內容導讀：

博世西門子（BSH）公司案例實踐與啟示

1. BSH在供應鏈管理中引入了外部數據源,包括Google趨勢、Oxford、GFK、Deb nomics、Amazon等,實現了自外而內(outside-in)的需求感知。

2. 通過計算需求的時間和數量變化,BSH發現只有50%的產品在SKU層面具有可預測性。引入機器學習等先進預測方法和外部數據,預測效果大幅提升。

3. BSH基于數百個外部指標,實現了自動化的月度需求預測。西班牙消費價格指數的案例揭示了指標與需求的領先/滯后相關性。

4. 德國、英國、土耳其等不同國家,價格、經濟、銷售、社交媒體等因素對需求的影響程度各異。BSH的預測模型在歐洲多國取得了接近人工計劃的良好效果。

5. BSH通過比較銷售和出貨量,發現存在顯著的牛鞭效應(放大系數2.08)。但在供應鏈上游,放大系數降為1.35,表明BSH內部運作在一定程度上緩解了波動放大。

6. BSH的需求預測項目正在全球范圍內推廣,受到不同部門的關注。但變革推進仍面臨觀念更新、流程固化等挑戰。需要管理層推動,全員參與。

Nestle公司案例探索與實踐

1. Nestle美國供應鏈分析師Margot和外部專家合作,選取新產品需求預測作為切入點,對outside-in方法進行了原型驗證。

2. 訂單和發貨數據存在大量噪音,與消費者需求的偏離在所難免。Walmart門店零售數據能更直接地反映需求,但之前未得到充分利用。

3. 通過流程mapping,Margot構建了需求流,識別出決策所需的關鍵數據在不同角色間的流動和時滯(latency)。外部數據可將時滯從2-6周縮短到近實時。

4. 通過采訪,Margot梳理出產品、銷售、財務、供應鏈等不同角色在新品上市過程中的決策視角和關鍵問題(question grid),并基于此開發了角色專屬可視化看板。

5. 新品上市初期,訂單數據往往高于真實零售數據,形成渠道庫存(channel inventory)。結合Nestle內部庫存,可判斷新品的實際市場表現,避免過度生產。

6. 模擬分析促銷活動(社交媒體、買一贈一)對整體財務指標的影響,為營銷決策提供了有力支持。同時將原材料約束等因素納入考量,促進部門協同。

7. Nestle開始將先進分析方法整合到日常運作中,包括引入Azure機器學習重構統計預測,并納入外部經濟、銷售等數據進行測試。變革正在三管齊下,循序漸進。

近年來,以大數據、人工智能為代表的數字化浪潮席卷全球,給企業的生產運作和供應鏈管理帶來了前所未有的機遇和挑戰。尤其是在快速消費品(Fast Moving Consumer Goods,簡稱FMCG)等行業,產品生命周期短、需求變化快、渠道復雜多變,傳統的供應鏈管理模式已難以為繼。越來越多的企業意識到,供應鏈的數字化轉型勢在必行,而如何通過數字化手段實現敏捷、精準、高效的需求感知和滿足,是決定企業供應鏈競爭力的關鍵。

在這樣的大背景下,兩家全球知名快消企業——德國博世-西門子家用電器公司(BSH)和瑞士雀巢公司(Nestle),近年來在需求預測和供應鏈管理領域進行了卓有成效的數字化探索和實踐,為行業樹立了標桿。她們從客戶和消費者需求出發,充分利用外部數據,優化端到端業務流程,重塑數字化人才隊伍,驅動了供應鏈管理理念、方法和工具的革命性變革,為企業插上了騰飛的翅膀。

BSH的數據科學家Barl Boya女士和Nestle的高級分析總監Margot Cohen女士,分別受邀在一次業界盛會上分享了兩家公司的典型案例和實踐心得。讓我們一起走進她們的分享,領略需求感知的革命、端到端流程再造的神奇,揭開快消供應鏈數字化轉型的神秘面紗,為更多有志于變革的企業提供思路和啟發。

需求感知的革命:博世西門子的outside-in實踐

為歐洲最大的家電制造商之一,BSH擁有博世、西門子、Gaggenau等著名品牌,產品涵蓋烹飪、烘焙、洗滌、制冷等領域,SKU多達1萬余個。面對家電行業需求多變、生命周期短、促銷頻繁等特點,BSH一直在努力尋求更加敏捷、精準的需求感知和預測方法。近年來,BSH供應鏈團隊啟動了outside-in需求管理項目,從外部數據和客戶洞察出發,利用機器學習等先進算法,重構了需求預測的理念和方法,取得了良好的成效。

