IT咨询——怎样实现企业数字化经营

在当今时代，大数据技术和人工智能已经日益成熟，我们可以看到阿尔法狗大战人类棋手时所展现出的恐怖算力，也可以看到波士顿动力机器人在模仿人类动作时所展现出的惊人技巧，还可以看到特斯拉汽车已经把自动驾驶推进到L3甚至L4的级别。

科技的进步是惊人的，企业的经营管理在大数据技术和人工智能的加持下，也可以像智能汽车一样也做到自动驾驶。

然而，数字化经营需要怎样实现，有没有可落地的路径呢？我们需要从几个问题开始讲起。

一、什么是数字化经营？

世界上的任何事务都可以通过数字来体现，大到一个宇宙，小到一个细胞，我们可以用数字表示它当前的状态，也可以通过数学模型预测它未来的发展变化。

一家企业的经营也可以通过数字来体现，指标体系就是这种数字化体现的载体。

什么是指标体系？举个例子，我们的KPI考核指标就是一套关于绩效评价的指标体系，我们可以根据每个指标的完成情况来对一个人或一个部门的工作做出评价。除了KPI指标外，我们还有经营指标，还有生产指标，还有财务指标等等，所有这些指标就构成了我们企业经营的方方面面。

我们通过合理的搭建指标模型，量化指标数据，制订指标阈值，就可以对企业做数字化管控。在指标数据积累到一定程度后，我们就可以用人工智能的方法，通过机器学习的方式来找出企业经营的最佳路径，辅助管理层进行智能化决策。

二、怎样对指标进行管理？

怎样才能做出合理的指标体系是数字化经营的关键。事实上，指标的建立和管理是个复杂的过程。

第一，我们需要对指标的血缘关系做管理。
血缘关系是建立指标体系的纽带。指标是分层的，一个上级指标是由多个下级指标构成的。比如，企业的经营指标由生产、销售等指标构成的，生产指标又有设备、劳效等指标构成。指标分的越细，管理就越深入，就像人类触觉的产生，先到末梢神经，再到中枢神经，再到大脑一样。任何的一个指标数据的变动都会对有血缘关系的指标产生影响。我们就是根据这些指标数据的实时变动，来对企业的经营情况做实时的把控。

第二，我们需要对指标的数据来源做管理。
指标数据往往有着不同的数据源，有些是业务系统的原始数据，有时是导出后的标准化数据，还有些是人工填报的数据。这些数据不是拿来就能用的，需要采集，需要清洗，需要整合。这就是一个指标从数据萃取到建模的过程。

第三，我们需要对指标的维度做管理。
一个指标在不同的时间和空间，它的值是不一样的，这些时间和空间就是指标的维度。比如一个企业的销售收入在昨天和今天是不一样的，在广东和广西也是不一样的。我们需要分维度来给指标数据做记录。

第四，我们需要对指标的口径做管理。
因为不同部门对数据统计的原则是不同的，数据统计的范围也不一样，业务有业务的口径，财务有财务的口径，不能混为一谈。所以我们还需要分口径来给指标数据做记录。

第五，我们需要对指标的版本做管理。
因为企业的组织架构是会有变化的，比如销售区域，有时会合并，有时会拆解。我们在做指标的历史同比时怎样比对呢？这就需要用数据字典来对原子级的业务单元做标识，用时间节点来记录不同的统计口径，每一次记录就可以生成一个版本。

第六，我们还需要对指标的阈值做管理。
指标数据在一个什么样的范围是健康的，超出这个范围会产生什么样的后果，这个后果怎样传递给决策者，这就是指标的预警功能，而预警的依据就是阈值。

三、企业的数字化经营需要什么样的工具？

如上所述，只要具备完善的指标体系和成熟的算法模型，企业经营的数字化经营就可以实现。然而指标的管理是复杂的，需要一个IT系统来管理。

但目前绝大多数企业在智能决策方面还在使用传统的BI产品，这些系统存在以下缺点：
第一，多是用于数据展现的，没有指标管理的功能，无法应对企业灵活多变的管理模式，企业业务一旦发生变化，系统的改造成本很高；
第二，因为缺乏指标体系，仅有数据钻取的功能，并不能全面而完整的反映出企业经营变化的动因，也就无法实现真正意义上的智能决策。

我们认为企业要实现数字化经营，他的IT产品和服务厂商必须要具备以下能力：
第一，产品具备从指标构建到指标应用，再到数据展现，再到智能决策的完整链条，拥有企业经营业务全方位的展示能力和预测能力；
第二，产品具备低代码，零维护的技术能力，系统可以随企业的业务变化而变化，维护人员只要对业务熟悉，不需要会写代码也一样可以维护本系统；
第三，服务厂商具备相关行业，相关企业，相关领域的成功实施经验，和成熟的业务管理模型，能够帮助你优化业务，确保你快速上线。

四、企业在数字化经营平台的实施和维护中会有哪些问题？

即便有好的产品和服务商，我们依然会在落地的过程中遇到问题。其典型问题有以下两个：

第一，指标体系如何梳理？
全面的企业经营指标体系搭建是需要时间的，需要有个从易到难的过程。一般来说，最初的指标体系是按照KPI考核的思路来搭建的，即管理需要什么样的指标就建什么样的指标，在这套体系跑通之后再逐渐丰富完善那些可以反映企业客观经营情况的指标，比如经营健康指数等。
这里面有个问题，就是在反映一个综合性指标时怎样确定各个分子指标的权重。在这方面很难去参考其它企业的做法，因为每个企业在行业中的地位不同，发展阶段不同，管理的侧重点也不同，我们不能拿着一个头部企业的标准去要求一个腰部企业。比较通行的做法是召集各部门的业务骨干和管理专家，大家坐在一起对影响综合性指标的各个分子指标的权重给出各自认为的百分比，然后取平均值，这样得到的结果会相对合理。

第二，指标的维护交给谁做？
一些指标的业务逻辑相对复杂，维护本身就具备一定的专业性，维护人员既要懂系统的操作原理，又要懂业务，这样的人才在任何企业都是不多的。因此企业常会面临着系统上线了，却没有人维护的问题，时间一长数据出现偏差，也就没人敢用了。
如何解决这个问题，有两个办法：
一是在项目进入实施阶段就要安排既熟悉业务同时又有一定技术背景的骨干人员参与到项目组，与服务商的实施顾问一起梳理指标体系，一起维护数据字典，只有知道了指标的来龙去脉才能在系统上线后去维护指标；
二是委托服务商代运营，服务商都有自己的运维团队，可以签订协议，由他们来协助指标的维护和管理。

以上是我在企业数字化转型方面的经验总结。目前很多企业都在搞数字化转型，我认为数字化转型的最终目标就是实现数字化经营，通过IT系统辅助人类进行决策，最终取代人类进行经营管理。尽管这条路还很长，但我认为这是未来企业的必经之路。

欢迎有兴趣的朋友与我沟通交流，我们一起进步！

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！