本书的是英文书名中的一本2021年的新书，来自Wiley出版社，应该是有保证的。英文原名是： :::info 读书笔记《从0到1：数字化转型孵化新商业的秘密》 - 图1
Chasing Digital: A Playbook for the New Economy ::: 这个Chasing用得传神，对应国内翻译为《从0到1》感觉要高级，中文版书名一看可知要和另一本彼得·蒂尔2015年的爆款图书《从0到1》制造一些联系。不过，好在这确实是一本不错的书，目前豆瓣并没有评分，除了本人速读后的评价，我们来参考下亚马逊的评分（20211206），3.8/5。中规中矩，不算太高。接下来看一下评价细节，天壤之别：
image.png
这就有点意思了，由于只有7个评测，可以看出来有2个1星，5个5星，应该有故意干扰的情况。2个1星的评价，是空白，而5星评价如下，由此可见书的质量应该很是不错，踏踏实实的列入详读目标。评分截图如下，还是挺中肯的：
image.png
总的来讲，这本书对于有数据科学和商业决策背景的同学来讲，价值在运用的案例以及经验的讲解上。书分为了3个部分。第一部分讲解的是组织和文化如何适应大数据生产工具带来的能力；第二部分则是这些数字化是如何成长为靠谱的工具的，最后一部分则是在这两个方面都达到之后，如何运用好工具在一些领域加速发展的。

在本书的解读中主要是第一部分和一些第二部分的内容，尤其是第一部分提供的组织设计和文化部分的经验和案例，有较详细的参考价值。

【Part I 重大决策】

C01 成功的战略

我们总是看到企业积极尝试数字化转型、实施新战略，却从不去改变组织阵型和企业文化这两个基础领域。

C02 组织设计（组织阵型）

原书中翻译为组织阵型，更喜欢组织设计（Design）这个翻译。这一章的逻辑如下：

  1. 首先企业遇到的问题是：核心业务盈利放缓
    在新经济环境下，传统时代的企业会发现自己因组织阵型跟不上时代发展而身陷困境。这些企业面临着增长放缓和市场份额下降等问题。随着新的竞争对手向传统模式发起挑战，企业过去用来推动增长的那些战术动作似乎已无法令情况有所好转。
  2. 其次，要想突破这种困境，需要企业进行：彻底的战略转型。在这其中，需要开启两个引擎。
    1. 引擎A（当前）：引入数字化技术对现有的经济引擎进行优化，以便尽可能从中赚取利润。
      1. 客户的数据收集应该是主要的关注点。
      2. 接下来，削减所有与提供给当前客户的价值无关的内容。首先，要从对核心产品无关紧要的新计划以及已经绑定在主要产品或服务上的新产品或服务开始着手。
      3. 实际上，这些新项目中有很多在本质上可能都是数字化的。通常，分散的数字化项目都受困于资金不足，没有中规中矩的发展路线图，还用着过时的技术。因此，集中管理对于有效地开发和管理自己的数字功能变得至关重要，并可显著降低成本。
      4. 还要查找瓶颈和检查点、重复性工作以及高度手动和重复性的过程。
      5. 其中，整合是关键，俗称瘦身。为此，首先要在白板上绘制流程现状，包括所有内部活动和客户接触点，细节越多越好。
      6. 现在您可能会问自己，为确保引擎A的寿命，必须完成一些工作，其间是否需要继续对数字功能和技术进行进一步投资？简而言之，答案是肯定的；只是有个前提：若能降低总体支出才有必要这样做。
      7. 无论通过任何方式来优化引擎A，都要始终问自己这样一个问题：结果是否会比当前更合算、同时不会对自己主要客户的价值产生负面影响？
    2. 引擎B（新收入）：构建新的经济增长引擎以满足新的需求。
      1. 引擎B与开辟新收入流有关。为此，您需要组建一个团队，开辟新的增长领域，而这些新增长领域最终会成为新的经济主引擎。
      2. 引擎B团队的基本目标是重新定义在特定市场中开展业务、扩充品类的方式。团队需要将视角转向真正以客户和数据为中心。
      3. 引擎B负责使飞轮尽快旋转，先发优势的关键是锁定天使客户。
      4. 需要有一个具有商业思维的数字原生团队。团队中有许多来自组织外部的人，这一点至关重要，因为他们不会为公司的旧习惯和思维过程所累。
      5. 引擎B将专注于数据、软件和客户。引擎B应该在引擎A转型的同时进行，但这个新团队绝不应该受到旧业务模式的束缚。新团队必须具有完全自主权，才能创建新的商业模式。
      6. 新团队还必须采取数据驱动的方法；这意味着，管理层必须确保，即便是那些为传统业务优化过的习惯、思维和流程，也不会给团队带来负担。
    3. 如何赋能引擎B团队
      1. 引擎B以软件为核心
      2. 数据驱动思维的重要性
        1. 一旦开始创建一个基于软件产品和解决方案的数字生态系统，就要开始积累大量数据。数据对于推动引擎B至关重要；而且如前所述，数据也将在引擎A的转型中发挥重要作用。
        2. 被组织内的任何团队访问和使用的数据科学和业务智能工具，都需要以数据为基础，来提供洞察力并帮助制定战略。
        3. 数据需要能在团队之间自由流动，团队需要在数据使用方式和数据决策方面进行协作。
        4. 在整个组织内，制定数据管理标准和流程的最佳实践至关重要；同时要确保这些标准和流程足够灵活，以便进行创造性的数据挖掘。
        5. 引擎B团队的结构必须能保证他们在数据实时性和可用性方面做出关键决策。
        6. 数据作为企业飞速发展的助推剂至关重要，将成为数字护城河的重要组成部分。
      3. 与客户一起拓展需求侧规模

image.png

C03 文化

立企业文化的方式，与建立宗教或民主的方式并无差异。企业创立之初建立行为准则，随着时间推移，通过领导力以及吸引志同道合的人来不断进行强化，并最终内化成企业普遍认可的“信条”。这些信条驱动绩效、首要目标，帮助员工在无人指导和监督的情况下作出无数次日常决策。凯捷管理顾问公司近期的一项调查发现，62%的调查对象将企业文化视为其数字化转型中的第一大障碍。第1章提到了数字化转型的敏捷转型要求，第2章讲述了对组织阵型的反思，而这些能否成功实施都取决于企业文化的本质及其影响力。在本章中，将帮助您判断公司现有的文化是否会阻碍数字化转型。此外，会介绍数字化企业文化的五大基石，以及建立起一支成熟数字化团队的六种方式。

