دموکراتیکسازی (فراگیر کردن) تحول دیجیتال (HBR)
این مقاله در مجله کسب و کار هاروارد منتشر شده که منبعی معتبر و ارزشمند در حوزه کسب و کار است.
نویسندگان: مارکو ایانسیتی (Marco Iansiti) و ساتیا نادلا (Satya Nadella)
ترجمه شده توسط تیم گیت (Git.ir)
چکیده
- مشکل
بسیاری از شرکتها در دریافت مزایای سرمایهگذاریهای خود روی تحول دیجیتال با مشکل مواجه میشوند، در حالی که برخی دیگر سودهای عظیمی به دست میآورند. شرکتهای موفق چه کار متفاوتی انجام میدهند؟
- مسیر تحول
این مقاله پنج مرحله تحول دیجیتال را شرح میدهد؛ از مرحله سنتی که دیجیتال و فناوری در حیطه واحد فناوری اطلاعات است، تا مرحله پلتفرم که در آن یک زیرساخت نرمافزاری جامع، امکان استقرار سریع برنامههای مبتنی بر هوش مصنوعی را فراهم میکند.
- وضعیت ایدهآل
وضعیت ایدهآل، مرحله بومی (native) است که نشانههای آن عبارتند از: معماری عملیاتیای که برای استقرار هوش مصنوعی در مقیاس بزرگ و در طیف گسترده و توزیعشدهای از برنامهها طراحی شده است؛ یک هسته مرکزی از متخصصان؛ ابزارهایی با دسترسی آسان و کاربرپسند؛ و سرمایهگذاری روی آموزش و توانمندسازی گروههای بزرگی از کارشناسان کسبوکار.
طی دهه گذشته، شرکت نوارتیس سرمایهگذاری سنگینی روی تحول دیجیتال انجام داده است. این غول داروسازی سوئیسی زیرساخت فناوری خود را به ابر منتقل کرد و روی پلتفرمهای داده و یکپارچهسازی داده سرمایهگذاری نمود. همزمان، متخصصان هوش مصنوعی و دانشمندان داده را استخدام کرد تا مدلهای یادگیری ماشین را بسازند و در سراسر شرکت مستقر کنند. اما حتی با رشد تیمهای فنی، مدیران بخشهای مختلف کسبوکار از جمله فروش، زنجیره تأمین، منابع انسانی، امور مالی، و بازاریابی، از اطلاعات تازه در دسترس استقبال نمیکردند، و چندان به این فکر نمیکردند که داده چگونه میتواند کار تیمهایشان را بهبود ببخشد. در همان زمان، دانشمندان داده نیز دید چندانی به واحدهای کسبوکار نداشتند و نمیتوانستند به راحتی داده را در عملیات روزمره ادغام کنند. در نتیجه، این سرمایهگذاریها فقط موفقیتهایی گاه و بیگاه به همراه داشت (مثلاً در برخی جنبههای فرایند تحقیق و توسعه)، در حالی که بسیاری از نمونههای اولیه و پروژهها با مشکل مواجه شدند.
اما اخیراً، نمونههایی که هم تحقیق و توسعه و هم شخصیسازی بازاریابی را هدف گرفته بودند، شروع به نشان دادن ارزش تجاری کردند و توجه و تخیل برخی از مدیران خلاقتر اجرایی نوارتیس را به خود جلب نمودند. آنها به طور فزایندهای از فرصتهای استقرار هوش مصنوعی در بخشهای مختلف شرکت هیجانزده شدند و شروع به حمایت جدی از این تلاشها کردند. (افشای تعارض منافع: هر دوی ما به اشکال گوناگون از جمله عضویت در هیئت مدیره، پژوهش، و مشاوره با نوارتیس و سایر شرکتهای ذکرشده در این مقاله همکاری داشتهایم.) آنها فهمیدند که متخصصان فناوری و دانشمندان داده به تنهایی نمیتوانند نوآوری گسترده و بنیادینی را که کسبوکار به آن نیاز دارد، ایجاد کنند. بنابراین شروع کردند به همتیمی کردن دانشمندان داده با کارمندان بخش کسبوکار که درک بهتری از جاهایی داشتند که نیاز به بهبود کارایی و عملکرد وجود داشت.
