关于本文艺术作品／海科．海尔维格（Heiko Hellwig）在他的「X光汽车」摄影系列中，叠加了几张玩具汽车的照片，以营造一种多层次现实的印象。

你是否会认为顾客都是按照你设计的方法在使用你卖的产品？发掘市场待解的需求，找到正确的方法，让每个顾客都成为你的回头客！行销人或许会直觉地认为，一项服务或一款产品，一定要让顾客在使用的时候感到不费吹灰之力，而且可以预见使用后的结果。这样的想法太过武断。根据不同的情况，顾客也会愿意经历需要大量努力的使用过程，或因为无法预知结果而感到兴奋。打破武断的误解，让每个顾客都成为回头客。

大部分的行销专家都同意，让顾客对产品拥有令人满意的最初体验，是不够的。相反地，产品经理必须为顾客提供一系列引人入胜的体验，也就是「顾客历程」（customer Journey），以便让他们回来购买更多产品。如何设计顾客历程，是行销的新战场。

然而，行销专家还没有开发出一个架构，可协助经理人处理这个设计上的挑战。他们经常要求公司把顾客历程例行公事化，也就是让顾客历程尽可能不费力，而且可以预测。我们的研究显示，这个建议过度简化这件事了。其实，这么做有时会对公司产生反效果。

虽然有些顾客历程可能不需要太费力（例如在Netflix上看电影，或在美食搜寻平台Seamless上再度订餐），但另有一些历程需要顾客耗费大量心力或体力（比如在学习网站Duolingo学一门新语言，或是骑Peloton的脚踏车运动）。这两种体验顾客都很重视。

同样地，有些历程往往有令人自在的熟悉感〔像是使用Old Spice的须后水，或去潘娜拉面包店（Panera Bread）吃午餐〕，而另一些历程是无法预测、令人惊讶、让人兴奋的（例如，与交友应用程式Bumble的其他用户见面和聊天，或与朋友玩电玩游戏「魔兽世界」）。在许多情况下，顾客实际上很享受意料之外的事。

本文观念精粹

背景 行销专家同意，让顾客不断回来消费的最好方式，是提供一系列引人入胜的体验，我们称之为顾客历程。

问题 大部分专家把不费力与可以预测的顾客历程（或称例行公事历程）奉为金科玉律。但在许多情况下，这么做是错的。

解决之道 公司不仅能用例行公事历程让顾客保持对产品的兴趣，还能采用驾车兜风、长途跋涉与冒险之旅等三种模式。这四种历程都可以帮助公司在市场取得长期成功。

我们根据对广泛产品类别的顾客体验所进行五年研究的结果，以及行销学者与高阶主管参与的研讨会当中得到的回馈意见，制定了一个架构，以协助经理人设计出吸引人的顾客历程，让顾客一再回来消费。我们称之为「顾客历程矩阵」。

这个架构包括四个模式：

• 例行公事（routine）是不费力且可以预测的。
• 驾车兜风（joyride）是不费力且无法预测的。
• 长途跋涉（trek）是费力且可以预测的。
• 冒险之旅（odyssey）是费力且无法预测的。

没有一种模式能在所有层面都优于其他模式，这四个模式都能让顾客频繁回来光顾。这些模式可以应用于许多不同的实体与数位商品和服务（下文我们全都称为「产品」）。每种历程都能以任何速度展开，包括每天、每周或每月，而且可以持续任何时间长度，从数周到数年都有可能。

在本文中，我们首先描述这四个顾客历程的模式，以及各模式相应的设计原则，并提供经理人一份指引，说明如何为自家产品打造理想的顾客历程。

例行公事

例行公事，是一个完成重复任务的简单程序，通常包含一个触发因素，这个因素会引发一项能带来奖励的活动（例如，天亮是刷牙的触发因素，奖励是口气清新）。所有的历程都有一些重复出现的模式，但例行公事历程的重复性特别高。这种历程有时也被称为「顾客习惯」或「仪式」。

「例行公事」历程非常适合实用的产品，能让任务逐渐变得更容易进行，也更容易预测。例如，超音波牙刷可以提高顾客护理口腔方式的效率与效果。行动银行应用程式，让忙碌的人们省去不必要的到银行办事行程。快餐连锁店，为通勤人士提供一种能够取得食物与饮料的简单方法。在任何例行公事历程里，顾客遇到的摩擦和麻烦愈少，就会愈满意。

产品经理可以采用以下两个设计原则，来协助顾客建立长久的例行公事历程：（1）简化用户体验，以及（2）每次互动都「确保一致性」。简化体验的目标，是消除所有无法增加价值的接触点；然而确保一致性的目标，是协助顾客学习例行公事，无需多加思考就能使用产品。

在快餐连锁店领域，星巴克（Starbucks）非常努力不懈地精简手机的订餐流程，尤其针对客流量大的地区「拿了就走」（grab-and-go）的顾客。星巴克的行动应用程式，可以记住顾客偏好的门市与支付方式，让顾客能够快速再订购喜欢的品项、找出最近的门市所在地点并估计等待的时间，以及显示在店内的何处取餐。这家连锁咖啡店甚至开设了星巴克快取店（Starbucks Pickup ），只接受来自行动装置的外带订单。星巴克还为制作餐点品项设定了标准程序，因而得以在一致性上表现卓越。制作焦糖玛奇朵的方式，在洛杉矶和在奥马哈都是一样的。

亚马逊（Amazon）则在例行公事型购物历程方面，是线上零售商的领导业者。像是一键下单与隔日送达等便利服务，简化了顾客历程。该网站的订购流程很少改变，即使改变也很细微，因而把顾客重新学习这套流程的需求降到最低。

驾车兜风

车兜风是有趣的历程，让人们能够逃离日常生活里的沉闷单调。轻松、无法预期且充满乐趣的「驾车兜风」模历程，很适合那些按需提供刺激的产品，像是音乐串流平台、体育媒体与电玩游戏。驾车兜风模式也可以用于实体店，像是产品汰换迅速的快时尚店、每周有新片上映的在地电影院、轮换菜单的餐厅，以及有欢乐时光特价的酒吧。

如同例行公事模式，「简化」对驾车兜风模式是不可或缺的，尽管这么做还不够。简化只是减轻顾客的痛点，并不会带来乐趣。若要促进实施驾车兜风模式，公司必须在整个顾客历程中，应用「无穷变化」这个设计原则，以产生频繁出现的欢乐时刻。例如，在游戏「糖果传奇」（Candy Crush Saga）中，玩家将相邻的糖果互换位置，来产生一行或一列三个相同的糖果。为了让这个活动变得有趣，游戏在近一万个等级中，在糖果、配色方案、音效、挑战与通关限制条件等各方面，都做了大量变化。

许多电影院促进驾车兜风式历程的做法，是每周首映一部新电影，但是，提供美食服务的连锁电影院Alamo Drafthouse做法更进一步，那就是频繁更新菜单。该公司的主厨也会偶尔根据上映的电影，来规画主题菜单〔像是在《黑豹》（Black Panther）上映时提供非洲料理）〕。

消费者生成内容（consumer-generated content，简称CGC），是提供无尽变化的另一种方式。在TikTok（抖音国际版）上，新用户能立即沉浸在「为你推荐」（For You）的动态讯息中，他们滑动萤幕就能看到时下热门的影片。一支影片可能是一只猫在播放悲伤音乐时噘起嘴巴，下一个播放的可能是搭配流行音乐的烹饪示范。数量庞大的多样性内容，是乐趣的一部分。久而久之，用户可能会对影片按赞或评论，并发现他们想要关注的创作者。TikTok的演算法不断处理顾客互动数据，并用这些资讯来客制化动态讯息。

长途跋涉

长途跋涉是可以预测的历程，顾客在这段历程中努力达成具挑战性的长期目标，像是学习一种语言、手术后复原，以及为退休储蓄。长途跋涉模式通常与个人服务供应者有关（像是家教、教练与财务顾问等），而现在长途跋涉历程愈来愈常由手机应用程式与智慧型产品来推动，包括教育应用程式（例如Babble）、监测健康指标的可穿戴装置（例如苹果手表），以及理财工具（例如Mint）。顾客频繁回去使用可进行长途跋涉历程的产品，因为他们需要大量的支持，才能朝自己的目标前进。

公司通常会采用「设置目标」（goal posting）这个设计原则，让长途跋涉历程中的工作变得更容易进行。基本上，这包括将企图远大的目标，拆解为愈来愈小的目标，直到下个目标小到足以刺激顾客开始采取行动。为了鼓励顾客采取行动，长途跋涉模式通常会增加一些奖励，顾客完成每项目标就能得到；这类奖励可以很简单，像是几句祝贺（「做得好！」），或是在追踪进展的仪表板上的颜色由红变绿。

一个擅长设置目标的产品是MyFitnessPal。这个应用程式的核心功能之一是饮食日志，这个日志把顾客的长期目标（像是减重20磅） ，拆分为每周、每天与每餐的目标。每餐的目标被进一步分解为巨量营养素（蛋白质、脂肪与碳水化合物）、净卡路里，以及顾客可能想要追踪的其他项目，像是钠。这个应用程式使用一些工具（例如可搜寻的食物数据库），以及与他人聚餐时复制朋友所输入餐点的功能，简化在日志中输入一餐膳食内容的工作。

预算编制程式You Need a Budget，用「省钱」这个相对庞大且抽象的目标，协助顾客进行长途跋涉的历程。该程式鼓励顾客为主要的支出设定具体目标，像是购屋、大学学费和退休金等支出项目，并将这些大目标拆解为较小的目标。这项计画还邀请顾客设定支出上限，以及偿还债务的目标。所有这些目标，都可以用不同的方式来安排达成时间，比如每周、每月，或特定的日期。来自直觉式介面的即时正面回馈意见，能鼓励顾客不断往目标前进。

一些行销专家主张，需要投入大量精力的顾客历程，必须加入令人兴奋的类游戏功能，以便让顾客保持动力。换句话说，他们建议产品经理把长途跋涉模式转变成冒险之旅模式。这个建议值得考虑，但并非所有顾客都喜欢花俏的游戏化服务。如果长途跋涉模式有一系列明确界定的可实现目标，以及给予肯定的奖励，就能像冒险之旅一样产生激励的效果。

冒险之旅

如果说例行公事是最平凡的顾客历程，那么冒险之旅就是最不寻常的历程。冒险之旅充满挑战性、惊险刺激、无法预测的冒险，是由顾客的热情、决心与使命感所推动。冒险之旅往往需要顾客投入大量的努力，而且会产生丰富的兴奋感受。顾客在生活中有许多例行公事要进行，但通常在任何特定时刻，只有少数几次的冒险之旅。

