企业DX数字化不懂?一文带你掌握DX助力企业成长技能
作者:互联网
文章目录
数字化转型 (DX) 是一种通过将数字技术整合到您运营流程、产品、解决方案与客户互动中来推动业务创新的战略。这种策略的重点是通过关注数字资产的创造与货币化过程,利用新技术带来的机会及其对业务的影响。
数字化转型涉及到数字生态系统的建设,在这个系统中,客户、合作伙伴、员工、供应商和外部实体之间形成统一的无缝整合,可以从整体上提供更大的价值。
** DX ** 这个词流行起来已经有好几年了。也通过Python相关技术帮助企业实现了很多 ** DX ** 相关的业务。而且很多初次接触的领导门都会问几个问题:
- 我有点明白,但我到底该怎么办?
- 我经常听到数字化转型,但是会发生在我的公司吗?
- 我的日常工作习惯、生活会随之改变么?
- 如果数字化转型需要什么样的人力资源配合?
DX 和 数字使用之间的区别
DX 是 数字化转型(Digital Transformation) 的缩写。是以数字方式进行转换,但这个词本身并没有定义要以数字方式转换的内容。
可能要好奇为什么是 DX ,难道不应该是 DT 么?有几个原因:
- 数字化转型意味着通过赋予业务和运营以数字功能,从而彻底改变业务和运营的运作方式。Digital Transformation 不仅是一种技术解决方案,更是达成新一代 NEXT-GEN 商业模式的途径。
- 由于 DT 已经被占用,并且也有多个解释,例如 Digital Technology 或者 Data Technology 或者 Domain Technology 等等。而 X 通常会有交叉、横跨、转换的意思,同时还可以解读为数字化转型之后的不确定性、不可预测的 X 。
很多传统行业者会觉得这个事情很难,比如 数字如何使用 、IT 、物联网 ,不知道如何构建联系。
DX之前的数字化历史
迄今为止,收集数据的目的是为了让人类基于收集到的数据做出决断。而且,对于人类做出的决断,采取行动的也是人类。
虽然工作本身已经由数字和机器人等代替,但其结果是,即使自动化和高效化得到了发展,“按按钮的行为” 本身还是由人来完成。
物联网收集了难以想象的数据量
由于称为物联网(IoT)的技术成为热门话题,通过网络收集现实世界中各种事物的信息的活动已经开始。与可收集的现实世界数据量的急剧增加同步,处理大量数据的计算机的处理速度也提高到了前所未有的水平,人工智能已经达到了可以用于商业的水平有了它已经成为的背景,不如把一些判断留给计算机,而不是聚集在会议室里,对收集到的数据做出判断,然后选择做什么。
从 2018 年左右开始,数据收集能力将进一步提高。因此,人类判断和执行已可以交付机器执行。在某种程度上,数字控制可以做出最准确的选择,而不受 经验主义 或 情绪波动 传播造成的不平衡的影响。
从技术角度看DX的本质
技术角度来看,数字化转型(DX) 可以说是在一定程度上 把人类做出来的东西留给数字化 的举措。
在实现了 DX 的企业中,可以比以往更多地收集大量数据,在收集大量数据的无数选项中最有效的选择。将能够数字化判断。数字和机器人也会执行判断结果。以人为中心人,在能理解的范围中,利用数字技术的效率化工作的数字应用技术。
从商业角度看DX的本质
还记得2016年国内兴起的 优步 么?衍生出来国内现在的滴滴、曹操这种软件。
用户使用优步应用程序来设置他们的位置和目的地。当用户在附近找车时,司机在优步APP上提示司机接车时,匹配完成,司机接用户,目的地。
在现有的出租车行业,拥有一辆车、派车、管理车辆、教育司机都是人工完成的。但优步只需一部智能手机即可开始,用户和司机都可以。更重要的是,汽车可以利用私家车的空闲时间,通过引入一种叫做相互评价的机制,让用户和司机相互评价,自动实现对驾驶员的监督。
DX的本质是业务数字化转型
从案例研究中可以看出 DX 与数字化的区别
早期依靠人工手工处理的Yahoo主页
