颠覆性创新下的博弈：站位与选择
当面对具有潜在颠覆可能得创新技术冲击时，在位者与挑战者战略思维有何不同？在位者将战略分析的重点放在起点：基于初始条件分析来制定战略。二挑战者却将战略分析的重点放到终点：基于产业终局的洞察来制定战略。再选择战略路径时，在位者是朝前看：站在现在展望未来；二挑战者则是回头看：站在终局回望现在。
站在现在展望未来，具有颠覆潜力的重要技术突破被隐藏在纵多环境变量之中，不能在萌芽状态及时发现，无法做到未雨绸缪成功转型。站在终局回望现在，前提是知道终点在哪里、终局图景为何种摸样。终局判断错误导致战略方向和路径选择失误，最后千般努力、万般心血付之东流，美梦成孔的创业者，也不在少数。
面对颠覆性创新，在位者如何超越周期？
1. 公司必须培育和拥有核心能力，再特定业务领域积累起强大的组织流程，能够使公司独有的知识体系和人员队伍的效能价值得到有效的发挥，高质量地满足市场需求。这是企业适应未来变化的基础。
2. 洞察终局绝非挑战者的专利，在位者同样需要经常评估，产业内外是否出现了某种可能改变产业终局的重大技术创新、商业模式创新，或者重大游戏规则变化。当发现这种变化的蛛丝马迹时，在位者应尽力换位思考，对未来终局进行判断，并客观审视自身的资源能力，决断在未来终局中的定位；还要重塑愿景，重选路径，重构自我。
3. 感受到某种技术的颠覆性潜力和威胁，但依然无法看清其未来前景时，通过合适的投资架构安排，来获得战略自由度。
4. 当面临颠覆性冲击，面向未来的市场需求，将自己拥有的独特资源与外部可以整合的资源进行创造性组合，拓开创新的业务领域，也是穿越周期的重要办法。
能让你更强大的成本优化法
Cost cutting that makes you stronger
建立增长导向，成本高效组织的五大关键步骤
要实现成功的成本转型，你必须从一张白纸开始，忽略沉没成本。这是零基预算的基本思维，也是德鲁克提出的著名问题：“如果你今天不在这个行业，是否会选择现在进入？”在我们的缝隙中，质疑每一个条目是不够的，你还需要采取五个关键步骤。
将成本和成果联系在一起。必须跟领导团队深度讨论预算，确定轻重缓急，重点关注真正支持你战略目标的因素和能帮助你实现这些目标的能力。
简化到底。公司往往把自身的活动当做理应如此，只会做渐进式的调整，不会全面大胆地审视哪些业务、产品线、SKU或运营应当是未来的一部分。大部分人还低估了复杂性的成本，只评估直接成本而非系统成本。
以数字方式迅速重塑价值链。公司可以从数字化角度重新思考整个流程，获得数字化的益处，若将自动化之与现在工具之上或取代现有工具，公司将获得更大的近期收益。为了管理这部分，一些公司设立了“数字工厂”，负责在整个组织内快速且持续地推出数字化措施。这些“工厂”遵循事先确定的剧本，大幅度简化流程，还让公司得以全面评估所有自动化投资。
重新思考你和生态系统承担了哪些工作。聪明的公司能辨别出哪些地方必须真正差异化，然后思考怎样的人能做到最好。将非差异化的能力外包出去，甚至本公司最重要能力的某些要素也可以外包，这样你就可以把投资集中在最重要的地方。
建立持续地、关注成本的管理系统。聪明的公司不会把削减成本当做一次性的对经济放缓的反应。这些公司认为，对成本保持警惕是管理者的首要责任。预算是对公司考虑成本的方式的真正考验。如果你的公司倾向于根据各种职能部门的议程逐渐调整预算，说明你可能并没有积极地——或者战略性地——管理预算。但如果公司采用零基预算，在各职能部门间分配和评估，关注最关键、最能差异化的能力，你就正在创造一种管理成本的文化和流程。
起步
为了把成本与战略联系起来，避免匆忙的周期性削减成本削弱公司，应当做到以下七点：
高管层统一战线。
通过加速建立信心。早期的胜利会制造推动力，让组织关注转型，协助说服员工相信变革是可以实现的。