冒险之旅模式特别适合那些助长热情的专案，而顾客本来就有高度动机要去做这些事，例如经营社交媒体上的粉丝数、玩策略游戏、学习表演艺术、拍摄纪录片，以及为了健身比赛接受训练。这类型的历程会让顾客一再回来使用某个产品，因为他们想要学习与成长。与长途跋涉历程不同的是，冒险之旅历程不需要设定终点，就如同户外运动爱好者常说的：历程本身就是目的地。

冒险之旅在娱乐产业特别常见。这方面的一个关键设计原则，是「实质变化」，包括基于功能性的因素，提供顾客多样化的刺激与挑战。以健身房品牌CrossFit为例。在典型的训练课程中，教练带领运动的人进行热身、技能发展，以及高强度的健身训练，其中包括有氧运动、健身操与举重运动。每一种健身运动都不一样。冒险之旅模式的另一个关键设计原则，是「历程追踪」。在CrossFit运动的人会密切关注自己的进步情形，但没有明确的最终目标。这种历程费力、不可预测，而且似乎永无止境；这是真正的冒险之旅。

冒险之旅模式在创意领域也很常见。例如，Adobe创意云（Creative Cloud）中关于设计、摄影、影片、网路编辑应用程式作品集所促成的密集顾客历程，或是茱莉亚音乐学院（Juilliard School）的表演艺术课程所促成的密集历程，这些课程能够帮助演员、舞者与音乐家发挥潜力。Adobe创意云与茱莉亚音乐学院的共通之处，在于都是促进个人发展与专业发展（更多关于个人转型的行销策略，请参见本刊2022年2月号文章〈成就「全新的你」是门好生意！〉（The ‘New You’ Business）。诸如热情与目的等元素，让冒险之旅历程有种独特的超越感，凌驾了例行公事、驾车兜风、长途跋涉这类相对寻常的体验。

设计理想的顾客历程

以下五个步骤，能帮助你为产品与顾客设计适当的历程。

• 确认最适合你产品的模式

使用你的产品是相对轻松或费力的？这项体验是可以预测或不可预测的？这些简单问题的答案，揭露了最适合你的模式是例行公事、驾车兜风、长途跋涉，还是冒险之旅。

• 执行各模式的设计原则

如果你的产品的历程是例行公事模式，就要致力于按照熟悉的顺序来安排一致的接触点，以提供可预测到的、令人满意的体验。例如，万豪酒店（Marriott）的标准化入住与退房流程，让旅客能够轻松入住，即使在全新的环境（如造访外国城市）也是如此。

如果你的历程是驾车兜风模式，就应提供许多不同的欢乐时光，可能是由内部的内容制作团队或机器学习演算法来提供，或是采用来自顾客的群众外包内容（例如Instagram的动态讯息）。

为了执行长途跋涉模式所需的目标设置，你可以将顾客的长期目标划分为一系列期限更短得多的目标，并鼓励顾客达成每个小目标。例如，Fitbit智慧手环一整天都会提醒用户要散步，并在他们真的去散步时给予勋章、打勾（表示有做到）或进度图标，以奖励他们。

至于冒险之旅模式所需的历程追踪与实质变化，你或许可以设置一个绩效仪表板，并提供多样化的个人活动与公共活动，共同推进顾客的目标。

• 在适当的时间提示购买决定

邀请顾客购买的最佳时机，主要取决于历程的可预测性。对于可预知结果的例行公事模式与长途跋涉模式，顾客通常有动机要在一开始就仔细查看定价细节。然而，一旦顾客发展出一个例行公事模式，或开始长途跋涉模式，通常就不想再为这些细节烦恼。

至于结果难料的驾车兜风模式与冒险之旅模式，顾客通常在一开始没有动机要做出重大决定。相反地，他们急切想要尽快体验刺激的过程。要等到后来，当他们更深入参与这段历程之后，才会愿意花大钱购买或订阅。你必须给他们足够的时间去使用产品，然后再请他们做出需要用到很多认知能力与对财务有重大影响的决定。如果在顾客历程开始时提供免费服务，会让公司花费太大，可以考虑向顾客提供一个便宜的入门选项。

• 利用每个机会简化历程。这个设计原则适用于全部四种模式

为了保持品牌的竞争力，产品经理必须不断寻找新的方法，来消除顾客体验中无法增加价值的接触点。

例如，为了促成进行例行公事历程，PayPal在登陆页面上列出顾客经常使用的联络人，以便在几秒内就能将钱转给这些人。顾客只需点击联络人姓名、输入付款金额、查看交易资料，并点击「送出」即可。顾客的例行公事模式就应该如此清楚明了，几乎不需要思考或花力气。

提供其他类型历程的公司，也能找到简化流程的新方法。提供驾车兜风历程的新加坡航空公司机上娱乐系统，可以记住乘客在先前搭过的航班上暂停收看的电影，如此他们就不用快转到之前停止的地方。卡路里追踪与精算应用程式MyFitnessPal，为了简化长途跋涉历程而提供条码扫描功能，消费者可以扫描食品包装上的条码，来快速记录他们的卡路里与巨量营养素。为了帮助顾客简化他们的冒险之旅历程，一部分Equinox健身房让会员能在进健身房前，在前台先点一杯运动后的冰沙，健身完之后就不必等待。

• 为不同的顾客区隔考虑不同的历程模式

我们经常被问到，单一产品是否能促成多种类型的顾客历程。答案必然是肯定的。其实，许多领导品牌同时提供两种或更多类型的历程。

Tinder是世界上最受欢迎的交友应用程式之一，可以为轻度用户与重度用户提供不同类型的历程。一些轻度用户只有兴趣去浏览其他用户的个人资料，以及偶尔和配对成功的人聊天；他们的历程就是驾车兜风模式。相比之下，重度用户不仅浏览个人资料，还会给配对成功的人发讯息，同时应付多场对话，与潜在对象会面，然后在约会成功或失败之后，继续或结束这些联系。他们的历程是冒险之旅模式。

我们也观察到，手机扩增实境游戏Pokémon Go的轻度用户进行驾车兜风历程，而重度用户进行冒险之旅历程。该游戏的目标是捕捉虚拟生物宝可梦（Pokémon），而这些生物是在电子地图的世界里随机生成的。对轻度玩家来说，这款游戏是在散步或上下班通勤时，偶尔进行的驾车兜风历程。对沉迷这款游戏的玩家而言，这是能花费大量休闲时间的冒险之旅历程。后者会聚集在一起进行游戏内的战斗，并不遗余力地寻找稀有的宝可梦。

与此同时，亚马逊同时促进了长途跋涉模式与例行公事模式。在购买高价耐用的物品如微波炉、沙发床或电视等产品之前，顾客通常会仔细检视价格资讯、评分与详细的评论，以便根据丰富资讯做出决定。我们可以把这些费力的体验解读为长途跋涉历程。然而，在消耗性的低价产品类别，例如食品杂货与家居用品，亚马逊就会鼓励顾客快速回购，具体做法是使用再次购买功能，以及「订购省」（subscribe-and-save）功能的自动化例行公事历程。

公司若能让顾客参与多种历程，就更有可能留住顾客。若某些历程失去吸引力，其他历程可能开始获得动能。净效应是，顾客在某一个或另一个历程中，持续采用公司的产品。

判断你的最佳选择

要在当今竞争激烈的市场取得成功，产品必须带给顾客引人入胜的历程。但没有一体适用的方法来设计这些历程。「顾客历程矩阵」提供产品经理四个经过验证的模式，包括例行公事、驾车兜风、长途跋涉与冒险之旅，让他们从中选择。每一种模式与其设计原则，都能协助公司吸引顾客一再回来消费。

文章来源：哈佛商业评论2022/7月号

第一届智能医疗管理专业初阶训练认证课程 系列四 医材医疗科技应用

第一届智能医疗管理专业初阶训练认证课程热烈展开中！

特邀 詹长霖博士 担任 5G智能医疗应用趋势 主讲人

课程地点：IEAT国际会议中心11楼第二会议室（台北市松江路350号）

课程日期：2022年7月23日(六) 8:00-17:00

前往报名连结：https://bit.ly/3un4Ooe

总结自己在半导体业工作多年的经验，来看台积电数位转型成功之道，除了跨单位技术委员会的组织设计外，资通讯科技的支持和绩效管理与发展(Performance Management and Development，PMD)制度的配合，结合卓有成效的知识管理，展现出组织效率优化的丰硕经营成果。

台积电数位转型曾用拟人化、无人化、超人化来比喻三个阶段，第一阶段「拟人化」是让电脑和设备学会人做的事情，并推动企业流程再造和组织效率提升；第二阶段「无人化」是用自动化系统取代人做的事情，并发展电子化企业与供应链的整合，成为客户的虚拟晶圆厂；第三阶段「超人化」是建立数位大脑聚集众人智慧以超越个人表现，并整合大数据、人工智慧等科技与领域专家的决策智慧和知识管理，以同步提升决策的品质、速度和效率，使累积的集体智慧化成公司的核心能耐。

台积电资讯科技和自动化系统已经成为智慧企业的公用事业(utilities)，尽其所能地满足公司内外部顾客的需求。2017年台湾半导体产业协会(Taiwan Semiconductor Industry Association，TSIA)年会，适逢电晶体发明70周年，特别邀请浮闸记忆体效应(Floating-gat memory effect)发明人施敏院上发表专题演讲，接着举办制造高峰论坛，由前行政院院长张善政主持，台积电左大川资深副总经理兼资讯长、工研院刘军廷副院长和清华讲座教授暨美光讲座教授简祯富担任引言人和座谈。

论坛中台积电资讯长说明推动智慧制造分为三个阶段，第一阶段是2000年进入全自动和电子企业，第二阶段是2012年发展大数据分析和整合平台，第三阶段是2016年透过人工智慧AI、高效能云端运算和团队协作创新，以展开全面数位转型。《iThome电脑报周刊》针对台积电数位转型有更完整报导。以生产力提升为例，导入全自动化的12吋晶圆厂，较8吋厂提升3倍；第二阶段随着大数据收集和大数据分析，生产力再提升62%；第三阶段导入人工智慧AI，生产力预估将可以再提升19%以上。

台积电刘德音董事长应邀担任科技部人工智慧制造系统研究中心(Artificial Intelligence for Intelligent Manufacturing Systems Research Center，AIMS)理事，并在2018年人工智慧制造系统研究中心启动会议上发表专题演讲，分享台积电推动智慧制造的发展经验。他表示台积电预计每年要培养几百位AI相关工程师，各大学理工科应提早将AI纳入大学课程，推动跨领域AI人才培育。因此，AIMS也在清华大学设立「智慧制造跨院高阶主管硕士在职学位学程」(AIMS Fellows)，整合跨领域专家学者提供大数据分析、资料科学、人工智慧、深度学习、决策分析、产业工程等课程，让高阶主管透过学以致用的实做，以掌握解决实际问题的技术和模型开发经验，培养产业数位转型所需的领导人才，达到协助产业AI化与AI产业化之目标。

