![cover](https://devpress.csdnimg.cn/f834d6db61624aa293ff9937076eaded.png)
如何借助低代码提升企业数字化成熟度?
本文内容来源:葡萄城社区微信公众号 导读:量化管理,提升企业数字化成熟度 在数字化技术的快速发展下,经过多年的发展,大部分企事业单位已经拥有了若干可用的数字化系统。这些系统是根据各个部门和团队的需求开发而成,为其业务发展提供了支持。然而,由于这些系统开发的时间和背景不同,存在着数据不统一、流程不贯通等问题。部分业务仍然脱离信息化系统,导致数据统计不及时、不准确、不全面,无法通过数据分析来为管理层决
本文内容来源:葡萄城社区微信公众号
导读:量化管理,提升企业数字化成熟度
在数字化技术的快速发展下,经过多年的发展,大部分企事业单位已经拥有了若干可用的数字化系统。这些系统是根据各个部门和团队的需求开发而成,为其业务发展提供了支持。然而,由于这些系统开发的时间和背景不同,存在着数据不统一、流程不贯通等问题。部分业务仍然脱离信息化系统,导致数据统计不及时、不准确、不全面,无法通过数据分析来为管理层决策提供有效支持。
因此,企业在数字化成熟度方面仍有提升的空间。为了快速解决上述问题并加速数字化进程,引入低代码技术成为一种理想选择。低代码技术能够快速构建应用程序,简化开发流程,减少依赖开发人员的工作量。通过引入低代码技术,企业可以更快地实现系统集成、数据统一和流程优化,从而提升整体的数字化成熟度,为企业的发展打下坚实基础。
什么是企业数字化成熟度
"成熟度"是一个管理学概念,最初指的是研究对象(企业或个人)在某个方面的熟练程度,随后引申为研究对象与其完美状态的相对值。成熟度的核心含义包括两个方面:一是确定完美状态,或基于当前认知的相对完美状态;二是确定对象的状态,并衡量其与完美状态之间的差距。为了方便持续评估,成熟度通常使用百分比或等级来度量。
如何衡量企业数字化成熟度
目前,有两种主要体系用于衡量企业的数字化成熟度。一种是以数据管理为核心的数据管理能力模型,例如CMMI(Capability Maturity Model Integration) 组织提出的CMMI数据管理成熟度模型(CMMI-DMM),国内对应的是 DCMM《GB/T36073-2018数据管理能力成熟度评估模型》。另一种是专注于企业软件开发与运维的信息化能力模型,例如 Gartner 提出的《企业信息化管理成熟度评估模型》(EIMM)。这些模型可帮助企业评估其数字化成熟度,并提供指导和框架,以便于企业在数字化转型过程中实现持续的进步和改善。
这两种成熟度模型都可以追溯到能力成熟度评估(Capability Maturity Assessment),这是基于能力成熟度模型(Capability Maturity Model)框架的一种能力提升方案。它描述了特定领域的能力从初始状态发展到最优化的过程。CMA的概念最初源于美国国防部为评估软件承包商而建立的标准,并在1980年代发展起来。卡内基梅隆大学软件工程研究所发布了软件能力成熟度模型,该方法论迅速引起了软件和企业信息化行业的广泛关注,并逐渐衍生出各个领域的评估模型。
在使用任何企业数字化成熟度评估模型之前,需要注意以下几点:
- 成熟度评估需要进行计划。为了确保可行的结果,应在计划中预留时间来准备材料和评估结果,并确保评估在规定的短时间内完成。
- 评估的目的是揭示当前的优势和改进机会,而不是解决问题。
- 评估是通过与业务、数据管理和信息技术参与者征求意见的方式进行的,旨在基于证据达成共识,支持当前状态的能力。这些证据可以来自对组件的检查(例如数据库备份的存在与否)、访谈(确认某人正在执行评估系统以供重用)或两者兼而有之。
