登录 免费试用
首页 公司动态 新闻资讯 专访GrowingIO张溪梦:数字化创新的最佳状态是“非中心化” | 数字时氪

专访GrowingIO张溪梦:数字化创新的最佳状态是“非中心化” | 数字时氪

来源:数字时氪    2022-11-21


 | 翁丽君

编辑 | 石亚琼

头图来源pexel


数字经济正逐渐成为世界经济的主流趋势,我国数字经济规模也从2012年的11万亿元增长到2021年的45.5万亿元,占GDP比重由21.6%提升到39.8%。无疑,数字化的步伐已势不可挡。

与此相对的,是中国企业数字化的进展绝对称不上平顺。有人说,业界缺少具有普适性的数字化范式经验与操作标准;有人认为,数字化缺少足够的重视、预算、资源与人才;甚至有人猜想,中国缺少数字化创新的产业基础……

如何定义成功的数字化甚至数智化、谁应该为数智化创新负责、数智化创新的预算从哪里来、如何才能最大可能的提升数字化转型的效率与成功率?……这些问题我们与行业人士一样好奇。

因此,我们36氪数字时氪团队(微信号:digital36kr) 正式启动了《数智前瞻. 数智化十问》这个系列。我们邀约了行业内长期关注数智化创新的创业者、投资人、从业者,与我们一起探讨这些当下数智化创新领域的热点问题。

本期是我们《数智前瞻. 数智化十问》的第十一期内容。我们邀请了StartDT首席数据科学家、GrowingIO创始人张溪梦。

GrowingIO创始人张溪梦,践行数据驱动增长20余年,曾就职于eBay和LinkedIn。2013年,Data Science Central评选其为「世界前十位前沿数据科学家」。2015年5月,回国创立GrowingIO,致力于帮助企业提升数据驱动能力,实现增长。伴随奇点云与GrowingIO并购重组,张溪梦出任StartDT首席数据科学家。

作为独立第三方数据科技集团,StartDT为客户提供「数据云+分析云」的数智产品与服务。其中,奇点云掌握自主可控、数据安全等核心技术,以统一开放、中立安全的数据云支撑客户沉淀数据资产;GrowingIO则致力于为客户提供「数据+分析+智能+运营」的分析云产品与服务,全场景赋能商业决策,实现降本增效。至今,StartDT已服务1500+客户,覆盖泛零售、制造、金融、政府及公共服务组织等行业。

在采访过程中,张溪梦对36氪讲述了他基于众多数字化项目所得的观察。他认为,

  • 数字化最关键的是企业内部有能力,把数据在企业经营、日常工作中持续用起来。在这个层面,组建团队、培养企业自己的人才,会天然优于外采。

  • 从IT预算里拿出一部分做数字化建设,这种做法往往不足以支撑企业数字化转型。

  • 好的企业,多个部门、各级员工都会为数字化创新负责。最佳状态是非中心化的,「自上而下」、「自下而上」,两个方向都要发生数字化创新。

以下是专访部分(经36氪编辑):

01


从IT预算里拿出一部分做数字化建设,这种做法往往不足以支撑企业数字化转型。

36氪:企业应该以什么比例去设计数智化的预算投入?

张溪梦:企业数字化投入的影响因素比较多,其中尤为关键的是「其商业模式与数字化的关联度」,商业模式决定了你在数字化上要投入多大的资源。例如,互联网公司、科技型公司,在数字化上投入的预算比重通常远高于传统企业,因为这类企业的营收、利润就来自于数字化的产品和服务,来自数据。

我们今天讲数字化转型,大多数情况讨论的是偏传统的企业。这一类企业商业模式对数字化没有强依赖,比例自然就会相对偏低。从现状上来看,国内传统企业在数字化转型上的预算通常约为3%。

企业拟定数字化预算,取决于企业的数字化规划是着眼短期还是中长期,衡量预期时间段内的投入产出比。例如,只是想解决单点的、小而轻的问题,那么不需要很大的投入;如果想对企业进行整体的数字化转型,包括涉及到长期数据能力的建设,投入的绝对值必然高许多。(谈绝对值,是因为有一些企业本身业务体量大,不需要拿出很大比例的预算,也能够推动数字化。)

