成功的数字化转型案例共同的地方,是先固定指标:在项目开始前商定量化的成果、书面的定义、基线和负责人,并在项目进行中保持不变。BCG 发现约 70% 的转型达不到目标。这篇指南给出这些共同点、读任何案例数字的六条检查,以及一张指标卡。
读完你会知道
- 可信的案例先固定指标:成果、定义、基线、负责人、复查日期
- 读案例里的每个数字,都要看它的定义、分母、基线、排除项和成本
- 一个说法可以既准确又误导:新流程上降 60%,在全部订单上是 12.0%,算上成本还是净亏损
数字化转型案例到底说明了什么?
已发表的数字化转型案例,大多出自卖技术的公司或做项目的咨询公司之手。它们往往只报几项有利的成果,用整数表达,定义、基线和成本都省略了。这不意味着它们一文不值,但意味着有用的问题不是「哪家公司做了什么」,而是「这些说法里哪些我能核对,可信的案例有什么共同点」。
这篇文章不点任何公司的名,也不编造任何案例。它做两件事:读研究怎么说成功的项目有哪些共同点,并给你一套读任何案例数字、以及设定自己项目的办法。共同的主线是一条规则:成功的转型先固定指标。 它们在项目开始前就商定衡量什么、怎么衡量、对比哪个基线、谁负责,并在项目进行中保持不变。
问题的规模值得说一说。BCG 对 825 位高管的研究发现,约 70% 的数字化转型达不到目标,而做对六个因素能把成功几率提高到约 80%。这六个因素里有两个与衡量有关:事先设定清晰、量化的目标,以及对照既定成果有效监控进展。如果你在规划自己的项目,数据成熟度模型 说明了从哪里起步,数据战略 讲了开始衡量之后怎么用这些数据。
成功的转型有哪些共同点?
下表列出七个特征。前六个源自 BCG 的发现或通行的良好做法(见最后一列标注);每一行还给出读案例时该问的问题。对某一行只字不提的案例,本身就是一种信息。
注意表里没有什么:没有具体的技术。各个案例在工具上差异极大,在纪律上却很相似。换句话说,有负责人和基线的固定指标不会让一个差项目变好,但缺了它,就无法判断一个好项目到底有没有成功。
| 特征 | 可信案例里你会看到 | 该问的问题 | 出处 |
|---|---|---|---|
| 事先量化的成果 | 一个带目标的业务数字 | 项目开始前的目标是什么? | BCG 因素:清晰、量化的目标 |
| 领导层承诺 | 一位指定的高层负责人审阅这个数字 | 谁对这个数字署名? | BCG 因素:领导层承诺 |
| 对照既定成果监控 | 对同一个指标的定期复查 | 多久复查一次,谁来查? | BCG 因素:有效监控 |
| 单一的数据来源 | 指标来自同一份数据,定义有书面记录 | 这个数字从哪里来? | BCG:用于跟踪的单一数据来源 |
| 基线 | 持续几周的之前数字,不是某一天 | 之前是多少,覆盖哪些日期? | 良好做法(本文) |
| 计入成本 | 运行成本从节省中扣掉 | 每月运行要花多少钱? | 良好做法(本文) |
| 护栏 | 第二个不能变差的指标 | 它改善时,什么变差了? | 良好做法(本文) |
对某一行只字不提的案例,本身就是一种信息。
怎样读案例里的数字?
