商業面向:策略和成果 - AWS 雲端採用架構概觀

商業面向:策略和成果

商業面向側重於確保雲端投資能加快實現數位轉型目標和業務成果。此面向包含下圖所示的八項能力。共同利害關係人包括執行長、財務長、營運長、資訊長和技術長。

AWS CAF 商業面向能力說明圖。

AWS CAF 商業面向能力

  • 策略管理 – 利用雲端加快實現業務成果。思考雲端如何支援及塑造長期的業務目標。發現消除技術負債及利用雲端優化技術商業營運的機會。探索新的雲端價值主張和營收模式。思考新推出或改良的雲端產品和服務可如何幫助您觸及新客戶或打進新客群。根據商業環境的技術發展和變化,確定策略目標的優先順序,並隨著時間的推移發展策略。

  • 管理產品組合 – 根據策略目標、營運效率和生產能力決定雲端產品和計劃的優先順序。在正確的時間交付正確的雲端產品和計劃,將有助於您實施策略並加快實現業務成果。利用自動化探索工具以及將應用程式遷移到雲端的七種常用遷移策略 (稱為 7 個 R),以合理化現有的應用程式組合,並建置資料驅動型商業案例

    考慮短期和長期成果以及低風險 (經實證) 和高風險 (實驗性) 機會,藉以平衡您的雲端產品組合。納入遷移現代化和創新計劃,並考慮財務 (降低成本及/或增加營收) 和非財務 (例如改善客戶和員工體驗) 的益處。根據您的資源、財務和排程限制,獲得產品組合最大的商業價值。為了加速實現價值的時間,請考慮提高規劃週期的頻率,或採用連續的規劃策略。

  • 創新管理 – 利用雲端開發新的流程、產品和體驗,並改進現有的流程、產品和體驗。雲端讓您能夠即時佈建及關閉資源,藉以幫助您加速實現價值的時間,並降低與創新有關的成本和風險。為充分利用隨著採用雲端而有望提高的業務敏捷性,請研擬創新策略,並納入著重於優化現有產品、流程和體驗的累進式創新計劃,以及著重於實踐新商業模式的破壞式創新計劃。根據您的策略性優先事項建立集思廣益的機制,並開發端對端流程以擴展成功的創新試驗。

  • 產品管理 – 管理資料和雲端產品,以在整個產品生命週期中為內部和外部客戶提供可以重複產生的價值 圍繞資料和雲端產品組織您的團隊有助於提升敏捷度,並更以客戶為中心:

    • 開發可支持商業策略的平衡產品組合。

    • 建立小型、長久又有能力的跨職能團隊,以支持內部和外部客戶的需求。

    • 確定產品負責人、了解客戶旅程、定義及建立產品藍圖,並管理全程的產品生命週期和相關的價值流。

    • 利用雲端平台和敏捷方法快速迭代和發展。

    • 減少產品團隊之間的相依性,並透過定義明確的界面,將團隊有效地整合到更廣泛的營運模式中。

  • 戰略合作夥伴關係 – 透過您與雲端供應商的戰略合作夥伴關係,建立或發展您的業務。如果您提供雲端託管軟體解決方案、雲端整合產品或與雲端相關的專業服務、諮詢服務或受管服務,則與您的雲端供應商建立戰略合作夥伴關係,可幫助您建立雲端專業知識、向客戶推銷解決方案及推動成功的客戶互動

    隨著合作夥伴關係的開展,利用促銷抵用金、資助權益和共同銷售機會,幫助您建立或發展業務。利用雲端供應商的市集通路擴大觸及範圍,利用技術資源幫助您完善雲端產品和服務。發佈聯合案例研究,強調在解決特定商業挑戰時取得的成功。

  • 資料變現 – 利用資料獲得可衡量的商業收益。雲端方便您收集、儲存及分析大量的資料。要獲得可衡量的商業收益,請制定與策略目標一致,且全面、長期的資料變現策略。發現利用資料和分析改善營運、客戶和員工體驗、決策以及實踐新商業模式的機會。

    例如,考慮利用客戶行為洞察來推動極高的個性化和本地化、細分客群、訂閲者留存、忠誠度和獎勵計劃等等。專注有助於了解和完成商業交易的交易價值、有助於描述過去績效和推斷結論的資訊價值,以及有助於自動化活動、指導決策和預測結果的分析價值。先在組織內部為資料賦予價值,再考慮外部變現的機會 (例如透過市場銷售資料)。

  • 業務洞察 – 獲取即時洞察並回答有關業務的問題。近乎即時的描述性洞察有助於您追蹤商業績效、改進決策並優化營運,進而完成資料變現策略。建立清楚商業環境的跨職能分析團隊。注重技術性技能 (例如統計數字) 和非技術性技能 (如視覺化和溝通)。從分析工作得到相應的業務目標和關鍵績效指標 (KPI)。利用資料目錄找出相關的資料產品,並利用視覺化工具和技術探索資料中的趨勢、模式和關係。首先關注「大局」,再視需要深入鑽研細節。

  • 資料科學 – 利用實驗、進階分析和機器學習解決複雜的商業問題。預測性和規範性分析可以讓您提高營運效率和決策以及客戶和員工體驗,助您完成資料變現策略。

    確定商業流程轉型的機會後,確保資料目錄包含支援構置、訓練和測試機器學習模型所需的資料產品。利用持續整合與持續交付 (CI/CD) 做法,提高機器學習工作流程的營運韌性和重現能力。了解模型如何預測並識別任何潛在偏見。為生產階段部署合適的模型並監控其效能。為降低風險,請將低信賴度預測委由人工審查。