如果你隨便問一名消費品主管，問他(或她)的公司是否已在數字化和分析方面進行了投資，你幾乎一定會得到肯定的回答。但是，如果你問這些投資是否取得了預期的成果，回答則多半是否定的。我們的研究表明，投資數字化和分析的消費品公司中只有40%的公司獲得了高于資本成本的回報。其余的公司則受困于“試點煉獄(pilot purgatory)”，雖然小有所成但卻沒有對整個企業產生影響。
潛在價值并非微不足道：我們的分析表明，公司擴大數字化和分析計劃的能力與其盈利狀況相關。在本文中，我們描述了公司在擴大數字化和分析規模的過程中會遇到的一些最常見的陷阱。我們還將研究持續獲得成功的新興方法。
衡量數字化和分析的成熟度及其價值
就數字化成熟度而言，消費品行業還有待提升。在最新的麥肯錫數商(McKinsey Digital Quotient)調查中分析的11個行業中，消費品排倒數第三。該行業在分析成熟度的比較中表現優異，排名第五。這不足為奇，因為大多數消費品公司都將重點放在既定的分析領域(例如定價)上，而這些領域無需太多直接的消費者數據。與消費者有更直接聯系的行業(例如零售業)則更加注重數字化功能，從而實現全渠道的消費體驗。
在消費品行業中，數字化和分析成熟度最高的公司正在創造巨大的價值。在2010年至2018年間，數字化和分析業方面表現成熟的公司(位居前五分之一)的股東總回報(TSR)的復合年增長率(CAGR)為19.2%，比排名倒數五分之一的公司的2007年的12.3%復合年增長率高約60%。
盡管該分析無法證明這種因果關系，但這種關聯性卻十分令人信服。鑒于行業要應對發展方面的難題，因此行動呼吁(call to action)十分清楚明了：要么充分利用數字化和分析的力量，要么就落伍。
最常見的失敗模式
憑借與全球消費品企業合作的經驗，我們發現了四種最常見的失敗模式——這就是導致一些組織無法通過數字化和分析大量獲取價值的一些錯誤：
•沒有將數字化和分析程序與企業策略關聯起來。落伍者往往將數字化和分析工作視為次要項目，而不是在整個企業推動工作重點的因素。毫不奇怪，這些工作很難獲得成功所需的各種關注和資源。
•過早進行大筆投資。有些渴望擁有最新技術的公司在沒有徹底了解企業的真正需求以及產生重大影響的源頭就搶先對數字化和分析進行投資。這種失敗模式通常以兩種形式出現：公司要么追求成本高昂且包羅萬象的“數據湖”，要么不仔細考慮數據湖將要實現的功能，要么投資新技術棧以簡化或協調核心平臺(例如企業資源計劃系統)，最后卻發現僅僅在兩年以后，當今一流的技術棧就會過時。
•堅持找到“完美”的員工。落伍者要花半年時間來找兩三名數據科學家，或者一直等到他們認為已經找到了“完美”的人才來領導團隊。找最優秀的數據科學家，數據工程師，設計師和其他熟練的技術人員來擔當關鍵職務并沒有錯，但是有多種方法可以在建設技術團隊的同時加快進度，例如為了獲得新的能力而培訓內部人才，將職責分散化或建立合作伙伴關系。
•對變革管理的投資不足。高管們常常表示自己希望在變革管理上的投入與在技術上的投入一樣多，甚至更多。如果沒有高級業務負責人在變革方面做出榜樣，也沒有制定全面的計劃來鼓勵一線員工采用，那么新技術就不會產生任何粘性。根據經驗，數字化和分析領域的領導者必須按以下方式分配精力和投資：25%用于數據，25%用于技術，50%用于變革管理。
成功的新秘訣
盡管只有少數消費品企業在數字化和分析方面產生了大規模的影響，但成功的秘訣正在變得越來越清晰。以下是數字化和分析獲得成功的四個核心要素。將這些要素結合起來有助于公司避免或克服上述失敗模式。
樹立大膽的長期愿望
