暑假看了幾本數位轉型與數據轉型的書,覺得這兩者之間可能有層次與因果的關係。一間企業如果成功的「數據轉型」,必然會有良好的數位轉型。但如果只是數位轉型,有可能並沒有數據轉型。
前 P&G 的數位服務 VP Tony Saldanha 談數位轉型的著作《 Why Digital Transformations Fail: The Surprising Disciplines of How to Take Off and Stay Ahead》 (數位轉型為什麼會失敗:從起飛到領先的驚奇原則)提到了數位轉型的5個階段,每個階段都是從部門到跨部門到全公司的改善,其中數位轉型的5個階段分別為:
- Foundation:公司開始使用外部的SaaS等方案來改善流程
- Siloed:部分部門開始利用數位工具來產生新的商業模式
- Partially Synchronized:公司間有些部門的數位 / 數據工具可以對接
- Fully Synchronized:全公司的內部系統都已經數位化並且在同一個系統上
- Living DNA:變成一家純數位公司,這並不是說傳統業務並不要做,例如一間物流公司,純數位化之後,就是一間有貨車的數位公司。
這5個階段既是數位轉型的階段,從下面的例子可以看到,也必然需要數據分析作為基礎。
在台灣以《輕鬆搞懂數字爆的料》走紅的 Thomas H. Davenport,2017年也出版了 Competing on Analytics 更新版,雖然書本不是談數位轉型,但其中提到的企業數據轉型的5個階段,其實也與數位轉型息息相關。Davenport認為企業在數據轉型的5個階段分別是:
- Analytically impaired: 前數據階段的公司,公司當然有數據、公司當然有分析,但都是只在基本「商業計算」的層次,沒有任何分析策略。我認識很多中小企業主,幾億身家的這種,都在這個階段,開心就好。
- Localized analytics: 與上面的數位轉型5的階段1與2有點類似,已經開始導入數位分析工具,但分析的層次以描述型分析為主。數據儲存在部門當中(數據孤島),沒有跨部門的數據倉儲或者現在流行的數據中台概念。
- Analytical aspirations: 高階主管開始關心數據分析,公司可能會有個數據長或者分析長 (Chief Data & Analytics Officer) 之類的角色,公司已經有大量的預測型分析的能力,也有資料倉儲,不過許多資料庫還是沒有完全整合、沒有標準化,無法跨部門使用,自然也無法跨部門分析,與前述數位轉型的 Partially Synchronized 非常類似。
- Analytical companies: 全公司已經完全數位轉型也數據轉型,公司具有成熟的預測型分析、指示型分析能力,也導入了即時自動分析的能力,數據分析是公司的主要任務,資料儲存完全整合,數據分析可以跨部門。
- Analytical competitors: 到這個階段,公司不但已經轉型成數位公司,也是數據公司,公司的流程已經在數據的基礎上大量自動化,數據分析能力變成公司的主要競爭力。
數位轉型並不是在生產、物流、財務、人資等管道導入數位工具就好,否則這樣數位轉型也太簡單了。如果數位轉型沒有搭配數據轉型,數位工具可能很快就淪為數位化的閒置資產。一間公司要數位轉型到具備 Digital Living DNA,前提必然是先成為 Analytical company。
Why Digital Transformations Fail: The Surprising Disciplines of How to Take Off and Stay Ahead 與 Competing on Analytics 兩書在數位轉型與數據轉型的5個階段如此相像,也能彼此對照驗證,相當有趣,非常推薦同時閱讀。