+ 企业文化象限

根据企业关注焦点是内部整合还是外部差异化，以及企业的组织阵型更偏好稳定与控制还是变革与弹性可以将企业文化划分为4象限。以下是由卡梅隆（Kim Cameron）和罗伯特·奎恩（Robert Quinn）提出的【竞值框架（Competing Values Framework）】：
读书笔记《从0到1：数字化转型孵化新商业的秘密》 - 图5
本书的图示不是特别清楚，以上图示是根据Competing Value Framework的资料进行更新后的样子。一份比较详细的介绍文档：

  1. 链接https://www.thercfgroup.com/files/resources/an_introduction_to_the_competing_values_framework.pdf
  2. 归档 an_introduction_to_the_competing_values_framework.pdf

其中四个类型的特点是：

  1. 团队型文化：合作、凝聚、连接成网络、忠诚、扶持
  2. 活力型文化：创造力、企业家精神、敢于冒险、机敏、自发
  3. 层级文化：受管理、组织约束、过程驱动、高效率、不愿意冒险
  4. 市场型文化：竞争力、结果为导向、客户为中心、利益驱动

    + 促进与阻碍

    一个成功的企业会灵活运用这四种文化类型来应对激烈的竞争环境。仅仅是对两位提出的理论模型有简单的了解，也可提高人们对企业文化变革的认知。这个认知也许是企业从现状转变为拥抱数字化转型的思维模式的重要支撑。

数字化转型：团队型文化（促进）：
向数字化文化转型通常需要更多地强调与灵活决策和团队型文化关联更密切的行为和价值观。市场的发展速度、自组织和团队自治的转变都促使团队在更短时间内进行创新，研发新品并持续关注客户需求，这极大地推动了数字化企业文化的转型。

数字化转型：层级型文化（阻碍）：
而在另一个极端情况下，除非人为介入，以稳定性和控制力为主导的层级型文化更偏向于保护盈利，高度依赖过程驱动以及高层的决策，这将成为数字化转型的障碍。

+ 数字化企业的文化基石

  1. 信息流通
  2. 关注客户
  3. 敏捷性
  4. 好奇心

  5. 员工经验和参与

    + 建立成熟的数字化团队

  6. 从看得见的领导力开始
    如果没有一个自上而下定义、支持和塑造的成熟数字文化，企业将无法驾驭不断变化的改革浪潮，无法掌控数字化前的传统管理方法所带来的混乱，尤其是企业之前的文化缺乏弹性，又以流程驱动的情况下。数字化成熟度仅靠几个职能部门的人是无法实现的，必须由首席执行官和高管团队来领导。

  7. 打破仓筒
    打破仓筒的方法之一是，定义以核心客户驱动的行为，来支持价值链。
  8. 教育
    在员工中推动数字化思维的关键就在于教育、培训和行动。鼓励开放性思维。获取知识不再是那些有能力的人的专利，学习机会无处不在，不必只着眼于公司内部。
  9. 分布式决策
    在企业中，决策制定是否被等级制文化所束缚？等级制文化的副产品就是高层领导们热衷于开会。由于无法得到决策者授权而推迟一项决策，会扼杀组织的敏捷性，也进一步证实企业更看重的是流程而非客户。要建立一个成功的数字化文化，关键在于将决策权分散化，要保证那些贴近客户和数据的人能独立自主地做决定，而不必拘泥于严格的流程。
  10. 鼓励团队的多样化
    为鼓励思维的多样性，需要明确技术和风格上的差距，然后聘任新人来填补空白。积极寻找并聘任那些能碰撞出火花和善于表达的人。
  11. 关注交付
    数字化交付是一项需要处理的新内容。云计算提供了极具成本效益的快速营销方式。云计算、平台和数据将软件交付提升到全新水平。

    + 小结

    不要忽视文化在推动公司数字化转型过程中的重要性。现在极可能是更新公司成功神话的好时候，将新文化的“信条”融入员工的日常工作和行为中。要做到这一点，需要对目前的处境进行全面评估。可通过建设性的讨论或使用诊断性评估（例如使用图示的竞值框架）来确定企业目前的状态与所期待的未来状态之间的差距，以及需要的变革范围。与领导层达成一致来保持企业所需的平衡，采纳那些有益于支持企业数字化成功的文化特性。

只有在思维上保持好奇心，通过不断地实验，追求新想法并持续改进（接受其中一些想法可能会失败），才能让变革成为可能，这种心态在领导团队中更是至关重要。有了强大的领导力，可破除对转型的抵制。变化也会发生在层级关系上以及做决策的时候；能使团队更专注于绩效和交付，而不必为管理层何时才能批准文件忧心忡忡。简而言之，拥抱敏捷就是更贴近客户并听取他们的反馈，鼓励信息的自由流通，通过更多的自治权和自组织来增强企业的响应力。最终，改变交付模式将为公司带来更大利益，同时不断强化和延续将为企业带来成功的文化

