Redian新闻
>
为什么头部数字化厂商都在“行业化”?| 甲子光年

为什么头部数字化厂商都在“行业化”?| 甲子光年

科技

在数字化的浅水区,区域化,缩小物理半径;在数字化的深水区,行业化,弥合认知鸿沟。

作者 | 赵健
编辑 | 甲小姐


过去两年,一个主题贯穿着头部数字化厂商:行业化转型
从国内看,动作最早的是华为。华为从2021年3月开始,陆续成立了20个“军团”。在军团作战方式下,华为迅速在矿山等行业实现了单点切入,并带动了华为云等基础设施的增长。
紧接着,阿里云在2021年4月对组织架构进行调整,除了数字政府、金融、新零售外,宣布设立18个行业部门,包括电力、交通、汽车、制造等。
2022年7月,腾讯宣布组织升级,成立了政企业务线,下设工业、能源、农业等细分领域。
2023年初,用友开启组织架构升级,高端业务线专门组建了23个行业客户与解决方案事业部,还发布了“在行”形象,推出“在行 | 服务企业数智化”的核心理念,被媒体称为“读懂‘在行’,就读懂了ToB”
无独有偶,行业化也是国际软件大厂的共识。最近几年,一般跨国企业对B端客户的划分逻辑是:中等企业和初创企业归区域管,而大型企业、超大型企业都归属行业。比如,2021年,SAP提出了“RISE with SAP”的企业口号,通过行业解决方案走入更细分的市场。SAP在全球共设置了38个行业组织,在中国也有25个。
以上都是数字化厂商的排头兵。这一场如同接力赛般的“行业化”转型,正是数字化转型走向深水区之后,一场时不我待的变革与较量。

1.什么是行业化
如何理解“行业化”?首先可以看一个钢铁行业数字化转型的案例。
2022年7月,鞍钢废钢资源(鞍山)有限公司废钢智能判级二期项目(鞍山基地)建设正式上线。该项目是鞍钢“智慧废钢”数智化项目的核心组成部分,历时3个月建设。
废钢处理是钢铁行业的重要课题,从废钢的回收、分拣、加工到配送,各个环节的降本增效关系到最终的经营效益,因此迫切需要通过数字化的手段进行废钢智能判级
但这并非一件易事。在废钢处理过程中有两个核心应用场景,一是“中重型、轻薄料”,二是“打包压块”。
废钢智能判级系统需要对中重型、轻薄料的料型和厚度做出精确识别,对每个单体实现像素级分割,自动计算出每种料型的重量百分比。此外,废钢智能判级系统还要对灭火器、气包、厚壁封闭物、煤气罐、氧气瓶、法兰阀门等26大类危险物进行精准识别。
而打包压块内部掺杂、掺假一直是行业智能验质的一大难题,这其实都不是纯技术手段可以解决的。
外行看热闹,内行看门道。比如,你眼中的“一块好钢”,在专业人士看来,涉及钢材的形态、品质、种类、加工状态、尺寸参数等上百个属性。只有扎根行业化,才能真正理解客户需求,否则就永远只能是“外行”。
2021年,鞍钢引进了成熟的用友废钢智能判级系统,基于料型分期、分步进行废钢智能判级系统的建设。该项目由用友智能制造团队承建——用友的角色不仅仅是一家企业软件提供方,更是对钢铁行业了如指掌的“在行人”。

如今,废钢智能判级一二期项目均已完成交付,鞍钢废钢公司自此实现了废钢从采购订单、供应商配货预报、计量无人值守到智能判级、智能打包验质、结算全面的数据线上一体化,打破了原有信息壁垒,实现废钢业务全面线上化和智能化。
钢铁行业的数字化转型只是千行百业的冰山一角,面对企业业务复杂多样的需求,对于数字化厂商而言,只有成为各行各业“在行”的专家,才能尽可能保证数字化转型的成功。

2.为什么行业化?

