2021年企业数字化转型技术应用趋势分析
从信息化到数字化,从消费互联到产业互联,从互联网+到数字经济,可以讲企业数字化转型将是企业必将进行的重要战略事项。毫不夸张地说,随着信息化和数字经济的高速发展,对传统企业的影响已经不再是单纯的信息化和自动化提升效率,而是通过数字化对企业战略和商业模式的重塑。
今天当我重新思考数字化转型技术发展趋势的时候,得出一个新的观点,即技术应用发展本身也可以推动业务变革,而不是说只能够是业务驱动IT和技术发展。也就是说在传统模式下都是业务场景驱动技术的应用,而数字化的当下,新技术的产生让我们可以重新思考技术本身能否产生新的业务场景,这些业务场景可能原来你想都不敢想,但是当前却可以变为现实。
所以不要被动的以业务视角来谈技术,技术在数字化下的主观能动性将超乎想象。对于技术应用趋势,我希望谈下更多的小思路和小趋势,期望对大家有所借鉴。
连接无处不在-随时随地的在线
当谈数字化的核心逻辑的时候就谈到,连接是基础的基础,连接解决了业务协同问题,同时连接又解决了基础的数据采集问题。数字化下的连接无处不在,需要解决的是人和人,人和物,物和物之间的万物互联。同时这个连接本身又是随时都在线的状态。
人作为连接中的一个重点,通过手机和移动互联网完成连接,保持随时在线做的状态。而物本身可以内嵌各种物联网芯片或传感器来解决物之间,物和云平台,物和人之间的连接问题。
连接无处不在,同时需要保持随时随地的在线状态。也就是说任何一个人,任何一个事物,我们都可以在任何的时间清楚地了解到他的位置,他当前的状态信息。
连接是实时的,同时连接也是打破了人和物的边界的。同时连接本身应该打破传统企业的边界,构建一个外网生态,外网产业链上下游的全连接生态模式。
其次,对于连接本身应该是一种去中心化的发展趋势,任何连接只要是中心化方式的一定是增加了依赖和损耗,降低了效能。
在多年前看《失控》这本书的时候,当时里面有一个核心即:
看似复杂,无序,混乱和失控的群体,其本质是一种高度自治下,多种反馈和调节机制下的自我控制体。这种自我控制完全是一种动态的方式,催生自我进化。宇宙,生态圈,生物圈,生命物种,群落,机器都在相互影响的既封闭又开放的一个环境里面进化。
自然界的群体,不论是蜂群还是蚁群,都处于一个分布式的自我调节和控制状态,没有必然的层级而是一种网状结构。整个控制是一种自上而下的自我控制。群体最有意思的就是单个个体看似的无序却带来了整个群体的高度协同和有序。
网状分布式结构打破了我们传统的对层级结构,矩阵式结构的各种认知,包括谈到了分布式打破了一定要有一个中枢控制体或总线的认知,每个个体既是消息发出者也是消息产生者,群体通过个体间的碰撞快速的完成自我调节和纠偏。
简单来说一个连接去中心化程度越高,往往其智能程度也就越高。
泛终端化-信息采集的实时和多样性
对于传统的企业信息化和IT系统建设,我们来看下数据的形成往往依靠的是业务人员在IT系统的电子表单中完成录入。也就是说IT系统,不论是PC端还是APP端,是我们唯一的数据采集点和数据形成点。
在实际的业务运作中,我们接触到类似语音,图像,视频,文档等各种各样的信息,而这些信息通过人的介入,将其结构化为一个个订单,一个个工单数据进入到IT系统。即现实世界非结构化信息=> 人的转换 =》IT系统能够理解的结构化数据。
这个是我们在做传统企业信息化多年以来留下的标准套路。但是这个做法本身存在两个关键问题需要解决。
其一是通过人转换,既增加了人的工作量,无法满足一下实时性场景需求。其二是人在中间转换,那么就会因为个人理解认知的不同,但是原始信息失真。