【Part II 数字化为变革赋能】

与企业战略、组织阵型和企业文化相关的重大决策是企业实现数字化转型的基石。这些重大决策正确与否意义重大，在第II部分中，我们会集中论述数字化转型中需要着眼的核心数字化能力，以确保企业能在新经济时代永远保持竞争力。从概念上讲，数字化是一种面向数据的思维方式，即相信可从数据中发掘出无限应用、洞见以及商机，因此，整个市场也将被重新定义。从实践层面讲，数字化指某种技术的应用，即以特定方式设计、构建和运用这些技术。

这个重心便是数字化赋能，它不单是一种技术支持，更是一组核心能力，可帮助企业提升数字化成熟度。如果企业战略、组织阵型及企业文化是企业堡垒和护城河的基础，那么，数字化赋能就是企业的拱璧和支柱。两者只有在结构上保持一致，才能保证企业成功实现数字化转型。

通过对多家公司及多种商业模式的分析，我们发现，数字化赋能有三个驱动因素：数据、平台和智能系统（业务驱动的人工智能）；作为数字化时代的先行者，您只需要关注这三个因素。过去10年间，谷歌、亚马逊和脸书等一大批大型科技公司的崛起，都离不开这三个驱动因素。这三种驱动因素还具有将企业从一个易受攻击的静态原始堡垒，转变为具有高竞争力和生产力的机器的潜力。经验表明，这些驱动因素的优先应用对数字化转型格局的成功至关重要。

C04 数据

数据是企业的新型经济引擎，也是企业数字化战略的主要驱动力量。根据高德纳2016年的一项调查显示，在投资大数据的公司中，只有15%的公司自称正在开发大数据项目。这也反映出企业缺乏数据变现能力，人们将其称为数据价值差距。

+ 三大关键知识点

  1. 粒度
    细粒度数据是战略与执行鸿沟之间的一座桥梁。例如，如果企业对客户的购买习惯和偏好了如指掌，就可针对特定用户开展营销活动。
  2. 数据来源和内部关联
    如果将客户数据、交易数据、供应商数据或使用情况数据分散在不同职能仓筒中单独处理，是无法获取数据价值的。只有结合多种数据类型之间的联系，才能找到以下问题的答案：如果企业进行产品促销，哪些客户会购买？数据科学和数据建模这两个术语用于描述数据之间的联系以及从中获得洞见的过程。也就是说，想要建模，就必须先将数据集中存储，使数据可被访问。传统的方式是使用数据仓库收集结构化数据。
  3. 质量
    高质量数据才能满足分析需求，准确地表示真实世界的信息或概念。低质量数据会对公司的战略产生重大影响，导致运营成本上升，客户满意度下降，决策失误，企业内部信任度下降。

    + 数据的飞轮效应

    特斯拉汽车内部搭载有自检功能，检测数据会被记录下来并上传至集中化的服务器，数据可用于多种用途，例如，如果车辆检测系统显示泵出现故障，系统会对检测到的信息加以处理并建立一个预测模型，用于在特定泵发生故障前发出警告。然后，汽车会在出现故障前提醒驾驶人员联系汽车工程师进行检修。如果问题严重，特斯拉会派遣一名机械工程师前往车主家中，节省检修时间。未来，无人驾驶汽车闲置时，会自动驶往维修厂，进行故障诊断和故障排除。
    特斯拉汽车就是一个数据磁铁，通过操作并重新部署数据，营造一种更美好、更安全的驾驶体验，这种优势可碾压竞争对手。没有其他汽车制造商具备这样的数据和软件驱动的系统。

数据不仅可改善驾驶体验，还使特斯拉能够通过识别改进和升级的机会，来不断优化其供应链，这可能涉及更换特定的供应商，使用部分不同型号的零部件，甚至全部重新设计。此外，利用这些数据，特斯拉不仅可预防故障的发生，还可查出故障原因，如劣质材料、人为失误、工艺缺陷等。这一点非常重要，因为了解到故障的根本原因，就更容易找到消除故障的方法。

特斯拉的商业案例给出的关键启示是，数据驱动的思维模式不仅会优化产品，而且会重塑整个行业。研究这种全新的商业模式可发现，特斯拉的运营都是基于事实，旨在优化一组总体目标，包括销售、产品质量、维护成本及供应链效率。对企业而言，挖掘并满足客户需求不仅是当务之急，而且是一种常态化的工作准则。在数据驱动思维模式的助力下，业务经营的方方面面都无所遁形，因此，决策的透明度也更高。

+ 厚数据的应用

根据书中的内容，做了一些扩展，本节内容为个人解读：

大数据Big Data是一个比较热的概念，而厚数据Thick Data则是一个比较陌生的术语。本文阐述了两种数据的区别。厚数据最早是由Tricia Wang从人类学家角度提出的一个概念：

  1. 厚数据是使用定性的、人种学的研究方法揭示人们的情感、故事和他们世界的模型的数据。这些棘手的东西是很难量化的。它以小样本的形式呈现在我们面前，作为回报，我们得到了一个难以置信的深度的意义和故事。
  2. 厚数据是大数据的反义词，大数据是大规模的定量数据，包括围绕捕获、存储和分析的新技术。为了使大数据具有可分析性，它必须使用规范化、标准化、定义、聚类等所有剥离数据集上下文、意义和故事的过程。厚数据可以将大数据从使其可用的过程中造成的上下文丢失中拯救出来。

简单的理解，Thick Data指的是能够体现人情绪的数据，是小样本的富有感情的数据，比如通过调研得来的数据。从Tricia的论述可以看出与Trick Data对应的就是Big Data。但这只是在这种视角下的分类，在实际的使用中，应该将两种方式进行结合。厚数据是绘制未知区域的最好方法。当组织想要知道他们还不知道的东西时，他们需要厚数据，因为它提供了大数据明确无法提供的灵感。收集和分析故事的行为会产生深刻的见解。另外，Tricia在2016年提出Thick Data概念的这篇文章里，讲解了Nokia公司的案例，很是经常，推荐进行扩展阅读，其中对两种数据的对比表格如下：