公司應避免僅模糊不清且爛大街的愿望(如“我們將培養出色的分析能力”)，這肯定會失敗。相反，它們必須先制定與公司戰略明顯相關的具體的，長期的數字化和分析愿景。例如，有一家消費品公司對轉型樹立了這樣的愿景：“使用數字化和分析技術創建一流的銷售隊伍，從而每天都能在正確的時間，正確的地點執行正確的行動并完美執行。”
然后，此愿景確定各個重點領域和投資。重要的是，公司必須對起點進行坦率且詳細的評估并使用大家都懂的話和易于理解的標準，從而確保不同級別的人都認識到所需變革的幅度。一個業務部門對“數字化和分析”的定義可能與另一個業務部門大相徑庭，因此它必須對當前的事務狀態有一個透徹的了解并為成功下一個通用的定義，這一點很重要。
執行“域轉型”，而不是不相關的用例
任何數字化和分析程序的核心都是“用例”，這些用例定義了要通過新的工作方式解決的特定業務問題。這些用例可以在企業的前臺，中臺和后臺找到。它們能夠以“域”的形式組合在一起，“域”是用例的子集，它們共享一個公共元素，例如部署機制、數據源或業務用戶。我們發現，如果我們希望重大的變革發生，那么我們最好在同一個域內使用用例。
在數字化和分析轉型的早期，公司會根據可行性和影響力來分清各個用例的輕重緩急(主要是各個商業職能)。為了支持優先級最高的用例，公司隨后創建了一系列影響力廣泛的推動因素，例如一個數據湖，一個技術棧以及一個容納所有新人才檔案的技術組織，例如數據科學家。從理論上講，這些推動因素將滿足整個企業的需求。
但是，實際上，一般的推動因素很少能滿足特定的業務需求。因此，要想成功地擴展數字化和分析工作就需要一種不同的方法：有一種方法是優先考慮完全啟用的域轉型而不是無關的用例。如果公司不在同一個域中(比如說第一，四和第六個影響最大的用例)，而不是在不同的領域中執行影響最大的三個用例。然后，公司可以開發特定領域的支持者(例如域所需的數據，對技術棧所做的重大變革或為業務用戶而培養的能力)。這樣，公司就可以從其投資中獲得更高的回報，因為這些推動因素支持該領域內的所有用例。
這種方法還使公司能夠應對每個域獨一無二的難題。例如，銷售分析和銷售領域(尤其是對于分散的大型銷售組織而言)通常需要人們特別關注與核心技術棧鏈接并通過廣泛的能力建設進行部署的手持工具。另一方面，收入管理和全類型管理(omnicategory-management)域則由一個相對受到限制的團隊進行的復雜的，精細的分析，而這對技術棧的影響十分有限。通過轉換域，公司可以應對這些特定于域的難題并更快地產生大規模影響。
數據是消費品組織正確決策的最艱難的推動力之一。
企業中臺的域轉型往往是最困難的：快消品(CPG)公司通常在其供應鏈組織中有數百(甚至數千)人，而且散布在計劃團隊中的多個數據源，工廠和配送中心。有一家快消品制造商一直努力優化其產品的可用性，同時又要保持較低的銷售成本(COGS)和庫存。行政團隊同意優先考慮一個域(銷售和運營計劃)并在該域內選擇兩個用例，這些用例既可以產生巨大的影響，又可以為將來的工作奠定必要的基礎。第一個用例是數字化的端到端供應鏈計劃;第二個用例是基于銷售點數據的需求預測。
域轉型的主要推動力包括一個數據生態系統，該生態系統集成了來自100多個數據源的輸入，并成為該組織的“單一信息源(single source of truth)”;有一系列強大的數字化和分析工具(由計劃經理和用例專家共同選擇和完善)，從而將計劃過程中的關鍵部分自動化并解放計劃團隊的生產力;展開深入的能力培養工作，該工作涉及了200多名人員，這些人員遍布于多個計劃單元中。這就是三個推動因素(在過去的轉型工作中常常被人忽略)對于成功至關重要，考慮到整個人才庫的技術專長千差萬別，因此這個因素顯得尤為重要。
第一年就產生了明顯的影響：通過降低庫存水平和改善客戶服務來增加收入，通過減少過時產品的數量來降低成本，通過減少安全庫存來顯著減少庫存。該公司的需求預測準確性(本來就已經超過了行業平均水平)提高了六個百分點以上。