نوارتیس همچنین روی آموزش کارمندان رده اول کسبوکار سرمایهگذاری کرد تا خودشان از داده برای هدایت نوآوری استفاده کنند. تعداد فزایندهای از تیمها روشهای چابک را برای پرداختن به انواع فرصتها به کار گرفتند. از این رو، شدت و تأثیر تحول با شتاب زیادی افزایش یافت و طیفی از ابتکارات نوآورانه را به راه انداخت، از جمله توانمندسازی دیجیتال فروش و پیشبینی فروش، بازاندیشی در سیستم سفارش و تکمیل موجودی برای مشتریان خدمات مراقبتهای بهداشتی، و اصلاح سیستمها و فرایندهای تکرار نسخه.
پیشرفت در تحول دیجیتال در زمانی که شرکت با هرج و مرج اولیه همهگیری دست و پنجه نرم میکرد، بسیار ارزشمند شد. تیمهای کسبوکار نوارتیس با دانشمندان داده همکاری کردند تا مدلهایی برای مدیریت اختلالات زنجیره تأمین، پیشبینی کمبود تجهیزات حیاتی، و امکان تغییر سریع در ترکیب محصول و سیاستهای قیمتگذاری طراحی کنند. آنها همچنین تحلیلهایی را توسعه دادند تا بیمارانی را که به دلیل به تعویق انداختن ویزیت پزشک در معرض خطر بودند، شناسایی کنند. با ادامه بحران کووید، ارزش هوش مصنوعی برای مدیران سراسر شرکت آشکار شد.
پیش از این موج پذیرش هوش مصنوعی، سرمایهگذاریهای نوارتیس روی فناوری تقریباً به طور کامل شامل نرمافزارهای آماده سازمانی بود که معمولاً توسط واحد فناوری اطلاعات با راهنمایی مشاوران خارجی، فروشندگان یا یکپارچهسازان سیستم اجرا میشد. اما برای ساختن قابلیت دیجیتال در سراسر شرکت، تحت رهبری برتراند بودسون، مدیر ارشد دیجیتال وقت، نوارتیس نه تنها قابلیتهای جدیدی در علم داده توسعه داد، بلکه دسترسی به داده و فناوری را بسیار فراتر از سیلوهای فنی سنتی، دموکراتیزه (همگانی) کرد. این شرکت اکنون در حال آموزش کارمندان در همه سطوح و همه وظایف است تا فرصتهای استفاده از داده و فناوری را برای بهبود کار خود شناسایی کرده و از آنها بهره ببرند. در سال 2021، هزاران کارمند در اجلاس سالانه هوش مصنوعی نوارتیس شرکت کردند.
پتانسیل نوآوری دیجیتال کارمندمحور غیرقابل محاسبه است، اما بر اساس گزارش شرکت تحقیقات بازار آیدیسی با عنوان «پیشبینیهای صنعت فناوری اطلاعات جهانی 2020»، شرکتها در سراسر اقتصاد جهانی تا سال 2023 باید حدود 500 میلیون راهکار دیجیتال جدید ایجاد کنند. رقمی بیشتر از کل راهکارهایی که در 40 سال گذشته ساخته شده است. این کار با گروههای کوچکی از متخصصان فناوری و دانشمندان داده که در سیلوهای سازمانی محبوس شدهاند، امکانپذیر نیست. این کار به گروههای بسیار بزرگتر و متنوعتری از کارمندان نیاز دارد؛ مدیران اجرایی، مدیران میانی، و کارکنان رده اول؛ همه باید گرد هم آیند تا در نحوه عملکرد هر جنبه از کسبوکار بازاندیشی کنند. پژوهش ما نحوه انجام این کار را روشن میکند.
پیشرانهای موفقیت
وقتی پژوهش خود را شروع کردیم، میخواستیم بفهمیم چرا بسیاری از شرکتها در دریافت مزایای سرمایهگذاریهای تحول دیجیتال با مشکل مواجه میشوند، در حالی که برخی دیگر سودهای عظیمی به دست میآورند. شرکتهای موفق چه کار متفاوتی انجام میدهند؟
ما 150 شرکت در حوزههای تولید، مراقبتهای بهداشتی، کالاهای مصرفی، خدمات مالی، هوافضا، و داروسازی/زیستفناوری را بررسی کردیم، از جمله نمونهای نماینده از بزرگترین شرکتهای هر بخش. برخی قادر به ایجاد تغییر قابل توجه نبودند، اما بسیاری پیشرفت چشمگیری داشتند. شاید جالب باشد بدانید که یافتههای ما نشان داد نتایج به بودجه نسبی فناوری اطلاعات بستگی ندارد. همچنین داستانهای موفقیت فقط به سازمانهای «دیجیتالزاده» محدود نمیشد. غولهای سنتی مثل یونیلیور، فیدلیتی، و استارباکس (که یکی از ما، ساتیا، در هیئت مدیره آن عضو است) – ناگفته نماند نوارتیس – توانسته بودند طرز فکر و فرهنگ نوآوری دیجیتال ایجاد کنند.
