后ERP時(shí)代的數(shù)字化賦能
后ERP時(shí)代的困境
在過(guò)去二十年中，大部分國(guó)內(nèi)企業(yè)都通過(guò)實(shí)施ERP實(shí)現(xiàn)了核心業(yè)務(wù)的標(biāo)準(zhǔn)化管理及運(yùn)營(yíng)，ERP系統(tǒng)支撐著企業(yè)的主要業(yè)務(wù)流程。眾多傳統(tǒng)企業(yè)在進(jìn)行數(shù)字化轉(zhuǎn)型的過(guò)程中，都發(fā)現(xiàn)過(guò)去代表著先進(jìn)管理能力的ERP系統(tǒng)正受到眾多用戶的詬病，下面分享我們碰到的三個(gè)案例。
案例一：A客戶，某大型汽車經(jīng)銷集團(tuán)A——如何解脫ERP從管理到服務(wù)的困境?
圖1 如何解脫ERP從管理到服務(wù)的困境?
這是一個(gè)大型的汽車經(jīng)銷集團(tuán)，經(jīng)過(guò)二十年的發(fā)展，它已經(jīng)成長(zhǎng)成為在全國(guó)擁有幾百家高端車品牌的4s店集團(tuán)。我們?cè)谠L談的過(guò)程中，發(fā)現(xiàn)他們的客戶滿意度非常差，存在等待時(shí)間長(zhǎng)、信息不一致等問(wèn)題。在我們深入研究其原因時(shí)，發(fā)現(xiàn)很多一線服務(wù)人員花了很多時(shí)間來(lái)填寫(xiě)集團(tuán)要求的數(shù)據(jù)、流程，他們錄入的ERP數(shù)據(jù)是嚴(yán)格的考核指標(biāo)。而眾多的業(yè)務(wù)人員對(duì)ERP系統(tǒng)卻有著諸多抱怨，比如響應(yīng)不及時(shí)、業(yè)務(wù)復(fù)雜、不能夠滿足銷售及客服人員服務(wù)用戶的需求等。其中最普遍的反饋，是ERP系統(tǒng)不僅不能夠提供相應(yīng)的方便快捷服務(wù)工具，比如客戶信息查詢、二手車車源查詢、增項(xiàng)查詢匹配等，以真正提升他們的工作效率、優(yōu)化客戶服務(wù)的流程，還制定了一堆KPI來(lái)讓他們必須在指定的時(shí)間、場(chǎng)景下，錄入指定的信息，如果不錄入就會(huì)有懲罰。他們每天在各條線、各業(yè)務(wù)部門(mén)設(shè)置的ERP指標(biāo)中疲于奔命，花了大部分時(shí)間去滿足ERP系統(tǒng)的錄入要求，而無(wú)法專注的思考如何為客戶提供更好的服務(wù)。
這一個(gè)場(chǎng)景其實(shí)不能怪ERP，因?yàn)镋RP從誕生起，它的定位就是“標(biāo)準(zhǔn)化業(yè)務(wù)流程的管理工具”。
案例二：B客戶，某大型家電制造企業(yè)B——如何在支撐穩(wěn)定業(yè)務(wù)運(yùn)轉(zhuǎn)的同時(shí)加速創(chuàng)新實(shí)驗(yàn)?
圖2 如何在支撐穩(wěn)定業(yè)務(wù)運(yùn)轉(zhuǎn)的同時(shí)加速創(chuàng)新實(shí)驗(yàn)?
國(guó)內(nèi)的一個(gè)大型家電制造企業(yè)，他們所使用的ERP是十年前購(gòu)買的套裝軟件，支撐著各個(gè)工廠從訂單到生產(chǎn)的全過(guò)程。在后來(lái)的應(yīng)用過(guò)程中，不斷有新的需求產(chǎn)生，他們就在上面補(bǔ)丁摞補(bǔ)丁的做了非常多的客戶化開(kāi)發(fā)。
在當(dāng)今移動(dòng)互聯(lián)網(wǎng)、IoOT等數(shù)字化技術(shù)迅速發(fā)展的時(shí)代，他們希望將這套老的ERP對(duì)接到新技術(shù)平臺(tái)上，利用新的數(shù)字化技術(shù)，從數(shù)據(jù)中挖掘出新的價(jià)值。但是，目前的ERP系統(tǒng)數(shù)據(jù)正在以T數(shù)量級(jí)增長(zhǎng)，而由于前期的客戶化開(kāi)發(fā)版本非常多，又缺乏頂層設(shè)計(jì)，所以底層數(shù)據(jù)的邏輯已經(jīng)很混亂。對(duì)于這些生產(chǎn)數(shù)據(jù)，誰(shuí)也不敢擅自行動(dòng)，于是情況就變成，一邊是大量高價(jià)值的供應(yīng)鏈數(shù)據(jù)在ERP中沉淀而無(wú)法使用，一邊是各個(gè)業(yè)務(wù)部門(mén)的新業(yè)務(wù)需求得不到全量數(shù)據(jù)的支持。
案例三：C客戶，某大型日用消費(fèi)品集團(tuán)C——如何將企業(yè)內(nèi)部的ERP數(shù)據(jù)和外部的電商、社交等數(shù)據(jù)整合，產(chǎn)生新的業(yè)務(wù)洞察?
