德勤管理咨詢：數智化賦能企業研發轉型

2022-05-30 17:41 6546

作者
德勤管理咨詢中國合伙人劉曉明
德勤(qin)管理咨(zi)詢中國顧問楊承霖博士(shi)

上海2022年5月30日 /美通社/ -- 數智化時代洶涌而來，弄潮兒們已經初嘗紅利：某跨境女裝電商，銷售額從2016年的約40億元人民幣攀升到2021年的近千億元，它爆發式增長的秘訣之一就是憑借智能算法實現了服裝潮流的精準洞察、敏捷生產和高分口碑營銷^[1],[2]；某"全球燈塔工廠"通過數字化工廠項目深入推廣數字化系統與人工智能技術，旗下產品上市時間縮短50%^[3]；此外，各類造車勢力紛紛布局L4自動駕駛，搶占千億美元級別新市場^[4]……

有一種觀點認為，數智化的核心價值是代替重復性的勞動，難以承擔企業業務鏈中創意性強的工作，但我們認為這類觀點是值得商榷的。在我們看來， 數智化的核心價值之一在于對企業創智型活動的賦能。從用戶需求趨勢預測到創意快速驗證，數智化應用具有巨大的價值前景。因此，盡管研發的復雜性高、不確定性大，數智化研發具有極大的潛力。迎向數智(zhi)化的研發(fa)潮流，企業(ye)亟需理解(jie)的是數智(zhi)化時(shi)代(dai)自身的研發(fa)規劃、數智(zhi)化的適用性(xing)，以及關鍵管理要素。

數智化時代企業研發的三階段演進趨勢

企業(ye)(ye)(ye)的(de)研發可以分成(cheng)三(san)種(zhong)模式：流程驅動(dong)、用(yong)戶驅動(dong)和(he)數(shu)據驅動(dong)。三(san)種(zhong)模式分別依托信息化(hua)和(he)數(shu)智化(hua)技術次第(di)發展。值(zhi)得(de)注(zhu)意(yi)的(de)是，一個(ge)企業(ye)(ye)(ye)基于(yu)其業(ye)(ye)(ye)務運營的(de)特點或技術的(de)成(cheng)熟度(du)，可能同時(shi)兼(jian)容幾種(zhong)研發模式的(de)特征(zheng)。

圖1. 研發分為流程(cheng)驅動(dong)、用戶(hu)驅動(dong)、數據驅動(dong)三種模式次第(di)發展（來源：德勤(qin)管理咨詢(xun)）

流程驅動研發：所能即所得

流程驅動模式在企業實踐已久。自21世紀以來，以IPD（Integrated Product Development，集成產品開發）為代表的研發流程體系已在中國企業中廣泛應用，成為研發體系優化時耳熟能詳的標桿。流程驅動的核心是以規范化、標準化的流程指引工程師完成所有研發相關工作。它(ta)打造了一個高(gao)度(du)結構化的(de)研(yan)發(fa)(fa)體(ti)系：通(tong)過有序、高(gao)效的(de)流程厘清多部(bu)門(men)跨團隊的(de)職責，定義(yi)研(yan)發(fa)(fa)里(li)(li)程碑(bei)(bei)并明確(que)每個里(li)(li)程碑(bei)(bei)的(de)考(kao)核內容(rong)與評(ping)審內容(rong)，從而(er)在(zai)流程框架下井(jing)然有序，節省因冗余的(de)、重復的(de)、不配合(he)的(de)、頻(pin)繁變更(geng)的(de)業務活動導致的(de)開發(fa)(fa)時間，更(geng)重要的(de)是在(zai)各里(li)(li)程碑(bei)(bei)把控研(yan)發(fa)(fa)進度(du)與成本，以支撐(cheng)業務規劃(hua)要求。

從其(qi)特(te)點(dian)來看(kan)，流程驅動有利于規(gui)范大(da)團隊跨領(ling)域的(de)(de)協(xie)作，適(shi)合大(da)規(gui)模商業化產(chan)品的(de)(de)開發(fa)(fa)，以(yi)及版本的(de)(de)穩定迭代。例(li)如，一(yi)個車型的(de)(de)開發(fa)(fa)升級，將基于貫(guan)通的(de)(de)、嚴(yan)密的(de)(de)流程體(ti)系統籌產(chan)品規(gui)劃、技(ji)術(shu)儲備、產(chan)品開發(fa)(fa)和(he)發(fa)(fa)布(bu)等研(yan)發(fa)(fa)環(huan)節(jie)，融(rong)合企業過去的(de)(de)經驗積累和(he)技(ji)術(shu)方案創新，并以(yi)產(chan)品為(wei)導(dao)向帶動規(gui)劃、研(yan)發(fa)(fa)、生(sheng)產(chan)乃至(zhi)市場(chang)、采購各(ge)部門的(de)(de)協(xie)同。

