数字化转型,你懂多少? (五)

6.4.2 业务地图

        业务地图是企业实现战略地图的行动方案，包括业务流程和业务方式。企业只有梳理了业务地图，才能清楚哪些业务环节可以优化、重组。

        企业若拥有不同维度的业务，特别是核心业务，在规划初期便应分解出相关举措，将现有业务架构进行梳理，分析当前面临的问题及痛点，如图6-4所示。

        在完成业务地图的梳理后，企业可以更高效、低成本地用数字技术和方法达到战略目标。

图6- 4 业务地图

6.4.3 需求地图

        企业在梳理业务地图的基础上，可以进一步制定一套满足业务需求的体系-需求地图，如图6-5所示。

       企业可以根据业务地图制定需求地图的阶段性目标，从而确定数字化转型中各个需求的优先级，确保各级资源完美匹配。

图6- 5 需求地图

        1）规划需求地图，明确需求排序原则

        CEO构建需求地图时，需要了解清楚业务团队的需求，明确客户具体需要什么样的业务价值。比如业务管理系统需要具备哪些基础功能、输入输出的形式是什么样的、可以与用户实现什么样的交互、业务处理的原则是什么，这些都需要梳理在业务地图上，并依此制定需求地图。

        需求地图并不是相关人员主观决定的，而是由业务逻辑确定需要紧急处理的需求，这不仅需要业务部门参与，还需要技术和其他部门的配合。

        最好的解决方式是由数字化团队发现业务需求并将其整理成为可以用数字化方式实现的产品。数字化团队以数字化的视角来完成业务创新，承接业务创新的价值和任务。

        2）一号位人物参与需求地图排序，确保资源跟进

        创建需求地图需要数字化转型团队与企业CEO等实际决策者（即一号位人物）共同参与。决策者需要从全局出发，在数字化转型初期的6个月内，确保公司有限的资源能够优先被需求地图中的紧急需求使用。一号位人物要对需求进行分类排序，将有限的资源充分覆盖到关键的需求中，达到资源有效运用，为数字化转型团队保驾护航。

6.4.4（数智）应用地图

        企业可从以下两点构建完整、详细的（数智）应用地图，以满足业务部门的需求，实现对数据的高效利用，如图6-6所示。

        1）制定数据应用规划，建立应用环境，完善应用体系

        在数字化转型过程中，为了能更好地实现对数据的智能应用，企业需要制定并加强数据应用规划，即创建应用地图。数字化转型团队需要从赋能业务的角度出发，选择要解决和产生业务问题的场景，针对这些场景进行需求采集和数据资源整合，梳理这一系列流程，形成不同维度的数据应用类别。

        在梳理（数智）应用地图的同时，企业还可凭借数据技术建立可扩展的数据应用环境，建设以数据应用为核心的数据中台架构及数据资源多维度切分、共享、调配机制，便于业务人员随时调用数据资源，提升运营能力，提高数据应用效率。

 图6- 6 (数智)  应用地图

        2）建立（数智）应用地图，满足多维度的业务需求

        数字化转型团队需要围绕数据智能应用逻辑，对产品全生命周期中各个环节产生的数据和需求加以整理，形成数智应用系统，帮助企业确定数智应用的区域和模块，为规划数智应用解决方案提供指导意见。

        （数智）应用地图必须灵活，可以随着业务需求的变化做出相应调整，时刻满足多变的业务需求，推动销售增长。

        针对不同业务的问题，企业可以搭建多个应用地图，帮助运营部门实现数据赋能业务。

6.4.5 算法地图

        通过数据分析提高销售水平和服务质量，越来越受到企业重视。算法在数据分析中占据重要地位。决策树、逻辑回归与线性回归、交叉验证的运用可以帮助企业在精准营销、用户画像、监测预警等方面提高精确性。

        企业可以组织专业的算法团队，利用算法业务和算法应用构建算法数据模型并形成算法地图，如图6-7 所示

图6- 7 算法地图

        企业在构建算法模型、创建算法地图之前，首先需要了解这样做的意义。

        1）提升企业市场竞争力

        构建算法地图可以帮助企业做出更精准的分析决策，提升市场竞争力。比如在构建用户画像中使用算法进行人群分类，找到不同人群的特征，建立用户流失模型，通过用户行为标记有流失风险的人群，分析客户流失原因，便于运营团队及时调整营销方案，通过有效手段挽留客户。