Thick Data Big Data
Relies on human learning Relies on machine learning
Reveals the social context of
connections between data points		 Reveals insights with a particular range
of quantified data points
Accepts irreducible complexity Isolates variables to identify patterns
Loses scales Loses resolution

相关资料：

  1. 对比 https://blog.antropologia2-0.com/en/what-is-thick-data/

  2. 定义 https://medium.com/ethnography-matters/why-big-data-needs-thick-data-b4b3e75e3d7

    + 数据应用框架

    这一节讲的是如何从商业的角度选择适合的数据，因为数据的获取也是有成本的，所以在选择数据时也要考虑到投资回报，总的来讲分为5步：

  3. 始于战略：从数据中提炼的哪些洞见有助于实现产品或企业服务的差异化，为企业提升竞争优势？有哪些可赚快钱或驱动企业经济引擎持续盈利的数据？

  4. 识别并验证业务场景：第2步将第1步所确定战略中的理念归纳为企业切实可行的具体措施或应用案例。企业不仅要针对每种应用场景确定业务价值的来源，还要认识到现阶段显而易见的实施挑战。这里借用了商业画布的概念：
    image.png
  5. 根据投资回报确定优先级：因为企业必须做到以下两点：确定优先级和确保执行力，而这两点是很多大公司都难以做到的。迫于政治和组织方面的压力，大多数组织不重视优先级和执行力概念。
  6. 获取数据：在这一步需要与团队一起头脑风暴，为高优先级的用例寻找数据来源。大多数情况下，数据收集是一个迭代过程，因为数据科学自然会关注那些可更好地预测业务或运营绩效的指标。团队会不断了解哪些数据对实现企业的最终目标最有价值。确保业务的利益相关者与数据科学团队相互协作，共同发现并测试可能产生最佳预测模型的不同数据来源。
  7. 确定数据的经济价值：最后一步将新战略的财务价值与数据源和成功执行每个用例所获得的预测能力联系起来。在评估新数据源开发工作及其业务价值时，应将所对应的新数据驱动项目的财务价值作为评判依据。该项评估会最终驱动生成与数据采集和数据应用相关的指标和目标，企业可借此跟踪每个数据信息采集工作的总体成效。

    + 优先关注的三个领域

    从保障未来的自由现金流的角度，企业必须重点关注以下三个领域：完善决策、改善经营、数据资产变现。

- 完善决策

可利用数据提升决策能力的关键业务领域有四个：财务、内部运营、人员和客户。确定其中哪些领域业绩不佳，然后制定具体改善措施来提高绩效。对照行业标杆，确定需要关注的指标。找到关键问题，指导企业寻找相关数据来源。找到切入点后，可关注以下特定领域和需要解答的问题。

  1. 预防性维护
  2. 需求预测
  3. 供应链优化
  4. 位置或区域规划

  5. 员工满意度

    - 改善经营

    与利用数据改善决策一样，企业还需要着眼于运营，确定需要重点关注的领域。

  6. 分类优化

  7. 交叉销售或推荐销售
  8. 自动管理库存
  9. 欺诈检测
  10. 预测客户流失情况
  11. 动态B2C定价
  12. 基于价值的B2B定价

    - 数据资产变现

    在越来越多的行业中，通过结构化和筛选，将数据资产变现的机会日渐增多。高质量的数据难以获得，但其对于增强人工智能应用或大数据分析方面的价值日益凸现。许多公司愿意为它们认为有价值的数据付费，您也可为强化组织目标购买有价值的数据。利用数据格式、时间序列、访问（下载）频率或数据粒度等参数更改订阅设置。例如，企业可按1000美元／月的价格提供特定数据源的访问权限；对于历史数据和详细数据，可按500美元／月的价格提供访问权限，但只能访问当前数据和未来数据。

The Weather Company的例子：2015年，IBM宣布以20亿美元的价格收购这家公司旗下的的weather.com和Weather Underground公司的大部分股权。原因何在？因为气象公司掌握着海量的天气相关数据，包括30亿个天气预报监测点、5万条航线和4000多万部智能手机的日常数据。难怪这家气象公司近四分之三的科学家是计算机和数据学家，仅四分之一是大气科学家和气象学家。IBM掌握了这些数据的访问权及所有权后，即意味着可将这些数据卖给那些日常活动会受天气影响的公司，从而实现盈利。

- 问题

  1. 您能否利用数据向现有客户提供新产品或服务？如果是，是通过出售数据的方式，还是通过数据来增加产品或服务的整体价值？
  2. 您能否利用数据为当前未被自己或竞争对手开发的新客户提供服务？
  3. 数据对您当前或未来的竞争优势有多重要？
  4. 鉴于所需的时间和资源，厚数据的最佳收集方式是什么？
  5. 与团队讨论通过整合大数据和厚数据来实现数据价值，可从中获得哪些好处？
  6. 您在哪些地方发现了颠覆标准方法的机会？是将企业管理人员的主观评估纳入数据驱动分析中，还是将数据驱动分析纳入企业管理人员的主观评估内？
  7. 您已掌握的数据有哪些？您如何利用这些数据来开拓新机会和新收入？
  8. 公司现有团队是否具有数字优先和数据驱动的思维方式？如果具备了这种思维模式，您的经营状况有何改观？

    C05 平台

    世界上最成功的企业都将以数字平台为核心。脸书、阿里巴巴、谷歌、亚马逊无一例外，这些企业都有自己的数字平台，您的企业自然也要紧跟趋势。

平台通过资源共享为用户提供价值。但创造经济价值的却是那些促成交易的平台提供者。平台交易越频繁，赚的钱就越多。作为平台提供者，企业还可最大限度地降低风险，将风险分摊到平台的商家和用户身上。而实现所有这些交易和创新的关键正是数据。平台会自然而然地产生数据，数据反过来帮助企业做出正确决策，发现未来的趋势和机遇，带来新的现金流。如果你觉得这听起来像飞轮，这就表明你已经抓住了数据的核心价值。

