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

为什么数字化转型是一场马拉松,而非百米冲刺?

[复制链接]
跳转到指定楼层
楼主
发表于 2019-12-10 19:11:33 | 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
前言
2016年,Discover Financial(高沃信息技术有限公司)经历了一次组织架构上的转型,使其业务和技术团队目标保持一致,将他们的工作重点关注在:转变业务模式以更好地适应客户需求。

“我们的愿景是建立一个真正根据客户和业务需求而进化迭代的云原生系统,” Discover大客户总监Ying Zhe在Pivotal年度会议SpringOne Platform 2019的一次会议上说。“虽然我们能够从概念上理解事件驱动架构,但实际上我们内部的专业知识却无法支持我们建立这样一个系统。”

Discover Financial的数字化转型之旅

在她的演讲中,Zhe详细阐述了转型应当如何集中于公司的核心战略,以及如何召集各个团队共同致力于提升客户体验。但是,这个过程本身非常具有挑战性,因为她的团队必须同时支持在两个不同平台上运行单体大型机系统,雪上加霜的是,她的团队中只有10个工程师完全熟悉它们。因此,在实施现代化IT组织的运作方式之前,Discover先必须对其平台进行现代化。

Zhe的团队与Pivotal Labs合作进行了一场“event-storming”讨论,绘制了整个客户之旅。最后,他们决定围绕事件驱动的架构进行构建,该架构针对客户体验进行了最佳优化。她在演讲中详细阐述了为什么做出这个决定并开始执行的过程:

“我们决定构建一个云原生系统,该系统将随着客户需求而迭代,此外,这个系统还是事件驱动的,以便为我们的客户提供更大的灵活性。当然,仅有远见是远远不够的。我们还要知道如何构建它,如何使其成为现实。

我们首先需要明确的是,我们要构建一个可以持续迭代的系统?还是想要破坏—重建,像宇宙大爆炸那样,从旧的系统直接过渡到新的?”

“我们做出的决定是,我们要构建一个可以持续迭代的系统。我们与Pivotal团队合作,决定使用“绞杀模式”,将功能从传统模式逐步迭代为现代模式。这大大有益于我们验证一些之前决定的关键架构假设,并且从每次迭代中持续学习。”

实践结果令人惊喜。Zhe和她的团队终于能够专注于构建产品体验,而不是专注于他们认为下一步应该做什么。而且,这个流程有助于减少那些因优先级调整,团队不得不停止为既定目标而努力的那些“不必要的浪费”。

Discover的其他重大改进包括学习以较小的模块为基础进行扩展以进行测试和验证,并创建产品团队以构建和发展CI/CD管道。后者可以帮助团队更快地行动,并为任何潜在的风险行为进行保护。Zhe在演讲结束时指出了另一个重要的经验教训:数字化转型不是百米冲刺,而是一场马拉松,需要领导者和IT部门的绝对耐心

“数字化转型是一场马拉松,而不是百米冲刺。它需要耐力,需要持久性。我们有过美好的日子,但也有非常痛苦的日子。最重要的是,当事情真的变得异常艰难时,我们能做到的就是不退缩,要知道,这些终将会成为过去。

为了使我们继续优化与改进客户体验,我们下一步的工作重点实际上是“以人为本”,确保从业务到技术的每个人都能践行这个承诺,遇到困难时不要退缩。

此外,我们还会专注营造持续学习的文化。我们仍在学习过程中,因为数字化转型还没有完成,转型从未停止,我们必须振奋然后向前”

来源  |  Pivotal

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, 2024-5-3 03:38

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