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

SAP孙惠民:数字化转型,唯有洞察“需求”商业才会成功

[复制链接]
跳转到指定楼层
楼主
发表于 2019-9-30 12:31:30 | 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
文丨孙惠民  编辑丨李国欢来源丨首席数字官
2016年杭州G20峰会上,20国集团发表了面向未来新的宣言,明确提出了数字经济概念,在中国的国家层面,发展数字经济作为中国创新增长的主要路径被提出来。
据有关资料显示,2019年全球GDP预计增幅超过6%的只有三个国家,分别是中国、印度、越南,而欧美国家大都呈现为负增长和微增长状态。可以说,从2008年开始的这最近十年,全球经济陷入到了一个长期低迷的发展状态,意味着今天全球经济已经没有新的增量空间,或者找不到新的增量领域。这预示着我们开始进入全球存量争夺的残酷阶段。数字经济,已经被定位为未来中国驱动创新发展的新动能。由此可以说,无论政府层面,还是商业组织层面,做好数字化转型是寻找未来的新的增量空间的唯一方向。图片来源:孙惠民演讲PPT

1高质量发展新阶段的三大变革视角2008年,全球金融危机爆发后,中国GDP年增速由之前的12.7%和14.2%断崖式下跌到9.6%,至今情况更不乐观,基本维持在6%多点。在这一背景下,传统要素增长已难以为继,以企业应收增长为例,如果企业的营收增长2%,那么原材料、用工、用地和物流等所有投入将远远高于2%,甚至是2%的数倍。对此,十九大报告予以了定性,“我国经济已由高速增长阶段转向高质量发展阶段”。

图片来源:孙惠民演讲PPT

面对这样新的时代定位,未来所有的企业需要关注3个大变革:“质量变革、效率变革、动力变革”。质量变革:过去的发展理念为强调总量增长,而未来的总量增长将会变为全要素增长,同时还需要抓住发展实体经济,尤其是以供给侧改革为主。效率变革:提高全要素生产力,同时高效按需匹配供需双方。以产业互联网兴起为例:产业互联网的兴起是“消费互联网+工业互联网”,本质则是20多年的消费端进行提质增效改造之后,开始进入到制造端进行改造和赋能,这意味着消费端会倒逼供给侧进行改革。因此,今天很多大型互联网企业在掌握大量的C端数据后,希望通过精准洞察用户需求,高效率组织供给侧满足,而这一过程将会通过数据驱动极大降低整个社会的运行成本,提高效率,所以未来必将形成供需双方的高效按需匹配。动力变革:生产力决定生产关系,人类社会的生产力发展始终都是以动力变革为核心的。工业经济时代所形成的整个社会基础设施(水、电、煤、油和铁、公、机),在数字经济时代,都将被新的基础设,即“数据、算力和算法”所取代,特别是在算力大幅度提升的情况下,云计算将为整个经济赋能,也将会为未来的新世界打造奠定良好的基础。十九大报告提出了“人类命运共同体”这一新的奋斗目标,背后支撑的未来的五大发展新理念,即创新、协调、绿色、开放和共享。这对中国企业的未来发展,具有高度的指导意义,那就是,所有企业存在的目的和意义,就是客户创造美好生活。

2“工业经济时代”与“数字经济时代”的2点本质区别美国的管理学大师德鲁克说:“企业存在的唯一价值和使命就是创造和保有客户”。因此,商业逻辑的起点也必须聚焦于顾客。“客户”≠“用户”工业经济时代和数字经济时代,围绕顾客和需求,在商业到底发生了哪些变化?从本质来看,商业的一切变革都是由前端需求牵引后端技术驱动而实现的。今天,人类的价值创造方式在不断改变,在“顾客”这个大概念下,延伸出了“客户”和“用户”这两大不同的定位,这两者之间的内涵也已经有了根本性区别。“客户”是一次性的买断和交易关系,属于B2C的商业模式,以卖方市场为主;而“用户”则是转型到卖方市场的新阶段,也就是消费者说了算的C2B个性化定制。用户要从产品的研发、生产、消费、服务等各个环节,都要把自己的意见加进去。因此,工业经济时代的生产是“我生产什么你买什么”,数字经济时代的生产是“我需要什么你就帮我生产什么”。消费者开始定义企业。“管道式”变为“生态型”就制造模式来看,工业经济时代的制造模式是“管道式”。例如福特的汽车制造就是完整的流水作业式生产方式。在这种模式下,为了保证生产大批量的标准产品,且保质保量高效生产,福特的核心理念是“控制”,即流水线生产、集中式制造,属于典型的以制造为中心,其弊端就是“闭门造车”,即不了解客户需求,也由此产生了影响商业的重要动作——第一:大量投入广告让别人知道“我是谁”;第二:“把我摆在货架上”吸引客户找到“我”。



