最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

[战略] 读曾鸣《智能商业》CEO构建未来商业大蓝图需要的大格局大智慧

[复制链接]
跳转到指定楼层
楼主
发表于 2018-12-10 10:52:32 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

作者:童继龙

来源:继龙书享汇

在2017年年底的时候,为了给公司的战略规划会议做出一个非常有效的输入,我们要求所有参加战略研讨会议的同事要熟读《指数型组织》,更是要详细去听前阿里巴巴集团总参谋长、现湖畔大学教务长曾鸣教授的《智能商业20讲》的相关的内容,这两个内容也成为了我们在年度战略会议中非常有价值的输入。同时,也知道曾鸣教授一直要出版《智能商业》这本书,所以就算是翘首以待,第一时间拿到了中信出版社的《智能商业》这本纸质书,结果又正好是距离我们上次做战略研讨一整年的时间,把这本纸质书读完两遍,觉的纸质书的内容更值得推荐,值得我们反复阅读与理解,也更是CEO在构建面向未来战略的“指路明灯”,因为这本书的目标就是描绘面向未来的商业大蓝图,只有CEO们了解了这个未来商业大蓝图的前提下,才有可能构建更大格局、用更大的智慧来构建每一家企业的愿景与战略目标。


我算是读书比较多、写读书笔记基本上也都是顺手就来,特别是商业类书籍的阅读和笔记效率都算比较高的,但说实话要写曾鸣教授《智能商业》这本书的读书笔记时,我不得不再仔细阅读,对于书中有许多内容得要细细揣摩才有所理解。后来看到了梁宁老师推荐《智能商业》这本书的内容时,我才知道原来这也是深有同感,梁宁老师说道:



《智能商业》这本书呈现了:大仗的打法。


非常透彻、非常系统、当然也非常难读。

大多数人日常观察的是小东西、具体东西,往往不认识大家伙,不能辨识具体东西背后,抽象的天道。甚至把自己对小东西的认知,转移到对大家伙的揣测中。所以中国人往往小钱上极其精明计较,大钱的得失却稀里糊涂、无可奈何。


随便举本书中三个句子,都让我瞬间冒冷汗。


第47页,讲网络协同的那一章。有一句话:

“没有网络协同效应,单靠规模经济无法形成垄断。”


这句话很平淡,但这句话背后,是阿里战略长看大战局的静气。

曾鸣是谦谦君子,最不爱做惊人之语。往往含金量极重的话,他都是平平道之。

我把句话,转为霸道总裁喊话风,大致可以是如下:

Uber、京东、美团、唯品会,你们都在某个品类里做双边市场。

你们的做法呢,就是快速扩张供给侧,用供给能力吸引用户,形成规模优势,也拥有了很大的规模。

但是,你们的需求端没有网络协同效应,即使供给端的规模效应再强大,用户的转移成本依然很低——你无法垄断。

所以,你们依然会被阿里的整体增强回路碾轧。


那阿里的增强回路是什么呢?

第97页。“黑洞效应” (后续内容略过不提...)



智能商业企业的特性:在线化、智能化、网络化


什么是智能商业?曾鸣教授总结了这三个方面的创新,如果能够符合两个条件的就可以称之为“智能商业”的企业:


1、在线化:你有没有联网、你的产品和用户有没有在线化,只有在线化了之后,互联网的所有优势才能够为你所用。苹果之所以能够成为如今的庞然大物,则是因为它开创了移动互联网时代。iPhone手机奠定了移动互联网时代的硬件标准,苹果应用商店(App Store)确定了应用和服务的获取方式,iOS移动操作系统本身便是一个生态。在此基础上,苹果公司还整合了一系列智能服务,现在的苹果公司是一家将硬件、软件、服务和生态伙伴全部整为一体的集大成的企业。


2、智能化:GOOGLE前CEO埃里克.施密特最近说:现在是数据的时代,算法的时代。数据和算法构成了智能的最基本要素。GOOGLE的成功就是推动了整个商业的智能化进程。


3、网络化:实际上GOOGLE的广告系统非常赚钱的原因,这其实是一个由千万级的小广告主和千万级的网站所组成的高效生态系统,包括滴滴出行、链家网的贝壳找房、天猫商城其实都已经是一个网络协同效应下的智能商业体。


那这些智能商业体都有什么样的特征呢?

