长臂猿-企业应用及系统软件平台
首页
长臂猿AI
系统软件
AI人工智能
开发企业
新闻动态
行业
电商零售
教育培训
建筑工程地产
银行金融证券
交通运输物流
法律行业
医疗健身美容
装修家具
旅游
餐饮服务
商办不动产
农业
制造业
广告传媒
社区物业
科技互联网
政府
服务业
软件观察
软件指南
软件对比
软件推荐
AI&自媒体
短视频
AI&chatGPT
MENU
首页
长臂猿AI
系统软件
AI人工智能
开发企业
新闻动态
行业
+
电商零售
教育培训
建筑工程地产
银行金融证券
交通运输物流
法律行业
医疗健身美容
装修家具
旅游
餐饮服务
商办不动产
农业
制造业
广告传媒
社区物业
科技互联网
政府
服务业
软件观察
+
软件指南
软件对比
软件推荐
AI&自媒体
+
短视频
AI&chatGPT
长臂猿
>>
新闻动态
>>
30条金句,说透数字化转型真相!
30条金句,说透数字化转型真相!
—
技术只是工具,业务才是目标。
来源 /
大话
数字化转型
(ID:
dataminingxmz
)
作者 /
数字化刘老师
1.
数字化转型
不是数据分析,也不是数据挖掘,而
是对业务体系的重新设计。
技术只是工具,业务才是目标。
2.
数字化转型不光是技术的转型,而是组织的全面转型,
船大不好调头,历史包袱的阻力不容忽视,大企业未必有优势。
3. 数字化不是万能的,企业有些问题数字化解决不了,根子的问题可能在于人才、管理、制度、模式、资金、文化。数字化
咨询代替不了传统咨询,两者不是替代关系,而是互补关系。
4. 很多数字化咨询项目从出发点就偏了,所以不受欢迎,
要时刻想着解决实际业务问题,而不是卖软件。
5. 数字化不是信息化,但是信息化是数字化的一部分。不经过信息化,没法实现数字化,
信息化产生数据,数字化使用数据。
ps:
微信公众号又改版了……
为防止失联,请大家把我们
设为星标
????,否则可能无法再收到我们的推送。
点击下图
即可三步完成星标
·
·
·
6. 对于很多企业来说,不采纳你的方案,可能不是因为你的产品不好,更多是因为没钱。
7.
数字化转型不在于建系统,而在于用系统。
实际产业落地中,大多数的系统建设工作只是单纯为了给领导交差,可能仅仅很少的比例是用来解决业务需求。
8. 系统不是万能的,
完美的数字化解决方案一定是人和机器的合作模式。
机器的目的不是替代人,也不能彻底替代人,而是更好地让人发挥出价值,做更有意义的事。
9. 数字化的理由有很多,
核心就一条,降低成本,
在市场趋于饱和的情况下,谁的成本低,谁就能活下来。
要不要进行数字化转型,本质就是在“算账”。
开发系统工具贵,还是人工干活儿贵,哪个便宜就用哪个模式。
10. 数字世界的效率是物理世界的10000倍,能在线上做的事情就别在线下做。数字化应用好坏的标准就在于,一个业务活动有多大的比例能在线上自动完成。
11.
数字化转型不能当作外包来做,如果甲方自己都不了解自己,厂商就更不知道怎么办,
最终结果一定是“形式大于内容”。
12. 不是所有的企业都适合做数字化转型,数字化不是不该做,而是不该马上做。先活下去,再想着怎么活得好。
13. 数字化转型是乘法,不是加法。主业务做的好,数字化转型会给业务提速,
主业务不及格,数字化只能让企业死的更快
。
14. 数字化转型是风险型项目,只有一把手有能力负责和承担,如果一把手不亲自下场,主抓进度,转型项目大概率没法有效实施推进。
15. 对于大型企业来说,
真正的问题来自于存量的问题。
开发一个新系统不难,抛弃旧系统,给旧系统搬家,新旧系统过渡,才是最难。
16. 当前大多数的数字化项目,仍然停留在信息化阶段,很多时候,把数据的查询、统计、展示这几块基础需求满足,就已经相当不错了。
17. 机器的智能化水平的确不断在提高,但是完全依赖机器是“不可信”的,至少在可预见的时期内,
数字化转型还是要“以人为本”
。
18. ChatGPT没有想象中的那么强大,可以理解为搜索引擎的高级版本,有直接答案的搜索出来给你,没有直接答案的,从不同数据源拼接出来也可以给你,对于自然语言大模型,其象征性意义远大于实用性意义。
19.
数字化转型有时候不是脑力活,而是体力活,
就比如数据治理,如果没有足够的“理由”是没法说服别人认真落实你的想法的。
20.
数字化的基础在于连接,如果业务彼此连接不上,数据和信息自然就不能贯通,
那么任何顶层“漂亮”的构建设想都是徒劳。
21. 数字化转型是做乘法,其是否有价值,考虑问题的
出发点是“业务是否可复制”,
提取不出最大公约数,就没法产生预期的规模效应。
22. 数据部门主导的数字化项目和业务部门主导的有什么不一样?前者主要做平台和治理,后者主要做升级和创新。
23.
数据中台真正的难点
不是大数据,不是高并发,也不是复杂的安全架构,而是
平台建好有用的数据接不进来。
24. 很多时候,做数据分析不是为了得到有用的结论,而是为了验证领导想要的“假设预期”,完全“开放式”的数据分析可能并不会受到什么重视。
25.
技术不分好坏,关键看怎么用,给谁用。
同样的软件产品包装成不一样的数字化场景来销售,可能效果完全不同。
26. 数字化转型的一切都是围绕“降本增效”,也是评判好坏的唯一标准,有时候一些“短平快”的成绩是必要的,这样才能获取长久的支持推动。
27. 数据“开放性”是阻碍数字化创新的很大因素,有时候在技术上根本不难,只是压根不知道有这些数据;而在能接触到这些数据的人眼里,很可能并没有任何价值。
28.
数据不是展示的越多越好,对数据可视化来说,要适当的“断舍离”
;隐藏不必要的细节可以让人更聚焦于核心问题,当然也可能产生恶意的误导。
29.
不要期待让数字化技术解决全部业务问题,能做到80%就好,剩下20%的长尾需求,不是还有“人工”兜底么?
30. 数字化转型项目有两种做法:
一是找到业务需求,挖掘痛点,
然后针对性地设计数字化场景;
二是提出一个数字化的高大上概念
,看和哪些正在推进的业务创新相关,直接“装”进去作为成绩。
加入我们
专题推荐
▼点击图片即可跳转阅读
点个
「在看」
,和我们一起聊聊
本文来自ToB行业头条
下一篇:
Sam Altma...
上一篇:
没钱没需求...