为什么国内外的一线数字化厂商都要做行业化转型?这和数字化的内生规律密不可分。
甲子光年」将这个规律总结为:在数字化的浅水区,区域化,缩小物理半径;在数字化的深水区,行业化,弥合认知鸿沟。
数字化转型大致可以分为流程信息化、业务数据化、产业数字化、数据智能化和数据要素化五个阶段。流程信息化阶段的代表技术和工具包括财务系统、各类MIS系统等,业务数据化阶段的代表技术和工具以OA系统、ERP系统等为主,此阶段数字化水平是现在绝大部分中国企业的现状,一些数字化水平较高的企业已经进入产业数字化阶段,领先者开始步入数据智能化时代。
五个阶段背后有一条主线:从“业务靠近技术”走向“技术靠近业务”——越往后越需要对行业的理解,越往后越需要对产业的专耕。

如今,随着数据治理、云计算、大数据等新技术的发展,数字化转型已经来到了新的阶段,各类系统正在跟业务进行贴合,比如财务系统的“业财一体化”、人力系统的“业人一体化”。
值得一提的是,在新的阶段,业务需求复杂多变、数据类型千差万别的大型央企、国企、民企龙头,对于通过数字化手段提升业务价值,有着更加紧迫的需求。
大型企业客户通常不会满足于通用的应用流程和产品,经常有额外的定制适配需求,这对于数字化厂商的个性化服务能力提出挑战。
比如,中船信息在进行数据中台建设时候就发现,企业内部除了资产类数据、财务类数据、业务类数据等结构化数据以外,还有文章、方案、数据报告、研发图纸等大量非结构化数据。中船信息董事长张凯表示:“从数据存储量来看,非结构化的数据占比达到80%以上,员工每天60%以上的精力都在处理非结构化的数据。”
因此,组建专门的行业部门,更好、更敏捷地服务超大型集团企业客户,形成行业方案,成为摆在数字化厂商面前的必选题。
实际上,很多数字化厂商此前在行业层面已经有所积累,虽然并没有直接以行业线的方式统领业务,但已经给出行业化的解决方案,比如上文提到的废钢智能判级系统,就是用友智能制造部门所交付。

在新的组织模式下,大客户业务下的各个行业事业部将有望复制基于行业构建解决方案的成功先例,以更加贴近行业、贴近客户的方式进行贴身交付。一方面可以加强赋能,让各区域分公司发挥更前端的价值,另一方面也可以与产品线深度协同,帮助产品部门更加敏锐地洞察行业需求并进行产品实现。正如一位用友人士所表示的:“用友的行业化变革是希望我们比企业更懂客户所处的行业。”

3.做行业化必须先做好平台化
行业化究竟如何实现?这并不是一句简单的口号,或者仅通过组织架构调整就能够解决的问题,厂商自身的技术、产品也需要做出相应的调整。
如果没有好的平台支撑,行业化就会变成无本之木、空中楼阁。
我们可以通过对比两个时代核心的产品来看待数字化转型的变迁:
以ERP为代表的企业软件是过去数字化厂商的代表,其行业属性并不明显。在以服务器、存储等硬件产品与软件包产品为核心的传统ERP时代,数字化厂商需要尽可能地就近接触与服务客户,因此与客户的“物理距离”至关重要,于是便形成了以区域分公司为主的组织架构。但问题是,单个分公司很难对区域内的多个产业建立深刻理解。
从业务角度来看,ERP仍停留在以物料与流程为中心的旧思维,囿于旧的技术与架构,ERP很难向上承接企业战略、向下承接企业经营,难以对业务形成数据驱动的、科学有效的管理决策。
因此,旧物种ERP亟需一场新的变革。
以用友为代表的公司正在积极普及ERP的下一代形态。经过6年的战略投入规模研发,用友在去年发布里程碑新品“用友BIP 3”。用友BIP是对ERP软件的一次代际革命,已经从局部功能产品,进化为数智商业的应用级基础设施、企业服务产业的共创平台。
区别于以往的一体化套件产品,用友BIP是目前全球领域覆盖最多的企业云服务群,形态上从工具型、套件式应用系统,跃升为一体化平台化、生态化多元服务群,其中各类产品服务的“融合”是关键词——而不是把一堆“烟囱”插到企业。
对比ERP代表的上一代企业信息化应用系统和BIP代表的新一代数智商业创新平台:在传统ERP时代,面对客户的定制化需求,数字化厂商需要进行二次开发,本质上是一个“人力密集型”劳动;用友BIP的技术底座为用友自研的云原生PaaS平台,将复用性高的底层技术进行沉淀与封装,大型企业客户可以在此基础上做高效的定制化研发,这就从“授人以鱼”走向了“授人以渔”。
从信息化到数智化,“平台底座”越扎实,行业应用才能越高效、越创新。此外,平台化+行业化也可以带动行业生态的发展。行业化的专属团队加上行业化的合作伙伴,让“最后一公里的交付”变得更加精细。新的平台化模式与ISV等合作伙伴形成了生态共赢的模式
「甲子光年」在之前的报告《2020中国数字经济55个判断:命运与共,大道不孤》中写道:平台成为数字经济时代协调和配置资源的基本经济组织。目前全球市值最大的20家数字企业中,有40%拥有基于平台的商业模式。根据IDC《2022用友BIP经济与社会影响力白皮书》预测,2020-2030年,用友BIP的数智服务将带动中国4.5万亿元的经济增长,与其共同成长的生态伙伴也将获得最高可达6.3倍的放大效应,与此同时,用友BIP还将累计带动256.5万个就业岗位的产生。
这一模式被「甲子光年」概括为:只有供给方生态足够“包罗万象”,才能应对需求端千行百业足够多的“奇形怪状”。
数字化转型正在经历新的周期,每个周期都会形成新的格局。就像德国制造培育出 ERP 时代以制造业见长的 SAP,美国发达的高科技与金融业培育出以高科技与服务业见长的 Oracle ERP,以及其后 SaaS 模式的 Salesforce、Workday,以用友BIP为代表的真正在中国本土产生与发展的数字化理念,将会在中国企业的数字化环境中,发挥巨大的行业价值。
当数智化已经成为共识,数字化的议题从“要不要做”变成“一定要做,但怎么做”。数字化正在“行至水深处”,千行百业都要经历一个类似的过程——看得见新技术、看得懂新技术、用得上新技术、用得好新技术——而行业化是这一过程的必然产物。


