打造全新智能企业：三个维度的“战争”

　　在盈利增长、成本减少和效率提升、主动式风险管理方面，智能企业能提供更好的解决方案

　　侯雪莲

　　在信息大爆炸而且越来越复杂的背景下，只有那些能够将新分析技术与业务流程管理专业知识结合起来，熟练地采用、整合和利用企业级分析和优化益处的企业，才有可能创造出属于自己的未来。

　　这是IBM商业价值研究院访问了全球225家企业的高层领导人之后得出的结论。

　　超越“先感知再回应”

　　2009年4月，IBM宣布设立一项新的针对高级业务分析和业务优化市场的咨询服务业务，该业务旨在依靠IBM在行业、研究、数学和信息管理领域精深的专业知识，在帮助客户改善商业决策的速度和质量的同时，使客户更好地了解这些决策所产生的影响和业务结果。

　　为了解全球企业的智能化水平，2009年，IBM商业价值研究院访问了全球225家企业的高层领导人，了解企业的数据分析和利用水平、信息化差距，以及对转向智能化企业的接受和准备程度。调查发现，企业在经营过程中存在较大的盲点，且重要决策并未建立在正确信息的基础之上。这些企业承认，新的分析工具和先进的业务流程管理功能提供了弥合“裂痕”和打造新业务优势的绝佳机会。事实上，那些采用新方法并具有远见卓识的企业正在构建智能企业，正在为胜出同类企业做好准备。

　　“我们的客户认识到自己的公司正处于前所未有的竞争环境之中，他们的决策不仅要迅速，还要正确。这需要超越传统的‘先感知再回应’的工作模式。”IBM全球企业咨询服务部高级副总裁FrankKern说，“同时也要求加快业务决策速度，了解任何决策所产生的影响，并更准确地预测结果——简而言之，要达到企业智能的新高度。”

　　在大量研究的基础上，IBM推出业务分析与优化服务咨询产品线，利用IBM在垂直的行业领域、科研、数理以及信息管理方面丰富的专业知识，帮助企业在提高商业决策的质量与速度的同时，更好地了解决策所产生的效果和收益。为此，IBM成立了专门从事业务分析及优化服务工作的团队，4000多位咨询师与200多位来自IBM研究实验室的数学家和高级分析专家共同为之效力。

　　事实上，现代信息环境与此前的任何环境都不相同：信息数量庞大、产生速度极快、格式变化多端，其中既有结构化信息，也有非结构化信息，它们广泛存在于GPS日志、博客、视频、播客和音频当中。在智能物体的世界中，不单是集装箱和货盘带有可追溯的标签，连药瓶、家禽、瓜果和酒瓶都在信息生态系统中增加更为详细的信息细节。

　　智能企业能够从各种渠道获得精确、相关的信息，并将其分析、置于一定背景之下加以组织，用于实时决策和在恰当时机采取行动。新水平的智能，能让企业将决策权赋予所有员工——特别是那些最接近客户和供应商的员工。

　　中国企业的机遇与挑战

　　过去十几年，中国企业普遍开始使用各种信息管理系统，积累了日益庞大的数据量。但事实上，这些数据并没有被解读为有价值的信息，进而转化为庞大的财富。

　　IBM调查发现，中国企业在利用数据信息帮助决策方面明显准备不足，主要表现为：管理层对深入数据分析的战略意义认识不足；数据分析与公司战略和业务目标的结合程度不高；数据治理的成熟度低；数据孤立分散，信息基础建设薄弱，成为信息利用的障碍；对信息的利用没有纳入管理流程。总体而言，中国企业在收集并利用数据信息并帮助决策方面还处在非常初级的阶段。

　　此外，中国企业面临的决策风险高于全球平均水平。超过四成的被访中国企业认为，自己经常会在不完整和不准确的信息基础上进行决策。多数企业在企业运营的各个领域都存在较大“盲点”，即信息差距或缺乏对信息的信任，迫使决策者非常依赖他们的直觉。在所有业务领域中，中国企业在一般管理、销售和人力资源管理方面存在着更大的信息差距。超过半数的企业不仅与合作伙伴和供应商之间缺乏信息共享，在企业内部也缺乏足够的信息来完成工作。

