ThoughtWorks的专业服务模式是否面临颠覆 | MD脑洞

《MD脑洞》系列之

  • ThoughtWorks的格调
  • ThoughtWorks的同侪压力
  • ThoughtWorks扁平组织的成长和归属感
  • 把“墙”推倒-扁平组织的自主和责任
  • ThoughtWorks的下一个春天在哪里?
  • 创新在ThoughtWorks
  • 领导梯队在ThoughtWorks中国

此篇文章为《MD脑洞》系列第八篇。

我们总在说运用颠覆性思想,帮助客户实现他们颠覆性的愿景和业务。回过头来看看我们所从事的业务 - Professional Service,在其悠久的历史当中却一直没有经历太大的模式上的变化。

以大名鼎鼎的麦肯锡为例,自上世纪20年代中期开始,虽然牛人辈出,引导了企业、行业乃至是国家政府的变革,其当下的业务模式仍然跟九十几年前成立时差不太多。

百年长青的业务模式不意味着永远不会被颠覆,科技创新带来的跨界竞争者已经引起金融、零售、旅行等行业的格局剧变。我们立身的业务模式是否还具有持续的生命力呢?让我们从检视ThoughtWorker服务如何创造客户价值出发,尝试验证一下ThoughtWorks能够继续刷存在感所基于的假设吧。

当我们试图去解决客户的一个商业问题,总是要经过数轮发散和聚焦的过程,探测问题的正确定义,并把问题降解为可以分析的对象,然后形成各自的解决方案,最后用技术的手段实现这些解决方案,以达到客户价值的创造。Roger Martin用知识漏斗(Knowledge Funnel)描述知识的演进。这个漏斗模型展示,一个复杂问题的解决需要经过谜题(Mystery)、启发(Heuristic)和算法(Algorithm)三个阶段,我们面临的问题大多处于谜题和启发之间。

我们的不可替代性基于的假设是,我们要解决的问题具有如下几个特点。

  1. 重复性低——定制软件项目中可以算法化的问题,大多已经被套装软件,软件库,以及各自的自动化脚本所解决,ThoughtWorks团队关注的是那些需要依赖上下文来探索、分析的问题。而且问题的解决不仅仅需要分析性的方法,还需要大量社会化的能力,跟各种相关方协作,总是在与人的沟通中遇到不可预测的反应。
  2. 效果模糊性高——软件开发的结果很难度量。我在《精益软件度量》一书里尝试从价值、效率、质量、能力几个维度设计了一套度量体系。结果有读者在豆瓣上评价:“这本书写得很好,看得出作者有很多实践的经验,书中列举的有些案例简直与我看到的一模一样,可是,为什么我看完之后这么绝望呢?! ”其实我写得也挺绝望的,给不出直接答案的感觉挺不爽。正因为如此,客户也很难对我们的服务绩效形成客观有效的评价,以至于在相当程度上不得不依赖品牌和声誉等社会证据,以及跟我们直接接触的直观、主观体验做出判断。
  3. 学习的价值——不管是在一个领域积累,把趟过的坑变成自己的深沉,把伤疤变成勋章,还是把从另一个行业、客户、项目上学到到运用到新的项目上,以他山之石攻玉,ThoughtWorker是业务模式中资产的主体,快速学习的能力让我们能够应对不断变化的客户需求和商业环境,同时,在技术和方法的更新换代中持续获得新的创造价值的能力。
  4. 影响客户对问题的定义——解决摆在面前的问题经常不是最大化价值的方式,我们要看到客户的盲点,发掘更深层次的问题,展现更大的格局和不同的视角。

如果我们的假设遇到挑战,一些征兆就会很直接地浮现在客户的日常反应当中。

  1. 重复性变高,意味着我们工作内容被算法化的可能性增加,这也意味着我们的工作内容被产品化,被机器替代的可能性增加。征兆通常是客户把我们跟产品厂商对比,或是被要求跟产品厂商合作,采用一些成型产品,替代我们方案中定制的部分。
  2. 效果模糊性降低的征兆,一般是客户越来越难以被满足,并且能为其不满提出清晰客观的度量依据;也可能是一些更加专业化的细分竞争对手出现,以承诺精准的目标,将我们挤出竞争。
  3. 学习价值的降低则体现在客户用低成本的竞争对手逐渐替代我们的工作,我们被定位在越来越窄的范围里。因为领域足够成熟,变化足够缓慢,低成本的竞争对手用工具和流程固化了知识,作为学习价值的替代。
  4. 当我们不能影响客户对问题的定义的时候,就发现只能被动响应客户的需求,而即使做了客户要求的事情,客户反而斤斤计较,越来越难以被满足。我们要问问自己,这些征兆是否已经出现。

