盘活数据，驱动企业数字化重塑--RPA中国 | RPA全球生态 | 数字化劳动力 | RPA新闻 | 推动中国RPA生态发展

摄影：Compassionate Eye Foundation/Robert Daly

普华永道思略特旗下获奖管理季刊《战略与经营》(strategy+business)创办于1995年，季刊网站曾被《福布斯》杂志评选为CEO最喜爱的25个网站之一。

基于数据制定决策，需要一个企业从文化、技术和思维方式上做出根本改变。

创新，是西班牙连锁酒店依鲁尼恩（Ilunion）秉承的核心理念。眼下，数据已成为该企业解决问题的有力工具。自2017年1月起，为了让管理层和员工们做出更明智的决策，依鲁尼恩开始为他们提供关于客房预定和公司收入的详细信息。公司的系统整合了来源各异的1200万余个数据点，呈现在易于使用的状态界面上。例如，定价分析工具界面，能够根据实时供需信息为酒店房间的价格变动提出建议。另一个状态界面，能够根据细分市场和渠道，显示每个分店的营收、平均价格和客房占用率等关键指标。如此一来，管理人员可以尽早发现问题，并及时采取措施。现在，依鲁尼恩开始在其它业务领域（如公司的健康俱乐部和洗衣服务部门）开放相关运营数据，以提高决策能力，为流程创新带来灵感。

依鲁尼恩成立于1989年，比亚马逊的成立早五年，比“数码原住民”一词的出现早十多年。现在，依鲁尼恩的领导者、以及其他更成熟的大企业领导者，已成功将数据分析融入到企业的日常运转中，使企业具备了许多数字初创企业的核心能力：利用数据完善现有价值主张，或是提出新的价值主张。对几乎所有行业而言，无论新老企业，这种数据驱动的方法已不仅仅是一种追求，而是正在迅速发展为一项战略要务，关乎企业客户留存、增加收入和保持竞争优势的能力。

转型之路上的障碍

为什么会出现一家成熟企业坐拥数十年的丰富数据资源，却难以对其有效利用的情况？首先，传统企业往往难以将数据处理成可用和可信的情报。根据我们的经验，常见的原因有数据过于分散、可靠性差和企业缺乏分析能力等。此外，障碍还在于不兼容的遗留系统以及不同类型的数据可能以不同的格式存在于企业的各个部门，企业难以对数据进行可靠的比较或组合。

在很多案例中，投资于可整合大量数据的平台并未帮助企业解决这个问题。此类投资计划通常不考虑特定用例，或是缺乏灵活性、无法延伸技术以满足后续需求。在其他情况下，数字化重塑只集中于单个项目，而非企业的核心业务。如果没有得到广泛应用和后续支持，企业最初数字化转型的决心就可能会动摇。

插画：Lars Leetaru

如何成为数据驱动型企业

想要完成数据转型，企业需自上而下明确数据对业务的决定性作用。在此基础上，正确的洞察应随时可供访问、解释和操作——这是技术支持之下才能达到的境界，也是一种“让数据易于访问”的企业文化。

将数据与业务议程相关联

数据的力量取决于使用方式。企业须明确定义数据的用例，将其运用于更广泛的议程中。成功的企业通常会确保其业务战略和创新计划是建立在数据驱动决策之上的。

前提之一，是将数据视为一种资产，能够直接影响公司的业绩。领导层和董事会对数据项目的支持至关重要。要完成数据转型，需要各分公司及时将洞察反馈到总部，在集团级别制定业务计划。

伦敦交通局（TfL）是负责伦敦交通系统的地方政府机构。伦敦的交通系统（包括每月完成1亿人次运输的伦敦地铁系统）的业绩分析现在位于中央共享服务中心。该中心直接与各业务部门沟通，对问责制有明确要求。

从前，伦敦交通局的共享服务部门会定期生成业绩报告，但不同时期的报告结构相差无几，因此，各部门不会定期查看报告。因此，财务部门决定改变报告结构，使其更符合各个业务部门的不同需求，从而使各部门更加了解财务状况，且更加负责。

现在，伦敦交通局已经开始为获取更好的数据、更灵活和下放的报告奠定基础，来自不同业务部门的管理人员已经开始介入，考虑还有什么其它可能性，伦敦交通局财务中心交付增强部门主管Najam Israr强调：“他们已经开始要求增强功能，即更细化以及不同的展现方式。[因为我们]是一个运转缓慢的公共部门，这种新方法对数据产生的影响是变革性的，”他补充道，“这极大地帮助了我们减轻财务风险。”

