Gartner分析师高挺:战略科技趋势如何“加持”组织生存( 二 )


例如这些年看到的互联网创新 , 其底层的支撑性技术是遍布全国的4G网络 , 在此之上是以移动支付为代表的金融基础设施 , 再上面才是一些新的商业模式创新 。 所以 , 创新往往的推动通常是一系列技术在相互叠加之后才会发生的 。
所以说 , 我们今年的战略技术趋势本身对行业来说并没有一个优先次序 。 但我们在考虑和现实结合的时候 , 往往要把它们组合、叠加起来进行全局的思考 。
经济观察网:像中小制造企业 , 可能本身的资金实力并不强 。 他们在考虑上云、考虑更新组织架构时 , 可能面临很多很现实问题 , 所以面对这么多选择时 , 有没有一个好的抓手?
高挺:企业尤其是中小企业 , 在制定科技创新策略时 , 不要因为某样技术热门就去做 。
举个例子 , 比如前两年讲3D打印、区块链等 。 我们会发现 , 许多企业会陷入一个误区 , 因为某样技术火了 , 就去蹭这个热点 。 这样的思路往往很难带来给企业的生存发展带来竞争优势 , 企业应该首先着眼于市场需求 , 思考如何通过科技创新来实现其商业模式的变革 。
比如服装制造业 , 从未来的角度来看 , 大规模定制已经逐渐成为一种市场趋势 。 将来每个人的衣服都可以在网上定制 , 以很低的价格买到适合自己身材的定制款式 。
那么 , 作为生产方 , 这套定制化的生产线背后所需要的技术才是值得去投入和开发的 。 对于企业来说 , 真正重要的不是去着迷于某些热门的技术概念 , 而是去发现市场的需求在哪里 , 是不是满足了这些新的需求会为企业赢来更多订单?我觉得是要以更务实的思路去看 。
经济观察网:在介绍今年的“超级自动化”科技趋势时提到了“数字孪生组织”这个概念 , 这和“数字孪生”有什么关系?“数字孪生”在工业互联网领域比较热门 , 但现实中真正落地企业似乎不多?
高挺:数字孪生 , 或者说单个的“数字孪生体” , 是构成“数字孪生组织”的基本模块和最小单元 。 以工业制造为例 , 一个简单的“数字孪生体” , 是通过把设备中某个零件的动态运行状况 , 如在运行过程中的温度、所受到的压力、周边环境参数的变化等 , 通过数字化的方式进行持续采集 , 再利用机器学习创建高精度的动态模型 , 以实现对于这个零件运行状态的实时监控、分析和维护时间节点预测 。 整个过程高度数字化、自动化并可以对运营决策提供参考和建议 。
例如通用电气曾经为阿联酋航空的飞机提供发动机 , 由于中东地区的环境比较恶劣 , 引擎叶片上的涂层比一般飞行环境更容易被腐蚀脱落 。 由于引擎叶片被腐蚀的早期很难被肉眼发现 , 当发生发生这样的情况时 , 飞机往往需要进行较长时间的检修 , 造成大量航班延误 。
为了解决这个问题 , 通用电气对每一个发动机引擎叶片的运转状态都进行了数字孪生的建模 。 通过机器学习和计算机视觉技术对叶片的运行参数和表面物理变化进行深度学习分析 , 在叶片涂层被腐蚀的早期及时发现并尽早进行预测性维护 , 减少计划外的飞机检修维护时间 , 保证航班能够准时准点的起飞和降落 。 这是数字孪生在工业界的一个早期的案例 。
而我们今天在“超级自动化”这个趋势中所提到的关“数字孪生组织”愿景 , 是将数字孪生的概念拓展到企业运营中 。
在数字化程度足够高的情况下 , 企业运营中方方面面的数据可以被沉淀并构建出一个“动态软件模型” , 利用运营数据或其他类型的数据 , 理解企业当前商业模式的运作方式 。 通过构建数字孪生组织 , 可以连接现状 , 应对变化 , 调拨资源并为目标客户交付价值 。
例如 , “数字孪生组织”可以对企业运营中的一些决策提供参考甚至是预测 , 将运营的效率提高到另外一个维度 。 虽然从今天的角度还没有哪家企业成为真正意义上的“数字孪生组织” , 但在互联网、金融这样拥有海量数据的行业中我们已经看到了一些早期的案例 。
经济观察网:数字孪生模型的影响更多是针对对企业内部么?
高挺:数字孪生组织的模型是超级自动化中比较高级的阶段 , 它的目的是为了提高组织的运营效率 , 所以的确可以说对企业内部的流程、任务和运营影响更大 。
然而 , 数字孪生组织在建立动态数字模型的时候 , 往往需要通过获取外部的信息反馈来调整模型的参数 。 外部信息反馈可以包括客户对企业产品的反馈 , 也可以是在执行某项运营策略后竞争格局变化所带来的市场占有率数据的变化反馈 。