至顶网CIO与应用频道 07月03日 编译:1958年时公司的平均寿命是61年。而今天,情况大不一样了。在时下快速技术创新的大气候下,公司的平均寿命缩短到不到18年 。麦肯锡公司(McKinsey & Co.)董事总经理Dominic Barton将这种变化归功于数字化转型的威力。他在上述第二个链接的文章里提出“科技导致了所有人的基本业务变化”,他还在文章里指城市化、大数据和计算能力的显著改善是促成因素。
全球的企业为了保持竞争力都在开始对各业务部门进行数字化,达到改变运营方式的目的,但许多数字化转型计划都容易犯四个常见的错误:
1、不知道从何着手
笔者的公司最近委托了一个对一千多名高层管理人员和一千多名业务分析师的研究。我们发现企业对转型工作缺乏明确的理解,45%的高层管理人员认为,在制定数字化转型策略时,自己不清楚从何着手。
2、没有设定衡量成功的明确目标
也许更令人担忧的是,在实施转型策略时缺乏明确的结果和和投资回报目标。我们的问卷调查发现,44%的高管认为他们的业务转型计划是在浪费时间。而即便如此,在过去的12个月里,34%的组织却在这些策略上花费了超过50万美元。这些组织基本上是将自己置于潜在的高成本而且回报有限的位置,结果是项目在启动前可能就被搁置了。
3、跃向未来的一步前却不了解当下
各组织为了制定适当的数字化转型战略需要首先了解改变的内容,只有这样才能优化自己的计划。企业需要为业务成果设定目标,而不是简单地优先考虑技术成果。高层管理人员在深入研究转型计划前首先应了解业务驱动因素和内部流程。而事实上,在参加我们问卷调查的高管里,82%没有审查自己组织的内部流程,如若他们审查了组织内部流程,最终会有助于他们制定目标及理解适当的关键绩效指标(KPI)。这可能源于他们不知道如何才能获得更好的流程可见性的事实,因为65%的这些高管表示,如果他们对内部流程有更好的理解,他们就会对自己的策略有更大的信心。
4 、在理解策略前急于制定具体战术
虽然企业领导者认识到了解企业流程对于转型策略至关重要,但许多组织仍然是先一头扎入具体战术里。例如,在我们问卷调查的高层管理人员里,只有不到三分之一(33%)的人有计划在能够提高流程可见度的技术上投资,而这其实是实现数字化转型的关键一步。Couchbase的调查甚至还发现52%的组织认为如果一拥而上,数字化转型项目必将失败。
还有,在我们问卷调查的高层管理人员里,73%的人表示,他们希望增加对自动化、人工智能和机器学习的投资,但却没有真正地了解这些技术的优势和成果。事实上,Databricks的一项研究发现,90%的公司做人工智能(AI)项目是为了改善他们的业务及在竞争对手的吵闹音里有所作为。各种组织从任何数字化转型策略的开始到结束都需要认识内部流程究竟会如何影响自己的业务,进而确定哪种技术是最有效的。
做好企业数字化转型走向成功
数字化转型策略最终必将成为企业运营的重要组成部分,任何组织承受不起落在后面的后果。但转型策略需要对公司内部流程有深刻的了解和洞察。抢步进入转型的企业未能理解究竟需要什么技术才能应对具体的痛点。只有了解基础业务流程后才能彰显那些主要的低效率点。然后,才可以明智地在正确的解决方案上投资,提高生产力和效率,进而增加客户服务。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。