Ray Kurzweil. The Law of Accelerating Returns[OL]
  19. Statistics. Global market share held by Nokia smartphones from 1st quarter 2007 to 2nd quarter 2013[OL]
  20. Oliver Kmia. Why Kodak Died and Fujifilm Thrived: A Tale of Two Film Companies[OL]
  21. FUJIFILM. FUJIFILM Annual Report 2014[OL]
  22. FUJIFILM. FUJIFILM Integrated Report 2017[OL]
  23. George Nott. Sharing the stories of the CIO50: #24 Ani Paul, ING Australia[OL]
  24. 麦肯锡. 大象起舞正当时: 中国银行业踏上敏捷转型之路[OL]
  25. David Reinsel, John Gantz, John Rydning. 数据时代 2025[OL]. IDC. 2017-03
  26. Cisco. Cisco Visual Networking Index: Forecast and Trends[OL]
  27. Carlos A. Gomez-Uribe, Neil Hunt. The Netflix Recommender System: Algorithms, Business Value, and Innovation[OL]
  28. sandvine. Global Internet Phenomena Report 2H 2014[OL]
  29. Product Habits. How Netflix Became a $100 Billion Company in 20 Years[OL]
  30. Ashley Rodriguez. While Disney and Comcast fight over Fox, Netflix is now bigger than them all[OL]
  31. Darin Stewart. Big Content: The Unstructured Side of Big Data[OL]
  32. Alphabet. Alphabet Announces Third Quarter 2018 Results[OL]
  33. 吴俊宏. 智能商业时代的挑战[OL]
  34. Peter Mell, Timothy Grance. The NIST Definition of Cloud Computing[OL]
  35. ING DIRECT. Zero Touch project puts ING DIRECT in a private cloud[OL]
  36. Topo Pal. DevOps at Capital One[R]. DOES SFO 2016
  37. Mayukh Nair. How Netflix works: the (hugely simplified) complex stuff that happens every time you hit Play[OL]
  38. Elena Alfaro, Juan Murillo, Fabien Girardin, Barbara H. Wixom, Ida Asadi Someh. BBVA Fuels Digital Transformation Progress with a Data Science Center of Excellence[OL]
  39. Archana Venkatraman. Monzo: Building a Mobile-First U.K. Digital Bank Using Cloud and Microservices Architectures[OL]. IDC
  40. 中国信息通信研究院云计算与大数据研究所. 数据资产管理实践白皮书 (2.0版)[OL]
  41. 麦肯锡. 麦肯锡中国银行业CEO季刊:敏捷银行[OL]. 2019-04
Share

2 Comments

发表评论

电子邮件地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据