企業進行標竿管理,軟體廠商來幫忙

How B2B Software Vendors Can Help Their Customers Benchmark
湯瑪斯.戴文波特 Thomas H. Davenport , 貝瑞.李伯特 Barry Libert , 梅肯.貝克 Megan Beck
瀏覽人數:1536
「軟體即服務」供應商可提供「資料鏡像」給他們的顧客。

若想了解哪些組織在任何特定面向上表現得最好,過去需要進行主觀的意見調查,或是耗費很大心力做研究。今天,回答這些問題的資料已經存在:軟體即服務(software-as-a-service, SaaS)供應商已收集這些資料,企業客戶使用它們的服務來經營業務。主流軟體公司開始向顧客提供「資料鏡像」(data mirror;編按:指即時備份所有資料),可用來針對顧客的策略進行評分和標竿比較。我們已經看到,可使用外部資料來評估公司採用的商業模式,以及這些商業模式對公司的估值有什麼影響。這些分析依賴公開可用的資料來源,但軟體供應商已累積愈來愈多私人資料,有關它們顧客的技術、營運、人員和策略的幾乎每個層面的資料。現在該是時候,讓累積這些資料的業者開始回過頭來與創造這些資料的所有業者分享見解,而且已經有幾家公司開始這麼做。

最有可能擁有這類資料的軟體公司,是採取訂用SaaS模式提供交易功能給顧客的公司。例如,思愛普(SAP)有多種交易領域的資料,從顧客訂單到休假餘額都有。它的事業單位之一Fieldglass,提供有關外部勞動力管理的見解與標竿比較基準給顧客。居於領導地位的薪資功能供應商ADP,讓顧客使用它的DataCloud工具來與其他公司做比較,不只比較員工薪資,也比較其他指標,像是他們的平均在職期間、流失率、投入退休帳戶的金額和退休年齡等。Neustar的MarketShare軟體,讓顧客衡量他們行銷計畫的效果,並和其他公司比較。甚至也可以讓個別的技術使用者使用資料鏡像。例如,微軟有個名為MyAnalytics的程式,可以讓使用它Office生產力軟體的顧客,知道自己花了多少時間在各項任務上,以及他們的通訊人脈網絡規模有多大、強度有多高。

在企業界出現資料鏡像和評分的同時,資本市場對其它替代資料集的分析也愈來愈感興趣。像是避險基金之類的活躍投資人,尋求超越市場和指數供應商的表現。股價指數巨擘標準普爾(S&P)收購以人工智慧為基礎的專業分析公司Kensho,就只是基於一個原因:加強利用人工智慧,以改善投資決策,並使用多樣化的資料來做那些決策(Kensho不只使用原始財務資料,還使用來自各種「替代」來源的資料)。

開發資料鏡像與評分工具的軟體公司和其他公司,可以用極低的邊際成本 零成本,提高營收和獲利,做法是建立可投資的指數,讓它們獨特的見解和資料,與投資報酬產生關聯。它們做這些事情時,可以透過資本市場與各交易所和評等公司結成伙伴關係,展開行銷活動和創造營收。

我們相信軟體公司有更多機會採用這種方法,也就是收集資料、將資料與想要的結果產生關聯,並把這些資料回饋給顧客使用。例如,Salesforce.com可以讓它的顧客評估自身逐步推動潛在顧客成為實際顧客的能力。財務及人資管理軟體供應商Workday提供的勞動力分析和標竿比較資料,比ADP或思愛普Fieldglass更加詳細。甲骨文(Oracle)可以讓企業了解,自家公司發出採購訂單的平均成本或平均應付帳款,與其他公司相較的表現如何。