圖3 如何整合企業(yè)內(nèi)外部數(shù)據(jù)
這個(gè)客戶是一個(gè)大型的日用消費(fèi)品集團(tuán)，近幾年，隨著電商的興起，他們也將自己的ERP對(duì)接到了外部電商平臺(tái)。他們現(xiàn)在面臨的問(wèn)題是內(nèi)部ERP管理的供應(yīng)鏈數(shù)據(jù)結(jié)構(gòu)無(wú)法和外部電商平臺(tái)的的客戶信息、瀏覽信息等打通。
10年前，通過(guò)SOA架構(gòu)集成了以ERP為核心的企業(yè)內(nèi)部管理系統(tǒng)，打通了內(nèi)部人、財(cái)、物，從訂單到生產(chǎn)的內(nèi)部數(shù)據(jù)孤島，在如今的互聯(lián)網(wǎng)時(shí)代，局部供應(yīng)鏈在大的數(shù)字生態(tài)中又成了新的數(shù)據(jù)孤島。典型的場(chǎng)景就是當(dāng)線上要做活動(dòng)的時(shí)候，線下的供應(yīng)鏈無(wú)法滿足庫(kù)存等需求。
同時(shí)，該客戶***的需求是能夠?qū)崿F(xiàn)更加精準(zhǔn)精細(xì)化的運(yùn)營(yíng)。
過(guò)去的運(yùn)營(yíng)更多靠的是運(yùn)營(yíng)人員的經(jīng)驗(yàn)，所以那個(gè)時(shí)候即使數(shù)據(jù)不打通，也無(wú)所謂，反正導(dǎo)出一個(gè)Excel、自己根據(jù)經(jīng)驗(yàn)算個(gè)表就出來(lái)了。而在電商時(shí)代，運(yùn)營(yíng)數(shù)據(jù)量大，特征值和維度都非常多，所以利用經(jīng)驗(yàn)很難實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)，往往一個(gè)參數(shù)的錯(cuò)誤，就會(huì)帶來(lái)巨大的損失。
從以上三個(gè)用戶問(wèn)題中我們發(fā)現(xiàn)，曾幾何時(shí)，ERP是作為先進(jìn)管理經(jīng)驗(yàn)被引入國(guó)內(nèi)企業(yè)的，從SAP到Oracle EBS，從用友到金蝶，ERP作為固化企業(yè)流程，提升管理水平，實(shí)現(xiàn)精細(xì)化、標(biāo)準(zhǔn)化管理的核心系統(tǒng)，在數(shù)字化時(shí)代，卻淪落到如此尷尬的局面。
很多的客戶都問(wèn)道，是不是我們需要一套新的原生數(shù)字化ERP?
