人们很容易认识到数字技术在现代经济中正在发挥的改变游戏规则的作用。但大多数公司尚未认识到：如何充分获取这些技术所提供的不同价值。
但制定充分利用这一价值的数字转型战略也并非易事。如果不全面评估数字技术能提供的内容，公司往往认为现代数字技术的任何应用都将导致数字化转型。因此，他们中的许多人就数字技术的使用做出临时业务决策，尽管进行了大量投资，但最终还是难以真正实现数字化转型。
为了获得数字技术所能提供的全部价值，请考虑以下四个示例，每个示例都突出了不同数字转型层的战略优势。
- 第一层：运营效率。福特通过增强和虚拟现实、物联网 (IoT) 和 AI 对工厂的油漆作业采用新的基于视觉的自动化检测。利用这些技术，该公司改进了瑕疵检测，减少了汽车缺陷。在这种情况下，数据由工厂资产中的新技术生成，AI 使用此数据实时检测和防止制造缺陷。
- 第二层：先进的运营效率。Caterpillar 在其建筑设备产品上安装传感器，以跟踪每个传感器在建筑工地的使用方式。例如，它发现，客户更多的使用电机平地机来平放较轻的砾石，而不是放较重的污垢。利用这一见解，该公司推出了一种经济高效的电机平地机，主要设计用于平砾石而不是污垢。
与之前的福特一样，卡特彼勒通过提高产品开发效率，从运营效率提升中获益。然而，不同的是，公司的传感器数据来自使用其产品的客户，而不是来自制造工厂的资产。当然，客户维度带来了额外的挑战。这一层的效率收益也超出了资产利用范围。
- 第三层：来自价值链的数据驱动服务。GE 跟踪来自喷气发动机的产品传感器数据，使用 AI 进行分析，并为飞行员提供实时指导，使其以优化燃油效率的方式飞行。然后，通用电气通过从"基于结果"的收入中获得新的年金来节省部分客户成本。换句话说，他们的客户除了为产品支付部分费用外，还向通用电气支付了他们从燃油效率中节省的部分费用。
在这里，该举措需要将当前以生产和销售产品为核心的商业模式更改为向数字客户提供数据驱动服务的业务模式。通用电气的研发、产品开发、销售和售后服务部门都以数字方式连接起来，实时接收、分析、生成、共享和响应来自数千种离散产品的传感器和物联网数据。由于这会推动新的收入来源，因此它不仅能提高运营效率。
- 第四层：来自数字平台的数据驱动服务。Peloton 使用其锻炼设备中的产品传感器数据来创建用户社区，并将个人用户与合适的培训师进行匹配。Peloton 的产品生成用户交互数据，然后公司将其用于促进其数字客户与其价值链领域以外的各种第三方实体之间的交流。AI 算法将特定用户与分析产品-用户交互数据的合适培训师匹配。
与上一个例子中通用电气一样，Peloton 也从其数据驱动的服务中创造了新的收入，但将其产品扩展到了数字平台。对于工业时代的传统公司，对于以价值链驱动的商业模式运营、在数字平台方面经验不足的公司来说，这一层数字转型是最具挑战性的。
数字价值驱动因素
要正确思考这四个层次的转型，第一步是认识到现代数字技术具有两个显著的价值驱动因素：数据在其新的扩展角色中，以及新兴的数字生态系统。下面我们依次简单探讨它们。
数据过去是偶发性的(由离散事件(如从供应商中装运组件)生成)，但日益成为交互式(传感器和物联网不断生成以跟踪信息)。这种对资产及其运营参数的持续跟踪可以提高生产率。
举个例子，如果使用传感器跟踪和保持温度水平，可以提高您的质量和产量。如果您将传感器嵌入某些产品中，则可以彻底改变用户体验。想想智能床垫如何跟踪用户的心率、呼吸模式和身体运动，然后实时调整其形状以改善用户的睡眠。或者嵌入在汽车中的传感器如何提供反馈，帮助人们更仔细地驾驶。
更根本的是，这种交互性会逆转产品和数据的作用。数据传统上支持产品，但是，越来越多的产品现在支持数据。产品不再只是提供功能、帮助建立品牌或创造收入：它们现在也充当交互式数据的渠道，以及新客户体验的泉泉。
为了利用交互式数据的新扩展角色，公司还需要数据生成器和接收者网络。此类网络可以来自传感器和支持物联网的连接，相当于数字生态系统。
此时出现了两种主要的数字生态系统，在数据和数字连接的现代进步之前，这两种生态系统都不存在。一种是生产生态系统，它包括价值链中的数字联系。例如，通过将汽车的传感器和物联网数据与备件供应商、仓库和服务经销商联系起来，汽车公司可以提供预测性维护服务。另一种是消费生态系统，它涉及公司价值链之外的网络。考虑路灯上的智能灯泡，这些灯泡旨在感知枪声：它们的消费生态系统包括摄像头馈送网络、911 操作员和救护车，所有这些都有助于改善街道安全。
生产和消费生态系统都利用交互式数据，推动着新的价值。
评估你的公司合适级别是什么?
要确定最佳的数字转换策略，请评估您需要参与上述数字中四个层次中的每一个层次，然后专注于有助于利用交互式数据和数字生态系统优势的投资。
第一层是必须的，因为大多数公司可以从运营效率中获益。绝大多数数字化转型计划都发生在这一层，如果运营效率是公司战略重点的重要组成部分，这一点尤为重要。例如，石油和天然气企业经营着需要数十亿美元投资的油井、管道和炼油厂。如果这些公司决定使用物联网设备和人工智能来寻找储备，并维护管道和炼油厂资产，他们可以节省高达 60% 的运营成本。此层的主要挑战包括在资产利用中安装广泛的交互式数据生成，以及围绕数据共享打破孤岛。
对于销售具有从用户访问交互式数据潜力的产品的公司来说，第二层势在必行，这些互动数据可以利用这一优势，超越第一层的可用优势。如果可用的产品-用户交互式数据不适合创收服务，则第二层将成为最后一站。许多消费者包装的商品属于这一类。在此类业务中，互动数据的主要用途是提高广告或产品开发效率。
第三层是针对那些认识到自己可以从产品和价值链中生成数据驱动服务的公司。这些公司必须丰富其生产生态系统，以扩大其战略优势，从运营效率到新的数据驱动服务。
在这个层次上，公司跨越了一个重要的障碍：他们不仅将数据用于提高运营效率，而且将其用于创收。如果你的公司无法建立消费生态系统，则第三层是最后一站。例如，传感器和配备 AI 的洗碗机可以预测组件故障以提供预测服务，但它们很难以数字方式连接到互补对象并扩展到数字平台。这就是说，许多公司错失了这一层的机会。他们忽视了产品的消费生态系统，或者认为将产品扩展到数字平台的风险太大。佩洛顿和北欧赛道的许多对手都落入了这个陷阱。
最后，对于任何产品具有新兴消费生态系统的公司来说，第四层具有重要的战略意义。在这种情况下，留在生产生态系统中的公司有被商品化的风险。将产品扩展到数字平台是他们面临的主要挑战。
当然，并不是每家公司都希望或能够对本文中讨论的所有四个层次进行转换。有些人可能选择只关注一个或几个，但每家公司都必须保持对新可能性的扩展的意识。机会比比皆是，基于此处所提供的框架的深思熟虑的数字转型战略将帮助公司保持在现代世界中的相关性。