然而，流(liu)程(cheng)驅(qu)動模(mo)式存在兩個(ge)明(ming)顯的(de)(de)(de)(de)挑戰(zhan)。首先，聚焦(jiao)流(liu)程(cheng)的(de)(de)(de)(de)執行無(wu)疑會降低對客(ke)戶(hu)需求的(de)(de)(de)(de)敏感度(du)和響(xiang)應速度(du)。這樣的(de)(de)(de)(de)代價(jia)(jia)是，產品經歷(li)一個(ge)完整的(de)(de)(de)(de)開(kai)發(fa)周期(qi)后與(yu)起始(shi)的(de)(de)(de)(de)需求相差(cha)甚遠，或者開(kai)發(fa)流(liu)程(cheng)中客(ke)戶(hu)的(de)(de)(de)(de)需求發(fa)生重大的(de)(de)(de)(de)變(bian)(bian)化(hua)導致之(zhi)前的(de)(de)(de)(de)投入變(bian)(bian)成(cheng)沉沒成(cheng)本。其次，面向成(cheng)熟產品開(kai)發(fa)的(de)(de)(de)(de)流(liu)程(cheng)管理(li)難以定義(yi)創(chuang)新技(ji)術在早(zao)期(qi)研發(fa)的(de)(de)(de)(de)風險與(yu)價(jia)(jia)值，因此需要增加容錯的(de)(de)(de)(de)創(chuang)新鼓勵與(yu)技(ji)術變(bian)(bian)現機制。

用戶驅動研發：所需即所得

用戶驅動模式釋放了流程框架的靈活性，強調精準實現用戶需求。它的核心思想要求精準洞悉用戶的需求作為研發輸入，并將用戶需求植入到產品全生命周期管理的全鏈條。此(ci)外，研發(fa)(fa)不再(zai)封(feng)閉，企(qi)業(ye)(ye)以開放的(de)(de)姿態引(yin)入用(yong)戶以及其它(ta)行業(ye)(ye)相關者參與(yu)到在研產品的(de)(de)共(gong)創中。行業(ye)(ye)實(shi)踐表明，不僅To C的(de)(de)互聯(lian)網企(qi)業(ye)(ye)廣(guang)泛運用(yong)此(ci)類模(mo)式研發(fa)(fa)，To B的(de)(de)企(qi)業(ye)(ye)研發(fa)(fa)也有深度(du)融入用(yong)戶體驗(yan)的(de)(de)空間。很多汽(qi)車零部件供應商不再(zai)拘泥(ni)于傳統的(de)(de)定位，探索與(yu)主機廠(chang)聯(lian)合(he)開發(fa)(fa)智能網聯(lian)和電(dian)動出行新技術(shu)，或者共(gong)同承擔產品全生命周期維護(hu)與(yu)升級的(de)(de)職責(ze)，深度(du)融合(he)主機廠(chang)乃至終端(duan)消費者的(de)(de)定制化需求。

相(xiang)比流程驅(qu)(qu)動(dong)(dong)的標準化與(yu)嚴格分工，用戶驅(qu)(qu)動(dong)(dong)模式在管理上(shang)實現兩點(dian)創新：首(shou)先，流程和資(zi)源(yuan)配置留有(you)靈活(huo)調(diao)整的余量，產品開發得(de)以迅速響應用戶需求；其次，團隊目標始(shi)終圍繞用戶需求，這有(you)利(li)于企(qi)業高效和精準的配置資(zi)源(yuan)。

用戶驅動的關鍵意義在于明確用戶需求是研發工作的核心目標。越來越多實踐表明，為了真正做到用戶驅動，企業必須引入數智化技術，指引和支撐研發全過程的各個環節不偏離用戶需求。這要(yao)求研發管理掌握4個(ge)關鍵要(yao)素：

業務場景定義：企業應從業務場景的頂層設計出發，梳理業務的效益目標、數智化訴求，以及與數智化應用的契合點。某汽車企業以用戶共創開發為提升用戶體驗的著力點，搭建基于云架構的C2B研發協同平臺。其推出某車型定制化開發模式，用戶可參與60個節點的開發，從而滿足個性化需求⁵；
數據治理：進行數據規范化管理，包括明確數據對象、整理數據格式、進行數據分類、規范數據質量等步驟，使得數據能夠精準、透明地在研發業務鏈中傳遞，并以此構筑數據體系化、價值化的基礎；
基礎設施建設：推動數字化系統與工具的部署和集成。例如，一體化的研發協同管理平臺，通過集成需求管理軟件、數據平臺、仿真平臺、項目管理系統于一體，形成研發活動一體化，準確地分解和實現研發需求；
管理體系適配：研發管理的"軟環境"與數智化技術的"硬環境"應擰成一股繩，在管理中引入數智化技術，在業務效率提升的同時提升管理的效能。例如，流程管理引入RPA（Robotic process automation，機器人流程自動化）實現業務流程處理的自動化，大幅度減少研發團隊在財務、采購上花費的時間。基于數智化技術的革新，研發管理還可以將文檔的需求清單數字模型化，確保需求在整條業務鏈的準確傳遞。