這三家企業(yè)都意識(shí)到了自己所面臨的問(wèn)題，并且采取了相應(yīng)的策略來(lái)應(yīng)對(duì)這些挑戰(zhàn)。讓我們來(lái)看看他們是如何行動(dòng)的，這些行動(dòng)給我們哪些參考。
A公司解決方案：
經(jīng)過(guò)我們的分析，重新采購(gòu)或者搭建ERP是不現(xiàn)實(shí)的：
- ***，時(shí)間來(lái)不及
- 第二，投入太大
- 第三，其實(shí)ERP系統(tǒng)依然可以滿足他們的管理需求
所以該客戶制定了“三步走”的策略：
圖4 A集團(tuán)“三步走”策略
***，構(gòu)建自服務(wù)的數(shù)據(jù)湖，將ERP的數(shù)據(jù)全量抽取到數(shù)據(jù)湖中，然后基于數(shù)據(jù)湖，建立以用戶為核心的數(shù)據(jù)模型，對(duì)用戶進(jìn)行分層，建立單一客戶視圖。
第二，構(gòu)建微服務(wù)的數(shù)字化平臺(tái)，將數(shù)據(jù)湖和ERP的數(shù)據(jù)封裝成API開(kāi)放出來(lái)。
第三，在開(kāi)放數(shù)字化平臺(tái)的基礎(chǔ)上，為獨(dú)特的崗位角色定制不同的移動(dòng)端APP，盡可能的自動(dòng)化，簡(jiǎn)化審批，同時(shí)將單一用戶視圖中的數(shù)據(jù)推送給每一個(gè)服務(wù)人員，從而幫助他們提升服務(wù)的滿意度。
這個(gè)解決方案的***步，是建立基于數(shù)據(jù)湖的企業(yè)全量數(shù)據(jù)存儲(chǔ)能力，為什么是數(shù)據(jù)湖而非數(shù)據(jù)倉(cāng)庫(kù)?***的區(qū)別在于，數(shù)據(jù)倉(cāng)庫(kù)是抽取明確的對(duì)業(yè)務(wù)目標(biāo)進(jìn)行分析的數(shù)據(jù)，在數(shù)據(jù)進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)前，已經(jīng)被清洗和分類，而數(shù)據(jù)湖則是全量復(fù)制原始數(shù)據(jù)。圖5說(shuō)明了數(shù)據(jù)湖和數(shù)據(jù)倉(cāng)庫(kù)的實(shí)現(xiàn)區(qū)別：
圖5:數(shù)據(jù)湖和數(shù)據(jù)倉(cāng)庫(kù)實(shí)施方式的差異
ERP時(shí)代的數(shù)據(jù)分析，側(cè)重于決策支持，管理層或業(yè)務(wù)部門(mén)已經(jīng)明確知道了業(yè)務(wù)指標(biāo)，只是需要將存量數(shù)據(jù)的分析結(jié)果展示出來(lái)，然后由業(yè)務(wù)或決策層在數(shù)據(jù)可視化的基礎(chǔ)上運(yùn)用經(jīng)驗(yàn)和戰(zhàn)略，做出人工決策。
在后ERP時(shí)代，企業(yè)內(nèi)部的管理體系已經(jīng)相對(duì)固化和成熟，面臨的是對(duì)客戶和市場(chǎng)的關(guān)注，也就是探索和創(chuàng)新。這種情況下，企業(yè)面臨非常大的不確定性，沒(méi)有人知道具體什么樣的數(shù)據(jù)能發(fā)掘出什么樣的業(yè)務(wù)規(guī)則，也無(wú)法對(duì)未知的業(yè)務(wù)指標(biāo)進(jìn)行建模。與此同時(shí)，大容量低成本存儲(chǔ)技術(shù)的出現(xiàn)，則讓這一創(chuàng)新需求得到了充分的支持。
圖6 傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)的局限性
來(lái)自精益數(shù)據(jù)專家Ken Coller的總結(jié)，很清晰的說(shuō)明了傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)的局限性：
- 基于拉動(dòng)的批量抽取策略對(duì)實(shí)時(shí)數(shù)據(jù)的支持有限;
- 企業(yè)級(jí)的數(shù)據(jù)模型復(fù)雜沉重，跟不上前端業(yè)務(wù)的需求變化;
- 過(guò)于復(fù)雜的ETL數(shù)據(jù)流，修改困難，任務(wù)運(yùn)行周期長(zhǎng);
- 不支持緊迫的、隨時(shí)隨地的設(shè)計(jì)修改;
- 對(duì)非關(guān)系型數(shù)據(jù)的支持很差;
- 數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)出的分析結(jié)果更多是提供給管理層去看，很難直接自動(dòng)化地應(yīng)用到當(dāng)前業(yè)務(wù)系統(tǒng)中。
經(jīng)過(guò)我們?nèi)虮姸鄶?shù)據(jù)項(xiàng)目的調(diào)研發(fā)現(xiàn)，很多客戶在過(guò)去很大投資在數(shù)據(jù)倉(cāng)庫(kù)和BI上，但是現(xiàn)在這些技術(shù)已經(jīng)限制了業(yè)務(wù)的創(chuàng)新。
B公司解決方案：
圖7 開(kāi)放數(shù)據(jù)，加速試驗(yàn)
數(shù)據(jù)湖是企業(yè)的異構(gòu)/分布式的全量數(shù)據(jù)源，只存儲(chǔ)下來(lái)是不夠的，如何讓數(shù)據(jù)湖變成企業(yè)數(shù)據(jù)創(chuàng)新的源泉?