Barl用一個生動的比喻闡明了BSH變革的初心。她將傳統的基于歷史數據的需求預測比作駕駛一輛"老爺車",車內只有后視鏡,看不到前方的路況、紅綠燈和標識。而outside-in的先進預測方法,則像駕駛一輛科技感十足的"智能車",車內顯示屏上實時呈現路況信息,可以智能規劃路徑。BSH選擇主動變革,正是希望從"望后鏡"式被動預測,轉向"儀表盤"式主動感知。

但變革之路充滿荊棘。BSH在對產品粒度的可預測性進行分析后發現,有50%的產品在SKU-倉庫層面的需求并不光滑,呈現出斷斷續續、起伏不定的間歇性(lumpy)特征。傳統的時間序列預測模型,很難準確把握這些產品的需求趨勢。而以往forecasting偏重于短期執行,忽視了對中長期市場趨勢的前瞻分析,難以對整體行業發展做出預判。此外,從下單到交付的時滯往往長達數周,等需求信號反映到供應鏈上游,需求走勢可能已經發生變化,預測結果與市場脫節在所難免。

BSH意識到,要跳出歷史數據的"瓶頸",必須拓展數據視野,納入影響市場需求的方方面面信息。通過外部合作,BSH獲取了Google搜索趨勢、競爭對手在主要零售商的銷售數據(GfK提供)、Oxford經濟預測、Deb nomics宏觀經濟數據等數百個外部指標,涵蓋了搜索熱度、競品表現、經濟形勢等多個維度。這些數據與BSH內部的BOM、訂貨、發貨等數據一起,成為了outside-in需求感知的"數據池"。BSH采用自動化的方式對不同粒度的外部數據進行匯總、清洗、整合,并與內部數據進行匹配,形成了統一的主數據視圖。這為后續縮短預測時滯、提升預測準確性奠定了堅實的數據基礎。

然而,單純地將外部數據引入還不夠,BSH還需要打破部門間的數據孤島,實現數據的橫向流動和業務協同。這需要銷售、市場、財務、供應鏈等部門坐到一起,建立一套統一的數據標準和語言體系,形成全流程、全渠道的市場洞察。BSH組織了跨部門的需求感知項目組,成員包括市場經理、銷售財務分析師、需求規劃員、大數據工程師等。項目組定期舉行研討會,收集各方觀點,并就數據的管理與應用達成一致。比如,銷售和市場部門從渠道零售數據和促銷計劃中提煉市場洞察,傳遞給供應鏈部門進行分析;財務部門則從盈利角度對需求預測提出約束性建議,并監控預測偏差對資金、庫存等的影響。大家群策群力,形成了全視角、立體化的市場需求圖景。

在數據層面打通后,BSH開始從宏觀(macro)到微觀(micro)分析需求影響因素及其作用機理。一方面,BSH將Google搜索指數、宏觀經濟指標等高頻數據作為領先指標,評估其與未來一段時間整體市場需求的相關性,以把握行業發展大勢。另一方面,BSH針對重點產品,分析其需求與具體的營銷活動、季節性、突發事件的微觀關聯,揭示需求的成因。西班牙市場的案例尤其值得一提。通過將BSH在西班牙的月度銷量與西班牙消費者價格指數進行交叉分析,BSH發現兩個時間序列存在顯著的負相關。這表明,消費品價格的上漲往往帶動家電等可選消費品需求的下降。進一步分析表明,價格指數領先銷量約2個月左右。這一發現為BSH提供了一個重要的領先指標,可用于提前預判需求變化,指導生產和庫存的提前規劃。BSH正是通過系統實施macro-micro相結合的洞察方法,構建了敏銳的"霍夫曼需求雷達",大幅提升了市場感知的廣度和深度。

在數據和流程打通的基礎上,BSH著手引入機器學習等先進算法,充分發掘外部數據的預測價值,突破傳統時間序列模型的瓶頸。由于產品層面50%的需求并不光滑,BSH先采用分類算法判別產品屬于光滑需求還是間歇性需求,進而分別采用合適的預測模型。對光滑需求的產品,BSH采用基于外部因素的回歸模型,充分考慮價格、促銷、季節性、搜索等因素對需求的影響。而對間歇需求的產品,BSH則創新性地采用了兩階段建模法:先用二元分類模型預測未來某個月份是否會有需求發生,再用多元回歸模型預測需求的具體數量。通過這種分而治之、因需施策的建模策略,BSH在不犧牲粒度的情況下,將SKU層面的可預測性從50%提升到了80%。值得一提的是,BSH通過云平臺實現了預測算法和模型的自動化構建、訓練、評估與部署,極大提升了預測效率。整個自動化預測流程可在4-5小時內完成,為業務部門提供近實時的決策支持,并可根據反饋持續優化和更新。

