国产精品看高国产精品不卡-国产精品看片-国产精品蝌蚪-国产精品狼人久久久久影院草久久一区二区三区午夜亚洲福-国产精品老熟女视频一区二区-国产精品理论片

任何企業一定會有流程。無論這個企業有沒有制定或繁瑣、或精細的流程，流程是一定存在的，哪怕最簡單的零售企業也有流程。“用戶請求——銷售跟進——價格審批——合同簽署——商品發出”，它是有流程的，只是沒有用系統固化這個流程，并將業務的關鍵節點識別出來，用系統去實現，將這些數據通過流程沉淀下來，這是最重要的。

流程在不斷吞噬企業的業務。

在我們過去做ERP的時候，我們會發現ERP 系統或者流程梳理的過程實際上就是業務建模的過程。因此，一個企業一定是要有流程的，他是一個企業生產經營的基礎能力。而且我們也會發現流程在不斷地吞噬企業的業務，企業的業務會被越來越全面、細致、集成的流程覆蓋，越來越多的原生互聯網企業也開始重視內部的流程。

為什么原來很多互聯網企業內部的流程比較少呢?因為在充分開放的藍海市場里面不需要那么精細化的流程，不管企業怎么“跑”，業務都是增長的，因為這個市場的整個趨勢是上升的，在這個大環境下，企業識別到了一個新的機會點。但如今市場競爭越來越激烈，流量見頂，在這種情況下，這些互聯網企業會越來越關注精細化管理，降本增效。很多互聯網企業也開始構建自己的流程。

從六、七十年代再到現在企業軟件應用的歷史就是流程覆蓋業務的歷史。六十年代初，最早的軟件系統應用到企業業務的第一個集成點：庫存管理;七十年代變成了物料需求計劃;八十年代變成制造需求計劃;之后是應用ERP，現在更多的企業把ERP與市場端、供應鏈端作整合，打通企業業務。

因此，越來越多全面細致集成的流程所覆蓋，這是一個大的趨勢，而且很多企業也在這么做，這個趨勢體現了業務數據化的落地。但是，這個過程也給企業帶來了一些挑戰。但這些挑戰并不是所有的流程型企業都會有的，只有部分流程型企業可能會面臨這些挑戰;這也不是對流程的批判，而是當企業構建了越來越多的流程的時候可能會出現的問題。

第一，各自為政。流程本身是有智能體系和業務領域的劃分的，每個部門都有主要的流程點。在這種情況下，會出現“這個事情不歸我管”的情況。

第二，相互傾軋。出現侵占別的業務領域的審批點、爭奪話語權的情況。

第三，流程過剩。開會的時候發現有個漏洞，怎么辦呢?加一個新的流程吧!于是流程越來越多，導致出現了第四個挑戰：模糊的黑盒。如果用戶不清楚這個流程，那他就辦不了這個業務流程，流程成為了權利的載體。

總而言之，以流程為載體的局部權力和利益中心，是企業產生內耗的原因之一。這時，大家圍繞“流程”爭奪權利、推脫責任，它成了一個“地盤”的概念。

當然，并不是說流程不好，而是說如果我們只是完全用流程去管理的話，它會出現這樣的漏洞，面臨這樣的挑戰。

這種情況下就需要對流程進行優化，把原來的垂直的業務領域的流程打通，并且讓更多的管理型、職能型流程，后端的控制型流程產生客戶價值。

現有的流程型企業需要優化、打通，產生客戶價值

如何通過數據打通不同職能線條的流程，并將其中重復的功能和相互沖突的決策點清除掉呢?

