数字化转型知识方法系列之三:以价值效益为导向推进数字化转型的五大重点任务

数字化转型知识方法系列之三:以价值效益为导向推进数字化转型的五大重点任务

人工智能技术与咨询

图片

一、数字化转型应围绕价值效益系统性推进

新一轮科技革命和产业变革迅猛发展,世界正处在一个从工业时代向信息时代加速转型的大变革时代。全球物质经济发展已经从增量阶段进入存量阶段,资源、能源和环境的刚性约束日益增强,只有深入推进信息技术和实体经济深度融合,全面加速数字化转型,大力发展数字经济,才能改造提升传统动能,培育发展新动能,开辟更加广阔的新价值空间。

数字经济时代关注发挥信息技术作为通用使能技术的赋能作用,打破工业技术专业壁垒,形成轻量化、协同化、社会化的业务服务新模式,动态响应用户个性化需求,引发传统创新体系、生产方式、产业结构、价值体系等发生系统性重构。信息技术引发新一轮技术体系创新和生产力变革,进一步引领组织管理创新和生产关系变革,数字化转型的过程就是技术创新与管理创新协调互动,生产力变革与生产关系变革相辅相成,价值体系优化、创新和重构,不断创造新价值,打造新动能的过程。

二、数字化转型的五大任务

价值体系优化、创新和重构是数字化转型的根本任务,组织应从发展战略、新型能力、系统性解决方案、治理体系和业务创新转型等五个视角出发,构建系统化、体系化的关联关系,系统有序推进数字化转型,创新价值创造、传递、支持、获取的路径和模式。

五个视角给出数字化转型的任务体系,并给出任务间的关联关系,如图1所示。

图片

图1 以价值体系优化、创新和重构为根本任务的五个视角及其关联关系

根据数字化转型的新形势、新趋势和新要求,发展战略视角提出新的价值主张。根据价值主张新要求,新型能力视角打造支持价值创造和传递的新型能力(体系)。系统性解决方案视角创新价值支持的要素实现体系,形成支持新型能力打造、推动业务创新转型的系统性解决方案。治理体系视角变革价值保障的治理机制和管理模式,构建支持新型能力打造、推动业务创新转型的治理体系。根据价值主张新要求,基于打造的新型能力(体系)、形成的系统性解决方案和构建的治理体系,业务创新转型视角形成支持最终价值获取的业务新模式和新业态。

五项重点任务之一:发展战略

组织应制定数字化转型战略,并将其作为组织发展战略的重要组成部分,把数据驱动的理念、方法和机制根植于组织发展战略全局。条件成熟的组织,应将数字化转型战略和发展战略合二为一,融为一体。发展战略视角包括竞争合作优势、业务场景和价值模式三个子视角。

 

【T/AIITRE 10001—2020《数字化转型 参考架构》标准原文发展战略视角包括竞争合作优势、业务场景和价值模式三个子视角,本部分节选竞争合作优势部分】

5.2.2  竞争合作优势

组织应增强竞争合作优势可持续性和战略柔性,逐步从过去的单纯竞争向构建多重竞合关系转变,以有效应对快速变化和不确定市场竞争合作环境。

组织构建数字经济时代竞争合作优势,应重点关注的方面包括但不限于:

a) 强化技术应用,广泛深入应用新一代信息技术、产业技术、管理技术并实现其融合创新应用,以形成新技术、新产品(服务);

b) 强化模式创新,通过推动跨部门、跨组织(企业)、跨产业的组织管理模式、业务模式和商业模式等的创新变革,以形成支持创新驱动、高质量发展的新模式;

c) 强化数据驱动,将数据作为新型生产要素,以数据为驱动协同推进传统业务数字化升级和数字新业务培育壮大,以实现创新驱动和业态转变。

五项重点任务之二:新型能力

组织应将新型能力建设作为贯穿数字化转型始终的核心路径,通过识别和策划新型能力(体系),持续建设、运行和改进新型能力,支持业务按需调用能力以快速响应市场需求变化,从而加速推进业务创新转型,获取可持续竞争合作优势。新型能力视角包括与价值创造的载体有关的能力、与价值创造的过程有关的能力、与价值创造的对象有关的能力、与价值创造的合作伙伴有关的能力、与价值创造的主体有关的能力、与价值创造的驱动要素有关的能力等六个子视角,如图2所示。

图片

图2 新型能力的主要视角

 

