轉載自《哈佛商業評論》中文版
在《哈佛商業評論》中文版和聯合國於聯合國成立75周年之際,攜手推出的"科技與管理如何共創未來"系列對話中,紫光股份旗下新華三集團高級副總裁陳子云作為主講嘉賓參與了關於"管理科技與未來組織"的探討。
在快速變化和不確定的年代,《哈佛商業評論》中很多研究都強調了企業轉型過程中,發展通識型人才和管理者的重要性。擁有美國賓夕法尼亞州立大學雷射物理化學與應用專業博士學位和杜克大學商學院MBA的陳子云,在全球財富50強企業有著20多年的豐富領導經驗,正是這樣一位精通科學和管理多領域的跨界通識型高管。他受邀參與此次全球對話,為聯合國發起的跨領域、跨學科合作帶來了獨特洞察和遠見卓識。
下面就為你解讀陳博士提出的全球未來管理和科技發展趨勢及其為企業帶來的機遇。
從"人治"到"智治"
在聯合國成立以來的75年裡,人類社會經歷了從信息化、數位化到智能化的飛速發展。大數據、人工智慧、雲計算等高科技迭代演進的速度越來越快,成為經濟全球化及國際合作的有力引擎,開啟了全球經濟飛速增長的新階段,也推動時代邁入了以"智變"為主導的新階段。
"智變代表了以智應變、以智促變和以智求變,其目的是要實現以智能應對突發變故、以智能促進變化和發展,以智能尋求突破和變革。"陳子云說。聯合國的宗旨,就是要實現全球範圍內更廣泛的合作,推動世界各國的合作共贏。人類歷史上從不缺少"黑天鵝"事件,如何提升應對突發變化的能力,關乎到人類共同體的未來命運。
當下,人類再次走到社會變革和重塑的百年關口,智變時代的發展主要從三個維度上讓我們審視和思考數位化時代產業的轉型和企業重塑的新挑戰、新機遇和新空間。
一是廣度上的萬物智聯。Strategy Analytics發布的《全球聯網和物聯網設備預測更新》指出,截至2018年底,全球聯網設備數量達到220億,並且預測到2030年將有500億臺聯網設備。
二是速度上的數據共享。權威調研機構Canalys的數據顯示,2019年全球雲基礎設施服務規模達到1071億美元,較上年同期增長37.6%。
三是深度上生產效率的提升。埃森哲預計,人工智慧(AI)可將勞動生產率提高40% 。到2035年,AI能使年度經濟增長率提高一倍。
在這三大趨勢下,企業也將發生從"人治"到"智治"的四大轉變。一、有別於業務相互隔離的傳統企業,智慧型企業的數字中臺、業務中臺和AI中臺將實現企業內部數據共享,為業務發展和商業模式創新提供全方位視角和更廣泛價值。二、有別於傳統企業慣於按經驗決策,智慧企業能基於數據的分析和洞察實現更客觀、更智能和更精準的決策。三、有別於傳統企業日常運維更多依賴員工參與,智慧企業的運轉更多依賴自動化流程支撐。四、有別於傳統企業多以打造產品為目標,智慧企業以優化員工、客戶、合作夥伴等角色體驗作為戰略發展的目標。這四大轉變能讓智慧企業形成全新商業模式和競爭力,取得成功。
金字塔模型:數位化轉型落地三部曲
企業向"智治"管理的轉變並非一蹴而就,而要經歷信息化、數位化和智能化三個不同階段。信息化階段更多聚焦業務系統的整合及數據的記錄;數位化階段強調以大數據驅動實現精細化管理;智能化是未來企業發展的方向——通過智能決策實現業務創新。從信息化、數位化到智能化的轉變,都需要利用大數據、雲計算、數字孿生、人工智慧、區塊鏈等新興先進技術,提高整體業務全價值鏈的數位化能力,以智能技術創造新商機。
作為技術密集型公司,新華三集團擁有全方位數位化基礎設施整體能力。在CEO於英濤的支持和陳子云的主導下,新華三歷經過去4年的探索,從傳統IT企業走上了數位化轉型的快車道。目前,新華三已經完成了200餘個數位化轉型項目,帶來了前所未有的變革價值,推動重點業務線效率提升30%-40%,賦能業務量年增長率達30%,讓智能技術成為發展和增長的重要引擎。
據陳子云介紹,新華三形成了自己的一套數位化轉型方法論,可用金字塔模型三部曲來概括。金字塔的基層是數位化聯接能力——打通數據孤島是數位化轉型的第一步;金字塔的中段是數位化洞察力——通過分析數據找到傳統手段無法識別的內在規律;金字塔的頂層是數位化創新能力——通過智能技術,創造新的商業機會,形成新的核心業務能力。
新華三集團也將自身數位化轉型的經驗賦能給客戶和合作夥伴,並在今年升級推出了"數字大腦計劃2020",深化智能數字平臺與智慧應用生態融合創新。2020年,新華三已經為近2000個客戶部署了"數字大腦"解決方案,助力百行百業實現高水平的數位化轉型。
例如,新華三集團為四川大學華西醫院提供了雲數智融合解決方案,部署"醫療數字大腦",整合接入了9套醫療應用,可以滿足日門急診量高達2萬人次的就醫需求、當下和未來3-5年的醫療信息化需求。值得一提的是,在人工智慧驅動醫學科研業務方面,新華三通過統一的AI服務,助力華西醫院將數據和AI平臺無縫對接,快速構建醫學模型,實現了全面的可視化,從而助力科研人員快速完成CT影像自動檢測模型的訓練,讓AI輔助醫生完成高效診斷成為可能。
(免責聲明:本網站內容主要來自原創、合作媒體供稿和第三方自媒體作者投稿,凡在本網站出現的信息,均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,並對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。
任何單位或個人認為本網站中的網頁或連結內容可能涉嫌侵犯其智慧財產權或存在不實內容時,應及時向本網站提出書面權利通知或不實情況說明,並提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件後,將會依法儘快聯繫相關文章源頭核實,溝通刪除相關內容或斷開相關連結。 )