五年前，如果要將流程打通，會先做一個大流程，再把這些流程串起來。但是，在今天，大量的業務系統已經將局部的流程線上化，產生了這樣一張圖。

左邊是線下的業務流程，逐漸通過局部的業務系統搬到線上。當所有的業務系統都在線上，即使它是沒有完全打通的，從數據層面來看，也能全面地反映業務。

再看右邊這張圖，我們會發現財務系統可能反映了一部分的業務切片，設備系統從設備視角看到了業務的一部分，營銷系統從營銷的視角看到了業務的局部，客服系統從用戶的體驗、用戶的反饋角度看到了業務的一部分。

舉個例子，假設業務是一道光，企業的組織結構就像一面三棱鏡。當一個業務投射到這個三棱鏡上的時候，會根據不同的職能產生不同顏色的光線，最后投射成紅橙黃綠青藍紫七種顏色，這七種顏色可能是財務、人力資源等等。每個單色體現了業務數據的一部分特征，再通過三棱鏡綜合起來，這就還原了業務的本質和全貌。

企業已經具備了通過數據融合反映業務全貌的基礎數據資源的能力，如何使業務全貌反過來驅動業務呢?這個是現在很多企業面臨的問題，也是希望達到的效果。

右邊這張圖就是通過數據融合反映出的業務的全貌。然后通過分析洞察得到業務的優化點，指揮實體業務的發展或者發送指令到某個設備，要求它做一些業務動作。這體現了從流程驅動的世界走向數據驅動的世界。

 

 

再舉個例子詳細地解釋一下。這張圖的左邊是物理世界的業務，右邊是數字世界的業務，原來做業務系統是怎樣的流程呢?比如零售型企業，需要將進貨、上架、銷售給客戶的過程梳理成一個流程，這個流程最早可能是一個文檔，擁有不同職能的員工按照這個流程工作;有了軟件后，這個流程變成一個小的進銷存系統，將這個流程數字化，這時，業務流程就通過多個應用數字化了，這個業務也就在線化了。

在這個過程中產生了很多數據，通過數據倉庫融合不同業務板塊職能的數據，形成了一個業務全貌的數據集。業務人員看到這些數據呈現的業務狀態后，思考并形成結論。

流程的優化點產生新的創新點，形成新的流程，接著構建新的應用，或者將應用升級、改造，新的應用模塊會產生新的數據，形成閉環。這個過程不斷循環往復，到后期，我們會發現所有的線下業務被軟件覆蓋，物理世界的業務被大量地搬到了數字化世界。

這個流程的場景還需要把數據加工成報表，呈現給原來的業務人員，然后再優化流程。

從流程驅動到流數融合，數據驅動

當業務成為業務流程本身，數據成為業務的一種存在形式，就具備了數據驅動流程的基礎。從流程驅動到流數融合成為數字化轉型的確定性趨勢之一。

多個業務的操作順序呈現了流程本身，將不同職能系統的應用通過數據融合，體現企業業務的全貌，并在這些業務數據中發現優化點，再反過來優化和驅動原來流程里的集成點。

數據驅動流程可以帶來什么樣的價值呢?

幫助企業高質量發展。通過數據驅動流程改變、優化，提升企業的收益能力;提升用戶體驗;提高企業的生產經營效率;強化、優化企業的創新能力。

接下來和大家分享幾個案例。

通過數據整合上下游資源，提升盈利能力。某世界五百強企業，利用數據智能，物聯網，區塊鏈等技術，貫穿糧食產業鏈種植、倉儲、流通三大環節，實現輕資產模式下倉容快速擴張，連接用糧方、金融、物流等生態方，提升全產業鏈貿易、物流與金融效率。預計2025年收糧季，覆蓋黑吉遼蒙豫五省玉米產業，連接80萬種植戶;2027年收糧季，覆蓋大豆、水稻、小麥等多品類，連接160萬種植戶。數據打通全產業鏈上下游，大幅度提升盈利能力。

數據洞察用戶喜好，提升服務體驗。Netflix的全鏈路內容生產，都是數據驅動的，充分利用推薦算法來匹配用戶興趣愛好與內容，確保用戶看到他們可能感興趣的內容，并且通過分析用戶在不同設備終端的行為數據，來優化內容的陳列，布局，讓用戶用最少的操作獲得最佳的體驗。Wells Fargo利用數據分析不同角色的用戶行為，從而為網站和應用程序的設計和用戶旅程提供優化，提升用戶體驗。