连接本身是为了产生数据,但是数据的产生需要考虑数据多样性和实时性的需求,而不是所有数据的产生全部需要人的介入才能够完成。在这个里面泛终端化将是实现数据实时,多样性采集的一个关键。
移动终端,适配监控,穿戴设备,语音识别装置,智慧显示屏,包括智能工厂里面的各种智能设备和手持终端,都是成为数据采集的接入点。数据不仅仅是结构化的,同时应该包括了大量的类似语音,视频,文档等非结构化数据。
当不再强调数据采集的结构化的时候,你才能够实现数据采集的实时性。
比如一个敏捷开发的站立会议,每个人都进行发言,同时在白板讨论了一个大的模块间集成架构思路。这些过程传统方式都需要人工整理。而实际上新模式下应该是语音自动采集并进行语音识别为文字,画图本身拍照并存储,或者画图直接通过类似智慧屏等终端进行保存和上传。
配合各种泛终端和智能应用,真正解决了数据采集的多样化,实时性问题。减少了人工在里面的二次处理和转换。当企业真正形成了这种实时多样的数据资源后,才谈得上后续的大数据存储,大数据处理和分析等进一步的增值应用。
企业主导,外援为辅
在前面多篇文章都提到过企业的数字化转型是一把手工程,必须从上到下推动,全员参与。打破传统业务和IT两张皮的壁垒,探索业务和IT深度融合的新模式。
虽然我在前面文章也谈到了完整的企业数字化能力框架,数字化转型方法论,但是实际可以看到如果企业仅仅想依靠外部的咨询公司或顾问团队来完成企业整体的数字化转型架构设计,具体的IT应用架构设计和实施落地,基本都是不现实的。
外部咨询团队半年左右完成一个咨询项目,在这么短的时间周期里面实际很难真正做到对企业业务流程,业务逻辑的完整理解,并结合企业实际情况给出切实可行的方案规划和实施演进策略和路线。
企业自身的业务和痛点,企业内部自己的业务领导,核心业务骨干往往最清楚。企业需要的是将自己的人员培养为具备业务和IT双重能力的,具备数字化转型思维和意识的人员。而不是单纯地靠外援输血,最终导致方案无法落地,项目中途夭折等。
任何数字化转型,首先需要想明白的还是业务和商业模式重构,其次才是底层的技术和IT应用如何更好地支撑。
当然也不是一味地否定外部方法论和数字化转型经验,企业更多的应该是了解数字化转型的科学方法规划,实施策略标准等,外援的作用更多也是过程和方法层面的指导。具体商业模式的重构,场景和业务的梳理,需求和IT的匹配等更多还是应该由企业内部人员去思考清楚,并制定合理的演进路线和实施策略。
垂直场景,小步快跑
如果有一个做数字化转型的咨询厂家或IT服务商跟你说,希望花1年时间将你内部的业务流程全部梳理完成,并给出完整的业务和数据架构,基于这些架构来为企业构建一个完整的数字中台,中台提供大而全的服务接口能力,满足后续所有的业务场景的灵活组装和编排。
那么你一定要小心,项目失败的可能性极大。
以上的场景不就是传统的为企业做完整的企业架构,信息化规划的场景吗。一个IT规划做大半年,分3到5年演进,实际3年后你再看发现很多当初规划的内容已经出现明确的错误或偏差,根本就无法指导后续的IT建设和实施落地工作。
中台的思想是好事情,但是你为了数字化转型去理想化地构建一个满足所有能力的大中台,而且希望一步到位,那么这个思路本身是错误的。
不管是底层的云原生技术平台还是中台,技术架构可以考虑的完善点,满足高可用和后续高扩展的需求。但是对于中台里面的装的内容,一定是基于业务垂直场景驱动,逐步填充进去的,也就是前面谈到基于迭代思路小步快跑。
数字化转型是一个大工程,任何一个企业都不可能依靠外来标准的方法论取得成功,因此企业更多要考虑的就是短周期迭代自我验证,自我试错,不断的纠偏,然后找到适合自己的规划和演进模式。
