数字化转型首先是认知的转型

目前，我司持续发力的汽车零售过程数字化产品已经有了不少长期使用的客户。9月初，我们对比产品使用效果，我看到一个非常有趣的现象，总结起来就是：同样的产品在同一品牌、相近规模的店，其使用结果竟然差别巨大。

我们有一款基于智能文本和语音分析，集成了AI外呼、云外呼和智能文本客服的产品，有一家店通过这款产品在一个月内实现了136组流失用户的邀约进站（进店时间已经预约且部分支付了现金锁定工位和备件），按照单车进店产值1500元测算，锁住的产值就达到20万元，这还不算工位预约和备件计划带来的效率提升和成本节省。

而同样的工具在其他一些店则表现平平，除了减少了个别员工的工作量，在新工具使用后，产出并没有显著的变化。

事实上，这些能够产生巨大价值的店，在使用智能产品的时候做出的三个动作尤为关键：第一个是人机耦合的语音录音及基本外呼话术的定制；第二个是工作报表每日分析改进到每个使用者监测并持续迭代；第三个是进行报表分析之后，会每周开展一次与店、集团高管的沟通和复盘。

这三个动作难吗？不难，这三个事也是我们在产品使用指导的时候反复强调要去做的事，属于基本操作。然而，并非每家店都能够真正认识到这些技术本身以外的事情的价值。

我把我司的产品叫技术，经销商的操作也可以算是技术，而能不能站在如何用好这个工具，站在以用户为中心的角度去推进这个事，并且将新的变化行为进行监测及持续改善，这个我称之为“认知”。

我们也帮助多个汽车企业创建大数据平台，大部分客户在大数据平台搭建过程中，所遭遇的最大的“坑”就是数据治理。在多个系统的数据拉通中，项目组专家发现每个系统底层数据表结构不同、字段不同、字段的名字不同、字段的定义不同，一张大宽表能扩大到100多个字段。

数据多，导致系统进来之后就算ETL（即Extract-Transform-Load，是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程）已经到了极致，最终的大宽表填充是坑坑洼洼，数据质量仍然不高。

此事也有特例。我们有一家客户的系统数据结构非常清晰，主数据定义清晰，人车关系清晰，数据汇集非常清楚，所有客户信息都来源于一套主系统，每个客户ID都被唯一定义，其他系统客户出现的时候都能跟进底层ID和数据信息共享。

所以，在他们看来，数据治理是不大需要的，需要的是基于数据的应用架构设计，而架构设计以应用为导向的逻辑在IT中心已经有初步设计。他们说，我们顶层设计得还算比较早，这让我眼前一亮。

数据治理是一种技术，数据治理的方法论、ETL技术、各种数据抽取治理逻辑都是技术。而在业务规划方面，从业务规划到系统规划的统一，以及数据规划则是认知，如果顶层设计到位，技术将是水到渠成的事。

再看新势力最近的新闻，最热的应该就是理想了。李想除了在公开场合口吐三个“TMD”，自己还发朋友圈说国内新势力在“比智能、比续航、比性价，都赢了特斯拉，但是加起来的销量总和几乎只能赶上特斯拉”，并且一边说我们都不知道特斯拉怎么赢的，一边又暗示“特斯拉赢的原因在这些前面”不是很体面……

我本人不确定他这个“不体面”说的是什么意思，但是按照李想的逻辑，特斯拉不是赢在技术上。这一点我倒是非常的认同。那特斯拉赢在哪里？如果技术流派的李想能有营销底层能力，能清楚产品设计的灵魂来自于品牌，品牌的内核是价值观的话，他应该知道特斯拉的赢，是赢在其品牌定位根本不是纯电汽车，而是“时尚潮流的科技产品”，其背后是创始人和特斯拉的价值观，一种极客价值观，一种拯救人类移民火星的价值观。

国内哪一个新势力具备“时尚科技潮流产品”的品牌定位？具备特斯拉的价值观？人是认知动物，消费者也是认知驱动。

电动汽车续航、配置、智能、供应链成本和车价，这些都是技术，而品牌定位和价值观导向的品牌设计，则是认知。很显然，在认知面前，技术显得比较廉价，或者用李想的话说，技术遇到认知和价值观时，便遭受到“灭顶之灾”。

三件事连起来看，AI产品技术都一样，差别在于有没有想清楚怎么用。数据治理这种技术在顶层业务系统架构主数据认知到位的情况下基本不存在大的需求，特斯拉在技术上都输了，但是在品牌和价值观这个消费者认知层面则秒杀其他新势力。因此，未来由认知决定而不是技术本身。技术也是认知驱动，首先是人类想要什么，才会有什么。

文章来源：《数字化用户》 网址: http://www.szhyhbjb.cn/zonghexinwen/2020/0912/691.html

上一篇：吴俊：从“数字化防疫”到“数字化防汛”，湖
下一篇：Infosys中国助力深圳水务集团获得2020 IDC中国数字