数字平台（见图5.2）的原理与购物中心相同，但提供了更多新机遇。例如，购物中心受地理位置和成本制约，只能立足本地市场，要么增长有限，要么代价高昂。而数字平台不受地域限制，世界各地的客户和第三方卖家都可入驻平台，因此可建立起前所未有的新颖互动体验。
image.png
苹果公司是数字平台业务中的一个典型案例。第三方公司可在iPhone和iPad上通过iOS平台构建和销售自己的应用程序，由此与用户建立连接。这些程序可提升移动设备的整体价值，而苹果公司却不必为此投入额外资源。此外，此应用每完成一笔产易，苹果公司可抽成30%。只需要提供一个平台，苹果公司就能借助iPhone和iPad上的应用，不断为用户创造新的价值。不仅如此，苹果公司还能从所有交易中获利，完全规避了开发风险。并有效地创造了自由现金流。相比之下，大多数前数字化阶段的企业都是连接型企业，当资源沿着供应链从生产者流向消费者时，才能创造价值。

重点在于，平台型业务自身无法控制价值创造，只负责搭建并提供创造价值所需的基础设施和工具。数字化平台催生了新的互动方式以及创新，少许投入就轻松淘汰了前数字时代的过时流程。

案例参考：

  1. 贝壳
  2. AWS
  3. Artand
  4. Airbnb

    + 平台的网络效应

    随着平台的发展，平台的价值和“吸引力”也会增加。这就是所谓的梅特卡夫定律（Metcalfe’sLaw）。一种商品或服务的价值会随着使用人数的增加而呈指数增长。对您的企业而言，这是十分丰厚的利润来源。目前，依靠自身掌握的资源以及分配方式，企业的获利能力可能有限。当一个平台的用户量达到临界值时，其所能提供的价值就会超过加入成本，从而产生网络效应。在此临界点前，企业需要设法吸引用户加入平台。

固定电话是典型的单边网络，只有一种类型的用户。随着电话用户量的增长，网络价值也会增长，进而可吸引更多用户，创造一个良性循环。相反，像购物中心这样的市场属于双边网络，既有商户，也有买家。店面越多，客流量越大；而客流量越大，入驻商户就越多。这种一个群体的价值由另一个群体的规模来定义的现象称为交叉网络效应（cross-sided network effects）。

本章后半部分将论述连接型业务如何过渡到平台型业务（至少部分转型）。首先，笔者会推出平台“速成课”，将揭示推动平台发展的因素，以及最前沿的两种平台型企业，谈一谈聚合的威力以及互补和开放的重要性

+ 平台的速成课

平台具有降低销售产品或服务的边际成本的能力：

  1. 边际生产成本——再多生产一件产品的成本。
  2. 分销成本——将产品交付给客户或向客户提供服务的成本。
  3. 交易成本——执行商品或服务交易的成本。

对于出版或广告等信息企业来说，尤其如此。例如，想要建刊并发刊，就需要有员工、印刷机、分销渠道和卖方关系。而且，创办线下刊物的门槛很高，盈利能力还要依赖销量，以及利用规模经济降低成本。但在数字世界中不存在这些壁垒，信息复制和信息传播不受任何限制，只需要轻点鼠标，全球资讯便触手可及。

许多行业都出现了这种平台，其中，爱彼迎和优步颠覆了其所在的整个行业，引人注目。爱彼迎将客房从值得信赖的酒店品牌中剥离出来，优步将车辆从值得信赖的出租车公司中剥离出来。在这两个实例中，企业将实物资产进行模块化和商品化，并有效地外包给第三方。最初，这些实物是一种制约，因为想要达到一定规模，就必须投资于昂贵的基础设施和资产。而这类公司只要创建一个可信赖的平台，将城市中的闲置客房和闲置汽车汇聚在一起，就能实现这一点。随着平台网络的发展，不必在客房或车辆上做额外投资，平台上的客房或汽车也会越来越多。

UberEats和Deliveroo这样的外卖配送公司已在数百个城市聚合了数千家餐厅，用户体验明显提升，两家公司也得以控制需求，进而控制用户与餐厅之间的关系。要成为一家真正意义上的平台聚合商，可借鉴脸书、优步、爱彼迎和奈飞的经验——这才是平台型公司的终极形态。

- 平台公司的三个级别

  1. 产品收购型聚合平台（一级）

一级聚合平台会为购买产品付费。这类平台的市场控制权源于其通过控制需求（为用户推荐产品）而获得的强大购买力。提供的产品仅限一级聚合平台可用资源，因此，构建这类平台需要的时间很长。例如，奈飞会为内容（含独播内容）付费。

  1. 产品交易成本型聚合平台（二级）

二级聚合平台不必为产品付费，但在吸引供应商入驻平台时，会产生交易成本。例如，优步每次招聘新司机都要支付监管审核费。这种成本限制了平台发展，但制约程度低于一级聚合平台。

  1. 零供应成本型聚合平台（三级）

三级聚合平台不必为产品付费，也不必承担供应商入驻成本，这意味着供求相关的边际成本为零，只需要掌握供需双方之间的关系，就能从中获利，不产生任何成本。但自带这种天然商业优势的平台型公司屈指可数。谷歌就属于这种三级聚合平台，平台用户本身会生产和消费内容。三级聚合平台通常会吸收第三方用户群（如广告商）来增收，但对其他用户群体免费（确保平台无阻力地扩大规模）。

应该注意，尽管聚合平台在需求侧边际成本为零，且供给侧成本明显偏低，但很可能承担大量固定成本，如软件成本，但时间一长，固定成本会变成可变成本。也就是说，随着平台各用户群的增长，这些成本会分摊到用户身上，平台自身承担的部分会很低，而且一旦网络效应开始发挥作用，平台会自然而然地吸引新用户。

