企业和IT领导人普遍认为,真正的数字化转型(DX)是一个持续的采纳过程,而不一定存在终点或端点。
当然这并不意味数字化转型计划就不应该有战略目标和里程碑以及衡量进展和结果的明确方法。
然而,制定、跟踪和执行数字化转型的指标却可能是个棘手的问题。数字化转型本身是个颇为广泛的术语,数字化转型的持续性最初可能看起来并不适合用指标去进行衡量,但却有必要进行衡量,而且确实可以用很好的方法做到。
每个人都可以根据自己的具体目标定制和调整指标和或关键绩效指标,但以下的五个例子可以很好地说明领导者如何衡量数字化转型的成功。
1、数字化转型的投资回报率
数字化转型本身已经成了一个大行业。IDC估计,2026年全球数字化转型投资的支出将达到36000亿美元,是个巨大的资本。无论一个组织的数字化转型相关支出有多大或多小,都需要一种方法来跟踪不同时间的投资回报率(ROI)。
Sisense的首席技术官Ariel Katz表示,“由于数字化转型涉及大量的前期投资,例如技术采用、用户培训和招聘,领导者应该寻找这些投资和收入之间的明确联系。”
由于许多数字化转型计划的持续和不断发展的特点,要计算传统的投资回报率可能很棘手。我们以前曾提出过:“对于一些跨越职能和业务界限的项目,去改变公司进入市场的方式并常常从根本上重塑与客户和员工的互动,说起来容易做起来难。”
但做起来难并不意味着就不去做。可以一开始就敲定如何衡量和显示投资回报率已经相关工作的经济影响,无论是用Katz建议的收入作为指标还是用其他商业指标。
2、进入市场时间
如果说金钱(无论是赚的钱还是节省的钱)是大多数业务指标的第一支柱,那么时间就是另一个支柱。时间可以是花掉的时间,也可以是节省的时间(稍后还会讨论),但时间也可以是相对纯粹速度而言。
Image Relay的首席执行官Skye Chalmers表示, “对于各行业的企业来说,进入市场时间应该是目前最关键的数字化转型指标之一。数字化转型项目对市场的影响完全取决于项目的速度:假若你不首先冲过终点线、没有强大的新客户或员工体验或其他数字现代化举措,你的竞争对手会这样做。”
因此,虽然整体数字化转型战略本身可能并没有终点,但构成数字化转型战略的目标或里程碑应该设有基于时间的衡量指标。从Chalmers的观点来看,交付速度应该是决策和衡量的一个关键因素。
Chalmers表示,聚焦进入市场时间这个指标“将直接提高企业的竞争地位及企业在客户心中的地位”。
3、人工小时与工作原型之比(H/wP)以及金钱与工作原型之比($/wP)
Iterate.ai的首席执行官Jon Nordmark指出,在进入市场时间方面有一些好消息:人工智能和机器学习方面的进步、数据更容易整合、低代码及无代码工具以及其他技术可以令团队的行动前所未有地快。
但现在的公司缩短开发周期及采用最小可行产品(MVP)方法等策略,团队也面临降低成本的压力。(毕竟,大家都面临“少花钱多办事”或至少“花同样的钱多办事 ”的压力。)
Nordmark表示,“为了满足加快开发和降低成本的双重要求,我们坚信跟踪每个工作原型所花费的人时和美元是个有效的方法。‘可行性’部分至关重要:构建良好的最小可行产品应该与传统系统和现有的应用程序堆栈连接起来,达到快速部署及避免技术债务的目的。”
Nordmark和团队将这些衡量标准用H/wP 和 $/wP表达出来,他表示,“最理想的情况是,这些衡量标准的分子小分母大:首席信息官和其他技术领导可能需要在特定的时间内完成尽可能多的工作原型。”
二者合在一起构成的方式可以作为进入市场时间和成本考虑的衡量和平衡。
Nordmark做了以下解释,“追踪H/wP可以很好地衡量特定数字化转型计划的进入市场时间和整体开发负荷。而 $/wP指标则涵括了所有可能进入原型的额外元素:开发人员时间、外部技术、项目管理、设计师、法律和管理等等。”
例如,Nordmark的团队最近完成了一个原型,比竞争者的投标快了17倍(3周与52周的区别),便宜了12倍(7.5万美元与100万美元的区别)。Nordmark表示,“我们的工作原型在那段时间结束时已经可以生产了(连接到现有的人工智能引擎、内部物联网系统和现有的客户数据库),现在已经在美国和欧洲的3500多家商店运营。同时命中时间和成本的考虑对于数字化转型项目至关重要,这就是为什么我们喜欢看H/wP和$/wP的连接关系。”
4、使用关键绩效指标
对于一些面向客户和员工的举措,新的数字产品通常也可以从产品采纳和使用方面来衡量,无论新的数字产品是客户应用、流程自动化、员工工具还是数字化转型旗下的其他东西。
Katz 表示,“领导者应该监测整个数字化转型生命周期各个层次的采用和持续使用指标并采取相应的行动。”
这些指标有时被称为用户参与度指标,包括:
基准(或 “之前”的图片)通常都很重要,清楚地知道成功是什么样子同样重要。只是说“用户在这个新工具上花了多少时间”不一定有价值,而是要能说出这与更广泛的战略目标有什么联系。
归根结底,就关键绩效指标(或其他测量工具,例如OKRs)而言,请记住,你可以为自己的特定组织及组织的目标进行定义和/或定制。
5、生产力关键绩效指标
Katz指出,诸如投资回报率或用户参与度这样的衡量标准是产出指标,另一方面,对产生这些结果所需的投入进行衡量也很有用,特别是在对人的投资方面。在数字化转型计划会要求团队建立学习使用新技术来实现业务目标时,这一点尤其重要。
Katz将这一类别称为生产力关键绩效指标。在这个领域,领导者当然也可以根据自己的团队和目标进行定制,但Katz分享了在以投入为重点时要问的问题例子并建议然后要确定一种方法用于衡量是否达到了目标。
Katz表示,“我会围绕这些问题建立具体的关键绩效指标,然后加以衡量。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。