پژوهش ما نشان میدهد که برای ایجاد تحول در مقیاس بزرگ، شرکتها باید در سه حوزه همافزایی ایجاد کنند:
قابلیتها
تلاشهای موفق تحول ایجاب میکند شرکتها مهارتهای دیجیتال و داده را در کارمندانی خارج از واحدهای سنتی فناوری توسعه دهند. با این حال، این قابلیتها به تنهایی برای ارائه مزایای کامل تحول کافی نیستند؛ سازمانها همچنین باید در توسعه چابکی فرایندی و در سطحی گستردهتر، فرهنگی که آزمایش گسترده و مکرر را تشویق میکند، سرمایهگذاری کنند.
فناوری
بدیهی است که سرمایهگذاری روی فناوریهای مناسب مهم است، به ویژه در لایههای فناوری هوش مصنوعی: فناوری پلتفرم داده، مهندسی داده، الگوریتمهای یادگیری ماشین، و فناوری استقرار الگوریتم. شرکتها باید اطمینان حاصل کنند که فناوری مستقرشده آسان و در دسترس بسیاری از کارمندان غیرفنی است که در تلاشهای نوآوری مشارکت دارند.
معماری
سرمایهگذاری روی معماری سازمانی و فنی برای اطمینان از همافزایی قابلیتهای انسانی و فناوری در هدایت نوآوری ضروری است. این کار به معماری نیاز دارد، هم برای فناوری و هم برای سازمان، که از اشتراکگذاری، یکپارچهسازی و نرمالسازی داده (مثلاً ایجاد سازگاری در تعاریف و ویژگیهای داده) در میان سیلوهای سنتی جدا از هم پشتیبانی کند. این تنها راه واقعی و مقیاسپذیر برای گردآوری داراییهای فنی و دادهای لازم است تا در اختیار نیروی کار توزیعشده قرار گیرند.
بسیاری از شرکتهای بزرگ در هر یک از این حوزهها پیشرفت میکنند. اما حتی شرکتهای پیشرو نیز تمایل دارند اهمیت این موضوع را نادیده بگیرند که کارمندان خودشان تحول را به سمت وظایف و کارشان بکشانند، نه اینکه گروههای فنی مرکزی و مشاوران تغییرات را به سمت کسبوکار هُل دهند. همانطور که اریک فون هیپل از MIT سالهاست توصیه میکند، کاربران خط مقدم که به کاربردهای واقعی نزدیکترین هستند و بهترین موقعیت را برای توسعه راهکارهایی متناسب با نیازهای خود دارند، باید نقش مرکزی ایفا کنند و به تیمهای چابکی بپیوندند که به صورت پویا بر اساس نیازهای کسبوکار شکل میگیرند و منحل میشوند.
عناصر شدت فناوری (Tech Intensity)
برای ایجاد تحول، شرکتها باید در سه حوزه کلیدی همافزایی ایجاد کنند:
قابلیتها
فرهنگ سازمانی
آموزش و توسعه
ابزارهای کمکد/بدونکد
تیمهای چابک
معماری سازمانی
توسعهدهندگان شهروند (کاربرانی که بدون دانش فنی عمیق برنامه میسازند)
مدیریت محصول
فناوری
یادگیری ماشین
یادگیری عمیق
خطوط لوله دواپس (DevOps)
رمزگذاری داده
تحلیل لحظهای (Real-time analytics)
معماری
پلتفرم داده
یکپارچهسازی و نرمالسازی افقی
مستندسازی داده
راهبرد ایپیآی (API)
آزمایش و ریسک
حاکمیت داده
ساختن شدت فناوری
پژوهش ما نشان میدهد که چگونه قابلیتها، فناوری و معماری در کنار هم چیزی را میسازند که ما آن را شدت فناوری مینامیم. شدت فناوری برگرفته از مفهوم اقتصادی حاشیه فشرده (intensive margin) است که نشان میدهد یک منبع چقدر به کار گرفته یا استفاده میشود. این مفهوم اشاره دارد به میزانی که کارمندان از فناوری برای هدایت نوآوری دیجیتال و دستیابی به نتایج تجاری استفاده میکنند. پژوهش ما نشان داد شرکتهایی که در فناوری سرمایهگذاری هوشمندانهای کردند و ابزارها را در دسترس جامعه گستردهای از کارمندان دارای مهارت داده و فناوری قرار دادند، به شدت فناوری بالاتری رسیدند و عملکرد برتری داشتند. شرکتهایی که نتوانستند قابلیتهای مرتبط با فناوری و داده را در کارمندان خود توسعه دهند و دسترسی محدودی به فناوری ارائه کردند، عقب ماندند.