+ 从连接型企业到平台型企业

大多数公司都是以数字公司起家的，创立伊始，就是平台公司，或者至少从一开始就奠定了成为平台公司的基础。对于前数字时代的企业来说，没有这种先天优势，想要转型成平台企业，就需要全新的企业战略和企业文化。

引擎B的发力点正在于此：巩固企业的核心业务，建立数字化渠道，连接企业现有客户以及未来客户。数字化转型工作要进行集中化，确保数据也集中存储并可访问。员工需要利出一孔，而不是分散到不同的数字项目中。从现在开始，您可创建一个生态系统，并向新的玩家开放渠道。

+ 搭建平台

实施平台战略最有效的方法之一是向第三方卖家开放客户群，允许第三方卖家提供与您的核心产品配套互补的商品或服务，这就需要创建一个混合型商业模式，将产品和平台战略结合在一起。平台型企业的立足点在于信任和透明。价值创造是竞争对手之间的一场拉锯战，因此，多数连接型企业转不过这个弯。随着网络效应和零边际成本的作用逐渐显现，平台型企业的价值创造能力会远远超出单个实体。

2017年年底，麦格理银行推出了devXchange平台，第三方可通过应用程序接口或API（两个软件程序的相互通信代码）与麦格理核心交易系统中存储的数据进行交互。借助这一平台，麦格理客户可在金融应用程序和银行产品之间无缝切换，寻找更能满足自身需求的解决方案。

两者都是向第三方卖家开放客户渠道，通过强化商品或服务的价值主张，为客户和第三方群体创造了新价值的典型案例。对于传统的连接型企业而言，这是一种很好的尝试，因为这可帮助企业从产品或服务型思维模式过渡到平台型思维模式。
image.png

+ （平台型企业）外向型管理

平台的价值远比个体的价值大得多，可促进交互，鼓励用户为平台贡献价值，创建一种全新的运营模式，这种模式着眼于外部，而非局限于内部，管理由内至外。

- 资源编排

与其挖空心思去掌控资源，不如营造一个环境，使第三方可利用彼此的资源构建新产品和服务。

- 创造便利

一个平台要取得成功，关键在于不仅能保持平台的现金流，还能促进平台用户之间的交互。育合适的生态系统，建立恰当的制衡机制，保障用户实现高品质的互动和交易。

- 生态系统的价值

请记住，平台的生态系统会不断演化，因此，也要保障平台的基础设施和管理手段可不断发展，以保障交互质量。执行反馈循环，并利用收集的数据，推动平台按既定规划有序发展。

+ 问题

  1. 你的企业文化和企业战略是否着眼于外部，你是否把合作和创造新价值的机会最大化？
  2. 你关注的是协作还是竞争？
  3. 你的核心产品是什么？你能否将人或群体联系起来并围绕这些创建一个生态系统？
  4. 你能否向第三方开放客户群，为你的核心产品提供补充？
  5. 你能否舍弃一些东西，为你的平台或产品创造更多需求？
  6. 在你所在的行业中，什么样的平台才称得上“成功”？
  7. 你是否确信自己是在促进和分享价值创造？
  8. 你是否只关注客户的核心需求，并允许第三方利用长尾需求创造价值？

    + 本章小结

    数字化平台是这个高度互联的世界的核心。它利用互联网的能力，通过几乎零边际成本复制数字信息，颠覆了传统企业以规模经济建立商业帝国的模式。现在是最好的时代，机会触手可及。数字技术的崛起刷新了人类的交易方式，也建立了新社区，随着社区规模的壮大，产生的价值会更大。以前根本无法登上全球舞台的个人、组织和国家，一夜之间拥有了大量创新机会、沟通平台和渠道。但这也并不意味着前数字时代的大厦就注定要倾覆。相反，数字平台公司所运用的战略和战术同样适用于传统的连接型企业。

实体平台和网络平台之间最重要的相似之处是，既能促进交易，又可利用网络效应。因此，在设计平台时，首先考虑的不是技术，而是要回归本质，思考客户，思考可以或期望促成的核心交易。然后，找出利用技术来实现和优化业务的方法。最后，切忌短视，要先创造价值，而非索取价值，平台的要义正在于此。

作为连接型企业中的管理者，你可通过关注客户来利用网络效应的力量，最小化边际成本。然后，致力于营造一个更具协作性的公共环境，为客户创造价值，随着用户群的不断壮大（单边平台逐步形成），吸引第三方入驻平台，为核心产品提供补充，为平台入驻者和客户创造新价值。

接下来就是从内部思维向外部思维转变。企业要重视为平台用户提供高质量交易，同时要注重客户的信任，促进核心产品的持续繁荣和完善，并在结合连接型战略和平台型战略的混合业务模式的支持下不断发展。要在网络效应和网络数据的驱动下实现飞轮效应，混合业务模式的作用不可或缺。

前面章节中已提到，数据和平台是企业发展的数字燃料和基础设施，但其中缺少智能系统这一环节。这就是智能系统发挥作用的地方，由人工智能驱动并由数据训练的智能算法的作用要高于平台，它会不断向与之交互的人学习并优化用户体验。智能系统是平台的完美补充，可为企业的数字生态系统的供需双方带来更多价值。

C06 智能系统

十多年来，大型科技公司在人工智能（Artificial Intelligence，AI）上耗费巨资，并且许多前数字时代的企业也开始增加人工智能领域的投入。研究人员和商界领袖也一致认为人工智能将启动新一轮的飞速增长，但人工智能之路充满凶险，很可能耗资巨大，但最终竹篮打水一场空。

多数情况下，人工智能投资都由技术主导，这意味着想要开发人工智能，首要关注的应当是人工智能本身，而非商业成果。但技术投资势必由商业主导，而非技术主导，人工智能也不例外。