对任何说法都用六条检查。每条都有一个一分钟就能用的「如果……就……」规则。
- 指标到底是什么? 如果没给定义,就把这个数字当作未经核实。「处理更快」可能是平均数、中位数,也可能是表现突出的某一天。
- 分母是什么? 如果说的是平均数,就问是对哪些条目取的平均。如果难做的案例被挪去了别处,平均数会变好,工作量却没少(见下面的算例)。
- 基线是什么,覆盖多长时间? 如果没有「之前」的数字,就没有改进,只有一个数字。要找至少几周的基线,而不是某个好的一周。
- 排除了什么? 如果有任何东西被排除(异常单、试点组、淡季),这个说法只适用于被统计的部分。
- 花了多少钱? 如果声称节省了工时,却没提工具、授权或运行成本,就自己算净值。
- 是产出还是成果? 「我们上线了 12 条新流程」是产出。「每单成本下降」是成果。如果只报产出,就去要成果。
第七条检查关于时间。三个月时测到的结果,到十二个月未必还成立,所以要看说法覆盖的时间窗口,并且更倾向于之后仍在持续报告的指标。
算例:60% 其实是 12%
示例数据:一家公司在案例标题里声称「订单平均处理时间缩短 60%」。这不是真实案例;它是为展示一个说法怎样既准确又误导而构造的。
之前。 每月 1,000 个订单,每单花 30 分钟人工:1,000 × 30 = 30,000 分钟 = 500 小时。
之后。 新流程处理 700 个订单,每单 12 分钟。另外 300 个订单被发现是异常单,转给人工复核团队,每单 60 分钟。
- 新流程:700 × 12 = 8,400 分钟。
- 人工复核:300 × 60 = 18,000 分钟。
- 合计:8,400 + 18,000 = 26,400 分钟 = 440 小时。
案例的说法。 案例只报新流程:12 分钟对比 30 分钟,降幅是 (30 − 12) ÷ 30 = 60%。
完整的图景。 全部 1,000 个订单的平均是 26,400 ÷ 1,000 = 26.4 分钟,降幅是 (30 − 26.4) ÷ 30 = 12.0%。人工工时从 500 降到 440,节省 60 小时。
成本。 按每小时 28 美元,省下 60 小时就是 60 × 28 = 1,680 美元一个月。如果新工具每月运行成本 2,400 美元,净值是 1,680 − 2,400 = 每月 −720 美元。标题说 60%;账面上是亏损。
60% 这个数字本身没有错。问题出在分母:这个指标被定义成只覆盖新流程处理的订单。如果指标一开始就固定为「每收到一个订单的人工总分钟数,含异常单」,这个项目第一天就会显示 12.0%,而讨论的重点会是怎样把异常单降下来。
每单平均处理分钟数
示例说法,分钟项目开始前怎样固定指标?
用指标卡,每个成果一张,在项目开始前填好。五步:
- 选一个成果。 一个业务结果,用业务惯用的单位:每单分钟数、完成订单的占比、已解决的会话、每位访客收入。不要写「数字化成熟度」。
- 用一句话定义它,包括分母和排除项。「订单上的人工总分钟数 ÷ 收到的全部订单,含异常单。」
- 取基线,时间足够覆盖正常波动,至少四到八周,写下数字和日期。
- 加一个护栏。 第二个指标,在第一个改善时不能变差,比如错误率或客户投诉。
- 指定负责人和复查日期。 一个人对这个数字署名,并且按日历上的日期来看,而不是谁想起来才看。
上面案例的指标卡示例:
| 字段 | 内容 |
|---|---|
| 成果 | 每单人工时间 |
| 定义 | 订单上的人工总分钟数 ÷ 收到的全部订单,含异常单 |
| 基线 | 30.0 分钟(上线前 8 周) |
| 目标 | 第 6 个月降到 24.0 分钟(−20%) |
| 护栏 | 需要更正的订单不超过 2% |
| 成本项 | 工具的运行成本,按月和节省的工时对照 |
| 负责人和复查 | 运营负责人;每月 |
固定一套指标并不新鲜。DORA 研究项目公布了一小组固定的软件交付指标并写明定义(例如变更前置时间,是从一次变更提交到部署上线的时间),让团队能随时间自我对比。这个经验可以借用:选少数几个指标,每个用一句话定义,项目进行中不要改。
转型指标常见的错误有哪些?