1、低成本、实时服务海量用户:这些互联网企业的用户都是10亿级别来计算的,充分利用互联网和算法的优势,这些企业能以极低的成本实时服务海量用户,这是它们做到今天的规模,赢利能力和市值的基础。


2、满足每一个用户的个性化需求:这是智能商业非常重要的特征,搜索是精准到你输入的每个关键词,它给你的内容都不一样。淘宝商城也实现了千人千面,让每个人看到的页面都不一样,这就是海量个性化服务,这是智能商业的特性。


3、服务自我更新与提升的加速度:这些企业已经很大程度上直接依赖机器在提供服务了,在某些领域,机器已经拥有强大的学习能力。这些商业创新都依赖于技术的重大创新,这些先行的公司,其实都是技术驱动的公司,它们利用最前沿的互联网和算法技术重构了整个商业的逻辑与运营规律,全面突破了工业时代的商业模式和效率。


智能商业双螺旋之“网络协同效应”。在未来的网络协同中,我们每个人将更加不受束缚,从固化流程中解放出来; 网络协同的最大价值不是让既有链路更高效,而恰恰是让创新价值更突显;我们每个人将更不吝于贡献,因为在这个“我为人人,人人为我”的体系中,为自己赢得更大的收益的最好方法就是为他人创造更大的收益。新经济范式最根本的特质就是“网”--开放的网络结构、自由的多元协同、分布式的自组织体系,而传统工业时代的典型范式是“线”-流水线、供应链、科层制、单向协同流程等等。以淘宝为例:多点协作的开放平台,总体势能已经逐渐超过传统的交易线。单独一个卖家的货物,可能还无法与传统大品牌商家相比,但蚂蚁雄兵集合起来的势能--每天涌入数以亿计的客户,交易额每分钟亿元为单位计算,这是任何一个线下零售商都无法想象的。在这里还要提一个重要理论:没有网络协同效应,单靠规模经济无法形成垄断。类似微信这种依靠网络协同效应的企业,才有机会赢家通吃!


智能商业双螺旋之“数据智能”。无数据、不智能;不智能,不商业。未来数据智能将成为商业的基础,而智能商业也将成为数据时代的全新的商业范式,要把数据智能融入具体商业,要做好三件事:数据化、算法法和产品化。

1)数据化是商业创新的基础,这里不仅包括客户的经营数据,还有更多维度的数据被记录、分析和融入,构成了对客户全方位的描摹。数据初始化是一件高成本和困难的事情,仅仅是简单的客户性能数据就可能会有十几套标准。这些数据各有价值,但传统方法又无法使它们融合,帮需要创新的方法才能合理使用(机器学习)。

2)算法化:智能商业的“引擎”而非“工具”,在商业语境下,算法就是一组反映了产品逻辑和市场机制的计算指令的集合,算法也是“机器学习”的核心,笨机器用笨办法,靠着算法的持续迭代优化,变的越来越聪明,而算法的迭代方向、参数工程等都必须与商业逻辑、机制设计、甚至价值观融合为一。当算法迭代优化时,决定其方向的不仅仅是数据和机器本身的特性,更包含了我们对商业的理解,对人性的洞察和对创造未来商业新样貌的理想。

3)产品化:数据智能和商业场景的最终载体。产品和数据、算法的互补作用可以形象地比喻成“端+云”。“端”就是产品,是与用户完成个性化、实时、海量、低成本互动的端口,它不仅直接完成用户体验,同时使数据记录和用户反馈闭环得以发生,和“云”互动;而“云”则是数据聚合、算法计算的平台,它通过算法优化,更好地揣摩用户需求,提升用户体验。

“黑洞效应”是智能商业胜出的秘密。一个网络在不断扩张时,数据天然会被记录下来,随着时间的推移,积累的数据会越来越多。当网络越来越复杂以后,每天会产生极为庞大的数据量,曾鸣教授称之为“数据压强”,在这种巨大的原生性压力面前,人力束手无策,数据智能是唯一且必然的选择,举例来说:对于搜索引擎而言,处理1亿件商品与处理100亿件商品并没太大的区别,只要它的可扩展性能够承载就可以了,但这是人力无法达到的效率。物质资源的使用是损耗过程,而数据资源的使用是价值创造过程。在智能商业时代,想要让自己的企业获得成功,首先要问自己四个问题:

1)我的企业是否最大限度地实现网络化?

2)我的企业能否尽可能地引入机器的学习效应?

3)我的企业能不能在网络扩张的过程中,尽可能地用机器决策取代人工决策?

4)我的企业能否让自己收集的数据与更多不同类型的数据产生交换?


写到这里其实已经写了很多了,但其实我分享的内容只是书中”智能商业“的部分内容,而后面还有“商业模式变革”、“战略变革”、“组织变革”等内容,从这里我们可以清晰地看到智能商业的四大变革要素:技术变革、商业模式变革、战略变革、组织变革,这四大变革要素一旦全部就绪之后,你将会朝着智能商业时代的指数型企业快速增长。而如今一切庞大、臃肿、老态龙钟的企业都将被淘汰,企业要想存活,就必须进化到以“网络协同、数据智能”为核心特征的“智能商业时代”!


楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-5 00:22

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表