ما شدت فناوری 150 شرکت مورد مطالعه را رتبهبندی کردیم و دریافتیم که شرکتهای حاضر در رتبههای برتر (یکچهارم بالایی) از نظر شدت فناوری، بیش از دو برابر سریعتر از شرکتهای رده پایین (یکچهارم پایینی) رشد درآمد داشتهاند. همچنین دریافتیم که شاخصهای فناوری، قابلیت و معماری با سایر معیارهای عملکرد از بهرهوری و سود گرفته تا رشد ارزش شرکت همبستگی دارند. با استفاده از تکنیک اقتصادسنجی به نام متغیرهای ابزاری، همچنین شواهدی یافتیم که رابطه بین شدت فناوری و عملکرد، رابطه علت و معلولی است؛ به این معنا که شدت بیشتر (به ویژه سرمایهگذاری روی معماری فنی و سازمانی) باعث رشد درآمد بالاتر میشود.
تحول دیجیتال نتیجه میدهد
ما 150 شرکت در طیفی از صنایع را مطالعه کردیم و دریافتیم رشد درآمد و نرخ رشد سالانه مرکب در میان پیشروان (یکچهارم بالایی) در شدت فناوری بیش از دو برابر عقبماندگان (یکچهارم پایینی) است.
منبع: Keystone
مرحلهبندی تحول
تحلیل ما تأیید میکند که صرف هزینه کردن روی فناوری به تنهایی منجر به رشد بیشتر یا عملکرد بهتر نمیشود؛ در واقع، در برخی موارد اگر شکافها و ناهماهنگیها بین گروهها را تشدید کند، حتی میتواند به کسبوکار آسیب بزند. در عوض، این رویکردهای معماری، مدیریتی و سازمانی به تحول هستند که بهتر از هر چیز دیگری تفاوتهای عمیق و ماندگار بین شرکتها را روشن میکنند. ما دریافتیم که شرکتها معمولاً در مسیر تحول خود، پنج مرحله را طی میکنند.
مراحل بلوغ دیجیتال
بلوغ دیجیتال از این ویژگیهای ساختار سازمانی، فرایند، معماری فناوری و استقرار فناوری تشکیل شده است. شرکت شما در چه جایگاهی قرار دارد؟
مدل سنتی
جای تعجب نیست که بسیاری از شرکتها در مدلی قرار میگیرند که ما آن را مدل سنتی نوآوری دیجیتال مینامیم. در این مدل، سرمایهگذاریهای دیجیتال و فناوری در حیطه واحد فناوری اطلاعات (یا سایر گروههای متخصص فنی) است و تأثیر آن به طور پراکنده و عمدتاً ناهماهنگ در گروههای مختلف دیده میشود. واحد فناوری اطلاعات با واحدهای کسبوکار همکاری میکند تا پروژهها را تأمین مالی و اجرا را مدیریت کند، مثلاً برای استقرار یک برنامه سازمانی یا فناوری پلتفرم داده. پروژهها و اجرای آنها متناسب با الزامات خاص هر سیلو، واحد کسبوکار یا وظیفه سفارشیسازی میشود. نتیجه این میشود که در طول زمان، زیرساخت فناوری و داده منعکسکننده ویژگیهای منحصربهفرد هر گروه است، بدون هیچ سازگاری و اتصالی. این رویکرد از هم گسیخته، اشتراکگذاری، مقیاسپذیری یا توزیع تلاشهای نوآوری را در سراسر سازمان عملاً غیرممکن میکند.