培养数字文化

能否成为一个数据驱动的企业，取决于所有企业员工的支持，让每个人都根据数据调整自己的思维方式和工作方式。在更大的组织范围内维持员工的热情可能会很困难——尤其是，过程中往往需要说服那些不同意该模式的领导。

事实上，文化的改变通常是企业数字化转型的重中之重。但文化转变往往也是获得最少投入、且最难做到的一环。这种转型，需要从根本上改变员工平日里的思考方式和工作方式，包括培养数据文化、加深员工对数据所有权的认知、使用数据来指导工作流程或质量改进等。

进一步的优先事项，是发现并雇佣有能力推动数据创新的人才。数字时代的初创企业往往拥有大量符合特征的人才，他们又能进一步巩固企业文化。而传统企业则需要培养其现有人才，让他们快速掌握行业中最新的数据趋势和洞察引导之下的创新（以及可以提供灵感的相邻市场发展）。

在实际工作中运用数据洞察

要变数据为优秀的业绩，首先必须将其整合为帮助决策的有效见地。为了最大程度地发挥其影响，数据访问不应仅限于管理人员。相反，我们的目标应该是把有效的数据输送到需要的地方和一线工作人员手中。为了真正将数据分析和应用嵌入主流思想和行为中，企业需要研究如何将数据洞察预先注入到现有的业务流程中。

Geotab，一家加拿大通信公司，提供用于跟踪和管理车队的GPS系统，17年前由软件工程师Neil Cawse创立。Geotab的每个决策都是基于数据的。该公司监控生产状态和性能、产品的安全状态、账单结算（哪些客户尚未付款）等等。一旦从这些数据中提取出有效信息和见解，它们就会被反馈到随处可见的公司大屏幕上，向需要的团队提供实时报告。更方便的是，团队可以在状态界面上进行查询和运行数据，这样就可以立刻获得他们所需要的信息和见解。

若某个新的客户行为提示企业存在比表面看起来更严重的问题，那么其团队可以快速采取措施并解决问题。例如，8月，实时客户支持指标显示德克萨斯州突然出现异常。没过多久，客户支持团队就意识到供应商的SIM卡在该州的高温下弯曲变形，主要原因是使用了错误的塑料材料。Geotab立即与制造商反馈了这个问题，使其快速的得到了解决，恢复了高品质的客户服务。

构建必要的技术支持和基础设施

选择合适的技术将对企业的数据运用能力产生重大的影响，特别是在提取有针对性的数据和运行方面——使它们能够打破“数据孤岛”，抓取底层数据，并将其与其他数据来源进行整合，以发现对企业有帮助和有意义的数据信息。

这一方面的成功取决于能否将计划中的技术创新应用到企业以及各个业务功能的战略优先级和特定需求中，而不是仅仅培养数据处理能力。同样重要的是，要为以后的技术进步留出空间。掌控本地解决方案和云计算之间的平衡可能是一种切实可行的前进方式，使得地理位置分散的数据需求者能够立即获取他们想要的信息。

另一个纳入考虑的因素则是使数据处理过程简易化的技术，如人工智能、机器学习和增强现实（AR）。在生成更细致入微的数据洞察和使用创新技术运行数据方面，这些工具发挥着关键作用。例如，人工智能和机器学习可与物联网相结合，以监控新增的大批量数据反馈，或者与社交媒体聆听工具相结合，旨在衡量不断变化的市场趋势和客户偏好。

从计划到实施

让企业加速数据驱动刻不容缓。重要的是立刻开始，并且了解每个企业的发展进程都会由当前的业务重点和其需要在数据管理上克服的障碍所决定。

最终，数据驱动型企业不是那些坐拥大量数据和拥有最先进分析能力的组织。相反，它们是那些经过数字化重塑的公司，利用数据洞察，为客户、收入和利润带来可量化的差异。这不仅适用于今天，还适用于未来长期发展——无论市场、业务、机遇和挑战在这个过程中如何演变。

作者：Pawan Kumar，普华永道印度科技咨询业务合伙人；Ramy Sedra，普华永道加拿大数据和分析咨询业务合伙人；Javier Barguñó Casanova，普华永道西班牙数据和分析咨询业务合伙人。

本文英文版原刊载于普华永道思略特旗下季刊《战略与经营》(strategy+business)

特别声明：

文章来源：普华永道中国（ID：PWCCHINA）

原文链接：https://mp.weixin.qq.com/s/LkhBdI1smKKu_8rQ8aW34w

如有侵权，请联系删除

继续阅读：流程自动化 RPA 数据企业数字化

盘活数据，驱动企业数字化重塑

相关推荐

热门信息

快速导航

热门话题

最新推荐

随机推荐