BSH在推廣outside-in預測實踐過程中,充分考慮了不同國家市場的差異性。通過熱度圖等可視化手段,BSH發現,影響德國市場需求的首要因素是價格,其次是社交媒體口碑等;而在土耳其,宏觀經濟因素的影響更為顯著;在英國,零售商的銷售數據則是需求的風向標。針對這些差異,BSH因地制宜地調整模型,納入當地的特色指標,體現了outside-in理念的延展性和普適性。目前,BSH已經在德國、英國、西班牙、土耳其等歐洲主要國家鋪開了outside-in需求預測,覆蓋了公司近2/3的銷售額。下一步,BSH計劃將該實踐推廣到美國、中國等海外市場,提升全球供應鏈管理水平。

經過近兩年的不懈努力,BSH的outside-in需求預測在各個關鍵指標上均取得了長足進步。總體而言,先進模型的預測準確率比傳統時間序列高出10-20個百分點,與人工計劃的差距縮小到5%以內。部分成熟市場如德國,預測的Forecast Value Add(FVA)甚至超過了人工計劃。更重要的是,新方法將需求預測時滯從1-2個月縮短到了2周以內,大幅提升了預測的時效性。結合提前1-3個月的"望遠鏡"分析,BSH得以對市場需求做出更加及時、準確、前瞻的判斷,并快速傳導到供應鏈各個環節。從下單到交付的周期也隨之大幅壓縮,庫存水平趨于合理,交付率和用戶體驗明顯改善。

盡管outside-in需求預測已經初見成效,但在BSH全球推廣的過程中,仍面臨著諸多挑戰。一方面,傳統的"唯實際訂單馬首是瞻"的觀念根深蒂固,許多業務部門對數據驅動的需求洞察持懷疑態度,認為其"不接地氣"。BSH需求管理團隊花費了大量精力,通過培訓、研討、實證等方式,幫助業務部門建立數字化思維,用項目成果和收益贏得他們的信任。另一方面,要將先進的outside-in理念真正融入BSH的業務流程,還需要標準化和固化大量的工作機制。比如,建立統一的主數據管理規范,固化外部數據的采集、整合、分析流程,明確跨部門的協作規則,簡化人機交互的界面,等等。這需要頂層設計和長期投入,絕非一蹴而就。BSH正在制定未來3-5年的規劃,分步驟、分階段地推進變革,力爭將outside-in需求管理打造成業務流程不可或缺的"標準件",成為BSH供應鏈數字化轉型的閃亮名片。

端到端流程再造:Nestle的數字化轉型之路

作為全球最大的食品飲料公司,Nestle在全球擁有2000多個品牌,12萬多個SKU,產品涵蓋咖啡、奶制品、寵物食品、營養品等眾多品類。Nestle龐大而復雜的產品組合,為需求管理和供應鏈協同帶來了巨大挑戰。為此,Nestle供應鏈團隊攜手銷售、市場等部門,以新品上市管理為切入點,開啟了一場端到端流程再造的變革之旅。Nestle充分運用外部零售數據,打通從供應商到門店的"需求流",并圍繞產品經理、銷售、財務、供應鏈等關鍵角色,開發了可視化的決策支持工具。通過業財融合,Nestle實現了供需協同和營銷優化,為新品的成功上市插上了騰飛的翅膀。

Nestle每年有超過100個新品上市,產品從上市到下市的生命周期往往只有6-12個月。如何在新品推廣初期快速感知市場反應,及時優化營銷組合和供應策略,對于品牌的成敗和公司的盈利至關重要。然而,Nestle發現,在傳統的新品上市管理流程中,存在嚴重的信息錯位和不對稱問題。一方面,公司主要依賴經銷商的訂貨數據來判斷新品表現,但訂貨數據往往滯后于實際消費數周,且受到渠道庫存的扭曲,并不能真實反映終端需求。另一方面,Nestle內部的銷售、市場、供應鏈等部門各自掌握零散的數據,缺乏橫向整合,對當前和未來的需求缺乏統一、及時的判斷。當供需失衡問題暴露時,往往為時已晚,只能被動應對。Nestle意識到,要打破部門間的信息壁壘,必須充分利用外部零售數據,實現端到端的"一盤棋"。這既是問題所在,也是突破口。于是,Nestle以新品上市為契機,聯合外部軟件供應商和行業專家,啟動了一個數字化轉型項目,以期重構需求感知流程,提升端到端的供應鏈協同能力。