参考资料：蓝湖策略，作者：清华讲座教授暨美光讲座教授 简祯富

在此刻全情疫情管控之下，拜读我的母校台湾科技大学卢希鹏教授(台湾科技大学资管系专任特聘教授)这篇文章感受更深刻，一个经营管理者如何面对新世界、新科技的改变，调整经营模式因应未来，提高企业的韧性管理。从敏捷组织到敏捷创新，进而数位化转型，让企业脱胎换骨再创高峰，这是需要有坚决的态度，有方法有步骤进行，绝不是喊喊口号，天马行空撞大运。分享底下卢教授的这篇文章对您应该有所帮助。

很多人不知道我做过七年的程式设计师。我在清华大学开发了两年校务行政电脑化系统。之后在中鼎工程公司写了两年专案管理与成本控制的程式。在美国读书，写了三年的程式，参与开发了一套健康管理系统与一套医院的品质管理系统。也在台大兼任教授过系统分析与设计课程。

不过这些系统都有固定的使用者，原则上都是先跟使用者多次访谈之后，写出系统的规格，再开发写程式。这套开发系统的方式，又称为瀑布式软体开发。

但是，使用者知道的，远比说得出来的多很多。再怎么访谈与需求分析，都很难说个明白。

所以在卅年前，就有了雏型法（rapid prototyping）与使用者自建系统（end user computing）的想法，加快开发速度，或让使用者自己开发软体。但以当时的软体基础建设，试错的成本太高，所以到现在瀑布式的软体开发，仍然是个主流。

随着Ｃ２Ｂ逆商业时代的来临，大量客制化与个人化应用愈来愈多。系统分析要访谈的对象，已经从组织内的使用者，扩充到组织外的使用者，甚至是广大的市场消费者，在需求访谈上，变得非常困难，许多时候只能靠软体开发者的认知想像。还好，在互联网的基础建设上，试错成本降低了，产生了一个新的确认需求的方式，就叫做敏捷开发（Agile Development）。因为没有人能够确定消费者的需求是什么，只有市场的实验会快速告诉我们真相。因为实验会有试错成本，要降低试错成本，实验的计画要缩小，才能有较短的开发循环，用不断的交付与迭代才能减少试错的影响，这样组织才有弹性，也才能敏捷。

举例来说，早期电脑的软体与作业系统都是一年才更新一次，所以在软体开发专案上，只许成功，不准失败。但是现在手机软体与作业系统，可能每个月都会改版一次，如果失败，再即即时更新。他们的产品通常会分开发版与正式版两种版本，开发版会针对一群愿意参加实验的族群试用，几乎每几天都有更新，这些族群会立即反馈软体要改进的地方。然后再每个月提出正式版到所有的消费者手中。在过去我们会花一年的时间设计一套完美正确的软体，但是在互联网时代，我们可以每个月、每个星期、甚至每天都发展出一套更新的版本，再由消费者的反馈做修正。因为现在的软体基础建设，发行更新版容易很多。

让使用者早期参与、与不断的迭代更新是敏捷管理的精神之二。最近，这种敏捷思维不仅用在软体开发，也用在所有企业组织开发中，叫全员敏捷，成为Ｃ２Ｂ逆商业时代组织转型主要的趋势。即时更新。他们的产品通常会分开发版与正式版两种版本，开发版会针对一群愿意参加实验的族群试用，几乎每几天都有更新，这些族群会立即反馈软体要改进的地方。然后再每个月提出正式版到所有的消费者手中。在过去我们会花一年的时间设计一套完美正确的软体，但是在互联网时代，我们可以每个月、每个星期、甚至每天都发展出一套更新的版本，再由消费者的反馈做修正。因为现在的软体基础建设，发行更新版容易很多。

让使用者早期参与、与不断的迭代更新是敏捷管理的精神之二。最近，这种敏捷思维不仅用在软体开发，也用在所有企业组织开发中，叫全员敏捷，成为Ｃ２Ｂ逆商业时代组织转型主要的趋势。

欢迎来到Ｃ２Ｂ逆商业时代。过去，我们都是销售我们制造好的产品，在Ｃ２Ｂ逆商业时代，让客户早期参与产品开发过程，可以减少试误的成本。甚至是先销售再制造，等产品卖出去后，再开始制造。这种敏捷的思维，不只是用在软体开发上，而在整个组织运作上。成为企业数位转型重要的基础变革。

举例来说，像是敏捷产品开发，过去的产品都是先制造再销售，但是在众筹的环境中，人们可以先提出自己的产品想法，甚至只是一段影片，当这个产品卖出去之后，再开始制造。海尔的人单合一也是如此，他们可以先由消费者提出家电产品的客制化需求，再由三位设计师针对这个需求设计出家电雏型，在社群中跟客户讨论与试用后，当某位设计师的设计胜出，并愿意预购的消费者到达的一定的数量，这款家电就会进入到生产线中生产。

或像是时尚设计，过去时尚产业都要事先预估明年春天可能流行的走向，然后再依照预测来事先设计与制造成衣。但是ＺＡＲＡ的快时尚却反其道而行，它可以从各地的门市的销售状况，反映出下个礼拜这个区域的流行趋势，然后再经由快速设计并快速制造出来。

甚至连定价也进入全员敏捷时代。过去企业对商品定价方法包含了供给需求定价法、竞争者定价法、或是消费者认知价值定价法。但是现在可以很直接的在互联网上做实验。

举例来说，在实验期间，一款手机的手游如果定价一百块，可能只有十个人会购买，如果定价三十块，可能就会有一百人购买。实验的结果，显然是定价三十块会比定价一百块赚到更多的钱。

Ｃ２Ｂ逆商业时代的全员敏捷的关键之一在于快速接触消费市场，因为成功了就叫做商品，失败了就叫做市场调查。因此试错的成本要小，专案就不能够太大。许多电商的创新模式，只有几个商品就可以上架了，再买大量的广告来试试新模式是否被大家接受，以边做边修的方式，发展出完整的创新经营模式。

敏捷思维是一种主动的工具， 就像螺丝起子一样，人们可以决定使用它，或是不使用它。 但是生产线的流程，是一种被动的工具，也就是当被组装产品到人们眼前时，你必须要使用螺丝起子。 敏捷思维方法论就是一种被动工具， 设计出工作的流程， 让所有流程都能够透明可视化，借由工作设计来激发全员参与的热情，以协助企业落实全员敏捷的思维。

文章来源：联合报，作者卢希鹏／台湾科技大学资管系专任特聘教授

当你在网购平台浏览商品，在Google搜寻任何疑惑事项的解答，打开Netflix或Spotify想看支影片或听点音乐来消磨时间时，是否想过：为何这些演算法可以这么精准地知道我的喜好？甚至在我想到之前，就提供最合我心的推荐？因为这些演算法的背后，都有一个最新的「数位优势」⋯⋯

插画／亚腾．马攸许金（Artem Matyushkin）

在亚马逊（Amazon）每分钟销售的4,000种产品中，大约有50％是透过其个人化的推荐引擎展示给顾客。当你造访亚马逊网站时，网站的演算法会预测在那个当下你想要什么，然后根据这项预测，从大约3.53亿件商品中挑选出一些产品的组合，为你安排那些产品推荐。推动产生这些结果的，是亚马逊不断演变发展的「购买图」（purchase graph）演算系统，也就是以数位方式呈现出现实世界中存在的「实体事物」（entity），其中储存了有关这些实体的资讯（例如顾客、产品、购买情形、活动和地点等），以及它们之间的关系与相互影响的关系。亚马逊的购买图，会把消费者的购买历程，和网站上的浏览数据、Prime Video上的观赏数据、Amazon Music上的聆听数据，和Alexa支援装置的使用数据，全都连结起来。该公司的演算法使用「协同过滤」（collaborative filtering）技术，也就是整合多个因素，例如多样性（推荐项目有多么不同）、偶然性（有多么出乎意料之外），和新奇度（有多么新颖）等因素，以产生出全世界最复杂精细的某些建议。亚马逊拥有丰富的数据和领先业界的个人化技术，因而能在目前占有美国电子商务市场的40％；最接近的竞争对手沃尔玛（Walmart），市场占有率只有7％。

Google为了与亚马逊竞争，于2021年4月公布自家的「购物图」（Shopping Graph），这个由人工智慧（AI）强化的模型，可以在用户搜寻时提供产品推荐。每天有超过10亿人在Google上研究各项产品，购物图将他们连结到整个网路上超过240亿项商品，分别由数百万个商家提供。「购物图」建立在Google无与伦比的「知识图谱」（Knowledge Graph）功能上；知识图谱掌握了在其庞大网路中的各种实体，以及各个实体之间的关系，包括来自多个来源的结构性和非结构性数据，这些来源包括Android系统、语音和图像搜寻、Chrome浏览器扩充程式、Google Assistant、Gmail、照片、地图、YouTube、Google Cloud和Google Pay等。Google的购物图系统，让170万个商家得以使用简单但彼此关联的工具，在整个Google上展示相关商品，有了这套系统，Google已经准备好迎接亚马逊的挑战。

像亚马逊和Google的这种「数据图」（datagraph），仰赖产品的使用数据（也就是顾客在使用平台或产品时的行为数据），来掌握公司与其顾客之间的连结、关系和相互关系。数据图概念的灵感，来自「社会网络」（social network）和「图论」（graph theory；编按：数学的分支，使用由点与线构成的图形，来呈现事物之间的关系，以供研究）；其中「社交图」（social graph）的定义，是呈现出个体之间的相互连结，其中的节点代表个人，而这些个人之间的关系（也就是与朋友、同事、主管等个人之间的关系），则以连结线来呈现。这个概念源自社会心理学家史坦利．米尔格伦（Stanley Milgram）的研究，过去二十年来，这个概念提供一个有用的观点，可用来分析组织、产业、市场和社会的结构和内部互动情况。脸书（Facebook）在2007年推出脸书平台时，普及了数位社交图的应用，这项工具让开发人员得以设计一些应用程式，以整合进入脸书网站的资讯流和各种关系之间的连结。

领先的科技公司正在使用数据图，以提供个人化的顾客推荐、更新产品、优化广告等等。最成功的例子，包括亚马逊的购买图、Google的搜寻图、脸书的社交图、Netflix的电影图、Spotify的音乐图、Airbnb的旅行图、优步（Uber）的移动图，以及LinkedIn的专业图，这些都充分利用了持续收集到的顾客互动数据，搭配专属的演算法，因而得以在创造产品和用户体验等各方面，都超越竞争对手。

本文讨论企业如何向数据图领导公司的最佳实务取经，以获得新的竞争优势。

数据网路效应

要了解数据图，我们首先需要了解「数据网路效应」（data network effect）；用户在使用产品或服务时产生的数据，会对其他用户更有价值，在这种情况下就会发生数据网路效应。这种效应与直接网路效应不同，后者是指服务的价值会随着更多用户加入而成长，例如脸书或LinkedIn的情况；数据网路效应并不需要透过增加用户数量，来提高这个网路的价值。相反地，既有用户持续参与，会产生更广泛和更深入的产品使用数据，这让演算法能够产生持续改善的结果。例如，Google每年2兆次搜寻当中的每一次，都有助于公司扩充其知识图谱，改善其搜寻引擎，进而为用户产出愈来愈好的搜寻结果。相较之下，如果用户不再使用这个平台，平台就会变得陈旧，而且效用降低。