然而，企業研發進行數智(zhi)化轉(zhuan)型并非都是一帆(fan)風順。一旦轉(zhuan)型缺少規劃，或(huo)者規劃與業務現實不(bu)相符時，數智(zhi)化轉(zhuan)型往往會產生"水土不(bu)服(fu)"的(de)現象，研發人員也習慣回到用(yong)老辦法解決問題。

這(zhe)種"水土(tu)不服"在(zai)成熟企業(ye)尤為常(chang)見。盡(jin)管(guan)成熟企業(ye)積(ji)累的(de)研發技術與管(guan)理經(jing)驗更(geng)(geng)多，但往往面(mian)臨更(geng)(geng)大的(de)變(bian)革阻力。相比之(zhi)下，初創(chuang)公司(si)彎道(dao)超車的(de)目標更(geng)(geng)明(ming)確(que)（形(xing)成顛覆(fu)性(xing)競爭優勢），包袱(fu)更(geng)(geng)小（沒有沉(chen)沒成本桎梏）。所以，初創(chuang)企業(ye)研發數智(zhi)化(hua)的(de)積(ji)極性(xing)更(geng)(geng)高，收益也更(geng)(geng)大。

而對成熟企業來說，管理者必須綜合考慮多方面意見：已有投入的沉沒成本、財務上的投資壓力、員工對新模式的接受程度，以及由人向機器轉移的知識的定價等。因(yin)此，成(cheng)熟(shu)企業適合通過階段性成(cheng)果獲得內(nei)部的支持，循序(xu)漸進地完(wan)成(cheng)數(shu)智化轉型的目標。

圖2. 不(bu)同類型企(qi)業數智化(hua)研(yan)發轉(zhuan)型優劣勢（來源：德(de)勤管理咨詢）

數據驅動研發：所想即所得

數智化技術正從單點應用向整個研發鏈條的賦能滲透：它為企業研發構建了一個由數據驅動的、高度自動化的研發模式。在這個研發藍圖下，企業將使用數智化技術實現技術趨勢預測、快速產品定義、快速原型驗證、真實世界驗證條件模擬、需求和質量一致性管理、風險自動預警等。例如，AI制藥企業利用AI模型預(yu)測潛在治療(liao)靶點(dian)、芯(xin)片行業開(kai)發融合設(she)計和仿真的研發元宇宙、食(shi)品(pin)行業開(kai)發預(yu)測消費者對配方(fang)反饋的美(mei)味感和購買的心理因素的技術加速配方(fang)驗證和商(shang)品(pin)化的速度(du)……

我們將這個未來的研發藍圖稱之為數據驅動模式。數據驅動的核心思想是基于數據和算法，降低對人員經驗和知識的依賴，將創意迅速、準確地轉化為成果。這一模(mo)式下，數(shu)智化(hua)系統廣泛應用在研發的(de)方(fang)方(fang)面面，讓專業人員聚(ju)焦在業務改進與決策上(shang)。

某些行業已經展示出數據驅動研發的廣闊前景。例如，AI賦能的研發藥品已經進入臨床檢驗階段，并已獲得資本市場的青睞。截至目前，全球已有10多家AI制藥公司成功上市^[6]。汽車從交通工具逐漸轉向智能交通網絡節點，要求產品開發圍繞生態系統、云集群、數據鏈路和萬物終端等數智化核心概念展開^[7]。因此，數據(ju)驅動模式并非空中(zhong)樓閣，可以(yi)認(ren)為，隨著創新驅動的企業(ye)戰略在中(zhong)國進(jin)一(yi)步(bu)推廣(guang)，未來(lai)會有(you)更多高科技制造企業(ye)向數據(ju)驅動研發轉型。

但是，即使是最樂觀的AI支持者也必須承認，數據驅動還需要很長的路才能全面實現對企業研發的變革。當前智能化研發落地的痛點很明顯：數據質量不高、算法效率低、商業模式不清晰、研發人員抵觸、研發倫理受到挑戰等等。我們認為，數據驅動模式成熟的標志，在于技術應用、運營模式、商業模型三類條件的可行性得到論證。

數智化為企業研發帶(dai)來的(de)(de)不(bu)僅僅是技術(shu)的(de)(de)進步(bu)，更重(zhong)要的(de)(de)是體系(xi)框架、管理(li)理(li)念的(de)(de)革新(xin)。站在現有研發體系(xi)的(de)(de)起點，結合對下一階段研發規劃(hua)，以(yi)及轉(zhuan)型路(lu)徑的(de)(de)認(ren)知，企業應最大程度(du)發揮數智化的(de)(de)價值，塑造創新(xin)驅動的(de)(de)競爭力，在新(xin)時(shi)代的(de)(de)浪潮(chao)中屹立不(bu)倒，生生不(bu)息。

尾注