前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >数字化转型不是锦上添花,而是生存关键

数字化转型不是锦上添花,而是生存关键

作者头像
深度学习与Python
发布于 2023-03-29 08:38:49
发布于 2023-03-29 08:38:49
3290
举报

数字化是 IT 公司在给传统企业贩卖焦虑?对企业而言,数字化转型是发展加分项,还是生存必选项?企业做数字化转型,应该从哪儿开始?数字化转型,本质是人的转型吗?

本期《超级连麦》,我们邀请到了笔记侠创始人兼 CEO 柯洲,和极客邦科技创始人兼 CEO & TGO 鲲鹏会发起人、校长霍太稳,InfoQ 极客传媒生态总监张昂,共话数字化转型。内容有删减,感兴趣的同学可进入“霍太稳视频号”观看直播回放。

1 数字化转型是企业生存必选项

对企业而言,数字化转型是发展加分项,还是生存必选项?

柯洲:作为一个穿越过工业时代的人,我认为数字化不是锦上添花,而是未来生存的关键,因为别人拥有了比你更好的工具就会把你打败。在宏观环境中,技术永远是在推动着时代变化的,但技术是工具,不要把技术当成目的,为客户服务、为客户创造价值、降本增效才是目的。

企业做数字化转型,应该从哪儿开始?

柯洲:有些企业在做数字化转型的时候,原来就是建立在线上的,或者说原来投入了大量的信息化与数字化人力和成本,有足够的资金。但是中小企业要花大量的钱去做数据中台很不现实。幸好有大企业的出现,他们把系统变成 SaaS 化、PaaS 化,中小企业使用的时候成本更低,甚至可以采用低代码的方式。所以对于中小企业来说,需要去了解现在的变化,一定要拥抱这些平台。中小企业原来做了太多单点式的、纵向式的数字化或者信息化,但今天的数字化是个横向的打通。

有哪些成功的企业数字化转型案例?他们是如何做的?

柯洲:比如百丽集团,在几年前做了一个战略决定,开始发展数字化的能力。任何行业都有流程,比如鞋行业的流程是,一定要先去根据市场需求和流行趋势,输入给鞋开发部门;鞋开发部门做出概念款,开始做订货会,代理商来订货;订完货之后开始根据定单下单生产;生产的时候又去调动上游的供应商去采购相关的原材料;生产完之后,根据市场的上市时间把货发出去,可能一个月之后再把销售情况收回来,看要不要追单。

以前鞋行业资金周转、库存控制好的一个重要因素是 40~50% 的首单订单,剩下来全是补货。这叫做订补模式。

也就是以前产品的生命周期,可能一款产品用一年、一个季度、两个月的维度去看。在激烈越来越竞争、消费变化越来越快的时代,怎么快速地跟进、迭代、反应?

“订补迭”模式更快速,“迭”就是迭代研发,比例是 433,也就是 40% 的首批订单,30% 的补货,30% 的迭代研发。原来一年可能是 6 次订货会,现在大部分品牌已经没有订货会了,都变成了迭代模式,大概一年迭代 11~12 次。

订补迭模式实际上是面对客户需求变化的一种新模式,使流程更快。那么,数字化在这个过程当中体现了什么样的价值?

像百丽这样的公司已经快速地把数据、业务建在整个数据系统上。举个例子,百丽在 2018 年双 11 的时候,第一批冬季鞋上市之后,根据前一年和最近的各个平台上的大的数据,发现冬季的马丁靴是一个非常重要的品类,曝光的次数非常多。然后,再看他们上一年的订货,2017 年 11 月份,马丁靴销量占总销量的 1%,如果说按照一般的企划来说,最多也就是增加 2%。但是他们觉得这个可能是一个超常规的量的爆发,由于没有数字化做支撑,只有前期的点击量做预测,所以需要一点点验证。