بسیاری از کسبوکارها در مدل سنتی هنوز پول زیادی را صرف فناوری اطلاعات میکنند. برای نمونه، شرکت خدمات مالی مورد مطالعه ما را در نظر بگیرید که بودجه فناوری و تحلیل آن حتی به صورت مطلق و نسبی در صنعت خود جزو بالاترینهاست. این شرکت هزینه زیادی روی فناوری پلتفرم داده پیشرفته کرده و هزاران متخصص فناوری اطلاعات و دانشمند داده را استخدام کرده است. این متخصصان در یک گروه فناوری اطلاعات مجزا قرار دارند، در حالی که تعداد کمی از کارمندان سمت کسبوکار (اگر اصلاً کسی باشد) در تلاشهای نوآوری دیجیتال سازمان مشارکت دارند. بنابراین شرکت فاقد معماری و قابلیتهای لازم برای ایجاد هرگونه شدتی در پذیرش فناوری است. جای تعجب نیست که تلاشهای فناوری اطلاعات و علوم داده شرکت متوقف شده و تأثیر تجاری آن حداقلی بوده است.
نشانه آشکار این که شرکتی در مرحله سنتی قرار دارد، تفاوت چشمگیر در درک تأثیر میان کارمندان فناوری و کارمندان کسبوکار است. گروه اول تأثیر را بالا درک میکنند (آنطور که با میزان تلاش خود میسنجند)، در حالی که گروه دوم تأثیر را بسیار پایینتر ارزیابی میکنند (بر اساس اینکه فعالیتهای روزمرهشان چقدر سود برده است).
مدل پل (آسانسور)
برای رهایی از محدودیتهای سنتی سیلوها، هم سیلوهای سازمانی و هم زیرساختی، شرکتها معمولاً با راهاندازی نمونههای اولیه (پایلوت) شروع میکنند که گروههای قبلاً جدا را به هم متصل میکند و داراییهای داده و فناوری قابل اشتراک را برای ایجاد نوآوریهای جدید توسعه میدهد. آنها ممکن است ابتدا روی فرصتهای وظیفهای مشخص مثل بهینهسازی تبلیغات، تولید، یا قابلیتهای زنجیره تأمین تمرکز کنند. این شرکتها نه تنها فناوری را آزمایش میکنند، بلکه مدلی کاملاً متفاوت از نوآوری را نیز آزمایش میکنند که در آن مدیران اجرایی، مدیران میانی، و کارکنان رده اول از سمت کسبوکار با متخصصان فناوری اطلاعات و دانشمندان داده همکاری میکنند. ویکتور بولتو، رئیس بخش داروسازی آمریکای نوارتیس، نقشی کلیدی در راهاندازی نمونههای اولیه (مثلاً تمرکز روی شناسایی بیماران در معرض خطر) داشت و با پیشرفت سازمان در مرحله پل، از بسیاری از ابتکارات حمایت کرد. لوری بیر، مدیر ارشد فناوری اطلاعات جهانی جیپیمورگان چیس، دوست دارد درباره تأثیر اثباتشده آزمایش هوش مصنوعی برای سادهسازی گزارش و تأیید هزینه صحبت کند؛ نمونه اولیهای برای بهبود فرایند که بسیاری از کارمندان را جذب خود کرد.
مرکزهای تخصصی (هاب)
با موفقیت نمونههای اولیه بیشتر و بیشتر در رویکرد جدید، سازمانها مراکز داده و قابلیت تشکیل میدهند و به تدریج ظرفیت اتصال و درگیر کردن وظایف و واحدهای کسبوکار اضافی را در مسیر فرصتهای تحول توسعه میبخشند. با پیشرفت در این مسیر، رهبران شروع به درک این نکته میکنند که تنگنای نوآوری از سرمایهگذاری روی فناوری به سرمایهگذاری روی نیروی کار منتقل شده است. عامل محدودکننده در این مرحله، تعداد کارمندان بخش کسبوکار است که قابلیت لازم (دانش فنی و دسترسی) را برای هدایت نوآوری دیجیتال دارند. بنابراین شرکتها باید روی آموزش و پرورش جامعه بسیار بزرگتری از کارمندان سرمایهگذاری کنند.
