作者:Mike Tarentino, Mendix公司客户成功部门总监
麦肯锡公司的报告指出,每10个数字化转型项目中只有3个取得成功,也就是说有70%的企业不愿意改变当前的战略,还有不计其数的企业对转型没有十足的信心。我们很难理解企业的心态,实际上,数字化转型确实面临许多巨大的挑战,比如:
我曾担任过数字化转型总监,在我服务的众多客户中,我发现数字化转型的最大障碍之一是企业的各个层面缺乏沟通、协调和执行。为了解决这个问题,企业需要了解如何创建一个愿景、知道这个愿景需要包含什么、如何制定或调整这个愿景。愿景的制定对于企业的数字化转型至关重要。
为什么企业会在数字化转型中失败?
在实际的数字化转型过程中充斥着各种各样的失调,比如采用什么样的策略、使用什么样的工具、如何开始,以及数字化最终达成的目的,这是令很多企业感到迷茫的问题。当战略和执行之间出现了巨大的差距时,企业就会在数字化转型过程中步履蹒跚,而出现这一问题的根本原因正如《哈佛商业评论》的调查所指出的那样:只有8%的高管擅长战略和执行。
在战略层面,需要企业高管制定项目的愿景,在平衡当前系统和流程现代化改造与新技术创造的基础上,决定公司的发展方向,例如要进入的新市场、要开辟的新渠道等。其次是项目层面。如果从IT的角度看,数字化转型这个项目本质上就是让一组开发人员、测试人员、用户体验官和产品设计师、业务分析师等合作创建应用组合。这些应用能够驱动业务价值(也就是创造收入、节省成本、增加客户互动等)并支持更大规模的数字化转型项目。
由高管制定愿景,然后传达给部门主管,并且最终由部门主管负责制定战略和团队的执行方式。但每个部门都有自己的资源、技能和需求,所以制定的战略会有所不同,而且战略的执行方式也千差万别。如果战略执行者对愿景产生了不同的理解,那么各个部门的结果和产出就会不同,最终导致以错误的执行方式开展工作或产生出非预期的结果。他们可能采取了错误的执行方式或者生产了错误的东西。
明确数字化转型战略
当明确了愿景并能够在组织上下清晰传达愿景时,数字化转型目标的实现就会变得容易得多。这就需要在企业管理层和执行团队之间建立一个“桥梁”,该“桥梁”通过管理数字化转型的流程,推动所有部门执行企业的愿景。换言之,企业需要雇佣一位项目负责人或项目经理来打通、推动各个部门之间的合作,且这位负责人需要保证当前开发的应用组合符合标准并支持所有部门的数字化转型战略。
这样一座“桥梁”不仅可以推动变革管理,还能让每个人都参与其中并适应新的工作方式。
数字化转型战略应包含哪些内容?
下文将探讨为了有效落实企业战略,高层愿景应该包含哪些内容。如果各部门员工不了解数字化转型的目标,那么就很难统一步伐。由于需要解决和处理的任务繁多,企业如何平衡对未来的展望和过去的技术或流程?如果企业既要加倍投资于有效的做法并加以优化,又要进入一个全新的市场或打通一个未曾尝试的渠道,又该如何完美地平衡这两者?
发现目前做得好的地方并加以改进—企业愿景可以包含当前流程的改进、各种收入来源渠道的优化、有利于降本增效的技术或自动化等,同时可以包括如何改善客户体验以催生更多额外转型项目,从而提高客户维系率。
如果企业的远大目标是彻底改变某些市场或行业领域,那就务必要着重考虑目标受众可触达的所有数字产品以及服务。当然,在不改变现有产品的情况下,可以围绕产品定制全新的业务模式,比如订阅模式或基于平台的模式。
企业需要针对愿景考虑可进行的技术革新、企业文化的改变以及行业发展趋势的追随,着重考虑后续切实落地的举措才是创建平衡战略的关键,也有助于将数字化转型方法进行量化。
很多情况下,明确自己的目标不等于能够告诉别人如何实现这一目标。无论执行何种战略,关键在于将各个环节落实到位,使愿景变得清晰、被接受并得到统一的执行,尤其是像数字化转型这样的超大型战略。虽然数字化转型是无止境的,但企业所制定的目标应当是可以实现的。在逐渐实现了这些目标并发展了业务的同时,企业要提前制定更高的目标并思考下一步的举措。与此同时,也需要让参与者例如利益相关方、团队领导、项目负责人等了解企业的下一个目标。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。