数字化建设的预算不仅要覆盖软硬件采购,也要用于支持内部团队建设、外部专业能力引入等等。外部专业能力指咨询顾问、运营「带教」等,前者帮助企业找到数字化转型的方向,为实践指路、避坑,后者则帮助企业员工掌握数字化的方式方法,在场景中以数据驱动运营,并内化为企业自身的能力。对内,则涉及流程再造、组织重塑、人才引入等等,都需要各方共同的投入和支持。

因此,从IT预算里拿出一部分做数字化建设,这种做法往往不足以支撑企业数字化转型。

一个比较理想的状态是需求驱动,总部及各业务部门向DT部门提需求,提供预算,DT部门则负责统筹规划、消耗预算、解决问题。

消耗预算也有「门道」。尤其是对于预算比较受限的企业,可以采用「数据驱动增长」的方法,小幅试错,快速迭代,看到一个可见的结果后再确定下阶段的投入,能够规避「一次性高投入而产出不如预期」的风险,这样企业的数字化转型节奏是比较健康的。

36氪:企业数字化应该自研还是外购?

张溪梦:自研和外购都需要。(如果企业有非常完备的自研能力,那它的数字化水平已不在「转型」的讨论范围内了。)

对于绝大多数没有高精尖研发团队的公司而言,完全自研是「事倍功半」的。且不谈数据平台这类大型产品的研发难度,数据科技在高速发展,业务和市场环境也在快速变化,可能还没研发出一款足够易用的数据产品,就已经跟不上企业自身业务需求了。

软件是一种思想,一种管理的方法。成熟的软件沉淀了很多企业的管理方法和最佳实践(无论是业务层还是技术层)。依托软件,能帮助企业少走很多弯路。因此,当企业想获得一些比较前沿的技术、新的能力时,可以考虑引入外部厂商来加速自己的发展,「他山之石可以攻玉」,对企业来说是比较有效率的选择。

但数字化并不是能完全「外采」的。我认为未来数字化能力应该成为企业的基本功。

通常来说,外采的软件厂商只能提供工具和交付实施,咨询服务商提供方法论的指引,而数字化最关键的是企业内部有团队、有能力,把数据在企业经营、日常工作中持续用起来。在这个层面,组建团队、培养企业自己的人才,会天然优于外采。

因此内外结合是非常必要的,具体可以根据企业经营的需要、数字化阶段来衡量。

36氪:企业数字化是否必须以信息化为基础?

张溪梦:从历史发展来看,基本是「信息化—在线化—数字化」的演进路径。

· 信息化伴随着PC(个人电脑)普及而开始普及,例如企业建了ERP,开始管自己的货(进销存);

· 在线化对应从互联网到移动互联网的阶段,例如24小时开放的电商平台,又如员工合同不再是扫描存储在HR电脑本地,而可以在线签约,并通过OA系统对人员状态进行实时管理;

· 数字化阶段,则指用数据真实地反映业务流程,依托数据来了解业务、赋能业务,进行科学的分析、洞察、辅助决策,从而优化供应链、商品管理、业财、组织等各个环节,依托数字化的手段来放大价值点。例如我们最为熟悉的用户增长、用户精细化运营,就依赖数字化来进行。据悉,有70%的企业都把数字化预算花在了增长相关的模块,这也是企业转型路上相对好入手的。

· 其实接下来还有一个阶段,「智能化」,现在一些企业已经开始在探索了,让机器去完成过于复杂、突破人脑极限的计算,譬如「智能推荐」、「智能决策」、「智能调货」等等,将经验和规律沉淀到算法里,通过数据智能放大千万倍,拉动增长飞轮。

所以如果企业没做信息化,那离数字化还是有一段距离。

在线化是数字化的基础环节,如果只是做了电商,可以通过线上交易商品,但没有任何的数据行为,也不能完全称为数字化。

2.png

数字化转型四阶段

在一家企业内,同时做信息化、在线化和数字化的情况确实有可能出现,不同条线通常有不同的节奏。但项目同时进行,要求领导者有较强的战略统筹能力,能对不同进度的项目进行整体规划,并能较早地把数据相关的要求植入到在线化建设中,利于后期数字化治理提效。

02


数字化转型最佳状态是非中心化的,「自上而下」、「自下而上」,两个方向都要发生创新。

36氪:谁应该为企业的数字化创新负责?