- 评估模型可以根据组织的需要进行扩展,但在进行修改时需要小心谨慎。如果对模型进行剪裁或修改,可能会导致模型失去原有的严谨性或可追溯性。
企业数字化成熟度评估步骤
以 CMMI-DMM 为例,国际数据管理协会(DAMA)推荐的成熟度评估方案可分为五个主要步骤。 EIMM 与之类似,可以进行简单类比:
- 规划评估活动是 CMMI-DMM 评估过程中的重要步骤,确保评估有序高效进行。在规划阶段,需要明确评估的目标、范围、交互方法和执行计划。此外,除了向上级报告并争取高层支持,还需要在企业内部进行充分沟通。
- 执行成熟度评估包括自我评估和主任评估两个阶段。首先,在组织内部进行自我评估,识别数据管理过程中的优势和改进机会,收集初步数据和信息。然后,邀请 CMMI 主任或符合要求的评估人员进行外部评估。主任将基于 CMMI-DMM 标准评估组织的数据管理能力,并提供评估报告。此外,还需要收集所有评估数据,如数据质量、数据安全、数据使用效率等指标,并进行深入分析。
- 解释结果和提供建议是评估完成后的关键步骤,需要团队和领导层共同评估结果,并达成关于现状和发展目标的共识。在沟通中,确保评估结果报告包含以下重要信息:总体评估结果、按主题分类的评估结果和主要差距、弥补差距的简易方法以及这些方法的风险等。此外,为了加快后续工作的展开,评估结果报告还应包含评估过程中发现的相关优势、企业现有资源的分析和未来的利用等正面评价的建议。
- 制定有针对性的改进计划是推动后续改进工作成功的关键,需要在管理层达成共识的基础上制定改进计划和路线图。该计划应包括针对特定主题的改进方案,并制定相关计划和时间表。在这一步骤中,通常涉及规范和制度建设,以及采购和实施软件工具。随着低代码技术的普及,定制化软件方案逐渐成为首选,其优势涵盖了制度落地和工具匹配两个方面。
- 重新评估成熟度是确保成熟度持续提升而不退步的重要环节。DAMA 认为成熟度评估的终点是下一轮评估。为了实现持续改进,需要定期进行重新评估,形成一个循环往复的过程。
在实际操作中,企业可以根据所在行业和自身发展阶段选择适合的评估模型,并与专业咨询公司合作完成评估工作(如果企业内部缺乏相关专业人员,引入外部力量是更可行的方案)。评估完成后,企业可以以评估结果和改进计划为基础制定长期的提升计划,并以此为动力,利用低代码技术高效地进行企业软件开发、维护、更新和整合。实际上,这也是许多大型企业信息化部门推动低代码转型的核心驱动力。
特征 | CMMI-DMM | EIMM |
---|---|---|
提出者 | CMMI研究所 | Gartner |
评估侧重点 | 数据管理 | 信息化建设 |
评估细则 | 较全面 | 较简略 |
评估牵头人 | 数据管理办公室 | CIO |
业务团队参与 | 深度参与 | 参与较少 |
单次评估投入 | 较大 | 较小 |
推荐行业 | 合规性要求高的金融、卫生、公共管理等 | 行业竞争较激烈的制造业、批发零售业等 |
国家标准 | 有 | 无 |
(表:企业数字化领域两种成熟度模型对比)
低代码提升数据管理能力成熟度
对于金融、卫生、公共管理等合规性要求较高的企事业单位,或是对数据管理要求高的烟草、能源等央国企,推荐采用数据管理能力成熟度模型。如果有条件的话,可以优先选择具有国家标准的 DCMM 模型,以实现贯标和数字化转型升级的有机结合,助力企业在这一领域取得更显著的成果。
(图:DCMM的能力与和过程域)
DCMM模型将数据管理能力成熟度划分为五个等级,从低到高依次为初始级(1级)、受管理级(2级)、稳健级(3级)、量化管理级(4级)和优化级(5级):
- 初始级:被评估的组织还没有意识到数据的价值,数据管理主要在项目级体现,没有统一的管理流程,主要是面向特定问题的被动式管理。
- 受管理级:组织已意识到数据是资产,根据管理策略的要求制定了管理流程,制定了相关人员进行初步管理。