那么,他们在 8 月份初步定了 5 款马丁靴,放在线上做预售,看反应,发现市场反应非常好。然后,他们在 5 天内从 5 款增加到了 20 款,在天猫有一个上新的波次,二次实测非常好,15 天之内,他们把这 20 款产品全部铺到线上线下,再次验证是正确的。最后,他们马上做补单,双 11 再爆发一次。这一个冬季下来,他们在这一个品类上,销售量占比达到了总销量的 25%。

这套节奏打法,都是靠数字化做支撑的。百丽利用数据系统,发现这个产品受欢迎,马上开始启动供应链,用快速批量敏捷的方式去发展出去,给货到整个市场,包括线上线下也是一样,整个的效率都变得非常快。

因此,仅仅有商品企划、研发设计的数字化是不够的,更重要的是后台的精益生产、PLM(产品生命周期管理)系统能够跟得上,所以补货速度非常快。这就是 1% 到 25% 的故事,25 倍的爆发。

霍太稳:还有两个例子,一个是现在卖得比较火的饮品品牌叫元气森林,还有一个是喜茶。这两个团队都是我们极客时间企业版的用户,他们的研发团队,包括数据团队都在用我们的极客时间企业版学习,提升他们的数字化技能。刚开始我也有点不太理解,为什么他们会那么在意数字化?后来我发现他们有一个很庞大的数字化团队,差不多有好几百人。一家公司能够在数字化上投入那么多成本,说明他们开发产品的速度也非常快。

柯洲:我之前研究过元气森林,他们做产品,甚至会把同一个口味拿到不同的渠道做测试,广告也都会做 AB 测试。

在今天,数字化能够为企业带来三方面能力的提升:

  • 第一,连接能力。企业、客户、供应链的连接方式能够在线化,把这些分散的市场数据快速集合起来,为客户经营层面的团队提供更完整的数据。
  • 第二,智能化。数据采集完之后需要加工,怎样加工完之后能够快速为你的决策做帮助,这就是智能化。
  • 第三,运营。当整个画像的深度分析能力更强之后,能够推动团队的运营营销升级。例如亚马逊是一个完全有实体有互联网的公司如果,让贝索斯或者决策团队天天去面对数据下决策,他们永远做不完,但是因为有了数字化的能力,企业就能够做出快速反应。

2 企业数字化转型路上容易踩哪些坑?

麦肯锡的一份报告指出:企业数字化转型成功率仅为 20%,那些“失败的大多数”普遍踩了哪些坑?存在哪些误区?

柯洲:我认为第一个坑就是太急功近利,企业需要有一定的转型时间长度,需要经历这个过程。有时候我们探索了太多的商业模式创新,但却没有先从做这件事会带来什么价值、怎么样带来价值这些方面进行考虑,唯有当价值积累到一定的程度,客户就会开始为你掏钱。

第二个坑是没有将技术和业务进行结合。在做技术的时候没有业务思考,没有懂业务的人参与进来,就开始开发。企业需要在开发前思考为什么做这个功能?做这个功能目的是什么?如果不思考这些,那纯粹是为开发而开发,为数字化而数字化,是没有用的,最终只是自嗨而已。

第三个坑是没有达成团队共识。团队不知道数字化转型是为了什么,以及接下来有哪几步、要怎么拥抱数字化,他们相当于是被动的、被通知的。

霍太稳:我前段时间看了一本书,叫做《华为数字化转型之道》,其中对数字化转型的定义是:数字化转型是企业利用新技术优化或创建新的业务模式,以客户为中心,以数据为驱动,打破原有组织效能边界和行业边界,提升企业竞争力,去为企业创造新价值的过程。

这里面有几个关键点。首先,企业需要利用新技术,而不是那些陈旧的技术,这些新技术非常利于数字化的升级。另外书中还特别提到优化或创建新的业务模式,如果不是新的业务模式,就谈不上是数字化转型。并且不论怎么做,都要围绕着客户去做,要以客户为中心,以数据为驱动,还要打破组织现有的效能边界和行业边界。也就是说,公司进行了数字化转型,就已经不是原来的公司了,而是一个科技化的公司。

至于为什么要去做数字化转型,不论是人的问题,技术的问题,还是战略问题,最终一定是要提升企业的价值,并且这也是为企业创造新价值的一个过程。如果没有为企业创造新的价值,那么转型是没有意义的。如果大家能够了解清楚这些关键点,那么在做数字化转型的过程中,可能就会少走一些弯路,少踩一些坑。

3 数字化转型,本质是人的转型

有观点认为“数字化转型,本质是人的转型”,是否认同?为什么?

