惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

H
Heimdal Security Blog
A
Arctic Wolf
K
Kaspersky official blog
V
Vulnerabilities – Threatpost
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Simon Willison's Weblog
Simon Willison's Weblog
L
LINUX DO - 热门话题
MongoDB | Blog
MongoDB | Blog
T
Threat Research - Cisco Blogs
D
Docker
爱范儿
爱范儿
T
Tenable Blog
C
Check Point Blog
B
Blog
C
Cisco Blogs
Vercel News
Vercel News
The Cloudflare Blog
T
Threatpost
NISL@THU
NISL@THU
T
Tor Project blog
V2EX - 技术
V2EX - 技术
P
Palo Alto Networks Blog
Application and Cybersecurity Blog
Application and Cybersecurity Blog
T
Tailwind CSS Blog
G
GRAHAM CLULEY
P
Privacy & Cybersecurity Law Blog
SecWiki News
SecWiki News
博客园 - 司徒正美
S
Security @ Cisco Blogs
GbyAI
GbyAI
S
Secure Thoughts
Microsoft Security Blog
Microsoft Security Blog
The Register - Security
The Register - Security
Recorded Future
Recorded Future
Cloudbric
Cloudbric
Webroot Blog
Webroot Blog
N
News and Events Feed by Topic
Y
Y Combinator Blog
博客园_首页
T
Troy Hunt's Blog
The Hacker News
The Hacker News
雷峰网
雷峰网
Google DeepMind News
Google DeepMind News
U
Unit 42
AWS News Blog
AWS News Blog
PCI Perspectives
PCI Perspectives
V
Visual Studio Blog
博客园 - 聂微东
有赞技术团队
有赞技术团队
酷 壳 – CoolShell
酷 壳 – CoolShell

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
企业数字化升级必须经历的4个阶段
木笔 · 2023-12-11 · via 人人都是产品经理

企业为什么要做数字化?企业怎么做数字化?本篇文章将围绕这两个问题进行回答,重点分析企业数字化升级必然会经历的四个阶段:从手工作业到系统建设,再到系统联动,然后转为数据运营,最后基于数据做决策。希望对你有帮助。

企业数字化升级的过程,也是伴随着企业成长的过程,在不同的阶段,有不同的业务诉求,也会产生不同的数字化诉求。所以做数字化升级工作,不宜太早,也不宜太晚,最好是跟随业务发展的步伐, 在合适的时机做合适的事,这样才能更好的服务于业务。本篇文章,木笔想和大家分享一下不同时期,企业对数字化的核心诉求,以及该如何落地的心得。

一、为什么要做数字化?

毕竟做数字化升级的投入成本高、周期长,如果决策层没有想清楚就冒然行动,失败的概率极高。所以在做数字升级之前,我们需要对所有有此规划的老板们来一次灵魂发问:为什么要做数字化?

(思考2分钟……)

总结下来,企业做数字化的目标无非以下两点:

  1. 通过信息化工具更好的管理和规范业务流程,降本增效、提升服务口碑。这个过程更多依赖系统的能力,重点在信息系统的建设。
  2. 基于数据做业务运营和经营分析,发现问题、挖掘机会。这个过程则更多的依赖数据的能力,重点在数据的收集和应用。

以上两个目标,一个是完善信息系统能力,一个是完善数据能力,是两个完全不同的方向。所以,各位决策者请先搞清楚自己的企业当前信息化的现状,以及业务最核心的诉求是什么,再决定该往哪方面发力,才是明智之举。

二、企业发展与数字化建设

一家企业从成立之初,到业务成熟稳定,通常会经历四个阶段:业务成型期→高速发展期→稳定运行期→成熟突破期。伴随着企业的发展,企业的数字化升级同样也会经历四个阶段:

  1. 阶段一:从手工作业到系统作业
  2. 阶段二:从信息孤岛到系统互联
  3. 阶段三:从系统互联到数据互联
  4. 阶段四:从数据分析到数据决策

其中前两个阶段属于信息系统建设,重点做信息系统能力的搭建,后两个阶段属于数字化能力建设,重点做数据建设。想要做数据建设,系统的建设必须完善,否则就像空中楼阁,只能是天方夜谭。

业务阶段和数字化升级建设的关系,以及每个阶段对应的业务阶段、核心诉求和实施步骤如下图所示:

企业数字化升级必须经历的4个阶段

▲企业数字化升级的4个阶段

下面,木笔将对照上图,对企业数字化升级的每个阶段进行详细的拆解:

三、阶段一:从手工作业到系统作业

对应业务阶段:业务成型期

在这个阶段之前,属于业务萌芽时期,通常是MVP测试阶段,要尽快验证业务模式是否可行,因为模式还不成熟,一切都在摸索和调整,无论从成本、体量还是精力方面,都不适合在系统建设上投入过多,能线下解决的,尽量手工解决(EXCEL就是最好的工具),不用系统。因为业务体量小的时候,上系统反倒会降低效率和灵活性。

但一旦业务模式跑通,基本成型,业务也开始起量了,纯手工作业不仅效率低,还容易出错,这时就需要系统支持了,这就进入了数字化升级的第一个阶段:从手工作业到系统作业。

企业数字化升级必须经历的4个阶段

▲阶段一:从手工作业到系统作业

这个阶段的诉求主要为了解决手动作业遇到的问题,包含:规范作业流程、降低作业差错、提升作业效率、操作的数据留痕可追溯等。在业务成型初期,系统升级通常考虑要快、成本较低,所以系统通常是一个个独立的系统,比如购买的一套独立的saas软件、或者自研一套简单的进销存系统等,保证能用,不要耽误业务开展就行,至于系统之间如何联动、信息如何打通,那是下个阶段公司有钱了,业务足够大了,再需要考虑的事了。

为了达成目标,实施步骤分三步:

  1. 制定业务目标。 明确此阶段业务的核心诉求是什么,以此设定项目目标。
  2. 梳理业务需求。根据目标和诉求梳理需求,将手动作业流程转为系统流程。
  3. 购买/开发系统。根据需求购买或开发符合业务诉求的系统。

在这个阶段,数据的作用仅用于记录和查询,对业务没有特别大的帮助,我们称之为“无知”的数据。

四、阶段二:从信息孤岛到系统互联

对应业务阶段:高速发展期

单点的系统虽然暂时能满足业务和作业环节的需求,但随着业务进入高速发展期,体量进一步扩大,库存变多、单量增加、人员骤增,系统之间不联动的问题就突出了:多个系统之间信息不通、主数据和库存信息不统一、单据无法在系统之间流转等。如果不能解决信息在系统之间流转的问题,整体效率还是很低。想要解决,这便进入了数字化升级的第二个阶段:从信息孤岛到系统互联。

企业数字化升级必须经历的4个阶段

▲阶段二:从信息孤岛达到系统互联

这个阶段的核心诉求是信息互通、高效协同、数据共享、合法合规。为了满足这些诉求,需要把多个独立的系统联通起来,车同轨书同文,让信息在多个系统之间自由流通,并能相互识别。典型的实现方式有:将多个单点系统之间的基础数据统一,并通过接口打通、开发一套多个部门都共用的ERP系统、开发多个相互联动的系统集群、开发多个业务都能共用的中台系统等。

要上线这种复杂的多系统联动的项目,可以分三步实施:

  1. 梳理业务模式。不同于单系统的设计开发,只需要梳理某个业务和流程痛点即可,多系统联动通常涉及多个业务的上下游,影响面更广,所以,对所有涉及到的业务进行详细梳理是项目开展的前提。
  2. 设计系统架构。根据梳理完的业务模式,划分清楚业务域,统一基础数据、规划好系统分工,定义好系统之间的接口,这便完成了整体的架构设计,然后再设计每个子系统内部的架构,包括流程、功能、单据、页面等。
  3. 完成系统联动。根据系统架构完成每个系统的开发和改造,最终一起上线,实现系统之间的联动。

在这个阶段,业务基本都已经实现了线上化,数据也有了,但尚需完善,企业工作重心还处于用系统处理业务流程,做运营分析的工作较少,所以数据的用途更多的是发现问题以后的追溯和排查,我们称之为“后知”的数据。

五、阶段三:从系统互联到数据互联

对应业务阶段:稳定运行期

业务不可能永远高速飞奔,当发展到市场占有率逐渐饱和时,就进入了稳定运行期,市场从增量变成了存量。这个阶段,业务已经成熟,流程也比较顺畅,核心系统功能也开发的差不多了,如果想进一步发展,就必须在存量市场里淘金,通过分析数据来寻找突破口,这便进入了数字化升级的第三个阶段:从系统互联到数据互联。

企业数字化升级必须经历的4个阶段

▲阶段三:从系统互联到数据互联

简单的数据分析可以用EXCEL完成,比较复杂,需要从多个系统中提数的分析就需要借助大数据的力量了,在系统能力上,需要建立数据仓库,把多个系统中的数据抽到一起,然后为业务输出各个维度的BI报表和可视化看板。通过数据分析,业务运营部门可以对业务做统计分析和趋势分析,对异常指标做监控预警,并从数据中挖掘新的机会点。