確保跨域推動者的一致性
每個域都必須完全啟用才能取得成效——但是，當各個域的推動因素的作用開始擴散時，這些因素也必須保持前后一致。例如，為每個域創建專門的數字化和分析組織的做法是不明智的。相反，先進的公司只設立一個數字化和分析組織(中心化，聯合化或兩者兼具)，然后根據需要將特定的技能和功能部署到每個域。
數據是使消費品組織正確行事的最艱難的推動力之一。很多組織沒有那么多消費者數據和零售商的銷售點數據。他們擁有的相關資產(內部財務，產品和客戶主數據)通常存在于孤立的遺留系統中，這些遺留系統難以訪問和協調。消費品公司往往缺乏強大的數據治理流程，無法按照隱私法規在整個組織內使用，保護和共享數據。
有些消費品公司已經意識到這些不足之處，它們誤以為自身需要獲取大量新數據，誤以為自己要創建龐大的新數據庫來存儲數據并變革整個數據基礎設施——并且立即進行所有這些操作。但是，我們的經驗表明，優先考慮能夠帶來最大價值的推動者會更加高效，而且還有助于確保各個域的推動因素能夠一以貫之。
例如，當某個地區的消費品制造商開始進行數字化和分析轉型時，它選擇了可以根據需要擴展的基于云的數據生態系統。這個生態系統將成為該公司在所有域中的唯一一個數據存儲庫。該公司要確保其數據策略和部署工作與總體的數字化和分析路線圖保持一致。數據是以增量方式接入的，因此該公司可以首先處理優先級最高的域和各個用例所需的最重要的數據元素。
該公司從轉型工作一開始就十分看重數據治理，因此它在IT組織中任命了一名首席數據官(CDO)。首席數據官在每個業務部門中都安插了“數據大使”。這些大使與業務線的負責人合作，確定了最終要求和特定領域的計劃。
重新配置運營模型以提高速度和靈活性
消費品公司通常無法快速靈活地運作。數字和分析領導者開始圍繞“小分隊”或“小隊”組織工作，這些小分隊可以移動并做出更靈活的反應。有一家制造商修改了其運營模型，從而納入以下要素：
•以業務為主的團隊，提供專門的IT支持。班組長負責定義班組要解決的具體業務問題并確保獲得價值。小組負責人(或產品負責人)不是IT或其他技術人員，而是業務領域的專家，這些專家對各個領域和相關用例都有深入的了解。所有小分隊還根據需要配備IT和數據科學專家，因此它們可以使用基于短跑(sprint)的工作模型(從最小的可行產品到大規模的影響)快速取得進展。
•數據科學卓越中心。該公司建設了一個由內部和外部人員組成的數據科學家和工程師團隊，從而創建新的卓越中心(COE)。卓越中心與其他技術團隊(例如基礎結構和安全性團隊)不同。它監督每個小分隊的數據科學以及跨隊的最佳實踐和知識共享。
•得到了授權的轉型辦公室。為了確保轉型成功，該公司成立了由高管組成的轉型辦公室。在定期進行的評估中，發起人和小分隊領導向轉型辦公室介紹各個計劃的進展情況;發起人也可以提出各種新想法。這種結構和節奏可以使公司的高層領導跟進階段性成果并動態地將資源重新分配到各個重點領域。
•重視領導力培訓。管理者們完成一門必修的能力培養課程，該課程不僅教會他們數字化和分析程序將如何幫助企業發揮出色績效，而且還教會它們如何根據新的工作方式調整管理風格。例如，有一種方法就是避免使用“命令和控制”的管理風格并讓團隊在敏捷的沖刺中做出決策)。組織花錢培養領導力，這向組織上下的人發出了一個強有力的信號，這使人興奮不已并推動了更可靠的變革管理。
數字化和分析程序不再是可有可無的。如果不利用這些技術的力量和潛力，公司將無法在當今的商業環境中高效地競爭。擴大這些技術的規模(以便它們能在整個組織中發揮作用，而不是只對一小撮人起作用)對于提高股東總回報率和維持競爭優勢至關重要。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號