數據優化供需鏈路，提升生產效率。某大型乳制品工廠一樓是無人工廠，從二樓的透明地板往下看，全是閥門，有密集恐懼癥的可能受不了。乳制品的生產流程是將一個個罐子送進管道，這個罐子通過管道、儲料罐將多種不同配方的鮮奶融合加工，產生不同的乳制品。過去，這些管子都是用閥門控制加的量和時間，這些閥門也是由工人控制的，非常依賴經驗，容易出現失誤，產生浪費問題。

如今，工廠變成了自動化的，通過傳感器和前端生產計劃優化配方和各個閥門的開關，通過數據打通端到端的生產鏈條，形成無人工廠，提速增效。

數據挖掘，發現創新點和新模式。某房地產租售網站，通過數據分析，發現有一批忠實用戶，網站停留時間很長，但是卻很少產生交易。這背后是什么原因呢?于是他們對用戶畫像進行了分析，發現很多都是女性用戶，而且他們的行為大都是不斷地打開圖片。這些人花這么長時間瀏覽圖片，既不買房子，又不租房子，他們要干嘛呢?經過分析，最后他們得出了結果：這些人是在看裝修。這是很典型的通過數據挖掘發現創新點和新模式的案例。

數字化是企業管理和風控的有力工具。以數據為核心，重塑企業管理和風控體系，實現全鏈路溯源保證品質安全，提升大數據風控能力。

從流程中識別數據價值場景是流數融合、數據驅動的核心

當很多建立了流程，并通過流程沉淀了很多數據后，就要從數據中發現業務價值場景，然后根據這些場景優化流程，進而產生業務價值。

如何在流程中識別數據價值場景呢?用什么方法梳理價值場景，找到數據驅動的價值點呢?

過去幾年，我結合精益思想和數據的特點總結出了精益數據方法論，形成了一套可以在流程中找到瓶頸和優化點的模式和方法。

 

 

左邊是很經典的價值流的圖，它將業務的主干流程梳理出來，然后用資源、時間呈現出來。我們要做的是在呈現價值流的同時把業務的數據流也呈現出來，并將業務流程與數據流一一對應。

通過分析，可以在業務流程數據化后在數據中找到優化點。當我們發現從生產到交付的端到端的業務流程里有一個工序的成本最高，利潤卻最低，這就是一個可以優化的點。優化的前提是業務流程有足夠的數據支撐。

當業務數據化后，可以將數據流打開，查看數據加工過程中有哪些流程是重復的，再找客戶錄入一遍這些場景，識別數據使用生產的七種浪費，消除這七種浪費就能找到業務價值可優化的點和瓶頸。

消除這七種浪費可以給企業帶來新的價值，我們現在發現的許多數據問題實際上都來自這七大浪費的某一個。

消除浪費后，下一步要識別價值場景。以下是我總結的精益數據場景畫布。

精益數據場景畫布由商業模式畫布融合精益思想形成的。首先要有場景，對齊目標，然后識別出用戶，定義用戶畫像，圍繞用戶作需求分析，找到業務場景的背景，了解這個場景給現在的業務帶來哪些變化。當我們發現一個優化點或多個優化點，那就要將這些優化點與業務目標和用戶畫像結合起來。接著識別用戶的痛點和期望。還需要有指標度量場景的問題是否被解決，同時要分析它的挑戰和阻力，然后考慮解決方案。當把解決方案進行得太深入的時候，可能會發現解決問題的方法并不能達成業務目標，于是，需要梳理業務場景設計的數據和數字化技術。梳理完場景之后才可進入精益數據產品的需求和設計階段。

如何打造流數融合數據驅動的企業?