比如你前期的重点可能是数字化营销和C端用户从公域到私域的引流,那么所有内部的业务和IT应用,都应该基于这个目标驱动来进行重构,该组织变革的就组织变革,该提供API接口的就提供接口,一切为这个垂直场景目标提供服务。
当你真正走通一个垂直场景,并且这个垂直场景发展了业务价值和作用的时候,你才能够清楚地理解数字化转型,规划实施的可验证,可落地的行动步骤。
技术生态构建和自主可控
在整个数字化转型,不论是平台还是应用的构建过程中,都会体现出几个大的趋势。
其一就是自主可控,特别是面对美国的技术封锁的情况下,自主可控和国产化已经不是简单的企业战略,而是国家战略。包括当前国家推动的信创产业发展,从芯片到IT软硬件的自主研发和自主可控等。
从国产化操作系统,数据库,中间件,逐步被更多的企业所接受和采用,同时也从传统的政府部门扩展到类似电信,金融等大型企业或集团。
其二是技术生态和开源化,即大型的集团或企业,在构建自己的数字化能力的时候,更加强调了自主研发,而不再是单纯的购买外部的产品套件。产品套件本身是一个偏封闭的黑盒,难以在后续和其它IT能力协同集成,形成一个完整的能力开放体系。如果期望上层的业务或场景能够快速地组装,那么首先要做到的就是底层的基础能力完全做到自主研发和自主可控。
当然如果你仅仅是一个规模较小的企业,那么整个的发展趋势不是自主研发,也不是购买标准的产品化产品,而是从内部构建IT和应用,转到实际使用SaaS云服务能力。
即小企业构建云服务,大企业自主研发可控。
数据的实时性和多样性需求
数据化转型的第二个重点是数据,而对于数据在数据化转型阶段不是传统的应用于数据分析决策,而是需要通过数据来驱动业务运作,驱动业务运营。
也就是说对数据的实时性需求在提升。
传统的数据批处理模式,数据采集集成,清理和建模,更多的是应用到大数据分析和决策,而不是实时的应用到业务运作中。数据反哺业务协同,是在数字化转型过程中数据层面需要解决的一个关键问题。
其次,当连接无处不在和泛终端化后,数据一定是多样性的,那么对于数据的多样性必须提供一个统一的采集和存储手段,形成一个完成的共享数据存储和能力开放。
对于数据的实时性要求,需要考虑的重点就是数据的流处理和计算,传统的方式下数据流处理和数据批处理是分离的,而新的趋势应该是流批一体,一次完整的数据流动,既能够满足数据批处理和采集的需求,同时在数据流动过程中又完成应有的流式计算和中间处理过程。数据批处理可以用到数据分析等非实时场景,而数据流处理则可以满足实时性的业务协同需求。真正将数据驱动运营和数据驱动分析两件事情打通。
而对于数据的存储,即前面谈到的数据湖的概念,企业应该形成自有的数据湖能力。但是这个的前提仍然是首先产生的实时,多样性的数据,其次才是数据共性存储和能力开放。
其次,数据治理会越来越受到重视,这个是一个小趋势,如果没有科学规范的数据治理体系,数据管控标准和流程,基础的元数据管理和数据建模能力。那么你采集再多的数据也是处于一种混乱和不可用状态,这个是企业所不愿意看到的场景。
混合云将成为云原生重要抓手
对于混合云实际上可以有多个理解。
其一就是企业自主研发的系统,一部分部署在企业内部私有云,一部分部署在类似阿里,腾讯等公有云环境,同时两部实现集成。还有一种理解就是企业既自主研发一些IT应用和系统,部署在自己的私有云,同时又购买了外部的公有云SaaS服务,形成一个完整的IT应用能力支撑。