图片来源:孙惠民演讲PPT

工业经济时代进入到数字经济时代之后,用户已经发生了变化,他们要求得到更好的体验。企业为此唯有做到精准洞察客户需求,才能领先竞争对手一步,由此商业模式发生了根本性变化,即:由过去的“管道式”变为“生态型”。“生态型”的底层依托的是“端、边、网、云、用”新技术体系,这个时候,商业的核心理念也发生了变化,要想做生态,就得彼此价值互补,打造生态的理念也就转变为赋能,不再是控制!我国工信部曾对数字经济时代的智能制造模式做了4个定义:“智能化生产、网络化协同、个性化定制、服务化延伸”。关于服务化延伸,可以理解为把一次性卖产品变为分时租赁的模式,例如,米其林轮胎在欧洲的做法就是将轮胎免费赠送客户,但靠汽车的行驶里程进行实时收费,让轮胎成为了可链接、可在线、能智能决策的智能网连产品。未来,所有的硬件产品都将是智能网联产品,商家可将产品免费赠送客户,但商家会要求获取客户数据,通过数据获取其他价值。因此,工业经济时代的核心生产要素是“土地、劳动力、资本”模式下的“重资产+实体经济”,而数字经济时代的核心生产要素是“数据、算力和算法”下的实体经济与数字经济的深度融合,其背后是新技术在重新定义“一切”:产品功能、生产设备、管理体系、商业模式、产业形态。
3数字化转型,唯有洞察“需求”商业才会成功
今天,无论企业在进行数字化转型、还是在打造核心竞争力,若想商业成功,企业必须学会洞察需求。
图片来源:孙惠民演讲PPT

企业洞察“需求”需切入4大维度:第一维度,针对用户,需具备用户画像能力,通过智能感知实时洞察客户需求。第二维度,针对企业员工,洞察员工欲望,价值赋能为员工打造无忧环境,让员工由要我做变成我要做。第三维度,针对企业内部运营,打造智慧型企业,为企业各个环节赋能,通过数据驱动直达客户需求。第四维度,针对产品,未来打造智能网联产品,企业需预测、透视客户需求,进行预测性、透视性生产。企业若想实现这四个维度的“需求”洞察,还需从这4个方面发力。第一、企业必须打造数字化平台。在数据驱动下,今天的数字化平台已由过去大规模流程体系的构建转变为场景定义的服务化架构。第二、组织维度扁平化、赋能驱动。今天,企业的组织架构已由金字塔式变成未来的小组织平台性企业,企业需要建立与用户“零距离”的新型组织模式。企业只有消除面向用户的各种阻碍,建立同用户最直接的连接,走进用户的生活场景,感知用户的情感,做到同“用户零距离”,才能充分释放出用户选择的权利,最终在竞争中生存下来。第三、未来商业场景化。未来,所有商业将会场景化,由过去的B2C变成P2P。P2P不仅仅是金融概念,随着高通量技术的发展、量子技术的发展以及区块链技术的深度应用,今天所谓的超级巨无霸平台企业也很有可能消失。第四、产业生态融合。未来,产业生态将从有界变为融合和无界,在价值驱动下,产业生态彼此价值互补将形成价值竞争,这也是打造平台的恒定法则。

图片来源:孙惠民演讲PPT


由此,数字化转型可以总结为三个关键词:“转换”、“融合”和“重构”。转换是新旧动能转换,融合是两个世界融合,同时要进行价值重构。因此,数字化转型可高度凝练为四句话:一切业务数据化,一切数据业务化,一切产业数字化,一切数字产业化。未来,竞争将以场景为表,数据为里,平台做生态连接载体。同时,大企业创造生态,小企业加入生态。企业的发展永远在路上,数字化转型的本质,可以用8个字来概括,降本、节费、提质、增效。最后想说,人类社会商业价值的演化历程,就是一部需求发展史,而这部需求发展史,就是在技术驱动下的商业价值持续重塑。一切变革,都是为了洞察和满足需求!


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, 2024-4-26 01:15

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