将转型期定位两年。把成本转型当做三个章节。第一章：在不依赖技术的前提下采取适当的成本控制措施，节约出资金投资于真正重要的地方。第二章：启动更加复杂的成本控制计划，如迁移运营地点，或者用ERP或先进的数字技术将大量流程自动化。第三章：确保你已经建立了持续地成本管理流程，并且正在投资新产品、新平台和性能力，以获取基本的优势。
建立专门的基础设施用于变革。
尽早让中层管理者和一线员工参与。
让企业文化发挥作用。
建立持续关注成本的机制。财务系统应当更加透明地公开“好的”成本（与差异化能力相关的成本）和“坏的”成本，这还是维持运营和业务所必需的。为预算所有者提供关于成本驱动因素的详细信息，帮助他们更深入地理解决策的经济性。
中层有用，谨慎裁员
Don’t eliminate your middle managers
中层管理者为何可以成为公司的MVP
应对逐渐发展的自动化。
在人菜争夺战中胜出。
领导员工发展。
展示出目标和同理心。
巧妙利用数据。
用整合AI升级你的客户旅程
What smart companies know about integrating AI
一家企业不必渴望成为另一家亚马逊科技、微软、谷歌或Adobe——这些全是核心AI工具的构建者。竞争优势取决于持续收集数据、有组织地转化或充实数据，以及可以影响下一步最佳行动能力的AI库提供信息。营销人员的工作是创造性地将这些AI驱动的建议应用于营销活动，并反复从中学习。
智能整合的四个关键
智能整合企业的四个最典型特征：明确和一致的目标，合理的数据工具，松散连接的技术架构，以及实验性文化。值得注意的是，没有一个特征包括拥有一种更好的AI算法。
1. 明确和一致的目标。AI化的营销要求每个用例都有明确的优化目标，而且这些目标需要在合理的狭小范围内。AI应用主要根据历史数据进行预测。如果AI关注的范围太广，它就会失去优化的能力；如果它面对的史无前例的情形，它的预测就不准确。
2. 合理的数据工具。记录、组织和分享有关客户互动、公司相关行动和各接触点结果的数据的机制是企业AI个性化计划的基本要素。一家公司需要“接受器”来捕捉客户在每个渠道上的每一次互动信息，而且这些信息必须非常精细。
3. 松散连接的技术架构。客户体验技术堆栈由预测引擎、排序（或体验管理）引擎、内容引擎、渠道交付引擎以及实验与分析引擎组成。鉴于有可能增加新的能力，并且可能需要接入好几个AI引擎，最好以模块化的方式设计这一堆栈。
4. 实验性文化。AI允许公司快速测试想法，并大规模做更多的事情，从而激发创造力。此外，它从过去数以百万计的数据点中学习，比人类更快地开启创新。可是，AI并没有发明东西；它只是在过去的模式基础上进行预测。营销人员会发明东西，而AI则学习什么东西有效，对谁、何时以及如何有效。发明需要一种重视实验和承担风险的文化。
三大智能分析法，协助人类决策
一般来说，人类在直觉和模糊度解算方面能力更强；而机器在演绎、精细度和可拓展性方面则远胜一筹。你如何才能找到适当的平衡？有三种常见的分析方法：描述性分析，此法中的决策主要由人类做出；预测性分析，其中机器确定可能得结果，但需要由人类来选择要遵循的路线；以及规定性分析，这通常意味着由机器进行自主管理。
三种分析方法
何时使用哪种方法
在特定情形下该使用哪种方法取决于两个因素：可用数据的相关性和商业案例的强度。成功实现人和机器间的平衡，可以最大限度发挥各自的作用。
数据：当可用数据有限且存在高度不确定性时，描述性分析是为管理者提供方向性指导的最可行的选择。随着决策频率的增加、可获得的精细数据越来越多，以及数据与问题的相关性提升，更具自主性的规定性分析法通常表现最好。在中间情况下，如果仅有有限的相关数据可以获得，预测性分析法则是首选。
商业案例：利润提高的潜力来自数据驱动的见解有望解决的抵效率数数量。因此，并非所有问题都可以用先进的方法来处理。
网友评论