項目的第一步,是系統梳理新品上市的端到端流程,構建"需求流"。Nestle通過深入訪談產品經理、銷售、財務、供應鏈等部門,詳細了解新品從概念到上市的全流程,并對關鍵節點的決策邏輯和信息需求進行了拆解。在此基礎上,項目組繪制了一幅栩栩如生的"需求流"圖。圖中形象地展現了新品上市過程中原材料、包裝、成品等在供應鏈內外的流動,以及不同角色獲取和使用需求信號的方式。關鍵節點包括新品第一批次入市時的庫存決策、上市后第一個月的再訂貨決策等,都清晰標示在圖上。項目組還用不同的符號標識了數據孤島、決策盲區等薄弱環節。整個"需求流"圖直觀呈現了新品上市的端到端全景,成為各部門達成共識、開展協作的"參謀地圖"。

為更精準地提煉不同角色的需求痛點,Nestle創新采用了"Question Grid"方法。項目組邀請產品、銷售、財務、供應鏈等部門代表,圍繞新品上市管理中的關鍵決策,提出自己最希望得到數據支持和分析洞察的問題。比如,產品經理最關注的是上市首月銷售額能否達成目標、品牌知名度能否快速提升;銷售主管則更關注各區域、各門店的鋪貨情況以及競品的表現;財務分析師需要了解新品對品類利潤率的影響;供應鏈經理則需要確定何時下達第二輪生產訂單,如何平衡現金流和庫存風險。通過Question Grid,Nestle形成了一個全方位、多層次的需求畫像,涵蓋戰略、戰術、執行各個層面。這些需求猶如一束束探照燈,指引Nestle明確數字化轉型的方向和重點。項目組據此規劃了端到端流程各個環節的數據采集、管理、分析、應用方案,確保對業務決策形成有力支撐。

為補齊端到端的信息鏈條,Nestle積極擁抱外部數據。其中,門店層面的POS(Point of Sale)數據堪稱掌握真實消費需求的"皇冠明珠"。所幸,得益于與沃爾瑪、家樂福、宜家等主要客戶長期的戰略合作,Nestle獲得了重點品類在這些客戶的SKU層面日銷量數據。這些數據覆蓋了Nestle在美國市場70%以上的銷售額,為準確感知需求奠定了堅實基礎。此外,Nestle還引入了社交媒體、搜索引擎、電商平臺等數字化渠道數據,對消費者偏好和潛在需求進行分析。比如,通過分析產品的搜索量、用戶評論等數據,Nestle可以及時了解消費者對新品的喜好度,發現產品存在的口味、包裝等問題,為持續改進提供參考。結合忠誠度計劃數據,Nestle還可以識別高價值用戶,實現更加精準的營銷。Nestle還充分利用外部數據評估經濟形勢、競爭態勢對需求的影響。市場分析團隊定期觀測行業景氣指數、消費者信心指數等宏觀經濟指標,并與內部銷售數據進行關聯分析,及時預警需求的異動風險。他們還獲取主要競品的上市計劃、促銷檔期等信息,評估對自身市場份額的影響。外部數據極大拓寬了Nestle洞悉市場的"視界",使其得以主動出擊,贏得先機。

掌握外部零售數據后,Nestle得以實現庫存"透明"管理,平衡新品推廣和供應保障。傳統的新品管理主要關注Nestle自身倉庫和經銷商倉庫的庫存,缺乏對下游門店的可視化,存在嚴重的信息滯后。而有了SKU層面門店日銷和庫存數據后,Nestle可以準確計算新品在不同銷售區域、不同客戶的動銷周期(DSI,Days of Supply Inventory),并與Nestle自身倉庫的DSI指標進行比對,直觀判斷渠道庫存的健康程度。Nestle還基于POS數據,對標競品表現,及時發現新品動銷不暢、分銷不均衡等風險信號,從而優化鋪貨節奏,避免渠道壓貨。銷售團隊也可據此數據,和經銷商、門店及時溝通,了解背后原因,必要時協調產品召回或讓利促銷。與此同時,Nestle供應鏈團隊通過密切關注POS數據反映的終端需求變化,及時調整原材料采購、生產排程等計劃,既確保貨源充足,又避免庫存積壓。總之,門店sell-out數據和渠道庫存數據如同一面"鏡子",讓Nestle財務、銷售、供應鏈部門橫向聯通,及時發現需求與供應的錯位,盡早采取行動,在推廣新品和管控風險之間實現動態平衡。預警分析工具的運用,更是讓各部門對未來需求形成了前瞻性、整體性的判斷,從而理順供需節奏,降低"長鞭效應",用更低的成本實現更高的客戶服務水平。