数据图不是静态的，并非反映某个时刻当下的情况资讯。数据图是动态的，反映出数据科学家所谓的「动态数据」（data in motion）。这也是不可能以人工方式绘制数据图的部分原因。在任何特定时刻，全球消费者与某家公司产品互动的数百万个单位的数据，都需要由科技来即时收集和诠释。

数据图的三大成功要素

数据图领导人会蒐集顾客行为数据，快速整合他们从中学到的事物，以改善本身产品和服务的每个层面。他们不断改进自己分类和标记产品数据的方法，并发掘各实体之间的关系，好让演算法能将商品更好地分类，以便提供个人化的推荐。他们持续更新自身的演算法，以便根据最新和最相关的数据来提供个人化的推荐，这有助于改善和延长顾客的互动交流。接下来，我们来检视成功运用数据图的公司有哪些关键行为。

1、他们大规模学习，且行动迅速。

数据图掌握了个人如何生活、工作、娱乐、学习、聆听、社交、观看、交易、旅游、消费，以及进行其他与商业相关的任何活动。进行数位化，让公司有可能大规模、广泛而迅速地观察所有这些领域里的顾客数据，并进行编码。例如，脸书的社交图会时时刻刻分析28亿人及其社交活动的数据：他们在做什么？他们加了哪些人当好友？哪些人不再是好友？他们要去哪里旅游？他们谈论哪些品牌？他们正在看什么电影？他们正在听什么音乐等等。

数据图掌握了人们如何工作、娱乐、学习、社交、交易、旅游，以及进行其他与商业相关的任何活动。

LinkedIn的专业图，即时掌握了在五千多万家公司工作、曾就读于九万多所学校的7.74亿专业人士，对职缺资讯的回应，以及他们如何更新现况和实况短片。此外，LinkedIn的专业图也能把成员连结到其他的实体，例如他们拥有的技能，以便为用户提供针对他们的广告、学习建议、新闻提要等等。LinkedIn目前是微软（Microsoft）的子公司，也是微软数据生态系统的一部分，这让它得以创造更生动鲜活的数据图。

在传统公司里，顾客数据是储存在不同部门的资料库中，成为各自独立的纪录。若要获得数位优势，公司必须将数据整理成为互动图，可以由演算法来分析，以提供见解，并为每位顾客提供个人化的价值。

2、他们使用数据图来丰富产品线。

数据图领导人，会使用一套涵盖各种类别的概念，例如购物、旅游或搜寻等概念，以机器可读的图像格式，来组织整理他们的知识和专业技能。以Airbnb的旅游图为例。图中描述了超过700万间房屋的清单，标记的方式呈现出各种实体（城市、地标、活动等）、特性（例如顾客评论和营业时间），以及它们之间的各种关系，以产出不断改善的建议，建议的内容不仅包括出租房屋的类型，也包括晚餐的最佳地点或游览景点的最佳时间。这种扩大产品范围的能力，让Airbnb能够为顾客提供优于传统旅馆的服务，传统旅馆的数据储存在各部门独立的系统中（比如订房数据储存在预订系统中，餐厅推荐数据储存在礼宾服务系统中，水疗中心的数据储存在按摩服务预约系统中）。同样地，Netflix持续改善75,000种细项类型的电影和电视节目的呈现和分类方式（就像Spotify对音乐和podcast的类似做法）。

Google已经能打造威力远更为强大的服务。它的知识图谱呈现字词和概念之间关系的方式，能协助其演算法理解上下文。这让Google能回复口头询问，例如：「嘿，Google，预订两张下周三去罗马竞技场的门票，用Google Pay付款。」基础知识是以「图」的形式来呈现，所以演算法可以理解用户在问什么；演算法知道「罗马竞技场」是罗马的一个景点，下周三是5月25日，「预订」的意思是购买门票，而「付款」牵涉到使用储存的信用卡（而非这些字词的其他意义）。每一次的查询和每一次的顾客互动，都会让知识图谱有所改善，以反映出意义改变时的新关系。

设想某位攀登过美国亚当斯山（Mount Adams）的登山爱好者，接下来想要攀登日本富士山。她在搜索查询时可能会问：「相较于亚当斯山，攀登富士山应该做哪些不同的准备？」以目前的情况来说，需要搜寻好几次才能获得答案，但Google正在开发一种新模型，具有更复杂的知识链接（能够顺畅地进行多种语言的翻译），以便更有效地回答这类查询。

若要与数位领导企业竞争，你应自问：我们产品的相关知识，是否大多是以各自独立的数据集存在，还是我们正在开发机器可读的图表，以辨识出我们顾客的偏好模式？

3、他们赢得顾客的关键时刻。

2001年，Netflix的45.6万名用户，只选择了系统2％的推荐。到了2020年，这个比率已经提高到80％，而Netflix拥有超过2亿名订户。 Netflix使用其电影图来赢得「关键时刻」：在90秒到2分钟内，观众会决定，是要留在Netflix上看影片，还是去其他地方。Netflix透过演算法来客制化和更新主画面，持续为每位订户提供针对个人所需的推荐。到2015年，Netflix每年防止了超过10亿美元的取消订阅，这要归功于其个人化的推荐引擎。

为了赢得关键时刻，脸书以近乎即时的方式，对30亿名用户进行A／B实验，为每位用户提供个人化的首页更新。脸书在显示贴文之前，会检视一组可能的贴文，并将其缩减到大约500种可能性，这是根据那名用户过去的行为模式来挑选，他可能会去看的大约500种贴文。然后，脸书专属的神经网路（neural network）对那些贴文进行评分和排序，接着以各种不同的媒体类型，例如文字、照片、声音和穿插广告的影片，来安排这些贴文。

脸书的数位内容库可以即时将资讯提供给全球的顾客（这方面会受到各国法律的限制），优步则不同，优步之所以能够满足顾客的交通需求，其基础在于，在明确的时间和确切的地点，是否有车辆可用。优步的关键时刻，是顾客愿意等待司机的5分钟。这家共乘公司追踪智慧型手机有开启其应用程式的司机和乘客（之前优步在用户并未使用应用程式时也进行追踪，经顾客强烈反对后，2017年被迫改变这项引发争议的政策），使用这些数据来分析可能的需求模式。然后，它提供诱因给在选定地点提供服务的司机。该公司不断优化安排路线的演算法，以便在关键时刻赢得顾客。

尽管许多公司都宣称以顾客为中心，但很少有公司像这些领导企业那样使用数据图和演算法。请自问：我们是否使用AI支援的演算法，为顾客提供持续改善的产品，以确保他们与我们的产品互动，而不是离开我们？

着手进行的五大步骤

企业若是希望维持与数据图领导业者竞争的能力，必须了解的第一件事情，就是成功的策略不只仰赖拥有大量资讯；关键在于即时蒐集相关的产品使用数据，以达成数据网路效应并建立优势。企业若是观察到顾客与其产品的更多互动，就能累积更丰富的数据；当企业向更多元的顾客群销售更多产品时，便会累积更多不同种类的数据，可协助它们让自家的商品进一步差异化。

企业若是没有使用数据图，或尚未成功使用数据图，必须采取下列步骤迎头赶上：

1、拟定数据图策略。

首先，让具备产业知识的高阶主管与数据科学家搭配合作，把你公司的数据图予以概念化，检视其未来的发展轨迹，并勾勒出合理可行的商业影响。许多欠缺亚马逊或Netflix那种庞大资源的公司，已经这样做了。例如，Stitch Fix是个人化的时尚服务平台，2010年由一名商学院学生所创办，现在该公司的市值已高达16亿美元，主要归功于其「时尚图」。

线上学习平台Coursera，展现新的市场进入者可以使用数据图来颠覆市场。传统大学提供「一体适用」的课程和证书；相较之下，Coursera在教育领域的运作就像是Netflix或亚马逊。它透过可累积的模组，提供个人化的线上体验，这些模组可以在不同的时段、地点、难度和价格点来消费使用。它使用自家专属的「技能图」，以传统大学无法达成的方式，来客制化终身学习服务。

请自问，你的数据可以如何为你的业务提供独特的优势？你可能拥有专属的「数据钩子」（data hook），让你在顾客使用产品时，观察到他人无法获得的详细资讯。你的优势可能来自卓越的数据范围（你数据的深度和丰富度），以及能否取得合作伙伴的互补数据。你可能拥有更快的数据速度（动态数据，相较于竞争对手需要批次处理的片段式数据）。考虑如何透过收购〔例如微软收购LinkedIn 和动视（Activision）〕，或组成联盟（例如Google与Shopify的合作），来提升规模、范围和速度。

2、开发专属的演算法。

独立执行不同类型的分析，已经不足以成事。数据图领导企业会在一个整体架构下，使用专属的演算法，进行描述分析（「发生了什么事？」）、诊断分析（「为什么会发生？」）、预测分析（「可能会发生什么事？」），以及规范分析（「应该发生什么事？」）。你可以逐渐调整改变你的数据图基础设施，从设计用来分析静态数据（批次处理、独立分析）的传统架构，转变为分析即时的动态数据。

务必要把你的演算法，与你所在产业的其他演算法（以及相同类型的演算法）进行比较。例如，如果你的成功指标，是顾客依据你的推荐而采取行动的程度，那么你推荐引擎的绩效，相较于Netflix、Spotify和亚马逊等领导业者的表现如何？

3、产生信任感。

做为顾客数据的保管人，是一项重大责任。大多数顾客把电脑、演算法和机器学习视为复杂的「黑盒子」，而且许多人认为，自己的数据正在被使用（甚至滥用）来让数位公司变得富有和强大。你使用演算法的方式，必须能让人产生信任感，而且必须付出努力，以赢得蒐集和分析数据的权利。请使用消费者能够理解的语言，来说明你在做什么。

企业使用演算法的方式必须能让人们产生信任感，而且必须付出努力，以赢得蒐集和分析数据的权利。

当消费者觉得自己的数据被滥用时，信任便会受到侵蚀。脸书已经成为这种困境的典型代表。最近，脸书数据科学团队的一位吹哨人直接指控，该公司利用其数据和演算法来增加煽动性内容，以提高脸书网站的互动量，即使该公司进行的专属内部研究指出，这么做会伤害用户和社会。脸书执行长马克．祖克伯（Mark Zuckerberg）否认这些说法：「说我们为了获利，刻意推送让人们愤怒的内容，这样的论点非常不合逻辑，」他说：「我们从广告赚钱，广告商一直告诉我们，他们不希望自家广告旁边出现有害或令人愤怒的内容。」祖克伯能否修复这些损害，取决于脸书未来如何使用其演算法和个人数据，以及它与用户的沟通是否透明。