讓某家公司比較自家公司和其他公司在特定屬性上的表現,固然很有價值,但用資料來創造價值的一個更大的機會,是把顧客和同行在廣泛的職能或流程上的表現做比較,然後根據比較結果的資料與分析,來為顧客評分,並提供一些方法,供顧客改善營運活動和改造組織,成為數位化領導業者。FICO分數就是絕佳的例子;這家公司把消費者複雜的信用紀錄,簡化成一個三位數的分數,債權人和債務人都能理解這個數字。例如你可以想像:所有製造商都有一個供應鏈效率分數,或是所有公司都有一個領導力發展分數。這讓領導人有動機去改善他們的分數,也讓資本市場更能好好判斷他們所投資公司的能力。幾十年來人們一直在討論,如果有廣泛的非財務績效衡量指標,可用於評估公司,會是很具吸引力的一件事,可惜這件事不曾實現—雖然有愈來愈多這類資產和優先要務,不太理想地使用一般公認會計原則(GAAP)來衡量。

當然,軟體公司必須採取幾個步驟,才可能提供資料鏡像。以下是一些關鍵考量事項:

■ 務必確保你的公司擁有這些資料,或是獲准使用它們。許多軟體授權協議已允許使用這種資料進行分析和比較,但並不是所有協議都如此。

■ 匯總並使用資料,和其他的顧客做比較(或是至少與平均值比較),好讓你的顧客和潛在顧客知道他們所在位置(類似Strava.com或RunKeeper的跑步和騎自行車排行榜)。

■ 軟體公司可能希望只以匿名的形式顯示資料,以保護顧客的機密。這當然會降低資料的價值,並阻礙把它化為金錢的能力。如果某家公司試著提供價值給投資人,匿名是起不了作用的;但軟體公司可能會發現,要顧客同意揭露名稱,是很大的挑戰。在這種情況下,應使用可以公開取得的外部資料,用於評分和排名。

■ 公司可能需要人工智慧方面的一些能力,才能使資料鏡像發揮作用,尤其若是分數或指數和財務績效有關。若要從一堆資料當中產生一組預測分數,機器學習是理想的技術。其他人工智慧技術也可用於從交易系統當中擷取資料,或是分析和量化文字資料。

■ Credit.com之類的公司針對如何提高信用分數,提供個人化的建議,同樣地,企業也需要規範性分析和建議,以了解如何提高它們被評估的任何項目的分數。機器學習和自然語言生成,可提供這種建議;就像目前它們在摩根士丹利(Morgan Stanley)等公司提供投資建議那樣。

我們曾經研究、撰寫和提供諮詢的幾乎所有公司,都處於這個運動的早期階段,並正逐漸取得發展動能。那些公司日益理解,為顧客的營運和資源進行排名與優化,並提供低接觸(low touch)的建議,這麼做有什麼潛在價值。我們把這種現象稱為企業機器人顧問(corporate robo-adviser),而且看到它們一直在增加。但是,軟體公司可能比其他任何類型的公司,站在更好的位置可以提供這種服務。

這種資料優先的方法,顯然開啟了許多不同的議題,包括資料所有權及隱私、產品相對於服務、資料的解讀,金錢化策略和平台獨占力量等議題。但我們預期資料鏡像構建者,以及他們正在打造的評分系統,會改變眾多的產業、流程與職能。現在有這麼多的內部和外部資料可用,因此無可避免的一個趨勢就是,至少其中一些資料,將會用來評估商務企業當前和未來的成長及繁榮程度。

(羅耀宗譯)



湯瑪斯.戴文波特

湯瑪斯.戴文波特 Thomas H. Davenport

貝伯森學院(Babson College)管理與資訊科技校聘傑出教授、麻省理工學院數位經濟計畫(MIT Initiative on the Digital Economy)研究員、德勤分析(Deloitte Analytics)資深顧問。他著有十幾本管理書籍,新作是《下一個工作在這裡》(Only Humans Need Apply: Winners and Losers in the Age of Smart Machines)。


貝瑞.李伯特

貝瑞.李伯特 Barry Libert

董事與執行長顧問,專精領域是平台和網路。他是機器學習新創公司「開放事務」(Open Matters)董事長,與人合著《網路生存法則》(The Network Imperative: How to Survive and Grow in the Age of Digital Business Models)。


梅肯.貝克

梅肯.貝克 Megan Beck

開放事務公司產品與見解長,也是華頓商學院SEI中心數位研究員,與人合著《網路生存法則》。


本篇文章主題市場研究