【T/AIITRE 10001—2020《数字化转型 参考架构》标准原文新型能力视角包括与价值创造的载体有关的能力、与价值创造的过程有关的能力、与价值创造的对象有关的能力、与价值创造的合作伙伴有关的能力、与价值创造的主体有关的能力、与价值创造的驱动要素有关的能力等六个子视角,本部分节选与价值创造的载体有关的能力部分】

5.3.2  与价值创造的载体有关的能力

组织应打造与价值创造的载体有关的能力,主要包括产品创新能力等,加强产品创新、产品研发过程创新,以不断提高产品附加价值,缩短价值变现周期。

产品创新细分能力包括但不限于:

a) 产品数字化创新能力,即利用新一代信息技术加强产品创新,开发支持与用户交互的智能产品,提升支持服务体验升级的产品创新等能力;

b) 数字化研发设计能力,即利用新一代信息技术强化产品研发过程创新,开展面向产品全生命周期的数字化设计与仿真优化等,提升并行、协同、自优化研发设计等能力。

注:产品通常是指组织或个人提供给社会,能够被其他组织或个人接受或使用,能够满足其他组织或个人某种需求的任何东西,包括有形的物品、无形的服务、信息、组织、观念或它们的组合。

五项重点任务之三:系统性解决方案

组织应深化应用新一代信息技术,策划实施涵盖数据、技术、流程、组织等四要素的系统性解决方案,支持打造新型能力,加速业务创新转型,并通过四要素的互动创新和持续优化,推动新型能力和业务创新转型的持续运行和不断改进。系统性解决方案视角包括数据、技术、流程、组织等四个子视角。

 

【T/AIITRE 10001—2020《数字化转型 参考架构》标准原文系统性解决方案视角包括数据、技术、流程、组织等四个子视角,本部分节选数据部分】

5.4.2  数据

数据要素主要涉及数据资产化,挖掘数据要素价值和创新驱动潜能等内容。为加强数据要素的开发利用,组织应开展的活动包括但不限于:

a) 完善数据采集范围和手段,利用传感技术等,提升设备设施、业务活动、供应链/产业链、全生命周期、全过程乃至产业生态相关数据的自动采集水平;

b) 推进数据集成与共享,采用数据接口、数据交换平台等开展多源异构数据在线交换和集成共享;

c) 强化数据建模与应用,提升单元级、流程级、网络级、生态级的数据建模以及基于模型的决策支持与优化挖掘水平。

五项重点任务之四:治理体系

打造新型能力,推进业务创新转型,除了策划实施系统性解决方案以提供技术支持,组织还应建立相匹配的治理体系并推进管理模式持续变革,以提供管理保障。治理体系视角包括数字化治理、组织机制、管理方式、组织文化等四个子视角。

 

【T/AIITRE 10001—2020《数字化转型 参考架构》标准原文治理体系视角包括数字化治理、组织机制、管理方式、组织文化等四个子视角,本部分节选数字化治理部分】

5.5.2  数字化治理

组织应运用架构方法,从数字化领导力培育、数字化人才培养、数字化资金统筹安排、安全可控建设等方面,建立与新型能力建设、运行和优化相匹配的数字化治理机制,包括但不限于:

a) 围绕实现数据、技术、流程、组织等四要素和有关活动的统筹协调、协同创新管理和动态优化,建立适宜的标准规范和治理机制;

b) 高层领导者对数字化转型敏锐战略洞察和前瞻布局,以及由一把手、决策层成员、其他各级领导、生态合作伙伴领导等共同形成的协同领导和协调机制;

c) 全员数字化理念和技能培养,建立完善的数字化人才绩效考核和成长激励制度,以及跨组织(企业)人才共享和流动机制;

d) 建立适宜的制度机制,强化围绕新型能力建设等数字化资金投入的统筹协调利用、全局优化调整、动态协同管理和量化精准核算;

e) 有效开展自主可控技术研发、应用与平台化部署,充分应用网络安全、系统安全、数据安全等信息安全技术手段,建立完善安全可控、信息安全等相关管理机制,提升整体安全可控水平。

五项重点任务之五:业务创新转型

组织应充分发挥新型能力的赋能作用,加速业务体系和业务模式创新,推进传统业务创新转型升级,培育发展数字新业务,通过业务全面服务化,构建开放合作的价值模式,快速响应、满足和引领市场需求,最大化获得价值效益。业务创新转型视角包括业务数字化、业务集成融合、业务模式创新和数字业务培育四个子视角。