- 稳健级:数据已被当做实现组织绩效目标的重要资产,在组织层面制定了系列的标准化管理流程,促进数据管理的规范化。
- 量化管理级:数据被认为是获取竞争优錨琴势的重要资源,数据管理的效率能量化分析和监控。
- 优化级:数据被认为是组织生存和发展的基础, 相关管理流程能实时优化, 能在行业内进行最佳实践分享。
这些不同等级代表了企业在数据管理和应用方面的成熟度水平。在提升每个等级时,都需要进行大量的定制化软件开发工作。而低代码技术在这个过程中将发挥重要作用,因为它能够有效地打通数据孤岛、提升数据质量,并在有限预算下展示其优势和价值。
初始级 -> 受管理级
在从初始级(1级)提升到受管理级(2级)的过程中,企业需要在多个方面加强工作,包括数据管理流程和规范、职责和角色、数据质量控制、策略和计划、管理能力、安全意识和持续改进等,以确保数据管理能力的稳步提升。这个阶段的提升工作范围广泛,除了管理流程和团队建设外,关键动作是通过建立数据清洗、验证和校验的手段来提高数据质量。
许多处于初始级的组织普遍存在使用Excel、Word进行数据填报和汇总的信息化场景,员工手工填写数据,然后提交给其他员工手工汇总。由于技术上无法实现数据验证和校验,如必填项目、数值范围和引用类型的精确匹配等,这些信息化系统存在较高的数据质量风险。在实践中,我们建议IT团队重点关注如何将在评估范围内优先级较高的Excel/Word场景升级为数据填报系统。
基于多年的观察和实践,我们认为这些场景之所以长期脱离软件系统,主要是因为它们通常具有快速变化的需求、高度定制化要求(如需兼容现有的类 Excel/Word 体验)和有限的预算投入等问题。采用编码开发的成本和迭代速度无法满足需求,而使用 OA 附带的表单或无代码工具,则很难与统一身份认证和主数据系统深度集成,无法控制数据孤岛现象,同时还存在数据安全风险。
因此,引入可以与现有系统深度集成的低代码开发平台,并在外部信息化服务商的支持下,由内部IT团队快速构建面向业务场景的各类数据填报应用是更具竞争力的解决方案。这些应用能够快速解决数据质量短板,减少数据错误和异常的风险。更重要的是,这种方案介于编码开发和表单工具之间,成本接近于后者,合规性和技术水平趋近于前者,非常适合初步接触DCMM且预算有限的企业。
(图:使用低代码开发的类Excel体验填报页面)
受管理级 -> 稳健级
从受管理级(2级)向稳健级(3级)提升时,被评估组织可以将关注的重点从数据的收集、整合与存储等基础工作切换到数据的应用上来,如数据应用的建设与优化,技术能力和人才的培养,以实现数据管理水平的持续改进和优化。
在这一阶段中,建议 IT 团队需要将重点放在数据管理自动化和数据应用定制化上,其中最典型就是数据中台建设。虽然数据中台并不直接对应DCMM的某一特定等级,但其功能和重要性将随着组织数据管理能力的提升而不断提升。通常来说,在稳健级及以上阶段,数据中台将发挥更为关键的作用,成为组织实现数据管理战略目标的重要工具。
在实际项目中,数据中台建设通常由专门的信息化服务商来完成,覆盖数据管理现状调查、方案设计、数据集成等工作,重点解决数据管理自动化的问题,为更多高级的数据应用提供技术支撑,是数据管理成熟度提升的重中之重。
然而数据中台建设并不是一件单纯的“技术问题”。一方面,数据中台建设周期长、建设费用高、需要持续投入才能充分发挥价值;另一方面,数据中台的性质是信息化基础设施,相比于 ERP、OA 等大型软件和上一阶段中构建的大量定制化数据填报应用,数据中台几乎不会提供面向业务用户的界面,业务团队对数据中台的感知度偏低。