从这个阶段开始,业务的开展思路将从粗放式管理转变为精细化运营,但若想实现精细化运营,并不是搭建一套BI报表系统这么简单,而是要自上而下从思维层面进行转变,建立数字化运营的意识,学习如何使用数据。

想要搭建一套实用的数字化运营体系,实施步骤分为三步:

  1. 制定运营目标。凡事预则立,我们需要先思考清楚业务运营的核心目标是什么,即想通过数字化解决什么问题,然后基于核心目标进行指标的拆解,一个业务针对不同的方向可以有多个核心目标。比如物流的核心目标是保证时效,采购的核心目标是控制成本和供应商送货时效,销售的核心目标是追求利润,售后的核心目标是售后满意度和售后成本等。
  2. 梳理指标维度。为每个目标设定一个核心的指标,确认好统计范围和计算口径,再根据不同维度对核心指标进行拆解,让每个层级都可视化,各层级的数据汇总即是核心指标。这样就能看到核心指标的详细情况了。例如物流的核心指标设定为配送时效,往下可以按照不同路线查看配送时效。
  3. 开发数据看板。指标梳理完成后,最后才是看板的开发,将需求提交数据部门,按照统计范围和计算口径进行数据抽取、整理和报表开发。看板开发出来以后,业务部门便可以根据看板发现问题和机会点了。

在这个阶段,数据的特征是“洞察”:洞察问题、洞察机会。各部门对数据的依赖性很强,各种维度的数据需求层出不穷,通常会出现数据部门排期成为瓶颈的情况,不过这是好事,代表大家都开始有精细化运营意识了。

六、阶段四:从数据分析到数据决策

对应业务阶段:成熟突破期

随着对数据的重视,各种分析工作会变得越来越多,分析完再做业务决策会更加科学,而不是拍脑门。但如果业务体量很大、这个分析和决策的过程就会变得非常长,而且还容易出错。有没有办法让系统代替人工做分析和决策呢?这就是数字化升级的第四个阶段:从数据分析到数据决策。

企业数字化升级必须经历的4个阶段

▲阶段四:从数据分析到数据决策

在这个阶段,对数据的要求不只是用于分析和监控,而是希望数据能够自发的运转,提前发现问题并自动解决问题,辅助业务更上一层楼,包含业务的全局可视化、策略的自动执行、遇到问题后的及时响应、数据辅助业务做决策等,数据的呈现方式也不再是从业务系统中提取信息生成看板和报表了,而是通过人工智能对数据的自主学习分析,形成算法和策略,反向为业务系统赋能,这是数据和业务系统的完美结合。典型应用场景有近几年比较火的RPA(机器人流程自动化)、控制塔和数字孪生等技术。

要想实现数据自动决策,实施步骤同样分为三步:

  1. 挖掘业务痛点。基于数据分析和监控,挖掘出业务上常出现的问题和背后的原因。例如在物流系统中,经常会出现配送超时的情况,为解决此问题,可以对配送的所有路线进行监控,找到那些经常超时的路线,分析原因。
  2. 制定策略算法。针对问题的原因寻求解决方案,制定相应的策略算法。例如通过机器学习,识别每条配送路线上的时效,如果近期都超时1天,则在策略上进行调优,对用户下单承诺默认加1天,直到配送恢复正常后再自动减一天,以此增加对用户的履约承诺准确性。
  3. 持续迭代调优。针对算法应用后的结果进行监控,如果未达到预期,再继续迭代,持续调优。

在这个阶段,数据的作用不只是用于分析,还可以帮助业务提前预知问题并自动解决问题,而不需要人为干预,具备一定的“前瞻”性。

七、总结一下

从手工作业到系统建设,再到系统联动,然后转为数据运营,最后基于数据做决策,是企业数字化升级必然会经历的四个阶段,这四个阶段同样也是业务发展和经营意识的成长升级之路,相辅相成。

虽然每个企业的情况和细节不尽相同,但方向都是一样的,从手工到系统,再到数据,每一个阶段都有这个阶段的困难和挑战,无论你的企业处于哪个阶段,也无论你是尚未经历还是正在经历,请尽情参与其中,因为每一步过后,都能看到一番不一样的天地,自己对业务的认知也会随之跃迁。

成长路上,走过的路,每一步都算数!

专栏作家

木笔,微信公众号:供应链产品笔记,人人都是产品经理专栏作家,产品一俗生,深耕于供应链领域。

本文原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。