首先，要在數(shù)據(jù)湖的基礎(chǔ)上，建立自服務(wù)的數(shù)據(jù)發(fā)現(xiàn)平臺(tái)，利用ES技術(shù)構(gòu)建了數(shù)據(jù)檢索和發(fā)現(xiàn)平臺(tái)。
圖8 自服務(wù)數(shù)據(jù)發(fā)現(xiàn)平臺(tái)的典型架構(gòu)
架構(gòu)如圖8所示。通過(guò)這些數(shù)據(jù)查詢的技術(shù)，讓數(shù)據(jù)分析人員和業(yè)務(wù)用戶用簡(jiǎn)單快捷的方式，獲取到他所需要的數(shù)據(jù)集，從而進(jìn)行數(shù)據(jù)發(fā)現(xiàn)和應(yīng)用，加速業(yè)務(wù)創(chuàng)新實(shí)驗(yàn)的過(guò)程。
C公司解決方案：
圖9 優(yōu)化流程，數(shù)據(jù)驅(qū)動(dòng)
我們幫助客戶利用DDD的設(shè)計(jì)方法，構(gòu)建了新的電商運(yùn)營(yíng)平臺(tái)，同時(shí)將線上線下的相關(guān)運(yùn)營(yíng)數(shù)據(jù)打通，抽取到全量的數(shù)據(jù)湖中，在數(shù)據(jù)湖基礎(chǔ)上，利用機(jī)器學(xué)習(xí)建模，幫助客戶優(yōu)化運(yùn)營(yíng)數(shù)據(jù)。
在第二個(gè)案例中，我們說(shuō)到，有了數(shù)據(jù)發(fā)現(xiàn)平臺(tái)，企業(yè)的用戶可以隨時(shí)隨地查詢和探索企業(yè)數(shù)據(jù)湖里的源數(shù)據(jù)，但是如何在源數(shù)據(jù)中發(fā)現(xiàn)“未知”的機(jī)會(huì)、突破業(yè)務(wù)經(jīng)驗(yàn)的局限呢?
我們來(lái)看一下傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)分析的過(guò)程，如圖10所示：
圖10 傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)分析的過(guò)程
傳統(tǒng)基于數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)分析有以下幾個(gè)特點(diǎn)：
- 基于經(jīng)驗(yàn)的分析，分析主題的價(jià)值高低，很大程度上取決于業(yè)務(wù)人員對(duì)業(yè)務(wù)理解的深度，其水平直接決定了業(yè)務(wù)價(jià)值的天花板;
- 響應(yīng)速度比較慢，從業(yè)務(wù)理解到業(yè)務(wù)目標(biāo)的實(shí)現(xiàn)，通常會(huì)經(jīng)過(guò)7個(gè)環(huán)節(jié)，每一個(gè)環(huán)節(jié)都會(huì)和真實(shí)的業(yè)務(wù)規(guī)則有所偏離和衰減;
- 每一個(gè)數(shù)據(jù)分析主題的建設(shè)周期較長(zhǎng)，迭代緩慢。
這是傳統(tǒng)企業(yè)數(shù)據(jù)分析的典型做法，適合那些業(yè)務(wù)確定性較高，邏輯相對(duì)簡(jiǎn)單的分析場(chǎng)景。但是對(duì)于數(shù)據(jù)量大，數(shù)據(jù)結(jié)構(gòu)復(fù)雜的探索和預(yù)測(cè)性業(yè)務(wù)，效果通常不是很好。
前面講的那個(gè)金融客戶一直以來(lái)都面臨著營(yíng)銷能力有限而潛在客戶群巨大的沖突，如何在每天20萬(wàn)的新增消費(fèi)用戶中找出最可能做分期付款的前4000名業(yè)務(wù)用戶，從而提高營(yíng)銷準(zhǔn)確度呢?
