隨著全業務時代的到來,市場的同質化競爭愈演愈烈,客戶的個性化需求越來越多,而由于新業務、新產品具有多樣性和創新性特點,導致其投資的不確定性越來越大。為了應對環境變化帶來的不確定性,規避投資風險,科學引導新業務、新產品的投資與建設,需要引入(產品生命周期管理)技術,建立以客戶需求為導向,適應未來新業務、新產品發展的科學化和智能化管控模型。
PLM是指對產品從規劃、設計、生產、使用、維護到回收的整個生命周期中產生的所有數據和過程進行管理。目前,大部分通信企業都擁有自己的產品管理系統,這些系統雖然或多或少地具有部分管理功能,并能在一定程度上保證ERP所需數據的準確性,但從來沒有一個產品管理系統可以有效地跟蹤和管理產品的建設、質量以及售后服務數據,并且在更改管理和產品設計的支持上,僅僅實現了研發數據發放和配置管理,并沒有把產品問題反饋、客戶建議等更有價值的需求納入系統管理和前期投資決策中。本文探討的PLM重點在兩個階段,即產品前期的前評估——投資決策階段的智能決策,以及產品后期的后評估—運營管理階段的評估反饋。
產品前期:投資決策階段的智能決策
新產品的投資決策階段是最難管控的階段。通信行業新產品的多樣性和創新性特點,導致其投資的不確定性越來越大,但是在傳統算法中,一些重要的定性因素被忽略了。為此,筆者建議在新產品投資決策階段引入BP神經網絡理論,將新產品項目的投資決策與項目需求、效益、風險、資源等因素結合起來,構建非線性函數的智能化、動態閉環的新業務投資決策模糊評價模型。需要強調的是,該階段需要實施PLM協同,包括應用CRM(客戶關系管理)得到市場和用戶的需求信息,以及以流程管理協同互聯網環境、企業的合作者、ERP等,以獲取模糊評價系統需要的其他評價參數,保證整個投資決策模型的準確性與合理性。新業務投資決策模糊評價指標體系見表1。
表1 新業務投資決策模糊評價指標體系
決策模糊評價模型的原理如下:以新業務整體投資評估為學習準則,正向輸入投資占收比、收入增長率、指標權重等相關參數。通過代表性新業務項目投資評估的驗證向模型反向傳播參數誤差;通過新業務項目的實踐,不斷提高模型精度,為進一步提高新業務投資的準確性,規避投資風險提供有力的支撐。
模型建立以后,應用BP神經網絡算法,新產品的投資決策判斷就變得非常簡單且容易操作。具體操作流程如下:
(1)輸入項目的基本信息,包括項目投資、收入、成本等。
(2)根據正向輸入的模型相關參數(即學習準則)和項目基本信息,由系統應用BP神經網絡算法,自動進行經濟效益的智能化測算和定量評估指標的評分。
(3)由各部門不同級別的人員分別對項目投資決策定性指標打分,由系統應用BP神經網絡算法,根據不同部門和人員的權重,自動計算各指標的最后分值以及項目總評分值。
(4)根據評分結果進行不同方案的優劣對比。
產品后期:運營管理階段的評估反饋
如何有效地評估一款產品運營的成敗呢?筆者認為應從以下兩個方面進行評估:一是產品的經濟效益,即是否產生了應有的經濟效益或者帶來了用戶的增加;二是影響產品運營成敗的關鍵因素,即哪些因素導致了產品運營的成功或失敗。
為此,構建運營管理階段的評估反饋機制需要從產品運營效果評估和產品運營效果影響因子分析兩個方面入手。
(1)產品運營效果評估
評估一款產品運營成功與否,既要考慮到產品運營的“過去”,也要考慮到產品運營的“未來”;既要考慮到產品運營的直接經濟效益,又要考慮到間接效益。筆者綜合了一些電信企業項目后評估體系的經驗和特點,構建了產品運營效果評估指標體系(見表2)。
表2 產品運符效果評估指標體系
(2)產品運營效果影響因子分析
究竟是哪些影響因子影響了產品的運營效果呢?筆者以為,產品從需求提出到最后運營是一項復雜的系統工程,每個環節都可能影響到產品運營的最終結果。因此,需要從產品整個生命周期的各個環節設置評估指標(詳見表3)。
表3 產品運營故果影響因子評估指標體系
同樣,構建了運營管理階段的評估指標體系后,對新產品的評估反饋也變得容易了。具體操作流程如下:
(1)輸入產品基本信息。
(2)進行產品運營效果評估。此時,系統會根據輸入的產品基本信息,按照一定的規則自動生成產品運營效果評估后的評估結果。
(3)進行產品運營效果影響因子評估。根據(2)的測算結果,系統會自動提示是否需要進行(3)。筆者以為,如果認為產品運營效果較好,可以不進行(3);如果產品運營效果較差,則一定要進行(3),以便找出影響產品效果的真正原因。
(4)產品運營結果評估結論。根據(2)和(3)的評估情況,模型會給出評估的最終結果。
轉載請注明出處:拓步ERP資訊網http://www.guhuozai8.cn/
本文標題:以PLM管理機制提升新產品閉環管控能力