业务运营所在的 VUCA 环境及其对业务运营方式已经并将继续产生的影响,讨论了对业务敏捷性的需求,并介绍了敏捷 ERM 采用的 EA 模型。在本文中,我们将介绍三种模型,这些模型有助于了解您的公司,并为您必须做出的关于如何转型以实现可持续性的决策提供信息。
三种模式
逻辑模型由四层组成,每一层都解决一组独特的问题:业务战略、业务模型、运营模型和运营架构。了解这些层的元素如何交互并确定存在依赖关系的位置对于您的战略和运营决策至关重要。
企业架构模型(EA 模型)是敏捷 ERM的开创性基础组件,是一个基于 11 种实体类型调色板的解剖模型:市场/细分市场、产品/服务、价值流、能力、促成因素、资产(可以是智力或物理,)人员,流程,应用程序(由组件和数据资产组成。)
EA 模型的元素几乎一对一地映射到逻辑模型的层。以图形方式,关系显示在下图中,左侧是 EA 模型的层,右侧是逻辑模型的层:
理解转型的框架——第二部分
下表总结了这些层和元素之间的关系:
逻辑模型层 相关问题 EA / BA 模型元素
经营策略 您希望向谁销售,您将提供什么价值主张?谁是您必须考虑的主要竞争对手,他们的价值主张是什么? 细分市场、产品和服务特点
商业模式 你的价值主张是什么?您将具体提供什么以及将针对谁? 针对特定细分市场的产品和服务
运营模式 您将如何构建您的公司以产生和交付您将提供的价值? 价值流、能力
运营架构 您将如何构建和装备自己来创造价值? 能力,推动者
EA 模型的一个重要方面是它表示您的价值主张(您销售的产品和服务)与允许您创建和交付它们的公司元素之间的关系和依赖关系。EA 模型的一个有用表示是图形数据库,其中关系可以从产品到启动器以及可能共享的实体之间的层次结构进行跟踪。下面是一个以 Neo4j 标记的属性图表示的 EA 模型示例:
理解转型的框架——第二部分
下图显示了两种产品之间共享的功能和启动器的详细信息,例如,功能 采购材料、订单处理、Pkg 和发货、发票和收款以及启动器 ERP 系统、订单管理系统和运输管理系统。
理解转型的框架——第二部分
这与您的相关性在于,它可以作为参考,允许您跟踪在考虑转变公司时必须考虑的依赖关系。(注意,只有在您正确维护其货币时,它才能正确地达到此目的。)
在其他文章和我的书中,我提出了您需要采用数字公司架构的案例。拥有旨在利用数字技术的数字业务架构的公司拥有由六大支柱组成的运营模式和运营架构:运营基础架构、API 管理、数字产品和服务工厂、合作伙伴开发平台、一组商业智能和分析能力和分布式治理模型。
此数字业务架构如下图所示:
理解转型的框架——第二部分
这些支柱是什么,它们是如何实施的?它们是多个 EA 实体的组合——其中大部分是Capabilities或Enablers。例如,数字产品和服务工厂 (DPSF) 体现了由集成产品管理和技术团队(推动者)组成的能力,这些团队由软件开发工具(推动者)和流程(也推动者)支持,旨在加速产品和服务的迭代交付,以公司的市场。总的来说,它是快速开发、实施和发展数字产品和服务的能力,这是一项非常重要的能力。
分布式治理模型是一个推动者,也是一个重要的推动者。它是一组流程(推动者)和组织实体(推动者),使您的公司能够将制定产品和业务决策的权力委派给最接近需要制定地点的人员,同时保留对对您的企业重要的问题的控制权,例如法规遵从性。它旨在通过消除不必要的审查和批准层来促进加速决策。
这些支柱可以映射到 EA 模型的各个层上,尽管有些支柱出现在不止一层中:
层 数字业务架构模型元素
战略 商业智能和分析
商业模式 数字产品和服务工厂、商业智能和分析
运营模式 数字产品和服务工厂、合作伙伴开发平台、商业智能和分析、分布式治理模型
运营架构 运营基础设施、API 集成和管理
协调模型
那么,我们如何协调这些模型呢?它们似乎没有适当的相关性,事实上,它们不是。一些支柱的元素出现在 EA 模型的多个层中,并且 EA 模型的各种元素在支持多个可能不同的市场、产品和服务的层次结构之间共享。
完整性是一个重要的考虑因素——如果您在开发新产品的同时建造将要生产该产品的工厂,那么在两者都达到最低完成水平之前,您无法实现发布产品的战略目标。同样,在您实施了数字产品和服务工厂 (DPSF) 所需的所有元素之前,您无法完全实现加速产品演进的好处。将 DPSF 定义为其所需功能和促成因素的总和可确保您可以计划一个支柱,它将有效地提供为其设想的整套能力和服务。但是,您当然可以通过在短期内实施一组最小可行的功能和启动器来实现一些好处。
因此,您不能等到一切都完成后才开始做出让您的公司可持续发展的改变。当您看到它时,完成实施支柱所需的所有工作很可能会为将产品和服务推向市场而付出不必要的开销。短期内可能是这样,但需要放眼长远。据推测,您正在构建的能力将使您能够加速许多产品和服务的开发和发展。
编辑推荐
1、
2022年300个以上最佳免费数据科学课程
2、
大厂数据分析面试指南!来自亚马逊、谷歌、微软、头条、美团的面试问题!
3、
机器学习模型方法总结
4、
历史最全机器学习/深度学习/人工智能专业术语表中英对照表
5、
机器学习如何应用于商业场景?三个真实的商业项目
6、
数据工作者的自我修养 | 哪些技能是必不可少的?
7、
《汗牛充栋:数据分析书籍分享》CDA网校新课上线
8、
文本挖掘常用的107个语料库
9、
一图读懂“东数西算”工程
10、
零基础转行数据分析,看这篇文章就够了
DA内容精选