| 错误 | 后果 | 改法 |
|---|---|---|
| 项目结束后才定义指标 | 指标被挑来美化结果 | 启动前写好指标卡并标注日期 |
| 没有基线 | 「有改善」无法证明 | 先取四到八周数据 |
| 只对容易的部分求平均 | 难做的案例掉出了分母 | 统计进入流程的每一条 |
| 追踪产出而不是成果 | 上线了流程,却什么都没衡量 | 每个产出都配一个成果 |
| 忽略成本 | 加上运行成本之前,节省看起来是正的 | 把成本写进指标卡,按月算净值 |
| 没有护栏 | 指标靠损害别的东西来改善 | 加一个不能变差的指标 |
| 中途改指标 | 前后无法对比 | 只在有带日期的说明、并重算基线时才改 |
| 把别家公司的成果当目标 | 他们的背景、范围和定义都不同 | 从你自己的基线出发设目标 |
在 TapCub 里衡量转型
以一次把面向客户的环节搬到线上的转型为例,比如结账、注册或客服。在 TapCub 里,指标卡这样对应:
- 定义事件。 在 全端分析 › 数据管理 › 埋点方案 里,记录算作成果的事件(比如完成购买),写明触发时机、必填属性、负责人和状态。这就是框架第 2 步要的书面定义。
- 把它设成目标。 在 全端分析 › 经营分析 › 目标 里,事件目标会统计完成次数。注意这里的分母:转化率是目标完成次数 ÷ 所选范围内的独立访客,不是会话数,所以也要把这一点写在指标卡上。这和 60% 那个算例是同一个教训。
- 标出上线日。 在 配置 › 日期标注 里加上日期,并用上一周期对比,把上线前的几周当作基线。全端分析 › 行为分析 › 行为分析 里的漏斗显示哪一步变了。
- 盯住护栏。 监测 › 错误 显示错误数和错误率;全端分析 › 智能运营 › 监控 里的告警可以在指标越线时通知你,试运行还会告诉你过去 30 天会触发几次。对客服方面的变化,客服 › 客服报表 显示解决率和首次响应,转化归因则对比聊过的访客和没聊过的访客。
- 让流量保持真实。 机器人和 AI 爬虫默认和真人分开报告,所以机器人流量的变化不会被误当成客户的变化。
TapCub 不衡量的是每单人工时间或任何内部流程。除非你把它作为事件发进来,TapCub 看到的是客户在网站、应用、小程序和聊天里的行为。它也不负责推进项目:它衡量的是项目对客户改变了什么,对照的是你固定下来的基线。
FAQ
成功的数字化转型案例有哪些共同点?
它们在项目开始前就固定指标:量化的成果、书面的定义、基线、指定的负责人和复查节奏。BCG 的研究把清晰、量化的目标,以及对照既定成果有效监控进展,列在六个成功因素里。
有多少数字化转型能成功?
BCG 对 825 位高管的研究发现,约 70% 达不到目标。同一研究称,做对六个因素能把成功几率提高到约 80%。
怎样衡量数字化转型是否成功?
用业务单位选一个成果,用一句话连同分母一起定义,取四到八周的基线,加一个护栏指标,把成本算进去,并在固定日期复查。上面的指标卡就是一种写法。
为什么对案例里的数字要谨慎?
很多案例由供应商或咨询公司发布,报的是整数,没有定义、基线或成本。算例里一个 60% 的说法,在全部订单上其实是 12.0%,加上运行成本后还是净亏损。
产出和成果有什么区别?
产出是你交付的东西(一条新流程、一个上线的应用)。成果是业务上改变了什么(每单人工时间、完成的结账)。案例常常报产出;决策需要成果。
资料来源
- Flipping the Odds of Digital Transformation Success,Boston Consulting Group(2020):约 70% 达不到目标的发现、825 位高管的调查和六个成功因素。
- DORA 软件交付指标,dora.dev:一组固定交付指标的书面定义,包括变更前置时间。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

