不懂技术的普通人,如何追赶数字化的浪潮?

蒋祎 Johnny
+ 关注
2024-02-29 14:57
1014次阅读
“数字化转型”这个词,也许你耳朵已经听出了茧,
但是你是否知道,“数字化”究竟是要转去哪边?
华为说:“数字化转型是企业利用先进技术来优化或创新新的业务模式,以客户为中心,以数据为驱动,打破传统的组织效能边界和行业边界,提升企业竞争力,为企业创造新价值的过程。”
这个定义很好,但是,关我咩事?
我们可能就是普通员工,既不掌握先进技术,也不直接面对客户,我们又能这么转?还是我们就是被转、被打破的?
放心,我不卖书、不卖课、不卖焦虑。
我只是想分享数字化时代我们每个人都可以去做的三件事:
图片
▶第一件事:认识数字化的业务价值
如果你问我,这几年在企业内部推动数字化最大的挑战是什么?
我的答案不是无穷无尽的技术问题,
不是“既要又要还要”的“科幻”需求,
也不是永远捉襟见肘的时间和资源,
甚至不是剪不断理还乱的关系纠葛,
而是让大家真正体会到数字化价值。
关于数字化的价值,市面上不乏各路天花乱坠、甚至天马行空的说法。
在这几年的数字化落地实践之中,我体会是最深的是三个方面:
  • 用数据支撑决策
  • 用系统管理流程
  • 用工具增效创新
图片
回想一下自己每天的工作,你一定在这三个方面有痛点!
而这些痛点,即是你的数字化需求。
学会用数字化的方式发现业务痛点、满足业务需求,我们才不会被数字化反噬。
数字化在后两个方面(管控、效率)的价值相信大家不难理解,所以我想重点聊聊“数据支撑决策”。
通俗来说,就是要求我们认知不是凭印象,决策不是拍脑袋。
而是每个人都做到心中有数,言之有据。
举个例子:招聘的学历偏好,你们是否考虑多招名校高材生来优化队伍结构?
你可能会对他们这样的印象:能力更强,心气也更高,更难招也更难留。事实果真如此吗?
每年名校高材生的简历更少吗?签约率更低吗?他们在招聘的哪个环节更容易流失?为什么流失?
各层次学历、院校的员工在队伍中占多大比例?这些年有什么变化?名校毕业生在培训中的表现更好吗?绩效更好吗?他们成长更快吗?
他们薪水更高吗?满意度更低吗?
他们的离职率更高吗?他们平均干多久会走?最主要的原因是什么?他们创造的全周期价值(Employee Lifecycle Value)更高吗?
当我们分析数据来验证这些假设,我们就会知道是否值得投入更多来吸引、保留、培养他们,这便是从数据中提炼观点洞察(Insight)。
如果答案是“值得”,接下来的问题就是:为了吸引、保留、培养他们,有哪些方法也许有用?
再接下来,决定使用其中的哪些,我们要看:各种方法各有什么利弊?预期的投入产出是怎样?
最后,实施了方案后,我们要评估:这些方法奏效了吗?还要继续使用吗?有什么不足需要改进?
要回答这一连串的问题,无一例外都需要数据来支持。
这就是数据驱动问题探索、方案决策、结果衡量的循环。
有衡量,才有管理。
然而,躺在硬盘里的数据并不直接产生价值。
要把数据利用起来,支持决策,才能让数据这块不起眼的钻石原石焕发光彩。
最耀眼的钻石不仅要有3EX的切工,也要有VVS的纯净度,还要有足够的克拉数;
最能有效支持决策的数据分析,不仅要从多个角度剖析,也需要有高质量的数据,还要有足够的数据量。
图片
要有高质量的数据,我们就要将数据在系统中规范地存储、管理和共享。而最好的方式是要让完整的业务流程就跑在系统上,让数据自然沉淀在系统中,而不是再另外手工录入。不然就会出现“线上跑不过线下”、“线上线下两张皮”的问题。
要有足够量的数据,需要有更高效的工具去采集、整理数据,比如现在我们有图片转文字、语音转文字、有各种扫码、各种传感器、有自动打标签、有RPA(流程自动化机器人)等等。
数字化系统也可以被看作是被业务流程串起来的一系列数字化工具。我们使用系统和工具越多、留下的数据越多,我们才可能发现更多。比如系统会自动记录每个环节的流转时间,我们可以借此分析,发现业务流程中的堵点和瓶颈。
这便数字化的“数据支撑决策”价值与管理、效率价值之间的关联。

 