柯洲:很认同这句话。人的需求是第一的,数字化转型一定是满足人的动机,为人服务的。我们要始终以人为目的,而不是以人为工具去配合数字化转型。

我非常认可数字化转型的几种说法,比如说数字化转型是技术的转型,是战略的转型,是业务的转型,但本质是人的转型。因为你最终会发现,数字化转型决策者需要毅力和勇气,管理者需要去融入和应用,一线的使用者需要去把这当作自己面对未来的能力。拥抱数字化,就能够去做更多有创造性的事情,能够提高客户好感。所以不要想着人会被数字化替代,而是想着,这其实是给自己拿了一张凳子,让自己能够站到更高的地方去做事情。

从个人角度来看,数字化转型能带来什么机会吗?

霍太稳:数字化转型这一命题本身就是面向企业的,但是人是在企业里面发挥价值的。所以说,数字化转型是包括个人数字化的,这是个非常大的命题。前段时间极客邦双数研究院发布了一个数字人才的粮仓模型,里面就提到了个人怎么去进行数字化,并对数字化的人才做了分类。

至于对个人而言机会在哪里?首先,很多国央企包括传统的企业是一定要去进行数字化转型的,但是很多企业还没有这样做,因为他们缺少数字化的人才,这对于咱们来说就是非常好的机会。不论是软件工程师,还是会使用营销工具的人,都会有很多机会。未来这些数字化转型的公司需要复合型的人才,因为这类人才不仅了解业务,也了解技术。这个技术不单单是指编程的技术,使用数字化的工具也是技术。

4 信息化与数字化

信息化和数字化存在哪些区别?

柯洲:什么叫信息化?举个例子,你家里经济实力雄厚,盖了一栋 CRM 大楼,然后你又盖了一栋 ERP 大楼,最后盖了一个产业园,上面盖了一堆的楼,这叫信息化。什么叫数字化?你发现这些楼不能互相拉通,因为在盖的时候,每个楼都有自己的地基,都是自己的形状,而数字化就是让这几栋楼无障碍地流动起来,相当于你在每个楼之间又加了横层跨过去。

数字化体现在流动性。比如,企业内部信息能不能流动起来?企业跟企业的信息能不能流动起来?企业跟政府的监管能不能流动起来?中国经过二十几年的信息化发展,已经盖了非常多的楼,但是怎么让大楼无障碍地联动起来、流动起来,这就是数字化。

霍太稳:信息化是一个生产数据的过程,数字化是一个把数据用得更好的过程,二者是有前后顺序的。如果按照整个 IT 的发展,应该是每 30 年有一个阶段,比如在信息化之前是计算机单机时代,在信息化的过程中,大家通过各种各样的系统生产了大量的数据,但是这些数据是一个个信息的孤岛。

当数字化时代来临,我们可以在每一个孤岛之间建立各种各样的连接渠道,从而让这个孤岛里面所产生的数据和其他孤岛里面所产生的数据产生化学反应,创造新的价值。这也是为什么现在不仅仅是中国在讲数字化,整个全球都在讲数字化,因为大家都觉得这是一个对于整个人类,或者对于国家要进行发展的第二曲线的一个非常重要的着力点。

数字化是 IT 公司在给传统企业贩卖焦虑吗?