        2）避免资源浪费

企业创建算法地图可以将以往开发的算法进行整理、归类和存储，避免因人员变动导致算法遗失及重复研发。算法地图帮助数字化转型团队了解公司内外部的算法资源，为接下来的数据治理及应用提供支持。

        3）便于企业部署数字化方案

        企业只有确定了数据资源、算法模型等基础内容，才能为下一步的人才部署、资源部署提供方案，为调整组织架构奠定基础。

        企业可从以下3个方面来盘点算法模型，构建算法地图。

• 根据业务关系盘点已有算法

        算法地图是根据业务关系进行梳理的算法规划图。算法地图可分为统计模型、挖掘模型、AI模型、行业模型、函数库和算法库等几部分。其中以决策树、K-means聚类、因子分析为代表的统计模型采用数学统计方法建立，可应用于人群分类、用户分群、满意度调查。企业在创建算法地图时可根据业务关系梳理出不同业务线上的模型地图。

• 重视算法模型的补充及智能化研发

        企业在打造算法地图时可通过算法模型管理框架编排算法，研发并补齐企业缺少的算法模型，为下一步的算法应用提供便利。同时，企业可记录算法地图编排过程中的关键流程，以确定哪些算法可实现自动化，进而嵌入业务流程中的自动化决策模块。

• 建立开放、共享、便于迭代的算法地图共享机制

        企业在数字化转型过程中，需要根据完整的工作流程将内部已有的算法进行统一整理，按类划分，形成算法地图。在此基础上形成一个开放、共享、便于迭代更新的算法地图应用机制，以备数字化转型团队成员随时调用。

6.4.6 数据地图

        数据地图作为一种以图形为表达形式的数据资产管理工具，可以对数据中台汇聚的所有数据进行统一查询、管理，如图6-8 所示

 图6- 8  数据地图

        数据是各行业不可或缺的重要资产，在应用过程中需要企业从数据资源规划、数据类目盘点、数据模型管理三方面入手，制定一套详备的数据地图，为后期利用数据中台架构实现数据赋能业务的目标奠定基础。

        1）规划数据资源，保障数据应用效果

企业构建数据地图首先需要规划内外部数据资源，包括梳理数据类型、管理数据模型、调整数据资产、规范数据指标体系等。数据资源规划对构建数据地图、搭建数据中台起着至关重要的作用。在规划数据资源的过程中，管理人员和技术人员要紧密协作，调研、分析业务需求，明确需要获取的数据资源，以便保障数据应用的预期效果。

        2）盘点数据，提高数据应用效率

        企业完成战略地图、业务地图、需求地图、（数智）应用地图、算法地图的梳理后，便会对未来6个月内的转型工作安排有一个清晰的了解。通过盘点内部数据，数字化团队可以掌握公司的数据情况，合理规划需要治理的数据。

        传统的数据应用模式首先是梳理数据地图，利用数据地图构建应用系统。然而，领导者单纯地凭借个人经验梳理数据地图，通常会忽视将数据应用模式与实际的数据情况相结合。在传统数据应用模式下，数据团队花费大量的时间治理数据、清洗数据、管理数据，导致所开发的数据应用系统无法及时满足业务部门的需求，企业投入的成本不能实现战略价值和业务价值。

        采用盘点数据→划分治理数据→构建数据地图→梳理数据应用模式的新型数据地图构建方式，可以帮助企业有效提高挖掘数据价值的效率。

        3）管理数据模型，提高数据质量

        企业可以通过构建数据地图管理数据模型，解决数据地图和数据模型开发不一致的问题，使数据模型的应用与数据资源相匹配，提升数据资源的利用率，如图6-9所示。

图6- 9  数据地图的建立方式

       企业首先需要确定数据质量方向，制定完整的数据改善计划；其次要对数据进行分析、评估、清洗、监控，做数据错误预警，多方位把控数据，保障数据质量。

        在传统数据应用模式下建立的大数据平台系统较为落后，无法满足用户的需求。因此，企业需要构建数据中台，依靠数据中台汇聚而成的数据地图对数据资源进行管理。

        企业在打造战略地图、业务地图、需求地图、（数智）应用地图、算法地图和数据地图后，便形成了数字化转型的数据运用系统。当企业需要不同方向的模型算法、不同种类的数据资源时，便可利用六大地图实现快速匹配，提升数据利用价值。

        在数据中台架构之下创建六大地图，可以帮助企业在接下来的数字化转型过程中准确匹配相应的人才和组织架构，快速达成转型目标，使数据真正赋能业务。