每家公司都必须不只在演算法的技术层面投入资源，还必须以消费者能够理解和觉得安心的方式，说明自家公司在做什么。顾客愈来愈期望了解数位产品如何运作，以及AI支援的服务是如何提供的，而且各国也要求各家企业依据当地法规，调整其数据营运。例如，在有严格隐私法规的德国，阿里巴巴需要的数据策略，与它在中国使用的不同。而且它必须以能促进信任的方式，和这两国的消费者沟通。

4、更新组织。

商业领导人必须分配必要的资源，以升级数据图所需的技术基础设施。他们必须招募的人才，是在数据科学和商业方面都兼具广度和深度的人才。他们必须建立的数据组织，要能成为把企业所有部门都连结在一起的结缔组织，体认到现代组织必须同时兼顾相互竞争的两大派别：认为数据和演算法具备最优异的力量，能够解决问题的派别，以及不认同这种看法的派别。这种紧张关系定义了现代组织的运作文化：一个好例子就是，Netflix执行长里德．哈斯廷斯（Reed Hastings）如何平衡矽谷的分析拉力和好莱坞的创意拉力。

5、从你的数据图获利。

如果建构数据图是用来支持和塑造策略，数据图就能揭露价值不仅在于如何设计和制造产品，也在于产品如何为顾客解决特定的问题。数据图提供的见解，能协助你选择最合适的获利机制，并拟定从数据进展到商业成果的清晰路径。你可以透过基于数据网路效应所做出的可信建议，来保护你目前的营收和获利，就如同Netflix使用即时数据来改善顾客保留率一样。

你还可以使用你的数据图来制定思虑更周详的方法，透过追求新的价值领域来扩大你的营收和获利流，如同苹果公司（Apple）在进入信用卡、电视和健康照护领域时所做的那样。而且，你可以在竞争对手已经善用数据图的市场里进行反击，就如同迪士尼（Disney）以Disney+成功进入影音串流市场的竞争那样。

重塑优势

大家都看过麦当劳（McDonald’s）店门口「销售超过X十亿个汉堡」的宣传标语，而且多年来看到这个数字持续上升。不过，追踪每年销售了多少个汉堡已经是过时的做法。数据图的领导企业不太关心这些绝对数字。相反地，他们会问：我们是否有每位消费者在哪里购买汉堡的数据？在什么时间买？他会搭配什么饮料？他在购买汉堡之前或之后会做什么？我们的顾客是哪些人？他们的年龄、收入、地点、偏好、生活方式等等又如何？我们要如何满足他们更多的需求，好让他们在我们这里，比在其他商家消费更多？并确信他们的钱花得有价值，而且会持续回来光顾？

数据图将会重塑各个产业的竞争态势，而且比大多数人预期得更快。现在正是时候，每家公司都不再能够仅使用数据来改善营运效率，而应体认到数据图的竞争优势。资深领导人必须投资以升级他们的数据架构，以便即时全面了解，消费者如何与他们的产品和服务互动。有了这种架构之后，领导人便能开发出独特的方法，来解决顾客的问题。

文章来源：《哈佛商业评论》

在由数位科技推动的世界中，变革与转型是持续的，并没有终点。组织领导人必须紧跟脉动，不断地调整策略，并努力让员工持续学习新的技能，与组织一同进化。想做到这些，「数位心态」必不可少，那么，究竟什么是「数位心态」？

蒂埃里．布雷顿（Thierry Breton）于2008年，接任法国资讯科技服务公司源讯（Atos）的执行长，当时他很清楚，源讯需要立即进行重大的数位转型。那时全球正处于「经济大衰退」（Great Recession）期间，源讯的年营收增长将近16％，达到62亿美元，但成长速度不如竞争对手。各自为政的业务和职能团对影响到公司营运，导致公司汇集全球资源的措施受限，而且必须在整个公司进行更多的创新。数位转型是向前迈进的不二法门。

但是，资讯界巨头企业要如何进行？布雷顿从扩大公司规模和推动全球化着手，提供更多线上交易服务、系统整合、网路安全等等。他把公司人力增加一倍，达到10万人，希望借此抵挡环绕四周的竞争对手，包括来自加州矽谷、印度和中国的数位原生新创公司。布雷顿也提出计画，打算把人工智慧（AI）和其他由数据驱动的科技，整合纳入公司的各项流程，并为不断扩增的公司人力提高技能。

这项为期三年的数位转型计画，有赖于创造持续学习的文化，并需要员工培养我们所谓的「数位心态」（digital mindset）。布雷顿及其团队，针对如何达成这些目标，辩论探讨了各种选项。有些人认为，稳健扎实的训练计画，是向前迈进的唯一途径；其他人则相信，在工作中学习才是最佳做法。他们最后制定了「数位转型工厂」（Digital Transformation Factory）这项技能提升认证计画。最初的目标是训练35,000名技术和非技术员工，让他们学习数位科技和AI。

值得注意的是，这项技能提升计画是自愿参加的。布雷顿的团队展开内部宣传活动，鼓励员工学习和取得认证。他们也设立同侪和主管提名制度，以吸引员工加入这项计画，并提供奖励给达到各项认证标准的人。他们的想法是，如果员工自愿参加而获得认证，就更可能内化那些新的数位技能，并据此修正自己的工作行为。这项学习计画配合每一个人的需求，从数据科学家和技能精良的工程师，到从事销售和行销等传统上不属于技术性质的职能，都包括在内。

新计画的结果超过预期。三年内有七万多人完成数位认证，而这主要是因为，员工了解公司的成长，必须要靠大家熟习数位科技。源讯的走向显然很正确。布雷顿于2019年离开，出任法国的欧盟执委会委员时，源讯的年营收已接近130亿美元。

何谓「数位心态」？

学习新的科技技能，是数位转型的必要条件。但这样还不够，必须鼓励员工使用自身的技能来创造新的机会。他们需要「数位心态」。

心理学家说明，「心态」（mindset）是一种思考和定位世界的方式，这种方式塑造了我们的观感、感觉和行事方式。「数位心态」是一套态度和行为，让人员和组织得以看到数据、演算法和AI如何开启新的可能性，并在日益由数据密集的技术，和智慧科技所主宰的商业领域中，描绘成功之道。

培养数位心态需要许多努力，不过这很值得。我们的经验显示，拥有数位心态的员工，在工作上更成功，对工作更满意，更可能获得升迁，也能培养一些有用的技能；就算他们决定换工作，也能带着这些技能离开。

培养数位心态的员工，工作更成功，对工作更满意，也更可能获得升迁。

拥有数位心态的领导人，更能够让组织处于取得成功的有利地位，并建立具有复原力（resilient，或译韧性）的工作人力。拥有数位心态的公司，能够更快速因应市场的变化，也处于有利的地位，能够善用新的商机。

就像其他变革计画一样，数位转型经常遭遇阻力，早期的失误也在所难免。根据我们的经验，在这方面表现最好的公司，都专注于两个关键领域：

（1）让员工做好准备，以接受新的数位组织文化。

（2）设计互相配合的系统和流程。

本文提出这种重大努力的一些基本原则，并汲取飞利浦（Philips）、莫德纳（Moderna）和联合利华（Unilever）等公司的心得教训。这些公司提供一套发展路线图，以便在现有的人才库中培养数位心态，并让各项系统和流程互相配合，以利用娴熟的数位能力。

建立持续学习的文化

健康服务公司飞利浦，最近把核心能力从供应健康相关产品，转为提供数位解决方案。为了促使员工配合这个新走向，公司必须创造持续学习的环境。飞利浦与云端学习和人力资源软体供应商Cornerstone OnDemand合作，建立由AI运作的基本设施，能调整以配合学员的特定需求和步调。员工能像分享音乐串流服务的播放清单一样，与同事分享为他们客制化的课程清单。这个平台的社群媒体功能，促进新员工与可能指导他们的较资深员工建立关系，以培养比正式的配对计画更自然的「同侪导师」（peer-mentor）关系。

飞利浦的领导人担任持续学习计画的老师，并强调公司不只需要新的知识，也必须改变企业文化。他们为团队成员的未来负起责任，而不只是管理各项工作任务，并在训练课程当中分享他们的专业能力、知识和热情。公司收集有关员工如何使用平台的数据，衡量持续学习与绩效之间的相关性，并检视各种工具如何以预期和非预期的方式，协助员工学习。

培养数位心态的能力，取决于员工内化这项努力的程度。思考他们会如何使用新工具，并与这些工具互动，以及这些工具能够如何协助他们提高绩效，对数位转型的成功非常重要。

加速接受度

数位变革经常很激进，会需要改变共有的价值观、常规做法、态度和行为。这是艰钜的任务，因此一个有助益的做法，是以大胆的行动展开变革计画：这种行动要能吸引大家的注意，并促使每一个员工了解公司需要新的方向。这类行动的例子包括：进行重大改组、从事收购、重新分配资源、聘任一名直属于执行长的数位转型总负责人，以及宣布公司正逐步废除某一套旧系统。

展示新作风可以创造动能，可是这还不够。采取大胆的行动之后，必定是漫长的推进过程，一开始要先评估，员工对数位转型计画有什么感受。有的人可能对未知情况感到不安；有的人可能担忧自己是否能够学习这项新技能，并应用在自己的工作上。技术和非技术人员都难免会产生这些焦虑感受。员工也可能怀疑，数位转型对公司和他们的工作，是否真的很重要。

推动激进变革之时，主管人员必须小心衡量两个关键面向：支持程度（员工有多么相信这种改变会为他们和组织带来好处），以及学习能力（员工对自己能获得足够的新能力以通过考核的自信程度）。如果员工完全支持转型策略，并觉得自己能够协助实现目标，因而有动机要培养相关能力，那么接受程度就会达到最高。

在数位转型期间，这两个面向结合起来，会产生一个包含四种反应的矩阵：感受压迫、挫折沮丧、冷漠无感、受到启发（请参考下方图表「接受度矩阵」）。在最佳情况的情境里，人们位于矩阵的右上象限，也就是受到这项变革的启发，并相信自己有能力学习数位内容。主管应评估每一个团队成员位于哪个象限，然后根据情况需要，推动个别人员转到不同的象限。

促进支持。

要协助那些看不出培养数位能力有何价值的人（这类人员处于矩阵下层那两个象限），参与变革行动，领导人必须加强传播讯息，强调数位转型是公司非常重要的待开发领域。他们应推出内部宣传活动，以协助员工想像，由数位科技推动的公司有哪些发展潜力。主管应鼓励团队成员，相信自己能为这样的数位组织做出重要贡献。