過(guò)去，他們采用人工建模分析的方式，能夠關(guān)聯(lián)分析的特征值有限，準(zhǔn)確度一直不高，基本處于半拍腦袋、按照業(yè)務(wù)常識(shí)做預(yù)測(cè)的階段。
隨著機(jī)器學(xué)習(xí)算法的愈發(fā)成熟，該客戶希望建立面向機(jī)器學(xué)習(xí)的數(shù)據(jù)創(chuàng)新能力，利用數(shù)據(jù)來(lái)發(fā)現(xiàn)過(guò)去無(wú)法從固有經(jīng)驗(yàn)中挖掘出的新規(guī)則，從而提高創(chuàng)新的成功率。通過(guò)Data Discovery，納入了以前所沒(méi)有被納入的其他非直接交易數(shù)據(jù)，將這些全量歷史數(shù)據(jù)打上標(biāo)簽(是否營(yíng)銷成功)，由機(jī)器學(xué)習(xí)平臺(tái)去訓(xùn)練，然后不斷加入增量數(shù)據(jù)調(diào)優(yōu)算法。這個(gè)方案將該客戶的營(yíng)銷準(zhǔn)確度提高了10倍左右。
以機(jī)器學(xué)習(xí)為核心的數(shù)據(jù)預(yù)測(cè)，有以下典型步驟：
- ***步，建立業(yè)務(wù)假設(shè)。不需要業(yè)務(wù)人員總結(jié)出明確的業(yè)務(wù)規(guī)則，只需要有一個(gè)大概的方向，提出假設(shè)就可以;
- 第二步，基于業(yè)務(wù)假設(shè)，在數(shù)據(jù)發(fā)現(xiàn)平臺(tái)中抽取訓(xùn)練數(shù)據(jù)到機(jī)器學(xué)習(xí)引擎中去訓(xùn)練;
- 第三步，基于訓(xùn)練結(jié)果，加入新的增量數(shù)據(jù)，驗(yàn)證和優(yōu)化訓(xùn)練模型，直至達(dá)到預(yù)期的準(zhǔn)確度;
- 第四步，將模型投入生產(chǎn)，去對(duì)新的數(shù)據(jù)進(jìn)行預(yù)測(cè)。
圖11 以機(jī)器學(xué)習(xí)為核心的數(shù)據(jù)預(yù)測(cè)的步驟
機(jī)器學(xué)習(xí)和傳統(tǒng)數(shù)據(jù)分析相比較有以下三個(gè)典型特點(diǎn)：
- 傳統(tǒng)的數(shù)據(jù)分析更適用于對(duì)已有業(yè)務(wù)規(guī)則的統(tǒng)計(jì)分析，而機(jī)器學(xué)習(xí)適用于發(fā)現(xiàn)新的業(yè)務(wù)規(guī)則和傳統(tǒng)業(yè)務(wù)經(jīng)驗(yàn)所不能理解的新場(chǎng)景。
- 傳統(tǒng)數(shù)據(jù)分析非常依賴于人的業(yè)務(wù)經(jīng)驗(yàn)，而機(jī)器學(xué)習(xí)更依賴于數(shù)據(jù)的質(zhì)和量。隨著算法的成熟化，未來(lái)每個(gè)企業(yè)所采用的機(jī)器學(xué)習(xí)的算法都是類似的，而決定最終效果的是用來(lái)訓(xùn)練的數(shù)據(jù)的質(zhì)量。
- 傳統(tǒng)數(shù)據(jù)挖掘是靜態(tài)建模，通常需要人工不斷地去優(yōu)化調(diào)整，而隨著持續(xù)學(xué)習(xí)、遷移學(xué)習(xí)技術(shù)的逐漸成熟，機(jī)器學(xué)習(xí)能夠在數(shù)據(jù)基礎(chǔ)上自主進(jìn)化。
圖12 機(jī)器學(xué)習(xí)和傳統(tǒng)數(shù)據(jù)分析對(duì)比
【結(jié)語(yǔ)】
前面三個(gè)案例的學(xué)習(xí)和總結(jié)，可以抽象出這樣一張邏輯架構(gòu)圖：
圖13 邏輯架構(gòu)圖
傳統(tǒng)ERP系統(tǒng)構(gòu)建了企業(yè)數(shù)字化的基礎(chǔ)，拉通了企業(yè)內(nèi)部供應(yīng)鏈、價(jià)值鏈、人財(cái)物的管理，它的數(shù)據(jù)價(jià)值是永不過(guò)時(shí)的。面對(duì)新的數(shù)字化挑戰(zhàn)，我們需要借助新的技術(shù)和理念來(lái)***化利用這個(gè)數(shù)據(jù)寶庫(kù)。
比如，在傳統(tǒng)企業(yè)ERP系統(tǒng)基礎(chǔ)上，我們可以通過(guò)構(gòu)建數(shù)據(jù)湖、數(shù)據(jù)發(fā)現(xiàn)平臺(tái)及數(shù)據(jù)創(chuàng)新平臺(tái)，利用機(jī)器學(xué)習(xí)的技術(shù)，激活以ERP為核心的企業(yè)后端業(yè)務(wù)數(shù)據(jù)，構(gòu)建創(chuàng)新敏捷、快速實(shí)驗(yàn)的、以數(shù)據(jù)為核心的創(chuàng)新能力。
【本文為51CTO專欄作者“凱哥”的原創(chuàng)稿件，轉(zhuǎn)載請(qǐng)通過(guò)作者微信公眾號(hào)shikai590獲取授權(quán)】