　　IBM认为，智能企业能够优化三个相互依赖的业务维度：一是智能的盈利性增长。智能企业在增加客户数量、改进关系、发现新市场和开发新产品与服务方面有更多的机会；二是成本减少和效率提升。智能企业可以优化资源和资本的分配与部署，以提高效率并以一种符合其业务战略和目标的方式来管理成本；三是主动式风险管理。由于预测和识别风险事件的能力的增强，再加上准备和应对这些事件的能力，智能企业在结果方面具有更少漏洞和更大的确定性。这三个维度中，每一个维度都是企业优化的重要组成部分，针对任何一个维度的决定或行动，都会对其他维度产生影响。

　　IBM商业价值研究院建议，在智能化的过程中，中国企业应该尽快做好六个方面的准备：将数据治理纳入管理体系，成立相关部门和责任人体系；加强信息基础化建设，建立系统统一的数据收集方法和数据标准；将数据应用固化到管理系统的关键步骤中，成为优化运营必须的依据；数据分析和业务优化与公司发展的战略目标和业务目标高度一致，紧密结合；将数据治理及数据利用水平作为相关业务部门考核的关键指标；拥有成熟的工具和创新方法对数据进行分析和解读，包括与第三方合作伙伴进行数据分析业务的合作。

　　链接

　　智能企业的特征

　　预测：不只做出反应或者调整行动计划，还能驾驭和评估折中方案

　　赋能：支持和扩展员工的记忆力、洞察力和活动范围，以及决策和行动的权力

　　质疑：保留通过质疑现状以变得更智慧的权利，同时创造新的机会

　　清醒：收集、感知和使用来自环境中的每个节点、人、传感器的结构化和非结构化信息

　　联系：以对应于需要获取的业务结果的方式从前端到后端跨地区连接内部和外部职能

　　精确：仅使用最相关的信息来支持更接近影响和结果点的及时决定

　　智能企业快速检测

　　要快速确定高级分析工具是否有助于优化您的企业，请回答以下问题：

　　1.您的客户数据和客户盈利视图是否有限？

　　2.您是否从未意识到您的信誉是如何被社会网络和消费者博客塑造而成的？

　　3.您是否由于缺乏管理的风险或高欺诈率而遭受损失？

　　4.您是否有与客户和合作伙伴信用风险有关的盲点？

　　5.您是否在一个监管力度不断加大、要求更高透明度以减少风险的环境中开展经营？

　　6.您是否需要面对由重复或孤立的数据所造成的多个版本的事实？

　　7.您是否无法将信息用作实现增长和降低成本的平台？

　　如果您对上述任一问题的回答是肯定的，意味着您需要开始认真考虑业务分析和优化了。

　　案例

　　利用数据分析优化物流企业供应链

　　A公司是中国物流行业的领军企业。在并购另一家物流企业后，储运中心网点重复过剩，原来已有的运输网络运营效率低下、运输及库存成本较高等问题更加突出。另外，A公司有责任降低运输过程中对环境的负面影响。

　　A公司供应链优化的目标是达到三个方面平衡：物流成本、服务水平和二氧化碳排放量。公司实行的供应链优化解决方案，并不是一套用于供应链实时监测之类的软件工具，而是一项拥有独特复杂数学模型的战略评估体系。该体系通过提取物流运输各个环节的数据，导入数学模型进行分析，并根据结果对客户的储运中心网点的位置和数目进行优化，评估供应链整个过程中二氧化碳排放量，确定最优化的库存水平及服务区域的分配，以及确定成本最低的运输线路。

　　项目实施后，A公司的储运中心从100个左右降低到40个左右；公司的区域运输费用和车队运输费用分别降低了21%和6.6%，库存降低了22%；在保证业务的基础上，公司降低了22%的碳排放量。