+ 机器学习的崛起

机器学习可使系统不需要明确编程即可自动学习和改进。其原理是基于儿童学习的法则，即通过经验和重复，更多情况下则是通过反馈来学习。机器学习分为三大类：监督学习、无监督学习和强化学习。

简单地说，机器学习算法可在大数据集中识别模式，并在检测到给定模式时，执行某项操作或生成输出。机器学习的核心在于将机器学习技术与数据进行匹配。没有数据，机器学习无从谈起。输入的数据越多，算法的预测能力就越完善，预测的可信度和准确率也越高。企业只有了解了自身掌握的数据以及希望解决的问题，才能决定究竟运用哪项技术、哪种工具和哪类算法。机器学习的总体目标是创建通常称为“代理”的智能程序，核心是学习以及演化的算法。

- 监督学习

使用大量数据集对代理程序进行训练，这些数据集由某一具体问题的正确答案示例组成。输入数据时，算法会自学如何在给定输入下推断所需的输出。为算法输入的训练数据越多，代理程序的推理就越准确。在训练时，为便于算法“学习”，需要对训练数据进行标记。代理程序得到充分训练后，如果向代理程序输入类似数据，它就会按训练方式对数据进行分类，从而产生期望的输出值。

在这种学习模式下，训练代理程序的数据未做标记，也没有定义输出结果（不像监督学习，会在训练代理程序期间对输出结果加以定义）。将数据输入代理程序后，它会自行分类和映射，将数据集合到类似存储桶中。代理程序可在数据中自主查找隐藏模式，而不需要任何指示。

例如，代理程序可监控在线用户的行为，时间一长，就会对“正常”的用户行为有所了解，如此一来，就能检测出异常行为，识别潜在的网络威胁。例如，如果代理程序检测到用户的登录地址并非常用地址，会根据应用程序的性质向用户发出警告或关闭用户账户。

- 强化学习

强化学习的代理程序实际上是模仿了动物和人的学习方式。在训练代理程序时，会对与环境的交互方式予以即时反馈。代理程序在环境中执行的动作是经过预先定义的，环境本身也经过预定义。给定一个输入，代理程序执行一个动作，动作正确，向代理程序给予积极反馈，进行强化。与环境交互时，代理程序会在给定输入下学习正确动作，并逐步完善自身表现。强化学习的好处在于可模拟代理程序的训练环境，这样，建立训练数据的成本很低，例如，车辆可在模拟环境下自主学习驾驶技术。谷歌也为强化学习提供一个范例，算法在不同配置的数据中心进行试验，学会了如何优化能耗，将数据中心的能耗降低了40%。

+ 数据的完美搭档

毫无疑问，您已在了解客户，但若能使这个过程自动化，就能创建一个极具扩展性的系统，不需要人工干预，即可学习。正如第5章所述，顺畅的、弹性的构建平台十分重要。系统的自动化程度越高，飞轮的旋转阻力就越小，转速也越快。与网络效应一样，先发优势至关重要，数据网络效应的增长通常都是指数级的。

+ 人工智能的五个关键因素

成功应用人工智能和机器学习的最重要因素是“数据”“运算能力”“算法”和“人才”。他认为在四个要素中，最难获取的是数据，其次是人才、运算能力和算法。

许多算法都可从线上免费获得，但如果要拥有某种竞争优势，就必须获得第一手数据。想要获取企业所需的第一手数据，需要投入大量时间和精力。因此，数据是构成数字化成熟度分数（Digital Maturity Index，DMI）的三个关键因素之一，

关于这一点，我们基本同意博·克罗宁的观点。但他的人工智能论文缺少一个关键因素，这一点对人工智能的成功应用不可或缺，即“用户体验”。人工智能需要在系统场景中实现。只依靠人工智能这一项无法为用户提供流畅的、无缝的体验。事实上，还可能影响用户体验。

+ 创建人工智能系统

在创建智能系统时尤其如此。一开始就掉入复杂设计的陷阱，注定会失败。从小处着手，在内部造势，赢得关键利益相关者的支持至关重要。智能系统的创建是一个高度依赖迭代的过程，需要数据专家和业务领域的专家结合自身知识，共同努力。将人工智能集成到组织的任务时，我们建议采取以下方法。

  1. 理解
  2. 识别
  3. 排序和计划
  4. 执行和监控

    + 建造高防御性护城河

    一个能充当防御护城河的智能系统都包括五点：

    - 垂直专业领域

    在许多行业中，人力资本、业务专有知识以及知识产权都可在某些特定领域发挥护城河的作用。您也可利用这些方面的专长创建一个智能系统，相对于不具备这些专业知识的团队所建立的智能系统，您的系统将有明显的竞争优势。请注意，人工智能无法告诉您在什么场景以及以什么方式应用人工智能，这是人要做的工作。为做到这一点，团队不仅需要技术人才，还需要商业人才，共同努力。

    - 大规模定制

    智能系统必须具备扩展性，即使新用户涌入，企业也不需要对系统做大幅调整。通过智能系统为用户提供个性化体验的边际成本为零。而若人为建立这种个性化体验，不能算是智能系统，而且，边际成本很高。

    - 人机

    专家将与经过训练的智能算法相互协作，以提供最佳结果。系统中一半是人，一半是机器。事实证明，在需要人类情感、判断或创造力的地方，这种方法十分有效。

    - 网络智能

    数据合作伙伴的网络效应会通过算法为整个价值链的参与者提供增量价值。参与方越多，可用于增值的数据就越多。飞轮开始发挥作用后，增值效果会吸引更多参与者，互动也越来越多。

    - 整合智能

    智能算法辅以物理硬件会创造出无限商机。只有硬件和软件相集成，才能达到最佳运行状态，创造出有形产品，提供新体验，开辟新的业务机会。

    C07 投资管理

    + 投资者心态

    您需要对引擎B采取风险投资的管理方法，积极关注规模和增长，并采取一切卓有成效的措施使其发挥作用。同时，对引擎A采用私募股权的方式，这意味着要在现金流为王的原则下创建一个强大、高效的企业。