 

【T/AIITRE 10001—2020《数字化转型 参考架构》标准原文业务创新转型视角包括业务数字化、业务集成融合、业务模式创新和数字业务培育四个子视角,本部分节选数字业务培育部分】

5.6.5  数字业务培育

数字业务培育是指通过数字资源、数字知识和数字能力的输出,运用大数据、人工智能、区块链等技术,基于数据资产化运营形成服务于用户及利益相关方的新业态,包括但不限于:

a) 对外提供的数据查询、统计分析、数据处理、数据交易等数字资源服务;

b) 基于知识数字化、数字孪生、智能化建模等对外提供的知识图谱、工具方法、知识模型等数字知识服务;

c) 通过主要业务相关的数字能力打造及其模块化、数字化和平台化,对外提供研发设计、仿真验证、生产、供应链管理等数字能力服务。

数字化转型的系统性变革要求组织应按照价值体系优化、创新和重构的要求,识别和打造新型能力(体系),将新型能力建设贯穿数字化转型全过程,以新型能力建设全方位牵引转型活动,针对数字化转型的五个视角,系统化、体系化建立发展战略、新型能力、系统性解决方案(要素)、治理体系和业务创新转型等五个过程联动方法,并建立上述方法之间的相互作用关系。

内容来源于团体标准 T/AIITRE 10001—2020《数字化转型 参考架构》

图片

我们的服务类型

公开课程

人工智能、大数据、嵌入式                    

内训课程

普通内训、定制内训                         

项目咨询

技术路线设计、算法设计与实现(图像处理、自然语言处理、语音识别)

图片

图片

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481780.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

笛卡尔与人工智能:“我思故我在”作为智能测试标准的可能性

来源:科学经济社会本文载于《科学经济社会》2022年第40卷第3期第38~55页作者简介:张伟特,海德堡大学哲学博士,清华大学新雅书院/哲学系助理教授,博士生导师,仲英青年学者,主要从事西方近代哲学&…

DeepMind 新作:AI 系统实现以人为中心的分配机制设计

来源:集智俱乐部作者:高晋宇编辑:邓一雪导语如何在经济和社会系统中重新分配资源?例如,一群人决定集中资金进行投资,获得回报后该如何分配收益?简单的平均分配看起来不太公平,但按照…

多Agent 深度强化学习综述

多Agent 深度强化学习综述 人工智能技术与咨询 来源:《自动化学报》,作者梁星星等 摘 要 近年来,深度强化学习(Deep reinforcement learning,DRL) 在诸多复杂序贯决策问题中取得巨大突破.由于融合了深度学习强大的表征能力和强化学习有效的策略搜索能…

Science揭露奠基研究最大骗局:被引2300多次,重量级造假论文误导学界16年

来源:新智元谁能想到,一篇被引2300多次的Nature论文,竟涉嫌造假!更严重的是,这篇开创性论文竟误导了全世界阿尔茨海默病研究长达16年。一篇被引2300多次的Nature论文,竟涉嫌造假。影响有多恶劣?…

元学习研究综述

元学习研究综述 人工智能技术与咨询 来源:《电信科学》,作者朱应钊等 摘要 深度学习和强化学习严重受限于小样本数据集,容易发生过拟合,无法实现类似于人类强泛化性的学习能力。元学习为此应运而生,以累积经验的方…

【院士思维】张亚勤:我们正在让自动驾驶变成现实

来源:贝德尔的ICT世界7月19日,IEEE 2022网络、计算机和通信国际研讨会(ISNCC2022)首次落地中国,围绕“Touch the Future数字未来之路”主题,来自中国、美国、英国、意大利、法国、突尼斯、印度、日本、俄罗…

基于Grad-CAM与KL损失的SSD目标检测算法

基于Grad-CAM与KL损失的SSD目标检测算法 人工智能技术与咨询 来源:《电子学报》,作者侯庆山等 摘 要: 鉴于Single Shot Multibox Detector (SSD)算法对中小目标检测时会出现漏检甚至错检的情况,提出一种改进的SSD目标检测算法&…

图灵奖得主 Adi Shamir最新理论,揭秘对抗性样本奥秘

来源: 智源社区导读:为什么模型会将「猫」识别成「牛油果酱」,将「猪」识别成「飞机」?要回答这个问题,就涉及到对抗性样本(Adversarial examples)。对抗性样本指在原始样本添加一些人眼无法察觉…