فیدلیتی تلاش میکند چیزی را توسعه دهد که آن را ورزشکاران دیجیتال مینامد. این شرکت با ایجاد داراییهای داده متمرکز (مثلاً یک دریاچه داده در سطح شرکت) شروع به ساختن هابها کرد. اکنون در حال افزایش آموزش برای هزاران کارمند کسبوکار است تا به آنها ظرفیت استقرار راهکارهای دیجیتال در سراسر کسبوکار را بدهد. برای نمونه، متخصصان سرمایهگذاری و متخصصان مالیاتی که با دیجیتال آشنا هستند، با دانشمندان داده و متخصصان فناوری کار میکنند تا راهکارهای نوآورانهای با تمرکز ویژه بر شخصیسازی و تأثیر متناسب بر مشتری ایجاد کنند. آنها همچنین برنامهای برای جذب و درگیر کردن سرمایهگذاران جوانتر ساختهاند و برنامهای دیگر برای ارائه توصیههای مبتنی بر هوش مصنوعی به مشاوران مالی فیدلیتی؛ اینها فقط چند نمونه هستند.
استارباکس نیز نه تنها روی فناوری و معماری تمرکز دارد، بلکه روی توسعه مهارتهای نوآوری چابک و گسترده در کارمندان خود برای قدرت بخشیدن به هابهایش سرمایهگذاری میکند. کوین جانسون، مدیرعامل، توضیح میدهد: «ما از تیمهای بزرگ که در سیلو کار میکردند، به تیمهای کوچکتر و میانوظیفهای (در همه جا) رسیدهایم، و از ارزیابی هر ایده به صورت قبول یا رد، به تکرار سریع رسیدهایم.» استارباکس اکنون یک نیروگاه نوآوری دیجیتال است، با برنامههای کاربردی پیشرفته مشتری که سفارش از راه دور، برنامههای وفاداری، و سیستمهای پرداخت را ممکن میسازد، همراه با سیستمهای داخلی که تخصیص نیروی کار مبتنی بر هوش مصنوعی و مدیریت موجودی را امکانپذیر میکند.
مدل پلتفرم
با ورود شرکتها به مرحله پلتفرم، مراکز داده در یک زیرساخت نرمافزاری جامع ادغام میشوند که استقرار سریع برنامههای مبتنی بر هوش مصنوعی را امکانپذیر میسازد. شرکتها بر ساخت قابلیتهای پیشرفته مهندسی داده و تشویق استفاده مجدد و یکپارچهسازی مدلهای یادگیری ماشین تمرکز میکنند. مدلهای پیشبینی مبتنی بر تحلیل در سراسر کسبوکار به کار گرفته میشوند، با تمرکز روزافزون بر خودکارسازی وظایف عملیاتی پایه. سازمانها شروع به عملکردی کمی شبیه به شرکتهای نرمافزاری میکنند و قابلیتهای جامعی را توسعه میدهند که مدیریت محصول و برنامه و آزمایش سریع را امکانپذیر میسازد.
در طول پنج سال گذشته، مایکروسافت تقریباً هر مرحله از این مسیر را طی کرده است. سالها پیش، ما هم مثل بیشتر شرکتها در سیلو بودیم، با هر سازمان محصولمحوری که داده، نرمافزار و قابلیتهای خود را جداگانه نگهداری میکرد. وقتی دادههای وظایف و گروههای محصول مختلف را به هم متصل و نرمال کردیم، توانستیم راهکارهای یکپارچهای را در حوزههایی از خدمات مشتری گرفته تا مدیریت زنجیره تأمین مستقر کنیم.
ما تمام دادههای خود را در یک دریاچه داده در سطح شرکت یکپارچه کردیم و چیزی را ساختیم که آن را پلتفرم فرایند کسبوکار مینامیم. این پلتفرم مؤلفههای نرمافزاری و تحلیلی را فراهم میکند که تیمها برای نوآوری در حوزههایی از ساخت ایکسباکس گرفته تا مدیریت هزینه تبلیغات از آنها استفاده میکنند. ما همچنین روی برنامههای آموزشی برای کارمندان غیرفنی سرمایهگذاری کردیم و قابلیتهای دادهمحور و یادگیری ماشین را در سراسر سازمان پرورش دادیم.