不管是哪种模式,都可以看到在混合云架构下需要解决私有云和公有云之间的集成问题。这个集成没有解决将直接导致核心共享基础数据的多次录入,多点落地。导致了数据不一致性,业务集成异常等诸多问题。
大型企业本身有大量的遗留IT应用和系统,实际上短期全部迁移到公有云本身就不现实,企业内部的私有云数据中心和公有云将是一个长期共存的事情。
那么企业内部的私有云进行开发和测试的应用,如何快速的交付到公有云,如何在多个公有云环境之间实现跨云的迁移和切换?这个就需要在私有云和公有云之间提供一个桥接的平台或网关,一个基于DevOps核心理念实现的混合云基础持续集成交付过程管理平台。
在上篇谈青云科技上市的文章里,我也专门提出了基于云原生技术提供一个打通企业内外的混合云解决方案将是企业数字化转型中的关键技术支撑能力。
从业务支撑到生态构建
在数字化转型过程中,不论最早谈的互联网+,还是当前谈的消费互联,产业互联,实际你都可以看到一个重点就是企业数字化这件事,不再是简单的内部IT能力提升支撑业务运作和决策,更加重要的是生态体系的构建。
这个生态首先是一个连接生态,通过连接打通企业内部的人和物,通过连接打通企业内外上下游的供应链,通过连接实现C端用户的触达能力等。其次,这个连接生态是一个内容和服务生态,通过连接产生了业务协同,通过协同产生了数据,通过这些数据来提供内容和服务能力。
包括在多年前谈互联网+的时候我就谈到过:
企业加速自身上下游企业的整合,企业发展自建电商等各种模式,核心还是希望通过企业自身原有的核心竞争力和客户资源,尽快的打通和整合整个供应链,通过完整的生态链环境和绑定模式来减弱互联网企业的进入壁垒。一个企业容易被轻松攻破,但是一个完整的生态链环境绝对不容易简单替代。
而这个思路到当前数字化转型阶段仍然适用。
企业的核心优势不再是单纯的个体优势,而是进行资源整合和生态构建后,提供的综合服务能力优势。你表面看到的可能是今天买的东西明天就送到了,但是后台实际是企业对整个供应链上下游多个协同点的能力整合和重构。
IT从成本中心转向利润中心
对于很多企业来说一般以业务核心价值链为导向,企业内部的IT部门往往是成本中心,一般也没有太多的话语权。IT部门更多的是提供IT服务能力,快速地响应业务部门的业务需求,并通过IT应用或系统去实现。
业务驱动IT,IT自然也处于一种被动的状态。
而在前面谈数字化转型的时候就谈到,在新的数字化思维下,要么是业务部门成员学习数字化和技术知识,要么是IT部门补充业务视角短板。但是不论是哪种模式都可以看到,IT部门往往在数字化战略下能够推动业务流程的优化和变革。
简单来说新数字化下,很多业务的商业模式本质就是IT运营模式。
业务,IT服务和运营本身也逐步体现出高度融合的趋势。IT部门不再是传统的成本中心,而很可能逐步转变为企业的价值创造中心。
企业的CIO如果能够做到这点,也将带来巨大的地位提升。
在新的数字化趋势下,市场对企业敏捷化响应的需求越来越高,如何快速的构建IT应用支撑业务,如何灵活组装企业内部已有的IT服务能力将成为一个重点。
这也是最近2年中台的概念很火的一个原因。
不论是否有中台的概念,个人理解企业的内部IT都必须转变。第一种思路是对业务,IT和运营三者进行高度融合,首先是业务上的融合,其次才是IT的融合。
第二种是按后台+前台应用的思路进一步通过服务解耦。将传统的基于ERP为核心的应用系统下沉为企业底层后台能力中心。而围绕具体的市场需求和业务场景来构建上层的多个业务人员+IT人员+运营整合的高度垂直化的细分团队。
免责声明:
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341