张溪梦:好的企业,多个部门、各级员工都会为数字化创新负责。最佳状态是非中心化的,「自上而下」、「自下而上」,两个方向都要发生创新。

为什么说「非中心化」?

因为许多业务线都有着巨大的数字化创新机会,而各条线往往最了解自身业务、最能挖掘需求。以我曾经工作的一家甲方企业为例,当时数据用得好的几个部门,并不是老板「拍」下来的,而是他们自己提出需求并推动落地的。

如果只把创新的要求放在个别部门或个别岗位(例如CDO)上,一方面会对企业的数字化进程产生阻碍,让创新受限,另一方面也不利于员工能力成长,创造力受限,止步于执行。

当然,「非中心化创新」这件事需要一把手的支持,并有一个中心化的组织(例如CDO或数据科学家带领的数据创新部门)将这些创新收敛起来,沉淀为可复用的能力(例如软件工具),避免重复造轮子。

36氪:CIO和CDO有哪些不同?

张溪梦:CIO(首席信息官)这个岗位已经存在很多年了,伴随企业信息化的普及,在中国至少有20年。

CDO(首席数据官)则比较新。2012年,陆兆禧出任了阿里巴巴集团的CDO,这是我们比较熟悉的。

美国一家机构的调查显示,2012年,受访企业中有12%的企业设置了CDO这个岗位,而到了2021年,有CDO的企业已经占比65%。目前我们国内企业设CDO的比例还相对较低,从现状上看,有些企业会让CIO、CMO承担一部分CDO的职责,这主要与企业的数字化进程及其商业模式相关。

我们说IT时代正在走向DT时代,但不意味着CIO的职业通道要走向CDO。在企业中,CIO与CDO应该是2个职能,双方协同配合:

CIO负责一家公司的IT建设、信息化,让公司流程能通过IT跑通、跑完善。从背景上看,大部分CIO此前在技术部门里任职,充分了解各类型的IT系统和软件(例如ERP、CRM、费控系统等),具备一定的研发、运维等知识,对供应商也有很强的管理能力。

CDO则要从数据视角,建立公司数据战略,依托数据优化企业对内对外的运营。他们可能出身数据科学家,也可能有管理咨询或统计学的背景,他们需要具备数据及相关技术(例如大数据平台、商业智能、算法模型等)的专业理解和实践经验,有复杂项目的管理能力,并对商业有认知,能以数据的能力支撑业务发展,产生价值。

03


选择「明星项目」来投入,效果相对能脱颖而出,被大家认知到「成功」。

36氪:如何评价当下中国企业的数字化进展?

张溪梦:其实很多企业已经取得进展了,例如在用户运营层面,依托数字化的手段优化用户体验,从而提升留存及转化;又如在供应链和商品层面,完成线上线下一盘货,借助模型实现自动化的调补货,大幅降低了物流费用。

哪怕是最基本的打通数据孤岛,建立统一的指标体系,各部门对同一指标有了同样的理解,而不再依赖人工在各部门手动对数据、拉表格,把枯燥乏味还容易出错的大量时间节约下来,就是很大的进展。

感知上觉得成功案例少,我觉得可能有两个原因。

其一,「短期内得到巨大回报」这样的案例不多。

国内传统企业的数字化刚刚起步,有些业务线可能还处于在线化的阶段,我们对「成功」的要求不能「一步登天」。我们对数字化应有合理的期待,就像信息化、在线化的建设一样,数字化也是需要一些时间的。如果希望借助数字化转型快速孕育出新的业务,那也不太现实。希望大家能给数字化一定的耐心。

其二,企业数字化有它自己的方法,没有找对路径确实不容易成功,这也是为什么我们一直会分享一些「避坑」的方法和行业成功案例。

例如,盲目一窝蜂上项目,找来最顶级的技术和产品,结果企业内组织流程有很多不适应,这就好比买了一艘航空母舰,停在公司门口的小河边,最后只能「烂尾」。这种情况有厂商造势吹风的影响,也可能有企业追热点的原因。

此外,在不同行业、场景,往往有着不同类型的「明星项目」。例如,品牌商近年在数据营销领域有比较多的成功案例(DTC、私域等等),汽车行业则在供应链的数字化转型有较多成功案例。企业在数字化建设的过程中,首先选择「明星项目」来投入,它的效果就会相对能脱颖而出,被大家认知到「成功」。

36氪:如何评价数科公司模式?

