華為的財富積累,離不開這次重要轉型(深度乾貨)_風聞
身边的经济学-身边的经济学官方账号-2020-12-09 17:03
隨着第四次工業革命的來臨,數字化生產已經成為普遍的商業模式。全球各行各業都在積極探索和開展數字化建設,期望通過數字化技術來支撐業務的長期、持續增長。
華為作為一家擁有30多年曆史、全球領先的ICT基礎設施和智能終端供應企業,同樣有着數字化轉型的強烈願望。
華為為什麼要進行數字化轉型?華為規劃的數字化世界是什麼樣子的?今天,身邊君就想和你聊聊華為是如何進行數字化轉型的。這些經驗對於其他企業而言,無疑是一筆巨大的財富。以下,Enjoy:
華為公司數據管理部 | 作者
身邊的經濟學 | 來源
01
華為為什麼要進行數字化轉型?
華為是一家業務範圍涵蓋研發、營銷、製造、供應、採購、服務等領域的非數字原生企業,在信息化時代初期建立了很多相對獨立的IT系統,典型的特點是形成了“一類業務、一個IT系統、一個數據庫”的封閉式IT架構。
其帶來的直接問題就是“數據孤島”:IT系統中的數據語言不統一,不同IT系統之間的數據不貫通,同樣的數據需要在不同IT系統中重複錄入,甚至不同IT系統中的同一個數據不一致等。
這些問題限制了運營效率的提升和效益的改進,華為迫切需要數字化轉型來改變這種狀況。
華為規劃的數字世界是什麼樣子的?
其內容無外乎就是業務對象、業務過程和業務規則的數字化,華為希望構建一個實現感知、聯接和智能的數據平台。
感知是物理世界與數字世界之間形成完整且有效的映射,聯接是把各種離散的數據相互聯繫成有機整體,智能是在這個基礎上加入一些大數據和高級模型算法。
華為的IT系統和數據有太多的歷史包袱,要進行數據治理並不容易,到今天為止,我們所做的也只能説“剛剛及格”。
我們想要在構建新的數據平台時不對原有的信息系統進行顛覆性改造。
因此我們一方面通過感知能力實現業務數據的自動採集,另一方面通過一些技術手段,把現有的各個相對獨立的數據庫中的數據按一定的標準進行匯聚和聯接。
這就帶來了“數據湖”的全新體驗,先初步解決“數據孤島”的問題,然後再來進行深入的數據治理。
02
數據底座:華為數字化轉型的基石
數字化轉型是當前各個行業的各個企業最關心的話題,是一次大的機遇,也是一次大的挑戰。
現在業界的數字化轉型過多地強調了技術的動因,而我認為數字化轉型應該首先強調業務價值。
根據Paul Romer的《內生經濟理論》,我們在做數字化轉型時要反覆問自己:
數字化轉型到底要解決客户的什麼問題?用户到底需要什麼?用户和客户關心的問題在哪?
業務戰略到底要解決業務的什麼問題?
變革是否有一個好的規劃和持續的架構?
數字化轉型是一個持續優化的過程,只有起點,沒有終點。
而華為在數字化轉型實踐中的經驗和教訓,對於其他企業而言,無疑是一筆巨大的財富。
2017年初,數字化大潮方興未艾,華為輪值董事長郭平在公司“817變革戰略規劃”中提出,要在內部率先實現數字化轉型,並把實現ROADS體驗、全面提升運營效率作為公司各業務單元和功能領域的共同變革目標。
對於集研發、製造、採購、供應、銷服於一體,橫跨ToB、ToC業務領域,運營30餘年的一家傳統企業,如何用數字化的手段來全面改造公司的流程和IT,改變支撐近20萬人有效運作的運營模式,成為華為公司變革指導委員會討論的焦點。
不同於數字世界的“原住民”,非數字原生企業的數字化轉型是企業的一次巨大變革。
這場變革涉及商業模式、運營模式的變化,需要完成流程、組織、IT、文化等多方面的轉變,對於飛速發展的華為來説,相當於在高速路上換輪胎。
華為當時面臨的局面是,存量的IT“煙囱”遍佈各個業務但又支撐着海量的交易和分析,各種短期見效的數據搬家、自動化小工具逐漸從“幫手”變成了“幫兇”。
數據被“私有化”為各個業務部門的“資產”,“表哥表姐”為了實現數字化運營加班加點整理Excel,高薪招來的數據科學家卻因為沒有數據而閒得離職……
變革指導委員會經過充分的討論達成共識:數字化轉型要堅持業務和技術的雙輪驅動,而連接雙輪的“軸”就是數據。
2017年10月,“統一數據底座建設”項目立項。
針對數據搬家多、找不到、讀不懂、獲取難、不敢信等痛點,將“打破數據孤島,支撐數字化轉型,實現數據隨需共享、敏捷自助、安全合規”作為項目目標。
項目組一手抓數據入湖與聯接,一手抓數據消費,經過兩年多的努力,終於基本完成了數據底座的建設。
今天,數據底座支撐着華為在全球170多個國家的差異化運營,支撐着公司各BG海量的交易與分析,也幫助公司實現了在美國極限施壓下的快速分析與應對。
數據底座成為華為數字化轉型的基石。
03
華為數字化轉型藍圖
企業要想在這樣的數字時代生存下來,要麼是數字原生企業,要麼數字化轉型成功,成為重生後的數字企業。
部分數字原生企業引領着雲計算、大數據、人工智能技術的發展,推動了數字化時代的發展。
