放大
缩小
默认
企业数字化转型正酣，智能化技术的快速布局有助于企业在新兴市场“跑马圈地”
柯洁以0比3负于人工智能系统AlphaGo的硝烟还未散去。人类会在具有特定规则的一个命题上输给机器也许是早晚的事情。
对于科技来说，围棋可能只是一个命题。事实上，围棋和人工智能这两件事儿都太过高深。我们更震惊的点在于，在硬件计算能力不足以支撑一台计算机在围棋这一难题上胜过人类的前提下，科学家居然另辟蹊径，从大数据和算法的维度，也就是深度学习上实现了这一目标。他们接下来要做的，就是利用这个技术来造福人类了。
数字化进行时：能干啥？谁需要？
引进新的技术能够重塑商业格局，加强企业竞争力，这在过去几年内演变尤为激烈。当然，技术推动企业进步也需要恰当的方式，否则将适得其反。
而现在，这些技术似乎迎来了一个应用规模爆发的拐点。如果说之前各个企业还在“摸着石头过河”，那么，现在他们已经探索出几种可以参考的成功模式了。
有些公司正在利用数据和分析优势，进行基于更大规模的现实条件的决策、市场洞见和过程优化。他们不仅仅在改善核心业务，也在推出全新的商业模式。数字平台的网络效益正在某些市场领域形成一种动态竞争。
企业数字化的本质是将企业运营过程转化为数据的形式来表征和操作，使用数字技术将改变并极大地拓宽自己的战略选择。
过去，行业中常用标准化数据进行决策，而现在引入了新型数据来补充，这样有利于改变竞争力。基于个体行为特征分析将提供更精确的市场洞察，其应用于教育、旅游、休闲、媒体、零售等领域。
不同领域的数字化程度有所差异。在美国，信息与通信技术行业、媒体、金融服务和专业人士服务业的数字化正在迅猛发展，而公用事业、矿业和制造业等都还处在早期数字化阶段。零售和医疗等大规模劳动力密集型领域广泛不采用该技术。
这可以理解为，数字化主要是针对规模庞大但增长缓慢的领域，其作为一个新的增长点受追捧。预计未来，搜索、通讯、视频、事务、公司内部的流量，以及商品、服务、金融和人事的数据流动，将基于国际电子商务进一步激发全面数字化。
此外，企业数字化也蔓延到了更多的领域，包括资产数字化、基础设施数字化（物联网、数控平台等）、操作数字化、流程数字化、支付和业务模型数字化、客户关系和供应链关系数字化、职工数字化，以及数字化带来的新的职工角色等。
研究显示，全面数字化有利于更高效地调动人事和物料资源，降低公司跨资产操作成本，增加收入，进一步扩张市场份额。先进的数字化将使企业利润率提升速度比平均值快三倍，这一优势在创新技术领域尤为明显，部分企业甚至实现了弯道超车。
智能化成下一波机遇
如果说数字化转型是企业界正在发生的变革，那么智能化就是先行者的机遇。智能化包括机器人技术、人工智能和机器学习等突破性的技术创新。
人工智能的概念也并不新鲜，但最近发展迅猛。机器学习算法的突破让神经网络技术得以运用，计算能力成倍增加的芯片模块将有利于机器处理更复杂的模型，每天由社交移动端、工业传感器等设备产生的大数据，这三者成为人工智能发展的主要驱动力。与此同时，机器的自然语言理解能力、识别能力等通用技能也在不断进步。
显然，基于机器人技术、人工智能等新兴技术实现生产自动化，能够完成更高的数据吞吐量，改善预测模型，提高结果的准确性，进行决策优化，甚至在生物学、材料学等大规模的复杂问题上也能有所建树，并提供新的商业模型。
麦肯锡认为，机器学习在未来的大规模运用将降低大部分业务的运营成本。事实上，随着人口结构变化减缓，社会老龄化和出生率下降将大幅减缓劳动力供给的增长，人力成本的增加将给企业带来的压力可以通过智能化来缓解。此外，在宇宙探秘、癌症研究、气候科学等方面，人工智能技术也是潜力无穷。
劳动力市场的隐忧
自动化的未来许诺了生产力水平的提高，但给劳动力市场带来隐忧。自动化活动更容易覆盖的是食品服务、制造业、交通运输、仓储和零售贸易这类具有高度可预测性和结构化物理活动环境的工作。
事实上，对于大部分职业来说，部分自动化，也就是技术发展的初中期，机器并不会取代人，只是会改变现有的工作方式，而且还会创造工作机会。调研显示，全球劳动力市场的80%集中在46个国家，也就是几乎一半的人都能在全球经济中获得酬劳。其中，60%的工作是可以转化为自动化的。中国、印度、日本和美国四大经济体也正在逐步实现自动化技术转换。但工人的技能也在成长，美国工人在现有自动化生产的帮助下，工资依旧是其他国家的两到三倍。
尽管自动化宏观发展在整个行业或者经济体中显得缓慢，但在微观层面却显现出了较快的职业效益、成本福利，社会接受度和效用较高。比如，亚马逊的智能家居Alexa、苹果的Siri。麦肯锡认为，机器不是扼杀劳动力，而是引发了又一场劳动力转移而已。
建议
企业数字化转型的意义是以一个新的方式进行跨部门、跨行业的沟通，而为了实现效率更高、成本更低的资源分配和运营，以及更优的商业决策，就有必要结合数据分析、机器学习、机器人技术，甚至人工智能。
以目前技术的成熟度来看，大规模、增长缓慢的企业会显得比较积极，他们小步快调，寻找新的业务增长点，以及在新的机会市场中“跑马圈地”；但是小型企业并不一定需要在这个时间节点进行盲目尝试，因为各方面的人才成本、基础设施成本、风险等都需要考虑，赶早不如赶巧。
■测试、试验、学习和迅速扩展：商业领袖需要积累时间和知识，将资源投入到小步快调的试验中去，解决实际问题，不断扩展用例。
■重构业务模型和业务过程：充分利用分析、人工智能和其他数字技术，对特定的业务优先考虑流程转换，并探索基于这些功能的可行的商业模型。
■制作基于数字资产和潜力的资产收支表：不管是基于数字的硬实力还是软实力，都有可能在新的领域开拓新的竞争力。不同业务，不论是哪一个行业，都需要对自己的数字资产和同行竞争力进行评估，从而确定不同的商业模式，建立壁垒。
■不断校准，保持投资：对于涉及数字化的项目和商业活动，要有不断进步直到满意的意识，而校准的参考包括机会规模、行业/竞争对手水准、数据干扰来源等。
■重新审视人力资本，包括工人和机器：很多公司难以接触大量的机器学习相关人才，而相关培训也需要投入，结束后又需要重新布局人力资源。
此外，麦肯锡建议政策制订者鼓励相关领域的技术投资，鼓励形成新的业务模式，通过公私合作的形式刺激基础建设，重构教育、培训和学习体系，重新定义税收标准和安全网络，投资人力资本。
放大
缩小
默认