除了这些客户的反应,外部环境出现的多重挑战,让我们有理由相信,当前业务模式确实会面临时代的冲击。

首先,当今获取知识极为便捷,一招鲜的价值大大降低。很多咨询公司的知识和经验都存放在公司的数据库里,过去凭借几个新名词,攒几个新框架,似乎就能引起客户的兴趣。今天,各种知识在互联网上唾手可得,严肃的客户稍作研究,就能初步验证服务内容的来龙去脉,业界格局,以及未来趋势。

客户日渐成熟,对服务理解更深,因此会在性价比上提出更高的要求。不少客户尝试过多个厂商,久经各种忽悠的考验,甚至有很多客户的高管是从乙方跳槽过去,对厂商策略了如指掌。信息不对称大幅降低,导致缺乏实力支撑的偶像派溢价急剧衰退。

日趋复杂的商业环境使咨询服务出现了分解的趋势,模块化、专业化的服务可能是由术业有专精的服务商提供,而日常重复的工作可以被专业的工具所替代。在这种情况下,如果做的事情缺乏复杂度或缺乏创新,就很容易被算法化。

除此之外,像很多被颠覆的其它行业一样,我们也会面对跨界的竞争者。从高端复杂场景出发,麦肯锡在2007年开始成立了McKinsey Solutions,利用基于软件工具和分析技术等手段,将曾经存在于高管和顾问脑中的隐性的知识和能力转化成固化下来的资产。从低端简单场景出发,阿里钉钉以席卷天下之势迅速获取了一百五十万企业用户。从技术发展的角度来看,虽然MDA(Model Driven Architecture)运动一度甚嚣尘上,但是除了产生了一些华而不实的代码生成工具以外,并没有能走多远,而未来能写代码的人工智能似乎又比较遥远,但是我们还是不能掉以轻心。

最后,还是列出我心中的疑惑,向大家求助。

  1. 我们当前的核心业务是从大型客户那里获得持续性的收入,但颠覆的活动其实是从稍小一些的客户那里发生的。我们的策略是不是先和较小型的客户一起探索新的颠覆性的方法,然后推广到战略性的客户,最终达到推动行业的变革?
  2. 在很多新技术还只是buzz word的时候,我们作为最贴近客户,最贴近商业场景的实践者,如何发挥布道者的作用? 我们是不是应该寻求产品或规模化合作伙伴,主动以产品和流程替代可以算法化的活动,或是自己主动做产品或建立流程,完成这些活动?
  3. 我们是不是应该寻求特殊专业领域的合作伙伴,或是我们自己建立术业有专精的团队,达到服务的模块化,专业化。 或者大家有什么奇葩的脑洞推荐?

推荐阅读:

The Design of Business: Why Design Thinking is the Next Competitive Advantage. Harvard Business School Press

原文发布于微信公众号 - 思特沃克(TW-Insights)

原文发表时间:2018-11-15

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据科学与人工智能

【数据科学】数据科学的整合与细分

自从大数据这个词出来以后,数据已经成为一个非常明确的科学领域。在这当中很少有人详细地探讨数据科学的结构和它面临的问题,包括我们行业面临的问题。 数据科学有三个非...

28380
来自专栏大数据文摘

将被自然语言处理和文字分析颠覆的行业:法律,保险和客服

32640
来自专栏CDA数据分析师

到2020年,智能手机将拥有的十项AI功能

? 近日,Gartner 列出了人工智能手机的十大「高影响力」应用,并称这些应用将为设备供应商赋予「更高级」的用户体验,从而为客户带来更多价值。 它还预测,到...

20760
来自专栏互联网杂技

高效设计师和瞎忙设计师的区别!

设计师作为加班较多甚至偶尔需要通宵的职业,工作效率真的特别重要,但是,你到底在忙什么?为什么你总是处于通宵加班工作中?为什么周末连陪伴家人的时间都没有?为什么你...

34580
来自专栏大数据文摘

业界 | 3D打印汽车实现量产:3天就能造辆车,冲击传统汽车制造商

19230
来自专栏PPV课数据科学社区

【译文】如何开始你的商业分析生涯

每一次参与商业分析论坛或者和学生互动的时候,他们经常问这样两个典型而且被多次解释的问题: 我是一个本科生(或者别的学历),而我很希望能从事分析行业,而我应该怎么...

37480
来自专栏腾讯大讲堂的专栏

你现在的焦虑,可能真的不是因为没钱

18230
来自专栏开源项目

从退学到创业,90 后程序员为啥这么爱折腾?

17030
来自专栏机器人网

机器人事故:擦伤、骨折甚至更糟

机器人怎样做会伤害人类?显然,没那么容易。 ? 什么时候接触会引起人身伤害? 协作机器人及应用的工业安全要求:工业机器人安全标准ISO 10218-1和...

26640
来自专栏BestSDK

2017年云计算的回顾与总结

如果回溯到2016年,很多大型企业的数据中心工作负载正计划向云端迁移。而2017年则是企业的业务向云端迁移的一年,这种迁移在整个数据中心行业引起了很大的反响,为...

46150

扫码关注云+社区

领取腾讯云代金券