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》