伴隨著數字化浪潮，企業(yè)正不斷受到來自多方面的重大挑戰(zhàn)。許多傳統型服務和交付方式在被數字化創(chuàng)新型參與者重新定義，消費者和客戶需求也在發(fā)生相應的變化。在這樣的大背景之下，數字化轉型成為了許多企業(yè)改革的重點。但成功的數字化轉型究竟如何實現？根據Gartner發(fā)布的一份報告顯示，數字化轉型的重點可能更多聚焦于“數字化”而不是“轉型”上。企業(yè)更關注的則是如何通過數字化轉型來實現降本增效。

本文引用地址：http://www.eepw.com.cn/article/202212/441356.htm

采用有效降低成本的方法，助推企業(yè)效率升級

在全球經濟發(fā)展放緩的今天，全球企業(yè)都在尋求降低成本的機會。然而，更重要的是重新審視成本背后的內涵，合理分辨哪些付出的成本需要優(yōu)化，哪些成本能夠創(chuàng)造更大的商業(yè)價值。

·       減少技術債務：技術債務是一項持續(xù)的挑戰(zhàn)。要在不斷發(fā)展的市場中加快行動并不斷實現技術改進并非易事，其關鍵在于確定優(yōu)先級、不斷升級迭代以及卓越的執(zhí)行力，盡可能避免返工。

·       替換遺留系統：如今技術進步速度如此之快，以至于很難避免“遺留”系統風險。某些技術需要擁有特定技能的人員來維護，但卻很難找到足夠能夠勝任的技術人員。隨著這些現有技術人員逐漸接近退休年齡，遺留系統的風險也在進一步增大。因此，企業(yè)需要留意對長期業(yè)務規(guī)劃沒有戰(zhàn)略意義的技術，并對其進行快速更新。

·       優(yōu)化自動化：人工智能（AI）和機器學習（ML）是自動化領域的關鍵技術，但機器人流程自動化（RPA）在推動整個企業(yè)效率方面仍占有一席之地。例如，對賬、貸款申請?zhí)幚淼戎貜托粤鞒痰淖詣踊讶〉镁薮蟪晒Α?/p>

·       減少合規(guī)成本：合規(guī)是開展業(yè)務的成本之一，為了控制該成本則需要尋找減少冗余、實現任務自動化的途徑。有一種方式是可以依靠收益導向性的戰(zhàn)略項目來完成合規(guī)需求，同時獲得更多預付款。例如，Cloudera的一些客戶就利用其最初為合規(guī)而建立的數據平臺來推動新用例的發(fā)展。這些數據湖倉存儲了大量支持其他用例所需的數據。使用這種共享平臺可以為多個目標服務，并且更能保障成本效益。

戰(zhàn)略思維全局把控，真正實現降本增效

提到降本增效，大多數企業(yè)立刻想到的做法可能是將一切工作外包、重新談判合同，或是精簡員工數量。以上做法可能可行且符合企業(yè)戰(zhàn)略，但企業(yè)更需要著眼于全局并對長期目標進行戰(zhàn)略評估。例如，將所有工作都外包可能無法真正降低成本，因為管理外包環(huán)境所耗費的時間也非常可觀。 

·       尋找冗余：冗余常常是企業(yè)機構中成本問題的罪魁禍首。企業(yè)需要在多個地點維護同樣的信息，因此產生了大量冗余。替換冗余數據存儲顯然是解決這個問題的途徑之一。企業(yè)可以在尋找冗余同時對采用整合解決方案所能節(jié)約的成本進行評估，以選出最高效的解決方案。

·       淘汰過時功能：成本控制的另一個目標是那些所謂 “陰魂不散”的系統。若企業(yè)有意淘汰某系統，則可針對繼續(xù)投資該系統的理由進行評估。企業(yè)往往會因為合規(guī)要求而維護某個系統，但最終還是需要控制合規(guī)成本并重新調整預算。如果不把這些系統淘汰，可能就無法制定正確的計劃。因此在淘汰某個應用之前，企業(yè)需要結合其整體戰(zhàn)略，確定需要關閉或可以在其他應用獲得類似的功能。在此期間可能需要重新分配資源，但要尋找方法避免下一個強制性合規(guī)更新，并把這段時間作為硬性期限。我們在操作型數據庫和遺留數據庫領域看到了這一點。Cloudera的客戶通過淘汰遺留解決方案節(jié)省了大量成本，還通過整合廠商管理和精簡技能節(jié)省了顯性成本以外的隱性成本。  

·       新增所需功能：利用自動化提高效率的選項覆蓋整個企業(yè)，可能影響核保、監(jiān)管報告、金融犯罪預防、交易改善、客戶呼叫中心等。雖然所有這些領域可以同時開展使用機器學習和人工智能的項目，但在這種情況下必須尋找提高效率的方法。Cloudera的某客戶在開始建立數據湖倉時把重點放在監(jiān)管合規(guī)上。然后他們很快意識到該數據湖倉有很多他們加速抵押貸款審批、監(jiān)控支付等所需要的數據。企業(yè)無需為了一項新的要求而從頭開始，反而可以更快行動。成熟的供應商還可以通過完全消除需求建議書（RFP）流程以及后續(xù)的新供應商審核流程來加快項目速度。 

巧用數據“加速器”，高效達成降本目標

Cloudera提供了各種幫助企業(yè)加速數據和AI計劃的工具。其中就包括通用數據分配（UDD）和應用機器學習原型（AMP）這兩個特定領域。

通用數據分配（UDD）可以從任何地點采集數據，并使數據駐留在任何位置以便進行分析，進而幫助企業(yè)逐步推進計劃。

應用機器學習原型（AMP）是可以直接從Cloudera Machine Learning一鍵部署的機器學習項目。通過AMP，數據科學家能夠在很短的時間內將想法變成完全可以運行的機器學習用例。AMP提供的端到端框架可用于即時構建、部署和監(jiān)控業(yè)務就緒型機器學習應用。

更多信息可以來這里獲取==>>電子技術應用-AET<<