如何向领导层展示数据中台的中短期价值,是 IT 团队甚至整个数据管理团队面对的重大挑战。此时,我们可以基于数据中台提供的主题数据,使用低代码平台构建一些数据展示和报表应用,将数据质量较好、整合的系统数量较多的主题呈现出来,比如制造和财务相结合的 BOM 综合查询与成本测算等。
这种应用不论是验证数据中台的实际效果,还是获得高层和平行协作同事的支持,这种做法都能起到有效的促进作用,为后续数据管理成熟度持续提升扫清内部障碍。
(图:使用低代码构建的数据集成展示大屏)
稳健级 -> 量化管理级
随着数据管理成熟度从稳健级(3级)向量化管理级(4级)提升,IT 团队在数据收集、使用、管理等领域都积累了一定的经验,低代码转型也随之顺利完成。此阶段的 IT 团队可以将低代码作为团队的首选开发工具或快速原型工具,主动发现和补齐业务部门中数据管理的短板,持续赋能企业转型升级。
在这一阶段,借助于数据管理的成熟度,IT 团队可以更加自主地利用低代码平台进行开发,快速实现业务需求。通过低代码的灵活性和高效性,IT 团队可以主动发现并解决业务部门在数据管理方面的短板,提供定制化的解决方案,推动企业持续升级和转型。
低代码成为IT团队首选开发工具或快速原型工具的选择,有助于加速业务部门的数字化转型,提高业务流程的效率和质量。通过快速构建和迭代,IT团队能够快速响应业务需求,并在数据管理方面提供更加稳定和可靠的解决方案。
随着数据管理成熟度的提升和低代码的广泛应用,IT团队在推动企业转型升级方面发挥了重要的作用。他们不仅仅是技术的提供者,更是业务部门的战略合作伙伴,通过持续赋能和创新,推动企业实现业务目标,提升竞争力。
低代码提升企业信息化管理成熟度
与专注于数据的 DCMM 不同, EIMM 更加聚焦于业务的数字化程度,或数字化系统对业务发展的支撑性。随着业务复杂度的增加和个性化程度的提高, EIMM 能够更直观地反映出企业的数字化水平。虽然 EIMM 的提出较早,但缺乏必要的实施细则、评估人员培训和认证体系,导致落地效果存在较大差异。行业主流观点认为, EIMM 属于指导性模型,更加灵活多变,可以适应不同规模和行业的差异化需求,以实现评估和提升组织数字化水平的目标。
EIMM 成熟度分级
EIMM 将成熟度分为 6 个等级,自低向高分别为无认知型(0级)、有认知型(1级)、被动响应型(2级)、积极主动型(3级)、管理型(4级)和高效型(5级)。处在各等级的组织,有如下典型特征。
- 无认知型:在这个级别中,领导层对信息管理的价值缺乏认识,员工几乎没有接触过数字化工具。整个组织的数字化体验非常有限,数据通常以纸质形式存在,导致决策效率低下且缺乏数据支持。这个等级的组织数量很少,主要是一些落后地区的传统企业,如采掘业、农业和餐饮服务业等。
- 有认知型:在这个级别中,领导层开始意识到信息管理的重要性,并尝试引入一些基础的数字化工具,如Excel、微信等,以及财务软件的总账模块。部分组织还引入无代码表单工具来完成简单的数据填报工作。然而,员工的数字化体验仍然有限,这些工具可能只被少数部门使用,缺乏统一的数字化战略和管理。大部分小微企业处于这个阶段,尤其是信息化基础设施和意识相对落后的内陆地区。
- 被动回应型:随着领导层对信息管理的投入增加,企业开始购买并使用更专业的数字化工具。员工开始享受到更流畅、高效的工作体验,如使用ERP系统进行订单处理或CRM系统来管理客户关系。然而,这些工具可能仍未能完全满足员工的数字化需求。大部分中小型企业处于这个阶段,部分传统行业的中大型企业也因各种原因停留在这个等级。根据我们的抽样调查,这个等级的企业数量最多。
- 积极主动型:在这个级别中,领导层积极推动信息管理的整合和标准化,通过数据集成平台或业务中台实现数据的统一管理和分析。员工能够享受到更便捷、智能的数字化体验,如通过自助服务门户获取实时数据报告,或使用移动应用进行远程工作。受益于多年的数字化建设积累,一些发达地区的中大型企业以及一些地方国企已经达到了这个等级。大部分企业正处于该等级。