除了供需協同,精細化的財務分析也是新品上市成功的關鍵。由于缺乏及時、準確的營銷投入產出數據,以往Nestle在制定新品促銷方案時,往往缺乏量化依據,存在盲目打折讓利的風險。而財務部門事后才能看到促銷活動對品類毛利率的影響,缺乏預判能力。而今,Nestle將POS數據、電商數據等外部數據與內部的營銷開支、價格、毛利率等數據進行關聯,搭建了一套量化營銷決策分析工具。市場部可借助該工具,比較不同的促銷方案(如買贈、社媒推廣等)對銷售的拉動效果,權衡促銷強度、持續時間、覆蓋范圍等因素的投入產出比,并評估潛在的品牌和品類損益。更進一步,市場部和財務部門可以聯合開展需求模擬分析。基于需求價格彈性等參數,設計出多套定價、促銷、廣告投放組合,并預測在不同假設情景下的銷售收入、毛利潤、現金流等。產品經理、市場總監、財務總監等高管可在沙盤推演中權衡利弊,選擇能夠實現整體利益最大化的營銷組合。供應鏈團隊也可據此優化備貨、物流等計劃,最大程度滿足市場需求。以業財融合為指針的量化分析,讓Nestle在制定營銷決策時更加"對癥下藥",既能推動銷售增長,又能兼顧財務穩健,避免盲目燒錢,陷入"傷敵一千,自損八百"的窘境。"業財一家親"的協同文化,正是Nestle基業長青的制勝法寶。

數字化轉型絕非一蹴而就,既需要先進工具的支撐,更需要組織能力的提升。Nestle在推進端到端流程再造的過程中,高度重視人才培養和團隊建設,致力于打造一支融合業務專長和數字化技能的復合型隊伍。首先,Nestle著力提升核心業務人員的數字化能力。公司定期舉辦數字化轉型培訓,邀請外部專家講解數字化供應鏈的前沿理念和實踐,幫助業務部門理解外部數據的價值,掌握可視化分析工具的使用。公司還組織供應鏈、銷售、市場等部門開展聯合工作坊,在實戰項目中強化協作,磨合工作方式。一大批掌握數字化技能的業務骨干應運而生,成為變革的"火車頭"。其次,Nestle加強業務部門與IT部門的融合。公司成立了敏捷項目小組,由業務專家和數據工程師組成。小組采用"Pizza Team"的工作方式,充分授權,快速迭代,在實踐中完善數字化解決方案。一方面,業務專家將端到端流程的專業知識轉化為需求,指導IT部門優化系統;另一方面,IT部門將數字化理念和方法傳授給業務專家,幫助他們開闊思路。雙方在"做中學"中加深了解,形成默契。此外,Nestle還調整了組織結構和績效考核體系,成立專門的數字化轉型辦公室,統籌協調各部門在業務流程、數據治理、系統開發等方面的工作,確保戰略、資源、流程、文化等要素形成合力。對于產品經理、需求規劃員等關鍵角色,公司將數字化能力納入考核指標,引導其學習創新,踐行變革。新的組織機制為端到端的無縫協作提供了堅實保障。