霍太稳:我倒不觉得是 IT 公司在给传统的企业贩卖焦虑,我觉得在数字化转型的浪潮里,IT 公司是原住民,尝到了数字化的一些好处,可能想把这个好东西给传统的企业讲一讲。但是,这两种类型的公司之间有一个鸿沟,很多 IT 公司不知道怎么去把这个鸿沟填上,IT 公司想把信息传递到传统企业,传统企业就在河的对岸,眼巴巴看着那个鸿沟过不去。我觉得这是一个非常大的问题。

柯洲:我之前写过一篇文章,标题叫做《要么转型升级,要么躺平出局》。如果有美女请你吃饭,你就一点都不焦虑,因为满足了你对美的追求,但如果她告诉你“天啊,你得好好学习”,你就焦虑了,因为那反应了你的人性。人性是懒,人性是不愿意进步的,你想要进步就要反人性,因此,当我们想要成长的时候,自然就会焦虑。有一个金句说得特别好,成年人的安全感是能力给的,你的安全感是你不可替代的能力给的,当你有了面向未来的能力,你就不焦虑了。

互联网浪潮下,新消费品如何进行数字化,会不会削弱产品研发比?

柯洲:大家对于数字化转型和研发的概念还是存在误区。其实大多数的研发都是失败的。做研发跟做数字化转型都是一种投入,投入就会有浪费,就会有失败,不存在谁占用谁的问题。因为研发本身是有风险的,很多研发最后是没有成果的,就跟科研一样,大量钱是白花的。这很正常,不存在削弱的概念,都是必要投入。重视研发的公司 PK 的是长期价值,研发本身有滞后性,通过研发提升自身的实力,最后会形成碾压式的优势。