- 已管理型:企业已经建立了完善的信息管理体系,数字化的深度和广度达到预期,并让领导层能够有足够的信心利用数据分析工具来指导决策,并推动业务创新。员工的数字化体验也得到了极大提升,他们能够享受到高度个性化、智能化的工作支持,如基于机器学习的智能推荐系统或自动化流程优化工具。该等级的企业较少,主要集中在一些效益较好、数字化投入较大的国有企业和其他大型企业。
- 高效型:在这个级别中,领导层能够实时获取关键业务指标和预测性洞察,以指导战略决策。员工能够享受到无缝衔接、高效协同的数字化体验,如通过云原生应用实现快速迭代和部署,或使用AI助手进行智能任务分配和提醒。只有一些与互联网关系紧密的头部企业能够达到这个等级。
从IT团队的视角来看,不同级别的EIMM主要表现为组织内的软件以及软件开发模式的差异。这些差异更易于感知,也更有利于在企业管理层达成改善的方向与共识。以下为处在不同级别的制造企业在该领域的典型特征,其他行业因合规性等原因,特征会存在一定差异。
成熟度级别 | 级别描述 | 通常选择外购的平台型软件 | 定制化应用的开发方式 |
---|---|---|---|
无认知型 | 几乎没有信息管理意识 | 无平台型软件 | 无 |
有认知型 | 开始认识到信息管理重要性 | 财务管理软件、基础办公软件(如Excel)、无代码表单工具 | 以采购成品软件为主,几乎没有定制开发 |
被动回应型 | 采取更主动的信息管理策略 | 特定的企业管理软件(如CRM、ERP) | 通过二次开发响应业务部门需求为主,管理不规范 |
积极主动型 | 建立全面的信息管理体系 | 物联网平台、数据集成平台(数据中台)、数据仓库、多种应用开发平台 | 有全局规划,部分项目引入集成性开发模式和敏捷项目管理方法 |
已管理型 | 信息管理高度标准化和自动化 | 智能化数据分析工具(如ABI)、统一化应用运维平台 | 重视开发能力建设,引入DevOps模式,实现高度协同 |
高效型 | 实时数据分析,数据驱动决策 | AI技术 | 尝试适合本组织的创新型开发模式和管理实践 |
(表:EIMM各等级的软件和软件开发方式)
从上表可见,在提升EIMM的过程中,定制化软件的开发能力提升贯穿始终,尤其是从有认知型(1级)到被动响应型(2级)以及从积极主动型(3级)到管理型(4级),该项能力需要承担起至关重要的作用。
认知型 -> 被动响应型
企业的数字化建设是从有认知型开始的,在利用各种通用性软件实现了“无纸化办公”的基础上,我们通常会选择向下一个级别进军,把 EIMM 提升到被动响应型。在实际项目中,这一提升的主要驱动力主要来自两点:其一是互联网和移动互联网已经帮员工特别是年轻员工养成了一定的数字化习惯,让他们对企业的数字化频繁提出较高的诉求;其二是 Excel 等办公软件和无代码工具本身过于简单,仅能满足简单的数据增删改查场景,无法满足较为完整的数据校验、单据核对等业务需求,导致其很难支撑企业核心业务的稳定运营和持续改进,这通常低于管理层对数字化的预期。
当我们发现经过评估后发现自己的企业或我们的客户处在该阶段,在向被动回应型升级的过程中,应该从哪里入手呢?大部分企业在向被动回应型提升的时候会选择成品软件+二次开发的思路。处在该阶段的企业大多是新成立专职的 IT 团队,软件开发能力非常薄弱,所以,我们建议优先考虑采购成品软件,再根据业务团队的需求,针对高价值的场景展开小规模的二次开发,逐步实现对Excel和无代码表单的替代,引入系统做数据校验和关联,确保数据的实时性和准确性。
