至顶网CIO与应用频道 11月03日 北京消息: Gartner公司整理出十种重要方法,应对数字化业务转型的大量投入及众多选项。
根据Gartner公司发布的2017年CEO调查报告显示,42%的CEO正在采取数字化优化战略以应对业务变化,或者将数字化作为其业务模式的核心主干。受访CEO们表示,为了资助数字化转型计划,他们通常将自筹资金视为主要来源——而非既有预算。这是因为他们认为数字化转型计划的主要目的在于提升收入,而非节约成本。
Gartner公司副总裁兼著名分析师Andy Rowsell-Jones表示,“鉴于传统IT管理工作主要使用运营预算,因此这样的思路转变值得CIO们认真思考。”
Rowsell-Jones进一步补充称,“转型工作需要承诺、领导、战略、技术与创新等要素的多方面配合,但其中最重要的无疑是金钱。今年与明年很可能成为商业周期与数字化业务转型之间的最佳重叠时间点。这两年之后,资本成本的上涨可以令战略性投资变得成本更高且难度更大。”
协助数字化业务转型的十大重要方式分别为:
1) 内部自筹资金:数字化营收回报
这种作法只适用于短期项目,旨在获取即时回报收益。具体包括数字化营销活动或者价值更高的数字产品功能等。这种方法需要拥有明确的收入来源,有利于持续增长,但无法适应市场变化。
2) 现有内部预算
如果预算额度比较充裕,则应对具体分配方式作出调整,确保其能够在两到三年周期内服务于数字化业务转型工作。这种作法不适用于快速转型,因为其可能对原有业务产生不利影响。
3) 储备金投资
储备金属于内部再投资资源的组成部分,负责在困难时期帮助企业恢复运转,例如数字化业务颠覆及市场亏损等情况。如果储备金较为充裕,可能会加速数字化转型工作,且对当前运营财务状况影响较小。
4) 增加相关预算,削减其它预算
这一选项要求管理者非常清楚数字化业务增长将如何取代增速放缓的传统业务。如果数字化业务在同样的企业结构中可实现并交付至同一客户群体,但不适合进行相邻市场移动或者激进性行业颠覆性变化,那么这种方案较为理想。
5) 增加相关预算,削减利润水平
这种方式涉及多年深层战略变更,要求投资者作出明确且认真的解释。如果竞争对手带来的破坏性威胁使得转型需求非常明确,或者您所在企业属于具备长期发展规划的个人或家族式企业,那么这一解释工作可能更具可行性。
6) 来自投资者的新债券或股权资本
如果数字化转型工作要求获得多年投资,则可能需要提升新的资本引入额度。自身规模较小但增长率较高的企业可以通过发行更多股票以提升投资者的股权资本。规模较大、知名度较高的成熟企业则可通过发行更多企业债券来提升债务资本。
7) 从贷方借款
贷款资本通常适合短期且更具策略性的计划,有助于弥合数字化转型工作带来的资金缺口。其通常仅适用于常规且风险可明确描述及衡量的情景,而不适用于投机性创业或者行业颠覆性变化。
8) 资产负债表外项目
另一个选项是将全部或者部分新型数字化产品、服务或者项目交由单独的公司负责打理,从而进行“有风险”或者“非常规”实验。这种作法更适合与风险投资、孵化器项目以及行业联盟合作的初创企业与“培养性”数字化生态系统。
9) 资产剥离
当某一行业中发生了严重的数字化颠覆状况时,这项策略要求企业将传统业务部门提早出售给那些在衰退周期内乐于投身其中的买家。在此之后,资产剥离带来的资本回报将可用于不断提升并巩固新型数字化业务给企业带来的收入。
10) 资产处置
某些过去存在价值的资产可能在数字化业务体系中不再拥有价值,但在市场上仍有买家愿意接手。回收这些旧有实体资产以承担“非实体”层面数字化业务增长带来的资源需求。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。