霍太稳:我觉得数字化和削弱产品的研发并没有必然的联系。数字化包含了产品的研发、营销、人力资源等方面,一家要进行数字化转型的企业,不仅不会削弱产品的研发比,还会提升产品、研发,包括数字化营销的投入比重,削弱的可能是比较流程化的、没有特别多技术含量的一些资源工种。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-08-18,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 InfoQ 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
3 条评论
热度
最新
那现在Java 开发高吞吐量、高并发的应用程序和go对比的话,怎么说
那现在Java 开发高吞吐量、高并发的应用程序和go对比的话,怎么说
回复回复点赞举报
Tomcat配合虚拟线程使用,提高吞吐量有效果👍🏻
Tomcat配合虚拟线程使用,提高吞吐量有效果👍🏻
回复回复点赞举报
可以再解释一下 Tomcat中的线程池是什么,它是如何工作的?如何在Tomcat中配置线程池?虚拟线程在这个过程中有什么作用?
可以再解释一下 Tomcat中的线程池是什么,它是如何工作的?如何在Tomcat中配置线程池?虚拟线程在这个过程中有什么作用?
回复回复点赞举报
推荐阅读
ConsensusClusterPlus, 一步到位的一致性聚类!
在之前的文章中分享了一致性聚类的原理,本文介绍下如何用R语言进行分析。ConsensusClusterPlus这个R包,就是专门用于一致性聚类分析的,为了简化调用,甚至将所有的步骤都封装到了一个函数里面,所以其使用方法非常的简单,一共三步
生信修炼手册
2022/06/09
6.7K0
ConsensusClusterPlus, 一步到位的一致性聚类!
转录组非负矩阵分解(NMF)/一致性聚类(ConsensusClusterPlus)
非负矩阵分解(NMF)和一致性聚类(ConsensusClusterPlus)是两种常用的聚类和模式识别方法,它们在算法原理、使用场景和结果解读上都有相似和不同之处。这两种代码流程已经被诸多老师所解析和展示,本次也是跟着老师们发布在网上的流程进行练习和整理。
凑齐六个字吧
2024/08/13
6920
转录组非负矩阵分解(NMF)/一致性聚类(ConsensusClusterPlus)
RNAseq|组学分型-ConsensusClusterPlus(一致性聚类), NMF(非负矩阵分解)
肿瘤分型分析是生信文章中的常客,大致是通过将基因的表达量进行聚类或者非负矩阵分解,发现新的亚型,然后对不同亚型的临床特征,免疫特征等进行比较分析,文章末尾简单的列了一些应用。
生信补给站
2023/08/25
5.7K2
RNAseq|组学分型-ConsensusClusterPlus(一致性聚类), NMF(非负矩阵分解)
多组学数据挖掘结直肠癌的预后与免疫应答潜在的预测标记
现在的数据挖掘文章越来越难了吗,本篇文章影响因子只有1分,但是图表内容其实还挺全的,「下面咱们解析一下看看这篇低分文章干了什么」。
生信技能树
2022/12/16
7230
多组学数据挖掘结直肠癌的预后与免疫应答潜在的预测标记
无监督学习 聚类分析①聚类分析
如前所述,在层次聚类中,起初每一个实例或者观测值属于一类。聚类就是每一次把两类聚成新的一类,直到所有的类聚成单个类为止。算法如下: (1) 定义每个观测值(行或单元) 为一类;
用户1359560
2018/08/27
1K0
无监督学习 聚类分析①聚类分析
「Workshop」第十期:聚类
聚类分析的思想:对于有p个变量的数据集来说,每个观测值都是p维空间中的一个点,所以属于同一类的点在空间中的距离应该显著小于属于不同类的点之间的距离
王诗翔呀
2020/07/29
2.9K0
「Workshop」第十期:聚类
免疫浸润结果分子分型(一致性聚类ConsensusClusterPlus)
分子分型也是生信灌水的常见知识点之一。可以用于分子分型的方法非常多,比如:一致性聚类、非负矩阵分解、PCA等等,当然这些方法不需要我们手动去计算,都是有成熟的R包帮我们做。
医学和生信笔记
2023/08/30
1.8K0
免疫浸润结果分子分型(一致性聚类ConsensusClusterPlus)
还在为细胞类型注释困扰?快试试 mLLMCelltype !
细胞类型注释是单细胞数据分析中的关键步骤。目前注释方法依赖于人工,手动将每个细胞簇中高表达的基因与文献中的经典细胞类型标记基因进行比对。这一流程及其耗时,而且需要专业的生物知识。随着测序成本的下降,当数据集规模扩大到数百万个来自不同组织的细胞,手动注释的方法已变得难以实现。
数据科学工厂
2025/04/27
1730
还在为细胞类型注释困扰?快试试 mLLMCelltype !
【Scikit-Learn 中文文档】聚类 - 无监督学习 - 用户指南 | ApacheCN
2.3. 聚类 未标记的数据的 Clustering(聚类) 可以使用模块 sklearn.cluster 来实现。 每个 clustering algorithm (聚类算法)有两个变体: 一个是 class, 它实现了 fit 方法来学习 train data(训练数据)的 clusters(聚类),还有一个 function(函数),是给定 train data(训练数据),返回与不同 clusters(聚类)对应的整数标签 array(数组)。对于 class(类),training dat