促进自信。

在促使员工支持转型计画后，主管应致力于让位于左边两个象限的成员加强自信。我们发现，人们对数位科技的经验愈丰富（不论是经由教育或工作获得的经验），就愈有自信。分享故事也有帮助：人们若是听到同事、主管和他人的经验，就能感同身受并建立自信。在公司领导人和直属主管的鼓励和加强下，员工会开始相信自己的能力（请参考下方「成功的员工训练计画要素」）。

直接雇用已拥有所需技能的人，让整体工作人力快速进入数位时代，这种做法看似更有效率。但正如大部分公司都知道的，人才争夺情况非常激烈：在现有市场中，几乎不可能雇用到足够公司所需的数位人才。因此，招募人才还不够，必须搭配扩大推动提升现有人才的技能。

领导人应在同侪之间发掘拥有数位心态的影响力人士，请他们带头倡导转型，并为不愿意加入的人树立榜样。影响力人士也很有助于发掘员工关切的问题，以及提供改善的意见。他们可能了解哪种讯息能引起员工的共鸣。举行有关数位转型的训练活动和传达新目标，也很重要。

让数位系统互相配合

了解员工如何部署数位工具，对组织领导人来说非常重要，如此才能建立科技生态系统，以及能够培养数位心态，并加快数位转型的各项流程。 莫德纳是数位原生的生技制药公司，哈佛商学院教授马可．颜西提（Marco Iansiti）、卡林．拉哈尼（Karim Lakhani）和同事们，找出组成莫德纳的三个主要层面。

第一，该公司的基础层次是能够广泛取得数据，而数据是莫德纳开发疫苗和其他药物的价值来源。

第二，仰赖云端运算。相较于使用公司内部的伺服器，这种解决方案不仅成本更低得多，也更加迅速而敏捷。

第三，建立以AI演算法来执行研发流程的能力，而且执行的正确性和速度都非人力所能及。

正如莫德纳的共同创办人及执行长斯特凡．班塞尔（Stephane Bancel）告诉前述那些学者的，莫德纳是一家「刚好从事生物工作的科技公司」。

大型制药公司向来由一些分散全球、各自为政的单位来运作，但莫德纳拥有一个完全整合的结构，数据在公司内部自由流动，可让不同团队即时地共同合作。该公司科技营运品质长胡安．安德列斯（Juan Andres）指出：「比起拥有精密的数位工具或演算法，更重要的是整合公司内所有的层级。把所有事物进行结合，是科技很重要的一部分，而非科技本身最重要。」

2020年1月，莫德纳面对为新冠病毒开发疫苗的急迫任务之时，之所以能加速推动开发流程，正因为所有层级的整合已经完成。在那之前五年，班塞尔就聘请马塞洛．达米亚尼（Marcello Damiani）负责监督数位和营运的卓越表现，班塞尔也小心地避免把这两种角色分割开来。达米亚尼解释：「关键在于，让马塞洛能够妥善设计这些流程。只有完成那些流程，推动数位化才有道理。如果你有差劲的类比流程，就会获得差劲的数位流程。」完全整合的系统和流程，让莫德纳员工能利用原有的数位解决方案，来开发新疫苗，并在内部建立其他许多解决方案，例如从头设计演算法或调整既有的演算法，以进行更深入和更专业的分析。新冠疫情爆发仅仅几个月之后，莫德纳就开发出大约20种用于开发疫苗和其他药物的演算法，并继续开发其他许多演算法。

联合利华这家消费产品巨擘，也调整散布于全球的庞大业务，以顺应数位时代。对这家在全球190国，销售逾400种品牌的家庭用品制造商和零售商来说，必须在地方市场特性和全球营运的广大规模之间保持微妙的平衡，才能取得成功。解决之道在于拥有敏捷团队，既能针对各个当地市场来客制化自家的产品，同时也运用公司的数位能力，来协调跨越多国的各项工作，能朝一致方向进行。在联合利华服务30年的数位转型执行副总裁拉乌．魏尔德（Rahul Welde），设计了一个敏捷团队结构，让成员保持分散在全球各地的运作模式，同时策略性地使用数据，为快速改变的地方市场，量身制定各项方案。

在魏尔德的领导下，联合利华成立300组敏捷团队，每组10名成员，这些团队以远距的方式，在全球各地运作，而且能够大规模地运作。魏尔德指出，这个策略包含三部分。第一是使用赋予员工能力的科技和工具，藉以减少全球和地方之间的分歧。利用数位平台，品牌就能以远为更大的规模，与地方市场里的顾客直接交流。第二是重新设计既有的流程，以顺应新的科技和工具。第三是确保工作人员能够取用科技，并拥有使用那些科技的技能和动机。

由谁选择数位工具？

经理人和企业领导人必须密切参与对数位工具的选择和实施。要做到这点，他们必须了解现在的资讯科技部门能做什么，以及不能做什么。在过去，科技团队向来很能胜任在整个企业大规模地运行软体的工作，并确保维系公司运作的软体受到妥善的维护，发挥应有的效能。实施公司选定的工具或企业资源规画（ERP）系统，仍然是资讯科技部门的重要功能。但是，现在公司用以推动数位转型的科技，大部分是在云端运作（也就是SaaS，亦即软体即服务）。团队可以不知会资讯科技部门，就直接购买软体授权，然后下载软体和自行启用。

资讯科技人员习惯管理那些支持公司运作的应用软体，但最适合由商业端的领导人负责定义新的角色，和新的常规做法，并有效地重新塑造组织文化和目标。他们一开始应该先找出各单位有哪些活动，能最有效地推动更大的组织目标，因为这能提供相关资讯做参考，以协助公司选择数位工具，以及决定转型方向。随着科技驱动的流程改变而产生新的角色和责任，组织内会出现新的协同合作网络。这些关系网络是组织真正的正向驱动力量。

公司必须持续收集数据以监测转型的行动，并评估员工行为究竟是在协助，还是妨碍我们所谓的「工作数位化流程」（work digitization process）。领导人应研究资讯在组织内如何流动，并消除可能妨碍员工采用新流程的制度障碍。

使改变成为常数

根据变革管理的理论，组织会从目前的状态转移到过度状态，然后迈向未来状态。过度状态通常被认为是一段固定的时期，在这段期间，组织从熟悉的结构、流程和文化常规，转移到新的结构、流程和文化常规。在过渡期，大家难免会有强烈的情绪，因为他们必须理解新的观点和行事方式。在这种暂时的混乱困惑状态当中，成功地从组织的过去转向未来，就是每一个人的任务。

但是，在由数位科技驱动的世界里，过度期并没有终点：数位工具不断快速改变，使用它们所需的知识和技能也是如此。组织结构必须不断调整，以善用新的数据见解，领导人也必须持续努力，让员工随着组织演变发展。

重新思考变革，把变革当成持续不断的过度过程，而非处于不同状态之间的一种活动，这么做协助了蒂埃里．布雷顿，领导源讯成功地进行数位转型。资讯科技公司进行本身的数位转型，竟然需要协助，这可能令人感到意外，但也正好强调了我们认为的观点：培养数位心态非常重要。只因员工娴熟使用某种科技，并不表示他们已准备好调整顺应下一种科技。领导人必须把数位变革视为一种持续过度的状态，需要每一个人接受持续变动的发展，以及永远处于不稳定的状况。

数位转型是一种手段

数位科技及其对组织结构、工作角色、员工能力和顾客需求的影响，一直不断地改变。领导人的任务不只是调整行动以应付变化，也必须持续保持这种顺应能力。数位转型不是一个要努力达到的目标，而是达到本身各种独特目标所采取的手段。有了数位心态，组织所有的员工都能做好准备，去掌握当前变化万千的世界所带来的机会。

领导人的任务不只是调整行动以应付变化，也必须持续保持这种顺应能力。数位转型不是一个要努力达到的目标，而是达到本身各种目标的手段。

文章来源：《哈佛商业评论》

企业领导人都知道要重点投资于数位转型，但为何有人苦无成效，有人却大有斩获？哈佛商学院教授与微软执行长合作，共同研究150家各领域的龙头企业，发现要经历五大阶段，组织的数位转型才会迈向成熟；届时，每位员工都能以数位的思维和方式推动创新，达成「数位普及化」。

过去十年间，诺华药厂（Novartis）大幅投资推动数位转型。当这家瑞士的制药业龙头企业，打算把自家的科技基础设施移到云端，并投资于数据平台和数据整合时，招募了人工智慧（AI）专家和数据科学家，以建立机器学习模型，并把这些模型部署到全公司的各个单位。但是，即使这些技术团队的规模在扩大，整体企业各部门的经理人，包括销售、供应链、人力资源、财务，和行销等部门的经理人，都没有欣然采用那些刚开始被取用的资讯，也没有多加思考数据可以如何强化自身团队的工作能力。同时，那些数据科学家不太了解各个事业单位，因此无法轻易地把数据整合进日常的营运作业之中。结果是，虽然他们四处推出许多试行计画和专案，但这些投资只有零星的成效（例如，在研发流程的某些层面有成效）。

但在更晚近之时，同时针对研发与行销个人化的试行计画，开始展现商业价值，并且吸引了诺华中一些较具创意的商业端高阶主管的注意，也激发了他们的想像力。他们对于在公司不同单位部署AI的机会，感到愈来愈兴奋，并开始热烈支持这方面的投入（资讯揭露：本文两位作者都曾以多种不同方式，与诺华和本文提到的公司合作，包括担任董事、进行研究和提供咨询服务）。这些高阶主管体认到，单靠科技人员和数据科学家，无法带来自家企业需要的那种全盘创新，于是他们开始让数据科学家与部分商业端的员工合作，那些员工深知公司哪些地方的效率和绩效需要改善。

诺华也投资于商业端第一线员工的训练，让他们学习自行运用数据来驱动创新。愈来愈多团队采用敏捷工作法来因应各种可能性。于是，转型的强度和影响迅速增加，驱动了各种创新方案，包括以数位方式进行的销售行为和销售预测、重新构思医疗照护服务顾客的订单与补货系统，并彻底改造处方笺配药系统与流程。

在诺华因应疫情大流行初期的混乱之际，数位转型的进展变得极有价值。诺华的商业端团队与数据科学家合作，设计了一些模型来管理供应链中断的问题、预测关键原物料供应的短缺，并让产品组合与定价政策得以迅速调整。他们也开发一套分析法，以找出哪些病患因为延迟看诊而面临风险。随着新冠危机继续延烧，全公司的经理人都清楚看到AI的价值何在。 在采行AI的这一波行动之前，诺华的科技投资几乎全都投注在企业套装应用软体，通常是由资讯科技部门负责执行，由外部顾问、供应商或系统整合厂商提供指导。但是，在当时的数位长贝特朗．博得森（Bertrand Bodson）领导下，诺华在建立全公司的数位能力时，不但培养了数据科学方面的新能力，也开始让数据与科技的取用普及化，打破了传统上各个科技单位各自为政的孤立情况。诺华现在正在训练各层级与各职能部门的员工，找出结合数据与科技的机会，来改善自身的工作，并善用这些机会获利。2021年，诺华的年度AI高峰会有数千名员工出席。