    - 建立创新文化氛围

    企业文化在支持风险投资和私募股权两种形式的投资中扮演不可或缺的角色。它会形成一种环境氛围，在这个氛围中，领导和员工都愿意承担可预期的风险，且管理者并不害怕失败。这种自由行动的风格在引入风险投资时至关重要，因为无论一家公司的尽职调查多么详细，仍存在出现风险的可能。

    - 更快的增长

    在很多案例中，在计划上花费的时间和精力比做实际项目所花费的还要多。三年战略计划、年度预算和计划周期都不再奏效了。当今科技变化如此之快，怎能做到提前部署未来三年内的计划呢？更糟的是，当市场转向一个全新方向时，如果公司仍旧严格地按部就班地执行其三年战略计划，无疑是在白白浪费资金。作为企业的领导，您必须强调执行力以及从错误中吸取教训的重要性。

注重战术执行并不意味着战略规划不再有价值了，而需要把它看成一个持续的过程。2005年，史蒂夫·乔布斯（SteveJobs）曾说过：“对我来说，除非付诸实施，否则创意一文不值。执行力价值连城，而创意不过是它的一个乘数而已。”

  1. 为每种投资制定明确的财务指标，以免团队成员把时间浪费在永远不可能达成目标的投资案例上。
  2. 根据投资决策的周期来设置和传达符合实际的预期。
  3. 限制并明确必须参与投资决策的人员，这样可避免各利益相关者造成的投资比例失衡。
  4. 不提倡精确性优于可操作性的计划。一个成功的计划通常是以大量相互关联的假设为前提的，而投资是否成功只由其中几个关键性假设来决定。制定计划时，假设条件太多，势必令这几个关键决策点变得复杂和模糊。

  5. 确定一小部分不可协商的战略协同要点，这种做法好于在一个项目中完成所有目标。

    - 鼓励投资效率

    初创公司会奖励并晋升执行力强、效率高的管理者，因此这些管理者行动更迅速，工作更高效，而不仅停留在口头上。只要给予他们足够的空间和执行工具，他们可能出现在任何一个组织里。

  6. 他们理解后悔的成本

  7. 他们关注烧钱率

    1. e.g. 会议成本：与会者的综合薪金（计时工资）*会议时长=会议成本
    2. 随时衡量烧钱率。
    3. 少即是多。规模大、费用高的团队管理起来很难，还会增加不必要的资金压力。
    4. 不要把小时成本和实际产出混为一谈。

      C09 获得董事会的支持

      + 任命数字专家

      毫无疑问，许多前数字化企业也都在努力推动业务转型。但研究表明，那些传统企业的领导者中，大多数人都不具备引领企业数字化转型所需的经验。例如，光辉国际研究所（Korn Ferry Institute）的数据显示，在《金融时报》证券交易所100指数中，只有1.7%的非执行董事（NED）具有“数字化背景”，也就是说，他们职业生涯中的大部分时间是在大型科技公司工作或担任战略管理角色，
      精通数字化的董事应符合以下四个标准：

  8. 经验：精通数字化的董事应该具备在数字原生部门或公司中担任重要运营角色的经验，并且主要具体负责本书第4～6章中所定义的各项技术应用及数字化赋能。

  9. 演示：精通数字化的董事应与董事会协同工作，要么以董事的身份进行工作，要么定期向董事会汇报说明。
  10. 视角：精通数字化的董事应该具备全面和战略的高度；既要有技术专长，还要有与董事会决策相符的强大业务和战略敏锐度。
  11. 市场行情：精通数字化的董事应该对市场中的问题、新兴趋势、技术和机会，以及如何成功地将其应用到业务中充满信心。

《哈佛商业评论》上的一篇文章指出，需要有四种类型的人来引领数字化：

  1. 数字化思想家：这类人几乎没有管理或参与数字化项目的直接经验，但他们能在较高层次上理解数字化的内涵。他们可能在非原生数字化企业担任过咨询师或顾问。
  2. 数字化破解者：这类人在所有数字化领域都拥有深厚的专业知识；他们的知识通常都是从大型科技公司或数字原生企业的工作经验中总结出来的，但这类数字化领导者在管理方面可能缺乏专业知识。
  3. 数字化领导者：这类领导者有着丰富的前数字化企业工作经验，而他们所任职的企业在战略和运营层面都接受了数字化思想。作为领导者，这类人很可能更多地接触过数字化和颠覆性创新。
  4. 数字化转型专家：这类人在前数字化企业中作为领导者参与了企业的转型工作。可能不像数字化领导者那么资深，但可能更精通数字化，在数字化方面更有经验。

    + 本章小结

    董事会在前数字化企业成功实现数字化转型和在新经济态势下维持生存等方面，都发挥着至关重要的作用。任何对战略的根本性改变都需要强大的领导力，我们描述的这种规模化转型绝对要得到董事会的支持和指导。与整个企业范围实施的所有变革一样，数字化转型也必须自上而下推进；因为如果没有一种驱动力来推动变革，公司就会“维持现状”。为推动变革，董事们必须掌握必要的技能和专业知识，以提供变革支持和指导。因此，任命一名精通数字化的董事对于帮助指导董事会处理数字化事务就至关重要了。

也就是说，数字化董事不应该是唯一引领数字化转型议程的人。尽管新董事会成员的任命应该以“数字化转型专家”为主，但在互联网革命已近30年之际，即便董事会成员和高管也未必精通数字化，他们也必须对数字化有所了解。随着线上和线下的界线变得越来越模糊，并且每家公司都在向科技公司转变，董事们需要确保自己拥有在新的数字化经济中发挥引领作用所需的技能和知识。