很多企業希望打造流數融合、數據驅動的企業，這就不僅僅是找一兩個場景的問題了。這涉及構建數據驅動企業能力的話題，也是數字化轉型整體目標的分解。

過去六年，我梳理了精益數據企業的六大能力模型。

精益數據產品能力的背后是產品。為了構建優質的高質量的數據產品、獲得新的收益能力，企業需要構建精益數據治理能力和數據協同創新能力。這些能力都需要利用數字化的技術和工具，即數據中臺來支撐。企業還要構建構建數據驅動的組織和文化，保障體系長久。

數據增強產品就是通過大數據、物聯網把原來傳統的不在線的產品數據化，比如智能應用、智能硬件，報表等決策支持類屬于數據洞見產品;數據集、算法類屬于數據即服務產品。這三類九種數據產品都是可以給企業直接帶來收益的。

精益數據數據方法論強調精益數據治理。對業務有價值、能消除流程中的浪費是數據治理的終極目標和根本目的。精益數據治理有六大新范式：場景化、輕量化、智能化、主動式、運營式、迭代式。

國內的企業對數據領域的創新關注度不夠，但對于頭部互聯網企業或者原生數字企業來說，打造一個端到端的從數據消費到數據生產閉環鏈路的協同生產體系是解決數據問題、提高數據生產效率的重要手段。因此，精益數據方法論強調數據協同，要通過大數據門戶，拉通數據企業的數據生產管理、加工消費，將數據協同體系建立好之后就可以打造數據創新平臺。

精益數據中臺是打造數據驅動的企業重要的技術能力之一。數據是業務的新型存在形式，數據越來越復雜，企業要有新的生產力生產和加工這些數據。

精益數據中臺有四大核心能力和三大支撐能力。如果將數字化企業比喻成一個數據的加工廠，離了核心能力，這個工廠就無法把數據加工成產品;支撐能力使工廠的生產高效。

精益數據方法論將七大能力作了分解，提倡用精益的方法構建數據中臺，針對有價值的場景構建功能，減少浪費;獲得業務的應用，找到真正的產生數據的場景，根據得到的反饋再進行優化。

此外，還需要有數據驅動的組織文化。構建數據驅動的企業本質上是把權力透明化的過程。高層要重視數據，利用數據決策;將數據作為溝通手段。

構建數據驅動型的企業要通過輕量級的形式將六大能力要構建的路徑、內容和動作制定出來，即按照傳統的方式，先做大的規劃，再從上往下走。

現在的企業組織結構決定了業務指標和結果是由業務人員承擔的，技術人員并不能深入地了解業務。如何做到業務與技術的融合呢?短期來講，企業的組織結構、KPI體系是無法有大的變動的;業務人員也不了解有哪些新的生產方式和工具能幫到他。因此，實質上，技術與業務的融合面對的挑戰是體系的拉通。

精益數據方法提倡用共創的方式，通過場景進行融合。

總之，構建數據驅動型企業要梳理出業務場景藍圖、數據資產藍圖、數字化技術藍圖，即數據中臺所需要的功能模塊和轉型路徑，根據預設場景形成項目清單，接著進行資源和舉措的配套，最后才能形成行動計劃。

精益數字化轉型分為三個階段。第一個階段是探索規劃的階段，以共創的形式產生場景三大藍圖，識別出最高價值的速贏場景;第二個階段，用MVP的方式進行交付上線;第三階段，被驗證價值后投入運營，不斷迭代、優化。

精益數字化轉型路徑、精益數字化企業六大能力和精益數據共創工作坊都建立在統一的價值觀和數據生產的原則基礎之上。

精益數據方法是一套利用數據進行數字化轉型的結構化，體系化方法論，能夠幫助企業通過三步法構建精益數字化企業的六大能力，具體內容可以參見即將出版的《精益數據方法論-數據驅動的數字化轉型》書籍，該書籍30萬字，是作者20年企業信息化數字化經驗的沉淀，獲得了行業50多個大咖的推薦。

本文根據精益數據方法論創始人、精益數據共創工作坊發明人、數字產業創新研究中心副主席史凱在百家講堂上的課程內容整理而成，編輯：蘇巧玲。