由员工驱动的数位创新，潜力无法计算，但根据市场研究公司IDC的「2020年全球资讯科技产业预测」报告，到2023年时，全球经济当中的企业，还必须创造大约五亿个新的数位解决方案，超越过去四十年所创造的解决方案总数。这一点，无法由一个个分别待在不同孤立单位里的科技人员和数据科学家小组来达成。这需要规模更大、更多元的员工群体，包括高阶主管、经理人和第一线工作人员，一起重新思考企业各个层面应该如何运作。我们的研究对此能够提供一些指引。

数位转型需要高阶主管、经理人和第一线工作人员，一起重新思考企业各个层面应该如何运作。

本文观念精粹

问题：同样是投资于数位转型，许多企业苦无成效，有些企业却大有斩获。成功的企业有什么不同的做法？

历程：本文描述数位转型的五个阶段，从传统阶段（数位与科技属于资讯科技部门的责任范围），一直到平台阶段（有完整的软体平台，可以快速部署以人工智慧为基础的应用程式）。

理想：数位转型的理想是原生阶段，其特征是—有一套运作架构，可以把人工智慧大规模部署到各种大量的应用之中；有一群核心专家；可被广泛取用、容易使用的工具；并投资为大批商业端人员提供训练与培养能力。

成功的驱动因素

我们展开研究是因为想要理解，同样是投资于数位转型，为什么许多企业苦无成效，但是有些公司大有斩获。成功的企业究竟有什么不同的做法？

我们检视了150家公司，分别来自制造、医疗照护、消费品、金融服务、航太和医药／生技等各产业，包括各产业最具代表性企业的一组最大型企业样本。有些企业看不出显著的成效，但是很多企业都展现惊人的进展。或许出乎意外的是，我们发现，数位转型投资的成败，并非取决于资讯科技预算的相对规模。成功的案例也不限于「原生数位」组织。一些老牌企业也成功培养出一种数位创新的心态与文化；诺华自不在话下，其他还包括联合利华（Unilever）、富达投资（Fidelity）和星巴克（Starbucks，本文作者之一的纳德拉于其董事会任职）等等。

我们的研究显示，若要大规模推动转型，企业必须在以下三个领域创造综效：

能力。

转型想要开花结果，企业就必须让传统科技部门以外的员工，培养数位与数据的技能。不过，单凭这些能力，并不足以充分发挥转型的效益；组织也必须投资于建立流程的敏捷性，还有更广泛地建立一种的文化，鼓励频繁而普遍地进行实验。

科技。

当然，投资于恰当的科技很重要，特别是AI技术堆叠里的各个层面，包括：数据平台科技、数据工程、机器学习演算法，和演算法部署科技。企业必须确保所部署的科技，对于许多参与创新工作的非科技背景员工来说，不但容易使用，而且容易取用。

架构。

组织架构与技术架构的投资是有必要的，以便确保人员的各项能力与科技能够发挥综效，借此驱动创新。要做到这点，就需要架构（技术面与组织面的架构），这种架构要能支援在传统上各自为政的单位之间，进行数据的分享、整合和正规化（例如，数据要有一致的定义与特性）。这是唯一真正能扩大规模的方法，可用以汇集必要的科技资产与数据资产，让分散各处的工作人力可以取用。

许多大型企业在以上各个领域都有进展。但即使是领先的公司，往往也会低估了让员工把转型纳入自身职能和工作之中的重要性，而不是设立一些位于企业中央总部的科技小组和顾问，把变革向外推展到整个企业里。一如麻省理工学院的艾瑞克．冯希培（Eric von Hippel）多年来的倡议：第一线使用者最接近使用案例（use case），也处于最佳位置，得以开发符合自身需求的解决方案，因此必须让他们扮演核心角色，加入一些敏捷团队，而这些团队会根据营运需求而动态地组成或解散。

公司往往也会低估让员工把转型纳入自身职能和工作之中的重要性，而不是设立一些科技小组，把变革向外推展到整个企业里。

建立「科技强度」

我们的研究显示，能力、科技和架构如何共同建立我们所谓的「科技强度」（tech intensity）。这个概念衍生自经济学概念「集约边际」（intensive margin，意指资源被利用或应用的程度），而科技强度指的是，员工使用科技以驱动数位创新，并达成营运成果的程度。我们的研究发现，公司若是在科技投资方面成效卓著，并把工具提供给众多的数据和技术技能优异的员工，那么公司的科技强度就较高，绩效也较卓越。而有些公司无法培养员工的数据与科技相关能力，而且只让员工取用有限的科技，这种公司的表现则是落后。

我们把我们研究里的150家公司，按照科技强度排序后发现，样本里位于前四分之一的公司，营收成长速度是倒数四分之一公司的两倍多。（请参阅下方图表「数位转型带来效益」）。我们也发现，科技、能力和架构这三个指标，与其他的绩效指标具有相关性，从生产力、获利到企业价值成长等绩效指标，都包括在内。运用「工具变数」（instrumental variable）这项计量经济学的技巧，我们也发现证据显示，科技强度与绩效之间具有因果关系，也就是说，科技强度愈高（特别是投资于科技与组织架构），愈能驱动较高的营收成长。

转型五大阶段

我们的分析证实，光是花钱投资于科技，无法带来更多的成长或更好的绩效；其实在某些情况下，若这样做会加剧各群体之间的分歧和不一致，对企业反倒是伤害。相反地，企业之间会出现实质而长久的差异，最重要的原因在于转型时，在架构面、管理面和组织面所采用的方法。我们发现，公司的转型历程通常会经历五个阶段。（请参阅下方图表「数位成熟度进展的各个阶段」。）

1、传统模式

不令人意外的是，许多企业都属于我们认为的传统数位创新模式，也就是把数位和科技的投资，列为资讯科技部门（或是其他技术专家小组）负责的领域，投资所产生的影响则分散于各个群体，而且影响多半不太一致。比方说，资讯科技部门与事业单位合作，提供经费给各项专案，并管理专案的实施，例如建置企业应用程式或数据平台科技的专案。根据那些各自为政的单位、事业体，或职能部门所提出的特定要求，专案的内容和实施方式都需要量身打造。结果日积月累下来，科技和数据的基础设施所反映的，是各个群体的特殊需求，彼此之间缺乏一致性与连结。这种杂乱无章的方法，导致在整个组织里分享、扩大或散布创新的行动，几乎是不可能的。

许多处于传统模式的企业，仍然投注大量资金在资讯科技。以我们研究的一家金融服务公司为例，无论以绝对金额或相对金额来看，这家公司给科技与分析法提拨的预算，都是业界顶尖。这家公司不惜重金，投资于最先进的数据平台技术，还聘请数千名资讯科技专家与数据科学家，把他们隶属于一个独立设置的资讯科技团队，但是投入组织数位创新行动的商业端员工很少（如果有的话）。因此，该公司缺乏提升科技采用程度所需的架构和能力。难怪该公司虽然投入资讯科技和数据科学，进展却停滞不前，对业务产生的影响也微乎其微。

公司处于传统阶段的一个明显迹象，就是技术端和商业端的员工，双方对于科技投资所产生的影响，看法完全不同。技术人员认为影响重大（衡量标准是他们投入工作的心力），业务人员则认为影响低得多（衡量标准是自身日常活动的受益程度）。

2、桥梁模式

为了打破各自为政的单位壁垒（组织面与基础设施面的单位壁垒）所造成的传统限制，公司通常会在一开始先推出试行计画，以桥接先前各自分开运作的群体，并开发可以共享的数据和技术资产，以推动新的创新。他们首先可能会关注特定的职能机会，例如广告优化、制造或供应链能力。这些公司不仅推动技术面的试行计画，也会试行一种完全不同的创新模式，让高阶主管、经理人和商业端的第一线工作人员，与资讯科技专家和数据科学家协力合作。

诺华美国制药部门主管负责人维克多．布尔托（Victor Bulto），是启动早期试行计画的重要推手（例如，聚焦于辨识高风险患者），并在组织度过桥梁阶段时，提出并推动许多方案。摩根大通（JPMorgan Chase）的全球资讯长罗利．毕尔（Lori Beer），喜欢谈论AI试行计画对于费用报销和批核作业简化的显著影响，这项流程改善试行计画，赢得许多员工的支持。

3、枢纽模式

随着愈来愈多试行计画展现新方法的成效，组织建立起数据与能力的枢纽，并逐渐发展出连结、纳入更多其他职能和事业单位的能力，以追求转型的机会。随着公司在这条路径上向前进展，领导人开始体认到，创新的瓶颈已经从对科技的投资，转移到对人力的投资。这个阶段的限制因素，是具有驱动数位创新能力（也就是专业知识与科技取用权）的商业端人员的数量。因此，公司必须投资让更广泛的员工群体，都能够接受教练指导和训练。

富达投资公司致力于栽培其所谓的「数位运动员」。一开始，该公司借由创造集中化的数据资产〔例如遍及全公司的数据湖（data lake）〕，以建立枢纽；现在，富达正在扩大对数千名商业端员工的培训规模，让他们有能力可以在整个企业当中，部署以数位方式执行的解决方案。例如，数位能力精良的投资专家和税务专家，与数据科学家和技术人员密切合作，以创造创新的解决方案，特别聚焦于个人化与客制化的顾客效益。他们还针对年轻投资人，开发出一款能吸引他们开始从事投资的应用程式，还有一款应用程式则是针对富达自己的财务顾问，提供由AI驱动的投资推荐。这些只是其中几个例子。

星巴克也不仅专注在技术和架构，也关注于培养员工广泛、敏捷的创新技能，以推动枢纽运作。星巴克执行长凯文．强森（Kevin Johnson）解释说：「我们已经从各自为政的大型团队，转变成（无所不在的）跨职能团队，而且我们评估构想的方式，也已经从『通过／否决』，转变为快速迭代。」星巴克现在是数位创新的佼佼者，有精细复杂的顾客应用程式，可提供远距订餐、顾客忠诚计画和支付系统，还有一些内部系统，可以执行以AI为基础的人力配置与存货管理。

4、平台模式

随着公司进入平台阶段，数据枢纽会合并成一个完整的软体基础，可用来快速部署以AI为基础的各项应用。公司专注于建立精细复杂的数据工程能力，并鼓励机器学习模型的再运用和整合。全公司都在应用以分析法为基础的预测模型，并愈来愈侧重于基本营运工作的自动化。组织的运作开始更类似软体公司，发展出能够进行产品与计画管理、快速实验的完整能力。

微软在过去五年里，几乎经历前述历程的每一个阶段。多年前，微软和大多数公司一样，各单位各自为政，每个以产品为基础的单位都自成壁垒，各自拥有自己的数据、软体和能力。当我们把来自不同职能部门和产品小组的数据相互连接，并进行正规化，就能够在各个领域部署整合的解决方案，从顾客服务到供应链管理等领域，都涵盖在内。