在這些數字原生企業中,整個企業的戰略願景、業務需求、組織架構、人員技能、管理文化、思考方式都是圍繞着數字世界展開的。
與數字原生企業不同,非數字原生企業在成立之時,基本都是以物理世界為中心來構建的。
絕大部分企業在創建的時候,是圍繞生產、流通、服務等具體的經濟活動展開的,天然缺乏以軟件和數據平台為核心的數字世界入口,這也就造成了非數字原生企業與數字原生企業之間的顯著差異。
所以在數字化轉型過程中,非數字原生企業面臨着更大的挑戰。
華為公司作為典型的非數字原生企業,在數字化轉型過程中面臨着與大多數非數字原生企業相似的問題。
非數字原生企業,特別是大中型生產企業,往往有較長的業務鏈路,從研發到銷售全產業鏈覆蓋。
以傳統的鋼鐵企業為例(如圖1-1所示),完整工藝包括採礦、選礦、燒結、鍊鐵、鍊鋼、熱軋、冷軋、硅鋼等,輔助生產工藝包括焦化、製氧、燃氣、自備電、動力等,在各個工藝流程中沉澱着大量的複雜數據。
華為公司在構建面向客户價值流的過程中,同樣形成了從研發到銷售、供應、交付、運維的長鏈條,同時產品類型包括電信基站、服務器、CPU、電腦、手機、耳機等,橫跨多個產業。
這在某種程度上造成了各條塊分割、業務組織強勢、變革困難、變革複雜度極高等問題。
華為公司的服務對象從運營商、企業客户到個人消費者,服務範圍和僱員遍佈全球100多個國家和地區,需要嚴格遵守各個國家和地區的進出口管制措施、環保條例、安全隱私法規等。
這些業務形態上的特點,導致包括華為在內的諸多非數字原生企業對數據共享(特別是生產、銷售側數據的對外共享)有更多顧慮,更容易形成客觀上的“數據孤島”。
很多製造型企業隨着不同階段的發展需求,保留着各個版本的ERP軟件和各種不同類型的數據庫存儲環境,導致數據來源多樣,獨立封裝和存儲的數據難以集中共享,也不敢隨意改造或替換,IT系統歷史包袱沉重。
目前,華為公司的主業務流程中存在幾千個系統模塊,有多版本的ERP、多種集成方式,系統間存在大量複雜的集成和嵌套。
數據產生時的質量高低不僅直接影響產品質量,而且直接影響整個內部業務的運作效率和成本。
例如,華為公司會對合同錄入質量進行嚴格度量和控制,以確保下游各環節能夠及時、準確、完整地獲得所需數據,並在整個端到端鏈條中對異常數據進行嚴格監控。
2017年華為提出了企業的新願景:“把數字世界帶入每個人、每個家庭、每個組織,構建萬物互聯的智能世界”。
同時,華為公司董事、CIO陶景文提出了“實現全聯接的智能華為,成為行業標杆”的數字化轉型目標(如圖1-3所示)。
對內,各業務領域數字化、服務化,打通跨領域的信息斷點,達到領先於行業的運營效率。
逐步構建以“面向客户做生意”和“基於市場的創新”兩個業務流為核心的“端到端”的數字化管理體系。管理方式從定性走向定量,實現數據驅動的高效運作。
對外,對準5類用户的ROADS體驗,實現與客户做生意更簡單、更高效、更安全,提升客户滿意度。
華為首先從用户體驗的視角表達了對行業的最新判斷,並將其總結為ROADS,即實時(Real-time)、按需(On-demand)、全在線(All-online)、服務自助(DIY)和社交化(Social)。
2017年,華為基於願景確定了數字化轉型的藍圖和框架,統一規劃、分層次開展,最終實現客户交互方式的轉變,實現內部運營效率和效益的提升。華為數字化轉型藍圖包括5項舉措(如圖1-4所示)。
(點擊查看大圖)
舉措1:實現“客户交互方式”的轉變,用數字化手段做厚、做深客户界面,實現與客户做生意更簡單、更高效、更安全,提升客户體驗滿意度,幫助客户解決問題。
舉措2:實現“作戰模式”的轉變,圍繞兩大主業務流,以項目為中心,對準一線精兵團隊作戰,率先實現基於ROADS的體驗,達到領先於行業的運營效率。
舉措3:實現“平台能力”提供方式的轉變,實現關鍵業務對象的數字化並不斷匯聚數據,實現流程數字化和能力服務化,支撐一線作戰人員和客户的全聯接。
舉措4:實現“運營模式”的轉變,基於統一數據底座,實現數字化運營與決策,簡化管理,加大對一線人員的授權。
舉措5:雲化、服務化的IT基礎設施和IT應用,統一公司IT平台,同時構建智能服務。
其中,舉措4涉及數據治理和數字化運營,是華為數字化轉型的關鍵,承接了打破數據孤島、確保源頭數據準確、促進數據共享、保障數據隱私與安全等目標。
第一階段近十年的持續投入為華為在2017年開始的數字化轉型打下了堅實的基礎。
同時,在數字化轉型對數據治理的新要求下,正式進入第二階段,數據治理工作也迎來了新的挑戰和發展。
華為公司基於多業務、全球化、分佈式管理等業務戰略規劃和數字化轉型訴求,明確了華為數據工作的願景,即“實現業務感知、互聯、智能和ROADS體驗,支撐華為數字化轉型”。
關於作者:本書由華為董事、質量與流程IT總裁、CIO陶景文等華為高管寫序推薦。華為公司數據管理部撰寫,華為質量與流程IT、華為雲和華為大學聯合出品。
本文整理自《華為數據之道》,經出版方授權“身邊的經濟學”原創首發。