现在已经是一人一部智能手机的时代,但是20多年前互联网刚刚起步的时候Yahoo的官网主页却是由人工进行分类、上稿的(填写申请、审核繁琐的过程)。
显然当下发达的互联网,这种官网分类的业务数据如同繁星般已经是人们无法快速处理的业务了,这样一来搜索引擎不能随意地为搜索关键词排列合适的页面,人力是无法跟上的。
因此需要大量自动化程序来处理这些数据内容,进而对实际的业务进行
下一步的指示操作。例如推荐算法,利用用户的兴趣爱好进行统计有针对性的推送主页的相关数据内容信息,单凭人力是做不到的。
谷歌处理的数据多如星辰
人类无法做到,但谷歌的搜索引擎已经实现了一种机制,利用人工智能从如此大量的数据中实现适当的搜索结果和广告展示。
搜索引擎从一开始就是数字化的!可能会认为支持您的搜索和广告投放的工作中有很大一部分是由人力调解的。然而,在我们不知情的情况下,搜索引擎公司的业务是 DX,提供的服务是在没有人为干预的情况下提供的。
所有现有业务中产生的大量数据
随着物联网的出现,可以收集现实世界中的各种事物,通过降低具有高速处理能力的计算机的价格,可以从海量数据中进行判断。因此,是所有行业都要做DX的时候了,即使不是像互联网业务这样被认为是“海量数字技术”的行业。
- 物联网使收集大量数据成为可能,不仅在互联网上,而且在现实世界中。
- 很多行业出现了人类不依靠人工智能等数字技术无法应对的情况。
- 所有行业都做 DX,而不仅仅是在互联网世界。
DX 让行业产生巨大的变化
传统行业制造商示例
目前很多企业只能通过问卷调查等方式定性地获取产品的使用状况,并将改进纳入新产品需要相当长的时间。
有的老板经常说,“我要做一个满足客户需求的产品”,但是他却不知道怎么做。
因此 “让我们用充分利用数字技术的DX来解决它! ” 。
首先,制造业的主要业务分为设计产品、开发产品、制造产品、销售产品和维修产品。一旦了解了客户的需求,将信息反馈给设计工作,那么下一个产品就会是反映客户需求的产品。
那么如何通过数字化捕捉客户需求?换言之,该产品配备了能够收集各种数据的物联网机制。
例如,一家生产电动助力自行车的公司。将获得电动助力自行车的使用状况的数据,其中包括:
-
一个月使用多少次。
-
通过获取自行车的角度,通常骑行的斜坡。
-
一个月有多少骑行里程,使用时耗尽了多少电池,电池劣化了多少。
然后,您可以看到各种内容,例如: -
使用状态不是很高,但电池电量明显耗尽。
-
使接近斜坡也有不使用电动辅助功能的情况。
-
等等。
只需通过互联网更新软件就可以实现这些事情 ,通过传感器获得各种是否正在进行等信息。
目前来说做的比较好的汽车行业,美国汽车制造商特斯拉已经做到了这一点。
物联网的使用状态代表客户的声音
从电动助力自行车的例子可以看出,IoT 可以让生产厂家详细了解消费者的产品使用状态,从而掌握哪些功能没有使用或者是否按预期使用等情况。 .
因此可以及早发现设计问题和开发问题。改进速度加快,消费者不会因为不满而使用产品,通过接收厂家改进产品的公告,可以获得增加品牌归属感的效果。
这已经足够了,但在这个阶段它仍然是 初级 DX 。在此范围内,人们将聚集在会议室并在查看组织通过数字技术收集的数据的图表时做出决定。
然而在更广泛的 DX 中 ,计算机将根据获取的数据做出自己的判断,并改变现实世界中的活动。
数据不仅存在于事物中,还存在于商业环境中
我们需要全面的 DX 实现。
在上面的电动助力自行车的例子中,可以获取到用户购买的自行车的数据,但是 社交网络上谈论的话题 和 社会变化与消费者需求 我们却无法获取生产技术改进、采购材料成本的波动等。
尽管围绕这个产品需要更多的信息,但如果我们只关注我们可以通过数字化的力量获取使用数据、业务周围环境的其他变化和环境的其他变化这一事实,他们可能无法或者可能没有意识到他们的潜在需求。
换句话说,对于 商业环境的变化 ,比如 客户的声音 应该被获取,即使它实际上包含更多的元素,也大致掌握并实现了 真正的优化 。有时你在你无意中做生意。
DX 时代需要哪些人力资源?