基于多视角融合的夜间无人车三维目标检测

基于多视角融合的夜间无人车三维目标检测 人工智能技术与咨询 来源:《应用光学》,作者王宇岚等 摘 要:为了提高无人车在夜间情况下对周围环境的物体识别能力,提出一种基于多视角通道融合网络的无人车夜间三维目标检测方法。引入…

清华邓志东:城市智能路网新基建催生路端世界级企业

2022年7月16日,中国指挥与控制学会(CICC)城市大脑专业委会在北京正式成立。在成立大会上也举办了城市大脑前沿学术研讨会,新当选的专委会顾问、主任委员、副主任委员发表了最新研究成果和观点,对城市大脑的未来发展进行…

机器学习的可解释性

机器学习的可解释性 人工智能技术与咨询 来源:《计算机研究与发展》,作者陈珂锐等 摘 要 近年来,机器学习发展迅速,尤其是深度学习在图像、声音、自然语言处理等领域取得卓越成效.机器学习算法的表示能力大幅度提高&#xff0c…

对话加拿大工程院于非院士:寻找 AI 领域的「香农定理」

来源:AI科技评论作者:黄楠、青暮编辑:陈彩娴我相信智能是一种自然现象,就像岩石滚动和冰雪融化般自然的现象。——摘自于非著作《智能简史——从大爆炸到元宇宙》。当科学家把一些菟丝子移植到几株营养状态不同的山楂树上时&#…

工业人工智能及应用研究现状及展望

工业人工智能及应用研究现状及展望 人工智能技术与咨询 来源:《自动化学报》,作者李杰等 摘 要 工业4.0 将工业制造流程以及产品质量优化从以前依照经验和观察进行判断转变为以事实为基础,通过分析数据进而挖掘潜在价值的完整智能系统.人工智能技术的…

机器学习理论基础炼丹总结

来源:Datawhale机器学习发展迅猛,但对理论知识的理解却跟不上?本文将给出一名数据科学家的反思,他通过效用矩阵梳理了模型的实验结果和基础理论的关系,并探讨机器学习各个子领域的进展。引入知其然,知其所以…

基于改进SSD的车辆小目标检测方法

基于改进SSD的车辆小目标检测方法 人工智能技术与咨询 来源:《应用光学》,作者李小宁等 摘 要:地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确检测到目标。…

AlphaFold预测了几乎所有已知蛋白质!涵盖100万物种2.14亿结构,数据集开放免费用...

来源:量子位 | 公众号 QbitAI明敏 发自 凹非寺全世界几乎所有已知蛋白质结构,都被AlphaFold预测出来了!在预测出人类98.2%蛋白质一年后,DeepMind的重磅成果再次引爆学术界。包括植物、细菌、真菌在内的100万个物种、2.14亿个蛋白质…

融合零样本学习和小样本学习的弱监督学习方法综述

融合零样本学习和小样本学习的弱监督学习方法综述 人工智能技术与咨询 来源:《系统工程与电子技术》,作者潘崇煜等 摘 要: 深度学习模型严重依赖于大量人工标注的数据,使得其在数据缺乏的特殊领域内应用严重受限。面对数据缺乏等现实挑战&…

什么是文档智能?微软亚研最新《文档智能:数据集、模型和应用》综述

来源:专知微软亚洲研究院最新《文档智能:数据集、模型和应用》综述文档智能是指通过计算机进行自动阅读、理解以及分析商业文档的过程,是自然语言处理和计算机视觉交叉领域的一个重要研究方向。近年来,深度学习技术的普及极大地推动了文档智能领域的发展…

一种基于伪标签半监督学习的小样本调制识别算法

一种基于伪标签半监督学习的小样本调制识别算法 人工智能技术与咨询 来源:《西北工业大学学报》,作者史蕴豪等 摘 要:针对有标签样本较少条件下的通信信号调制识别问题,提出了一种基于伪标签半监督学习技术的小样本调制方式分类…

Intelligent Computing首期论文发表了哪些前沿研究?

来源:之江实验室Intelligent Computing创刊首期论文中,牛津大学计算机系主任、谷歌DeepMind-Oxford合作负责人Michael Wooldridge教授发表了关于人工智能未来发展趋势和关键技术的前瞻性观点论文;蚁群智能创始人、比利时布鲁塞尔自由大学Marc…