在看年终述职或者是方案评审的资料时,都可以看到几个技术自驱的项目,在收益这个环节写的是“降本增效”。
以前我也会这么想,技术自驱的收益一般都是降本增效,但现在想法变了,会想:软件系统的优化、迭代、升级究竟是在降本还是在增效呢?
先说结论,我认为是降本。
以全局思维来看的话,增效更多的是在产品流程层面去做。
提效在于产品流程我们可以发现很多在效率提升上有非常大收益的事情都是在产品流程 *** 作上优化的。
比如一些ToB产品,原有流程非常长,涉及到企业内部各个事业部系统的串联,再复杂一些的场景涉及到外部三方企业的协作。
这种情况的提效一般可以分成三个阶段:标准化阶段、线上化阶段、智能化阶段。
标准化阶段首先要做跨团队、职能、内外部企业协作方式上的标准化,这种标准化涉及到了SOP、流程标准化、数据协议标准化、关键内容信息标准化等一些需要衔接、协作、团队、交互的生产要素的标准化。
只有生产要素标准化了,大家才能在一个话语体系下、认知概念下进行统一无歧义的 *** 作,有了标准数据也可以做更多的监控与指标管理,一切才能进入正轨。
这里整体的提效收益是在业务流程上对各个生产要素做了标准化带来的。
线上化阶段当有了标准化的协作、交付流程之后,借助标准化的数据信息采集,我们就可以尝试去做指标管理了。
套用彼得德鲁克的经典管理方法论:没有量化,就没有管理。我们接下来就需要做一系列的线上化。
线上化简单来说就是将原有协作的标准化线下流程搬到线上,建立多个管理系统、流转系统、配置系统、 *** 作平台。且在此过程中,对多个业务体系、服务流程、流转节点做必要的数据埋点与采集,有了可视化的数据指标,就可以针对性的做个性化业务流程的优化了。
比如有的流程较为复杂、流程涉及方较多、信息处理较长,那么它适合较为精细化的流程节点串联。而有些业务场景信息较少、衔接方较多、信息较为规整,那么他可以将通用流程中的多个流程节点进行合并,通过收缩流程链路长度提高流转与完结效率。
这个阶段的提效收益来源于线上化之后的量化管理带来的,同时线上化将多个原有人工 *** 作流程,借助系统与工具方式进行承接,大大提高了人工效率。
智能化阶段智能化阶段某种程度是线上化阶段的延续。
线上化是对原有线下人员标准化的协作流程搬迁到了线上,解决原有如线下快递、打印交付票据慢、易出错的问题,提升了整体流程的效率。
当业务进一步发展,系统沉淀了更多有价值的数据。这个阶段就可以引入AI能力,通过对人员习惯、信息识别等多角度画像分析之后进一步提效了。
将原有标准化信息人工系统 *** 作的流程,通过ai识别、完善信息、自动化驱动。比如电商退款/退货流程,原来需要多个系统点击,现在借助ai识别用户画像,可以系统自动完成退款至用户钱包,安排快递小哥上面取货等一系列动作。
这个阶段的提效在于完善且丰富的标签、数据、画像信息,给不同等级、不同信誉用户提供个性化服务,进一步提升人员 *** 作效率,提高企业服务用户体验。
技术收益在于降本我们知道了要想提效,更多是需要在产品流程层面做一些动作。
所以技术能做的更多是在降本,也就是让上面一系列的提效动作低成本的实现。
对应标准化阶段,我们需要借助我们对于 *** 作系统的理解,或是成熟的商业模式的理解,建立各种协作流程、协作方式、管理指标,考验的是一种通用力,就是发现问题本质并精准定义问题的能力,背后某种程度也是计算机思维,只不过他没有体现在具体的系统与编码当中。
对应线上化阶段,我们技术的主要价值在于合理的流程抽象与业务建模,让一切线下流程可以低成本的迁移到线上。看得见的业务流程要清晰、简单,看不见的非功能性需求同样需要考虑,比如并发能力、权限控制、数据治理、安全整治等。
这一阶段是非常考验架构师能力的,不仅要将冰山之上的能力进行合理化、简单化、抽象标准化,还需要深度挖掘不同业务线上化之后的非功能性建设。某种程度需要积累非常多的行业经验,才可以防范于未然。
智能化阶段,可能更像标准化阶段一些,我们需要在看得见的线上化系统中找到进一步可以产生收益的点。需要具备一定的产品与运营思维,结合业务发展阶段特有的价值诉求进行权衡落地。考察的是人员发展关键问题、选择重要问题、通过项目管理手段落地拿结果的能力。
软件以消亡为结束一些架构师可以做好到需求标准化、系统线上化的事情,但更好的架构师需要进一步考虑功能/系统/流程的低成本消亡。也就是说大部分架构师只会建设系统,却不会考虑低成本迭代、甚至系统消亡的成本。
这也就引出了今天的标题所要阐述的内容:
软件的一切关乎成本,以消亡为结束
技术是服务于业务的,业务的变化是常态,系统的变化也就是常态。
每个阶段的系统定位都不会是这个系统的终局。所以好的架构师需要考虑系统全生命周期的成本,并建设相关预案。围绕与系统的需求分析、系统建模与建设、系统的维护、系统的下线消亡。
而这一切的背后都是计算机思维、技术能力的体现。
希望对你有用。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)