张溪梦:数科公司通常是较大的集团企业(例如金融企业、央企等等)会考虑设立。一方面,组织更独立,更有利于培养企业自有的数据人才;另一方面,希望把自己的数字化能力外化,赋能给产业链上下游或同类型企业伙伴。

目前确实没有看到数科公司能力外化特别成功的商业案例,原因或有以下3个方面:

1. 企业在选择服务商时,往往希望服务商及时响应、面面俱到,能满足更细节的需求。而一家中心化的数科公司,已需要服务其母集团多条业务线,对外的响应速度会相对不足;

2. 数科公司在组织上相对独立,可能与业务单元联动较少,就较难从业务上做出价值;

3. 从母公司孵化出数科公司,如果想服务同行业的企业,天然受限(友商不愿采购同行的服务);如果想跨行业服务,能力象限则可能不足以覆盖。

通常来说,企业能拥有一个中心化的数据团队,深入企业各环节持续推动数字化建设,就已经很不容易。因此集团企业是否要设立自己的数科公司来外化能力,是值得审慎评估的。

36氪:经济寒冬,对数字化厂商有哪些影响?

张溪梦:2020年以来,受到疫情的影响,我们的生活方式(例如购物习惯、社交习惯)、企业的管理与协作方式及政府单位的服务方式,都发生了很多变化。其中最显著的变化就是「在线化」。

在线化沉淀下数据,给数字化带来了大量机会。因此我们可以看到2020-2022年,数字化发展有一种「反周期」的抬头。

此外,外部环境的不稳定更推动企业去寻找「确定性」,需要数字化对突发事件进行有效的预测和防护。这种「确定性」的需求今年在供应链领域尤为显著。

回到企业服务这个层面,寒冬之下,数字化预算降低是比较正常的现象。不仅仅是数字化,各方面的成本支出都在控制,这是企业非常合理的管理行为。

但我们的客户即使在「经济寒冬」,也非常坚决地在做数字化建设。一方面,数字化是刚需,转型已经迫在眉睫,应对未来的不确定性;另一方面,经济都有周期,它并不是持续下行的,从企业经营的角度我们可以有优先级地推动数字化项目,把预算先花在刀刃上,修炼内功,为未来的市场竞争做准备。

36氪:您怎么看待2023年的数字化市场?

张溪梦:我觉得可以称2023为「数据年」。

正如前面谈到的,疫情影响下,2020年开始,很多企业或被动或主动地开启了「在线化」。在线化到一定程度后,要把其红利充分发挥出来,就必须要数字化。

2023年,企业已经积累了大量数据,包括数据治理、数据分析、数据应用在内的数据相关需求将持续增加,甚至爆发。

从市场大环境到企业的经营管理方式,整体都趋于理性,也就更需要数据来支撑决策。例如在运营上,最起码要知道效果如何,什么地方需要改进,如何优化提升,又如用数据(而非依托人工)直接进行营销、运营、精细化服务,这些都是很扎实的需求。同时,也将出现数据技术上的挑战,譬如在存算上,海量的复杂数据怎样更划算地存下来、更高效地计算。

此外,伴随着数据相关需求爆发,数据领域的人才缺口也会愈发明显。这样的人才不仅将来自学校,也会来自企业,培育自客户自身。作为数据科技的服务商,我认为我们有传播专业知识与经验、培养DT领域人才的责任。

最后补充谈谈下个阶段「智能化」。以海量数据为基础,再往后几年,对数据智能的强需求将规模化涌现出来。有些企业已经开始实践了,通过机器学习、算法模型等深入挖掘数据价值,探索创新性的「化学反应」。而全面走向智能化,中国企业可能还需要三到五年。


最新新闻

全域全场景智能易用的分析云

探索