在这样一个DX时代,需要什么样的人力资源呢?
管理者 DX 人员需要能够鸟瞰整体
成为 DX 人力资源的人不仅要了解某项业务,还要了解一家公司业务的横截面视图。需要区分“能获取的数据”和“不能获取的数据”,重新定义业务机制(=业务模式),实现公司的理想形态。然后,我们必须建立一个业务流程(=业务流程)来实现业务结构(=业务模型)。
这项工作被称为生产者或商业设计师。
DX 执行者倍看做一个小型的互联网公司
实际上为企业主体提供三方的帮助和支持。默认其为一个小型的互联网公司作为企业的一个部门进行管理。
基本人员结构
人员结构详解
系统架构师 关键词:结构、模型、数仓、测试、安全
- 选择业务最适合的开发架构,例如现在比较流行的微服务。
- 业务模型的选择,例如现在流行的MVC,MTV。
- 系统安全结构选择,灾备防御、压力测试的设计等。
- 数据仓库类型选择,例如基础的Orical、MySQL、Mongodb,Hadoop生态下Hive、Hbase。
- 计算框架的选择,按照对应数仓。
- 解决日常疑难问题。
- 主要使用语言Java。大公司使用Python。
项目经理 关键词:配合、规划、调度
- 与架构师协商安排开发计划。
- 需要了解团队每个成员。
- 更多充当调度的角色。
- 整体产品的质检、风控。
- 开发流程的设计和优化,协调。
- 主要使用Office、Xmind、MindManager等。
产品经理 关键词:设计、需求、交互、协调
- 能撰写流程图,MRD、BRD、PRD文档。
- 能制作高、低保真原型图。
- 能结合业务设计产品,并根据反馈进行优化。
- 能独立做竞品分析,分析当下同行产品的优缺点。
- 必须具备前端业务和后端开发语言翻译的能力。
- 主要使用Office、Xmind、MindManager、Axtru等
模型算法工程师 关键词:统计、指标、机器学习
- 根据产品经理设计的产品设计数据需求和选择最优的算法模型框架。
- 2.能优化迭代计算模型提升业务,例如用户流失预测提高精准度,和召回率。
- 3.根据业务流程选择最优的计算框架,提高计算效率。
- 4.负责数据预处理、数据分析、模型构建等数据挖掘的环节。
- 5.主要使用R、Matlab、Python。
数据工程师 关键词:采集、数仓、计算、调优
- 常说的ETL或者初级DBA的角色。
- 需要掌握数据采集的多种渠道和方式,比如爬虫,API接口对接。
- 辅助算法工程师进行数据预处理工作。
- 数据计算方式的设计,例如实时计算的Spark-Streaming。
- 主要使用数据仓库类及配合软件。
前端工程师 关键词:交互、美观
- Web、HTML、H5开发。
- JS、CSS代码编写。
- 尽可能的把UI&UE设计的内容发挥到极致,例如图形、图标、动态图、动画等。
- 主要使用PHP。
后端工程师 关键词:稳定、接口、模块
- 数据接口的编写。
- 数据管理后台的编写。
- 把产品设计的功能进行编写。
- 主要使用Java,根据架构的需求,也有使用Python。
UI&UE 关键词:美观、用户感
- 美工&用户体验设计。
- 主要使用PS。
测试工程师 关键词:测试、BUG
- 测试产品BUG。
- 测试产品压力。
标签:数字化,助力,数字,业务,DX,使用,数据 来源: https://blog.csdn.net/qq_20288327/article/details/122809990