片刻
2018/01/15
5.5K0
【Scikit-Learn 中文文档】聚类 - 无监督学习 - 用户指南 | ApacheCN
【机器学习】--Kmeans从初识到应用
Kmeans算法一般在数据分析前期使用,选取适当的k,将数据分类后,然后分类研究不同聚类下数据的特点。
LhWorld哥陪你聊算法
2018/09/13
8930
【机器学习】--Kmeans从初识到应用
脚本更新---NMF识别单细胞数据中的基因模块
降维和特征提取:NMF可以用于从高维的基因表达矩阵中提取低维特征,帮助我们发现细胞亚群、基因模块等隐藏的结构。
追风少年i
2024/12/03
3910
脚本更新---NMF识别单细胞数据中的基因模块
拥有这个R包,只需三步帮你找到差异表达基因
目前,利用大量的微阵列或RNA-Seq技术来探索不同条件(例如治疗或疾病)之间基因表达的差异是研究疾病的最简单方法。但是,如何快速的从测序得到的“海量”的基因集群中发现差异表达的基因(DEGs)仍然是一项非常重要的任务。
百味科研芝士
2020/06/24
3.6K0
拥有这个R包,只需三步帮你找到差异表达基因
【V课堂】R语言十八讲(十三)—聚类模型
聚类分析是一种原理简单、应用广泛的数据挖掘技术。顾名思义,聚类分析即是把若干事物按照某种标准归为几个类别,其中较为相近的聚为一类,不那么相近的聚于不同类。聚类分析在客户分类、文本分类、基因识别、空间数据处理、卫星图片分析、医疗图像自动检测等领域有着广泛的应用;而聚类分析本身的研究也是一个蓬勃发展的领域,数据分析、统计学、机器学习、空间数据库技术、生物学和市场学也推动了聚类分析研究的进展。聚类分析已经成为数据分析研究中的一个热点。 1 原理 聚类算法种类繁多,且其中绝大多数可以用R实现。下面将选取普及性最广、
小莹莹
2018/04/23
1.3K0
【V课堂】R语言十八讲(十三)—聚类模型
WGCNA分析,简单全面的最新教程
本文应该是第二全的WGCNA分析教程,参考了最新的文档。第一全的还在路上,会出现于生信宝典和宏基因组公众号组织的二代三代转录组测序分析实战班上,欢迎点击链接了解更多。 WGCNA基本概念 加权基因共表达网络分析 (WGCNA, Weighted correlation network analysis)是用来描述不同样品之间基因关联模式的系统生物学方法,可以用来鉴定高度协同变化的基因集, 并根据基因集的内连性和基因集与表型之间的关联鉴定候补生物标记基因或治疗靶点。 相比于只关注差异表达的基因,WGCNA利用
生信宝典
2018/06/26
5.6K0
如何去学一个R包(上)
FateID是用于定量单细胞转录组数据集中细胞命运偏倚的方法,所述数据集包含从共同祖先(Herman,Sagar和 Grün2018)产生的不同细胞类型。预期祖先群体是数据集的一部分,并且FateID算法被设计用于学习每个祖细胞对一个或多个替代终端命运的预先存在的偏差。该算法的策略是应用迭代随机森林分类(Breiman 2001),以便使用在先前迭代中被分类为训练集的细胞来量化越来越年幼的祖细胞中的命运偏倚。
生信技能树jimmy
2020/03/30
1.4K0
用Scater包分析文章数据
Scater需要利用SingleCellExperiment这个对象(需要注意的是,官方友情提示,在导入对象之前,最好是将表达量数据存为矩阵)
生信技能树jimmy
2020/03/30
1K0
R语言学习笔记-Day10
R^2越大,越接近无标度网络,选择使R^2第一次到达0.8/0.85/0.9的β值
用户11190095
2024/07/17
1220
进入重要章节,第 05 章 癌症异质性的探索
癌症并非一种疾病,而是多种不同疾病的集合。癌症可以发生在不同的器官和细胞类型中,在显微镜下表现出不同的形态特征。它们具有不同的流行病学风险因素、不同的进展模式,对不同的治疗反应各异,并与不同的复发风险相关。在某种意义上,每种癌症都是独特的,因为它与每个个体的独特基因背景和体细胞进化密切相关(参见 Section 2.1)。
生信菜鸟团
2024/12/05
1330
进入重要章节,第 05 章 癌症异质性的探索
单细胞geneNMF分析流程学习
非负矩阵分解是一种用于分析高维数据的方法,它可以从一组非负数据向量中提取稀疏且有意义的特征。该方法非常适合分解单细胞RNA测序数据,有效地将大型的复杂矩阵(基因数量乘以细胞数量)分解为几个可解释的基因程序。
凑齐六个字吧
2025/04/16
1550
单细胞geneNMF分析流程学习
无监督学习:从理论到实践的全面指南
无监督学习(Unsupervised Learning)是一类机器学习任务,其中算法在没有标签的情况下,从未标记的数据中学习模式和结构。与有监督学习不同,无监督学习不依赖于预定义的输出,而是从数据本身提取信息,用于发现数据的内在规律和特征。
TechLead
2024/06/21
1.1K0
无监督学习:从理论到实践的全面指南
推荐阅读
相关推荐
ConsensusClusterPlus, 一步到位的一致性聚类!
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档