微软整合本身所有的数据，成为全公司的数据湖，并建立我们微软所谓的「商务流程平台」：这个平台提供一些软体和分析法元件，团队可用来促成许多领域的创新，从Xbox的制造到管理广告支出等领域，都包括在内。微软还投资于非技术员工的训练计画，在整个组织里培养以数据为中心的机器学习能力。

5、原生模式

我们研究的150家企业当中，最成功的企业所部署的，是一种完全不同类型的运作架构：这个架构以整合的数据资产和软体库为中心，设计目的是让AI可以大规模地部署在各不相同的大量应用当中。这么做的特点包括：有一群核心专家；普遍可取得、容易使用的工具；投资为大批商业端人员提供训练与培养能力。这些企业的整体能力正在接近Airbnb和Uber之类的数位原生企业，这类企业针对特定目的而成立，以扩展遍及全公司的分析法，以及以软体为基础的创新。Airbnb和Uber当然并不完美，但是很接近原生模式的理想。

微软还有很多东西要学，但是微软里有部分单位已经开始接近原生模式。就像任何企业都很常见的状况，组织各处的进展并不一致。不同团体培养出的能力水准各不相同，但是整体的成果仍然让人振奋，因为无论是内部的问题，还是顾客面对的问题，微软都能看到愈来愈创新的解决方案。最关键的是，微软全公司在理解、保护和处理数据方面的做法，已经有极大的进步。

领导人的当务之急

数位转型任务让领导人有了新的当务之急：接纳转型，并努力维持转型。你应明确表达清晰的策略，并坚持不懈地沟通说明。请建立一个组织架构，随着你在日常中做出众多会塑造出技术策略的决策，让组织逐渐演变发展，进入其中。你应部署一套真正的治理流程，以追踪进行中的许多技术专案，并尽可能协调、整合各项专案。在你能接触到和影响到的各项商务计画中，都要倡导敏捷工作法。最后，你要打破传统。你要训练和指导员工，让他们了解科技与数据的潜力，让整体工作人力里的创新者好好发挥。

你要训练和指导员工，让他们了解科技与数据的潜力，让整体工作人力里的创新者好好发挥。

这项任务同样适用于科技供应商。尽管做了大量投资，科技仍然过于复杂，而且通常难以使用和部署。我们需要给第一线工作者一些工具和技术，让他们能以直觉的方式驱动转型，同时也要能够保障数据安全。别忘了，一直到不久之前，许多人都还要仰赖Fortran、Cobol等程式语言的专家，来为商业问题建模，甚至执行基本的数学运算。电子试算表掀起数学建模革命；我们需要科技供应商，在AI的领域引领同样的革命，让使用机器学习应用程式，就像建立一张枢纽分析表（pivot table）一样简单。

进展的动能正在升高。然而，我们必须持续这方面的努力，以确保各种类型的企业，都能跨越数位鸿沟。

文章来源：《哈佛商业评论》

AI（人工智慧）获得洞察力和做出决策的方式通常是复杂而神秘的，这引发了人们对深度或机器学习（AI的核心演算法）的可信度的担忧。

最近有一项新的研究，希望透过比较AI软体的推理与人类推理的匹配程度，以便了解AI是否像人类一样做决定。

探究AI学习的方式

随着机器学习越来越广泛应用到现实世界，了解它如何得出结论以及它是否正确至关重要。例如AI系统似乎可以准确地预测某张照片中皮肤的病变是癌症，但它可能是通过图像背景中不相关的黑点来做出判断的。

对AI的机器学习而言，知道一个模型的决定很容易，但知道这个模型为什么做出这个决定，却很难。

理解AI推理的一种常见策略是检查程式关注的资料（比如说一张图像或一个句子）的特征，并观察AI程式如何出决定。然而这种所谓的显著性方法（Saliency Method）通常一次只能针对一个决策进行了解，并且必须手动检查每个决策。但AI系统通常使用数百万个资料实例进行训练，这使得人工几乎不可能分析出足够多的决策，来识别AI的正确或不正确。

「共享兴趣」助学习

现在科学家们研究出一种方法来收集和检查AI对其决策的解释，从而可以快速分析其行为，这项名为「共享兴趣」（Shared Interest）的新技术，将AI决策的显著性分析与人工注解的资料库进行比较。

例如图像识别程式，如果将一张图片分类为狗的图片，而显著性分析可能会显示程式是根据图片的头部和身体的像素来做出决定。共享兴趣方法就是将这些显著性方法的结果与这些图像的资料库进行比较，在图像资料库中，人们注解了图片的哪些部分可以决定这张图片是一只狗。

AI见微知著？

基于这种比较，我们可以知道AI的决策与人类推理的一致性（是否都是由图片相同的某个地方或特征来做出决定），在光谱的一端，AI可能被证明是完全符合人类的，程式做出正确的决策，且决策符合资料库中人类的标注。在另一端，AI完全凸槌，做出了错误的预测，并且决策依据完全没有根据人类所标注的任何特征。

通常AI决策，无论是正确或错误，可能只有部分根据是符合人类标注的特征。例如AI可能仅根据图像的一部分（例如轮胎）就正确地识别图像中的车子，而不是像人类那样识别整辆车；或者在X光或电脑断层图片中，AI可能针对图片的一部分或错误的部分就做出诊断，即使诊断是正确的，这种系统医生也不会用，因为它是根据不相关的细节，而不是实际的病变所做出的预测。

图片标注可能相对容易，但AI的应用范围很广，可能有各式各样的训练资料，各种不同的资料的显著点何在，训练资料库如何标注也是一个大问题，这也就是为什么「了解AI如何运作」和「了解AI如何得到结果」是如此困难。

总之，对AI黑盒子的决定大家还是要谨慎小心，尤其是牵涉到攸关生死的决定。

文章来源：台湾醒报 张瑞雄

全球记忆体产业已进入一个必须寻求新兴替代技术的时代。在多样化的次世代记忆体技术中，为何电阻式记忆体，在类神经仿生运算的应用上值得期待？其更被业界认为是最有机会成为下世代通用记忆体的选择，同时也是目前投入研发厂商最多之技术？

迈入寻求全新嵌入式非挥发性记忆体技术的时代

近年来由于物联网、行动装置、高速电脑和智慧汽车等产业的快速发展，大幅推升了人工智慧（AI）及边缘计算（Edge Computing）等巨量运算架构的应用需求，也因此既有高容量存储元件例如 DRAM 及 NAND Flash，其在耗电量及资料存取速度上已无法跟上需求的脚步。

并且，随着半导体制程线宽缩微已超越 14nm、电晶体发展主流迁移到 FinFET 或 GAA 等先进结构，长期应用于 CMOS 晶片上存储的嵌入式 NOR Flash 碍于「快闪记忆体缩放限制（Flash Memory Scaling Limit）」问题，也已无法跟上 SoC 晶片整合制程的发展要求，必须要有全新的嵌入式非挥发性记忆体技术，才能搭配下一世代以先进制程所制造的 ASIC 和 MCU。

电阻式记忆体为何备受期待？

过去数十年来在世界各国合力开发下，已初略成形的次世代非挥发性记忆体技术包括铁电记忆体（FRAM）、相变化记忆体（PRAM）、磁阻式记忆体（MRAM）、以及电阻式记忆体（RRAM）等。这些候选的新兴技术，不仅读写速度都比 NAND Flash 要快 1,000 倍以上，并且皆能够在奈安培（nA）的极低电流下操作。同时，也都具有潜力可突破范纽曼（von Neumann）架构瓶颈，实现记忆体内运算（In-memory Computing）之能力。

在多样化的次世代记忆体技术中，电阻式记忆体由于相对具有读写快速、低耗能、结构简单、资料储存时间长、重复操作可靠度佳与成本便宜等产品优势，以及适合应用于类神经仿生运算的电导（电阻）渐变类比特性，被业界认为是最有机会成为下世代通用记忆体的选择，同时也是目前投入研发厂商最多之技术，包含 Adesto（2020 年已被 Dialog 并购）、Crossbar、Samsung、Panasonic、Micron、Hynix 及 Intel 等公司，都各别拥有不同的电阻式记忆体技术。

电阻式记忆体由来

电阻式记忆体（Resistive Random Access Memory, RRAM）结构为简单的金属-绝缘层-金属（Metal-Insulator-Metal, MIM），其原理为施予电压或电流操作，利用物质电阻改变元件的高低电阻状态，达成数位讯号储存效果。

电阻式记忆体最早起源自 1960 年代，研究学者 Hickmott 发现氧化铝（AlOx）材料经过电压或电流操作后，其电阻状态会因此改变 [1]；近年来，研究发现氧化镍（NiO）[2-5]、氧化钛（TiOx）[6-9]、氧化铪（HfOx）[10-13] 等绝缘体材料，亦可用于 RRAM 的中间绝缘层。RRAM 可利用特定的电压来读取不同状态的电阻值（电流值），进而判读元件「1」和「0」的逻辑状态。此外，RRAM 具有良好的非挥发性记忆特性，其讯号储存状态可在不施加外在偏压的情况下，保存至下一次讯号的写入或抹除。

RRAM 物理机制与操作特性

RRAM 的物理机制目前较受到注目的是灯丝理论（Filament Theory）[14-16]，普遍认为 RRAM 的操作方式是在一开始时给予元件一较大的外加偏压，使氧化物绝缘层内部形成导通路径，此时绝缘层会变为低阻态（Low Resistance State, LRS），此过程通常需要限制电流（Compliance Current），避免电流过大反应剧烈使元件永久崩溃，此步骤称之为 Forming。

接着以元件偏压控制氧离子与氧空缺复合，使导通路径阻断，进而从低电阻态（LRS）回到高电阻态（High Resistance State, HRS），此过程称为 Reset；而再次给予小于 Forming 所需的电压，即可将阻断的导通路径重新连接，从高阻态（HRS）再次回到低阻态（LRS），此步骤称为 Set。

来回操作 Set 与 Reset process 就可以达成 RRAM 的写入与抹除，RRAM 的操作流程如图 1 所示，而在读取方面主要是借由一微小的读取电压来判读不同的电阻值，以分辨数位讯号 0 和 1（图 2）。RRAM 依阻值状态变化的不同可区分为阻丝型与介面型，阻丝型 RRAM 即于上下两电极间有一连续传导路径（图 3），也是目前 RRAM 在传导机制中较受到广泛认同的类型；另一为介面型 RRAM（图4），透过施加外部电压，使绝缘体层中形成氧空缺或载子电荷进行电子传递使其阻态改变，当氧空缺或载子电荷变多，其电流增大，因此元件电极间的绝缘体层面积大小会影响阻态变化。

▲图 1 RRAM 切换流程与电性输出图

详文请至 http://www.aimniche.com/ 全文续阅 相关课程资讯：https://is.gd/uWxCJE