مدل بومی
موفقترین شرکتها در میان 150 شرکت مورد مطالعه ما، نوع کاملاً متفاوتی از معماری عملیاتی را به کار گرفتهاند که بر داراییهای داده یکپارچه و کتابخانههای نرمافزاری متمرکز است و برای استقرار هوش مصنوعی در مقیاس بزرگ و در طیف گسترده و توزیعشدهای از برنامهها طراحی شده است. ویژگیهای آن عبارتند از: یک هسته مرکزی از متخصصان؛ ابزارهایی با دسترسی آسان و کاربرپسند؛ و سرمایهگذاری روی آموزش و توانمندسازی گروههای بزرگی از کارشناسان کسبوکار. این شرکتها به ظرفیت شرکتهای دیجیتالزاده مثل ایربیانبی و اوبر نزدیک میشوند؛ شرکتهایی که از ابتدا برای مقیاسپذیری تحلیل در سطح شرکت و نوآوری نرمافزاری ساخته شدهاند. ایربیانبی و اوبر قطعاً بینقص نیستند، اما به وضعیت ایدهآل بومی نزدیک میشوند.
در مایکروسافت، هنوز چیزهای زیادی برای یادگیری داریم، اما در برخی بخشهای سازمان، شروع به نزدیک شدن به مدل بومی کردهایم. همانطور که در هر شرکتی رایج است، پیشرفت یکنواخت نبوده است. گروههای مختلف به سطوح مختلفی از قابلیت دست یافتهاند، اما نتایج کلی دلگرمکننده است، زیرا راهکارهای روزافزون نوآورانهای برای مسائل داخلی و مشتریمحور میبینیم. مهمتر از همه، رویکرد کل شرکت ما به درک، محافظت و کار با داده، پیشرفت جهشی داشته است.
بلوغ دیجیتال بر اساس صنعت
ما 150 شرکت در طیفی از صنایع را بررسی کردیم و میانگین سطوح قابلیت فناوری و معماری فناوری را برای هر صنعت نمودار کردیم. برای نمونه، شرکتهای کالاهای مصرفی بستهبندیشده تمایل داشتند در مراحل اولیه مسیر تحول باشند. شرکتهای هوافضا و مراقبتهای بهداشتی بسیار پیشرفتهتر بودند.
منبع: Keystone
تکلیف رهبران
دستور تحول دیجیتال یک تکلیف رهبری ایجاد میکند: تحول را بپذیرید و برای تداوم آن کار کنید. راهبردی شفاف تدوین کنید و بیوقفه آن را به گوش دیگران برسانید. معماری سازمانیای ایجاد کنید که بتوانید با اتخاذ تصمیمات روزمره بیشماری که راهبرد فناوری شما را تعریف میکنند، به سمت آن حرکت کنید. یک فرایند واقعی حاکمیتی مستقر کنید تا پروژههای فناوری متعددی که در جریان هستند را ردیابی کنید و تا حد امکان آنها را هماهنگ و یکپارچه سازید. در تمام ابتکارات کسبوکاری که لمس میکنید و بر آنها تأثیر میگذارید، قهرمان چابکی باشید. و در نهایت، از سنت رها شوید. کارمندان خود را آموزش دهید و راهنمایی کنید تا پتانسیل فناوری و داده را درک کنند و نوآوران درون نیروی کارتان را آزاد کنید.
این تکلیف شامل ارائهدهندگان فناوری نیز میشود. با وجود سرمایهگذاریهای زیاد، فناوریها همچنان بیش از حد پیچیده هستند و اغلب به کارگیری آنها دشوار است. ما به ابزارها و فناوریهایی نیاز داریم که هدایت تحول را برای کارکنان خط مقدم شهودی کند و در عین حال داده را ایمن نگه دارد. فراموش نکنیم که تا همین اواخر، بسیاری از ما برای مدلسازی مسائل کسبوکار و حتی انجام عملیات پایه ریاضی به متخصصان فرترن و کوبول وابسته بودیم. صفحهگستردهها (spreadsheets) انقلابی در مدلسازی ریاضی ایجاد کردند؛ ما نیاز داریم ارائهدهندگان فناوری همین انقلاب را برای هوش مصنوعی به ارمغان بیاورند و استفاده از یک برنامه یادگیری ماشین را به آسانی ایجاد یک جدول محوری (pivot table) کنند.
شتاب در حال افزایش است. اما باید تلاشها را تداوم بخشیم تا اطمینان حاصل کنیم که انواع شرکتها از شکاف دیجیتال عبور میکنند.
برای ثبت دیدگاه وارد حساب کاربری خود شوید.