事实上,成品软件虽然采购费用远低于定制开发,但大概率可以满足中小型企业,尤其是制造企业中 80%以上的数字化需求。对于剩余的 20%需求场景,我们可以基于成品软件的数据和能力,采用二次开发的方式给成品软件做补充。此类二次开发项目有需求更明确、规模更小的特点,对团队开发能力的要求比传统的软件开发更低,与 IT 团队的能力和状态更匹配。
需要注意的是,此阶段引入的成品软件很可能在中远期(如 5-10 年)内被替换为更高集成度的定制化软件平台,综合考虑短期开发效率和长期可维护性要求,在二次开发时我们应优先建议选择“外挂式”而非“内嵌式”,在开发技术上应优先选择低代码开发而非编码开发。
(图:使用低代码基于ERP二次开发的预算执行查询模块)
在二次开发阶段,除了满足业务部门的需求,我们在界面设计时还应尽可能参考用户已有的使用习惯。例如,如果用户之前使用Excel,我们应该尽量使用带有"列头过滤"的表格来呈现数据查询结果,而不仅仅是简单的表格配合查询面板,并且要提供与Excel文件的导入和导出功能。如果用户之前使用Word,我们应该采用类似Word的固定布局填报体验,而不是互联网风格的表单。这种做法可以有效降低一线用户学习和适应定制化软件的时间成本,使整个企业的数字化升级体验更加顺畅,更快地获得更多业务部门的支持。
(图:使用低代码二次开发的类Word填报页面)
积极主动型 -> 管理型
相比于更关注开发成本和用户体验的从认知型到被动响应型的提升过程,将(EIMM)从积极主动型提升到管理型,需要将关注点切换到数字化的广度和深度,以"业务数字化"作为阶段性目标。
提升广度意味着数字化系统需要填补短板,覆盖到组织的各项业务,以全景数据支持企业业务决策。提升深度意味着覆盖各项业务的数字化系统都能够满足集成性、安全性、可靠性等企业级技术要求,避免数据孤岛和技术漏洞,为数字化建设的持续优化打下技术基础。
在评估过程中,我们需要在信息化管理体系的指导下,深入一线,梳理各个业务部门的流程,并逐一评估每个流程的信息化程度。针对数字化缺失、存在质量风险、孤立运行、体验老旧以及偏离使用需求的流程,将其列入建设清单,并分批进行补位开发或翻新改造。在这个过程中,我们应充分利用各应用开发平台的特点和优势,整合数据中台和物联网平台的能力,动员内外部力量确保项目的质量和进度。考虑到交付效率的优势,与数据中台集成的低代码开发应成为首选开发方式。
随着建设清单上未完成项目数量的减少,IT团队的应用开发能力也会显著提升。从开发资产库的沉淀与积累,到开发规范的建立与完善,再到项目管理最佳实践的普及,加上数据中台带来的规范化数据服务,IT团队对新业务需求的响应速度可以从以周和月为单位提升到天,使IT团队具备更强的响应能力。他们不仅可以快速应对业务团队提出的数字化建设需求,减少工作积压,还能积极参与调研,主动提出并实施数字化改进项目,持续提升业务团队的数字化体验,提高组织的数字化效率。
大量企业的实践证明,这种提升过程将有效提升IT团队在组织内部的影响力,让IT团队成为数字化转型升级的重要支持者。
总结
对于那些已经在业务和管理方面趋于成熟并持续投资数字化建设的企业而言,评估现状、寻找差距、快速提升成为了数字化建设过程中最典型的循环。在这个循环中,低代码技术可以在"快速提升"环节中显著改善投入产出比。因此,以提升数字化成熟度为基础,引入低代码技术并完成从编码开发向低代码开发的转型,能够同时满足管理层对数字化进程和技术转型的"可控性"要求,凝聚更多共识,迅速增加全员的数字化参与感和获得感。这种转型不仅能够加速企业的数字化进程,还能够为企业带来更高的效率和创新能力,助力企业在数字化时代中保持竞争优势。
对于葡萄城而言,这一转型将成为未来发展的重要战略。葡萄城将充分利用低代码技术的优势,不断提升数字化成熟度,实现业务和管理的卓越表现。通过持续的数字化投资和技术创新,葡萄城将不断满足客户需求,提供更高效、创新的解决方案,引领行业的发展潮流。
扩展链接:
更多推荐
所有评论(0)