▶第二件事:实践数字化的思维方法
我不赞同“人人都要会一点编程”、“人人都是产品经理”的说法。
图片
但数字化时代我们每个人和IT人员沟通协作的机会都更多了。
为了和他们不会鸡同鸭讲,我们有必要去了解一下他们的思维和工作方式。
当然,认识数字化的业务价值会让我们更有动力去学习和实践。
这几年,在数字化系统实施和开发项目中,我也从技术人员身上学到很多方法,例如:
  • 梳理归纳

有时候我们排斥上系统,是因为觉得业务复杂、特殊情况多,人都搞不定、何况系统。但这其实并不是技术搞不定,而是业务不规范、业务不清晰。

实际上,我们如果能把所有场景的前因后果列清楚,和技术人员共同梳理归纳后,原本的几十种情况,其实可能都能被归纳成几大类,处理方式不过几条if...then(如果怎么样,就怎么做)条件规则,并没有我们想象中那么复杂。

  • 敏捷迭代

无论是使用现成的数字化系统、工具还是重新开发,都不太可能一步到位满足我们所有心愿,我们需要适应“有所侧重、小步快跑、数据验证、逐步完善”的敏捷创新方法。有时候,先跑起来才知道跑没跑对方向,发现了跑错了快速调头。数字化系统和工具只有先用起来,才知道哪里最需要改进完善。

其实我们很多工作都可以借鉴这种方法,这样我们能更快地适应外部环境和业务需求的变化。

  • 排优先级

无论是收集需求还是解决问题,IT都会让我们评估对业务的影响,排出一个优先级。

有限的时间和资源下,做事必须有主次、分先后,在快速迭代的过程中更是如此。

至于优先级熟先熟后,当然也需要有数据来支持。

  • 量化评估

技术人员往往是习惯“用数据说话”的。

比如,技术人员常会用“人天”(需要1个人花多少天)来描述任务的复杂度和需要投入的资源。在开始任务之前,他们会预估所需的人天;在完成任务之后,他们会统计实际耗费的人天。虽然只是很笼统的估算,但同样可以作为相关决策的支持数据。

  • 数字化建设技能

如果能够作为业务方的代表参与数字化系统、工具的实施、开发项目,无疑会对数字化的这些思维和方法有更深刻的理解。

如果能够在项目实践中提升一些专业技能,会让我们更能与技术人员同频共振,例如:

  • 需求的整理与描述
  • 测试案例的编写与测试
  • 问题的描述与跟进
  • 项目进度管理与项目风险管理方法

 

▶第三件事:拥抱数字化带来的变化
数字化会对我们固有的工作方法、思维方式和业务流程带来变化。
数据驱动可能要求我们改变思考和决策的惯性;假如数据分析结果与经验直觉相悖,你能接受吗?
系统建设可能会改变流程中的分工和权限,流程也可能要持续优化并测试验证,你愿意改变吗?
使用数字化工具的初期一定有学习和适应过程,你愿意走出舒适圈吗?
敏捷迭代的工作方法可能会让我们有“在毛坯房里边住边装修的感觉”的感觉。在系统、工具启用之初,可能问题频发、不够完善,你的耐心会被消磨殆尽吗?你还相信明天会更好吗?
其实不管我们愿不愿意变化,外部的环境都在变。比如生成式AI(AIGC)技术,最近一年飞速进化,仿佛势不可挡。我们会不会被AI替代?试用之后你肯定会有自己的答案。但我相信,我们很快会被分为两类——会借力AI的和不会的。
唯一不变的就是变化会不断发生,只有保持拥抱变化的心态、不断做出应对变化的尝试。
我们可以主动学习一些数字化的思维和方法,并在工作中使用。比如,我们可以学习数据可视化的原理并改进PPT中的图表;学习基础的统计学和相关的Excel技巧,来尝试从现有数据中获得新的发现。
我们可以主动探索新的数字化工具,并尝试应用于工作。就比如AI,我们可以尝试让AI为我们起草会议通知、提出发言思路、润色发言稿、将会议录音转成文字、归纳会议纪要、甚至翻译成英文。
国内一些大厂的AI就已经能实现这些功能,完全没有技术门槛,还提供免费试用。
图片
图片
当我们认识了数字化对业务的价值、了解过数字化的思维方法、体验过数字化的系统工具,我相信你一定也会愿意打开心怀、拥抱数字化。

图片

[免责声明]

原文标题: 不懂技术的普通人,如何追赶数字化的浪潮?

本文由作者原创发布于36氪企服点评;未经许可,禁止转载。

0
消息通知
咨询入驻
商务合作