END.

受微信改版影响,没有标星的朋友可能会错过「甲子光年」的推送或是看不到封面,欢迎各位新老朋友给「甲子光年」点个星标⭐️,以便及时收到我们的每篇新推文。



微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
甲子光年:2022中国空间智能行业前瞻报告《更多的诗歌》:25: 那边的云片扰乱了东边的天空冬日跑步防滑措施6个问题,用专业视角带你全方位了解ChatGPT|甲子光年甲小姐对话张斯成:ChatGPT过热容易导致错误判断 | 甲子光年AIGC能否改变内容作业体系-报告案例征集|甲子光年智库大宝一年前订的特斯拉电车终于到货,挺好看的不合时宜的丰田章男:大公司的改革者,电动化的守旧人 | 甲子光年对话云拿CEO冯杰夫:AI的落地故事,潮退后方能见真章|甲子光年逐浪智能机器人大时代,梅卡曼德新品发布|甲子光年2023建筑业工程项目管理数字化研究报告:构建以BIM为中心的1+3工程项目管理数字化作业体系|甲子光年智库对话元语智能创始团队:做中国版ChatGPT,为什么坚持大模型开源路线?|甲子光年一文看懂ChatGPT布局全景图:谁会成为中国的OpenAI?| 甲子光年龙卷风健康快递 232ChatGPT引发AI人才战,大厂点名“就要OpenAI的华人,薪资不设限”|甲子光年对话女性创始人、投资人,创业只是挑战的开始|甲子光年艰难的美国众议长选举,大大利好美国狂飙的ChatGPT,为什么是OpenAI最先做出来?|甲子光年从无人问津到炙手可热,第三代半导体创业公司的生死四年 | 甲子光年三年亏损24亿,百亿估值的人形机器人故事不好讲|甲子光年建造一台行星发动机,到底要花多少钱?| 甲子光年Web3.0体验营销方法论白皮书——营销数字化:从新一代营销理论创新开始|甲子光年智库自动驾驶寒冬回暖?传文远知行完成新一轮融资,投后估值超50亿美元|甲子光年中小企业数字化模式创新研究报告|甲子光年智库新能源的新战场:当商用物流车卖到1.88万元 | 甲子光年甲子光年:2023AIGC市场研究报告及ChatGPT推动的变革趋势与投资机会基础工业的觉醒:化工供应链走向数字化|甲子光年第一批因ChatGPT坐牢的人,已经上路了|甲子光年甲子光年:2023中小企业数字化模式创新研究报告创业、裸辞、失落、美好……10个普通人的2022年终总结|甲子光年曾推出阿尔法狗的DeepMind,为什么没能做出ChatGPT?|甲子光年仓储管理智能化行业实践创新报告——新消费生态下仓储智能化的价值探究|甲子光年智库瞄准8000万创业者,创维靠“健康”打响造车翻身仗| 甲子光年甲子光年:2023智能驾驶行业报告:开启高阶智能驾驶的量产时代对话共达地CEO赵丛:建一条生产流水线,做人人用得起的AI | 甲子光年
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。