Nestle數字化轉型的成功,還在于循序漸進、多管齊下的實施路徑。公司采取了"點-線-面"的推進策略:先聚焦一個業務場景進行原型開發和試點先行,再橫向拓展到多個業務領域形成解決方案,最后在全公司鋪開形成規模化運營。每一步都穩扎穩打,快速見效。以新品上市管理為例。項目組選定咖啡品類作為試點,選取具有代表性的新品,構建端到端的業務流程和系統原型。通過2-3個月的快速迭代,項目組和軟件供應商密切配合,開發了POS數據采集、預警分析、庫存優化、營銷決策等一系列模塊,并在業務部門試運行,吸納反饋意見,不斷打磨完善。原型系統成熟后,項目組迅速在咖啡品類全面推廣,并向奶粉、寵物食品等其他品類復制,實現規模化應用。各品類采用統一的數據標準和分析模型,實現了數據資產的共享復用。項目組還積極推動系統與ERP、CRM等內部系統的集成,實現業務協同。越來越多的業務部門成為數字化的受益者和推動者。值得一提的是,Nestle在推進數字化的過程中,始終秉持"三位一體"理念,在流程、數據、人才等方面齊頭并進,避免顧此失彼。以采用POS數據為例,公司梳理了數據采集、清洗、加工的標準流程,制定了數據質量考核辦法,并通過培訓幫助業務人員理解和應用數據。唯有軟硬兼施,才能讓數字化真正落地生根。通過3年多的不懈努力,Nestle的端到端流程再造初見成效。據不完全統計,新品上市的平均周期縮短了20%,渠道庫存水平下降了15%,缺貨率降低了10%。更重要的是,公司上下形成了"小步快跑、敏捷創新"的數字化轉型氛圍,為應對瞬息萬變的市場奠定了扎實基礎。放眼未來,數字化已經深深融入Nestle的基因,成為其保持活力、引領趨勢的制勝法寶。這一案例無疑為其他企業的數字化轉型提供了寶貴的經驗和啟示。

結語

BSH和Nestle的實踐生動詮釋了數字化時代,快消企業推進供應鏈變革的典型路徑和關鍵要領。盡管兩家公司業務特點和轉型重點各有不同,但其變革的底層邏輯卻殊途同歸,可以概括為以下幾點啟示:

第一,理念先行:從自內而外到自外而內,全鏈條協同,創造整體價值。BSH和Nestle的共同特點,是在推進數字化時,先從戰略高度重新審視供應鏈的定位和邊界,確立"生態系統"理念,主動融入外部環境。她們認識到,企業不再是一座"孤島",而是產業鏈、價值鏈的一個節點。唯有打破部門墻,納入外部視角,才能洞悉市場趨勢,把握客戶需求,引領行業發展。這種從外而內的思維革命,是供應鏈數字化的起點和歸宿。

第二,數據驅動:借助外部數據,縮短時滯,實現實時感知,快速響應。BSH充分運用Google趨勢、競品銷量、經濟指標等外部數據,構建了覆蓋全品類、全市場的需求"聽診器"。而Nestle則聚焦POS數據,實現了從門店到工廠的"透明化"管理。外部數據與內部數據的融合,讓兩家公司的需求感知能力實現了質的飛躍,需求預測時滯從數月縮短到數周,甚至是近實時。唯有縮短感知時滯,才能最大限度同步供給與需求的節奏,在VUCA時代笑傲江湖。

第三,流程再造:聚焦端到端核心流程,各司其職,精細運營、動態優化。BSH和Nestle在推進數字化時,都立足端到端視角,聚焦需求到供給這一核心價值鏈,系統梳理了產品、銷售、供應鏈等環節在預測、計劃、執行中的職責邊界和協同機制。通過搭建貫通各環節的信息平臺,打造精細化的分析工具,實現各司其職、各負其責、各展所長。而量化分析、情景模擬等方法的運用,又讓協同優化有了科學抓手。靜態協同與動態優化的完美結合,正是供應鏈效率和韌性的關鍵所在。

第四,數字化人才:業務專家和數據專家"混搭",跨界融合,不斷學習創新。BSH和Nestle都著眼于打造一支"兩棲"人才隊伍。她們采用輪崗、蹲點、培訓等方式,讓業務專家掌握數字化工具,讓數據專家了解業務語境,形成"同頻共振"。而敏捷項目、聯合工作坊等新型工作方式,又為雙方在實戰中加深了解、密切配合提供了平臺。"跨界融合"的人才隊伍,既能確保數字化落地的有效性,又能為變革注入源源不斷的活力。唯有人才建設跟上,數字化才不會淪為曇花一現。

第五,變革管理:識別推動者,尊重專業,加強引導,系統方法,持續推進。BSH和Nestle的變革都由高層發起,在各層級設置了變革"領頭羊",形成了上下聯動、縱橫協同的推進機制。在實施過程中,她們既重視總體規劃和頂層設計,又允許不同業務條線因地制宜地先行先試。通過將數字化轉型納入績效體系,量化變革目標,建立數字化人才的職業發展通道,兩家公司調動了組織的積極性,化解了變革阻力。循序漸進、多管齊下、持之以恒,是成功轉型的制勝法寶。