麦肯锡:企业把握五大创新趋势

来源:界面 作者:麦肯锡

四大创新原型,可作为企业寻找创新的突破点

那么,中国企业可以在哪些方面找到创新的突破点?

麦肯锡全球研究院中国副院长成政珉(Jeongmin Seong)对界面新闻记者说:“通过麦肯锡的研究,我们发现,效率驱动型、客户中心型、工程技术型和科学研究型这四种创新原型,可以成为中国企业提升创新能力的参考原型。”

原型1:效率驱动型创新。在生产流程优化方面有较大需求的中国企业,可以考虑此类创新。中国有相对更加巨大的供应商规模,技能熟练程度更高的劳动力,以及更完善的物流、基建等基础设施,都可以成为中国企业提升工艺效率、升级产品质量的契机。比如,如果能够在敏捷制造方式等领域增强企业内的创新灵活度与效率,将可以起到提升企业创新能力的作用。

原型2:客户中心型创新。中国近年来迅速增长的城市人口和中产群体,在成政珉看来将成为此类创新的需求基础。根据对客户需求的深入探索与挖掘,企业完全有可能实现新需求的识别,进而开辟出企业所处产业链中的新利润点。例如,在全球社交网站普遍通过广告收入取得盈利时,腾讯社交平台约90%的收入,就是来自线上游戏与虚拟物品销售,这也使腾讯获取了全新的增长动能。

原型3:工程技术型创新。在汽车制造业、电信业、航空业等工程技术领域,中国企业可以通过对国内外合作伙伴或供应商进行资源整合,以实现此类创新,从而拓宽企业的业务线,完成产品质量升级。据麦肯锡统计,中国在高铁行业、风力发电机行业以及电信行业的供应商所占全球营收比例分别达到41%、21%以及18%,这些都应该成为工程技术领域中国相关企业的重要创新来源。

原型4:科学研究型创新。成政珉认为,在一些科技含量较高的行业,中国企业应把科技创新视为企业创新能力的关键因素。在这些行业内,新品的研发动辄需要10年甚至更长时间,重视创意人才和高科技设备的引入,才能使企业持续拥有核心竞争力。

五大趋势,引领企业提升创新力的方向

企业的发展,除了要向企业内部寻找创新动能,更重要的是要把握时代变革的趋势。王玮对界面新闻记者表示,目前有五大趋势值得中国企业重视。

趋势1:生产力提升。王玮认为,随着中国经济增长放缓,生产力提升成为企业的重点关注事项。据麦肯锡全球研究院分析,到2030年,生产力的提升可为中国新增GDP5.6万亿美元,新增家庭收入5.1万亿美元。

趋势2:从“中国制造”到“中国智造”。创新也是推动中国经济可持续增长的关键抓手。麦肯锡全球研究院近期的报告估计,如果至2025年前保持6%左右的经济增速,创新需要贡献50%的增量增长。

趋势3:数字经济蓬勃发展。麦肯锡认为,中国向数字化转型将提高生产力,将拉动经济增长。目前,中国网民数量超过6.88亿,居全球首位。中国还拥有全球规模最大、增长最快的网络零售市场。2015年,中国的网络销售额达到6300亿美元(约合4万亿元人民币)。

趋势4:大数据和人工智能影响深远。中国企业高管普遍认为,运用大数据和人工智能(AI)实现价值创造的机会十分巨大。然而,麦肯锡新近的一份调查显示,对于43%的传统行业高管而言,人工智能还不是一个战略重点,高达61%的企业高管认为所在企业在推广人工智能应用方面进展有限。事实上,59%的企业高管视中国的互联网领军企业为推动人工智能应用的主力,25%的企业高管则认为创业公司将起到很大作用。

趋势5:中国迎来工业4.0。中国正拥抱工业4.0,然而企业似乎尚未做好充分准备。麦肯锡针对130名中国制造业高管开展的一项调查显示,76%的企业高管对于工业4.0提升企业竞争力抱以乐观态度。其中,民营企业最为乐观,有86%的民营企业认为工业4.0将提高自身竞争力,相比之下,68%的国有企业对于工业4.0提升企业竞争力的作用持乐观态度。尽管整体而言对工业4.0较为乐观,但是只有57%的受访者表示本企业做好了迎接工业4.0的充分准备,民营企业较为自信(68%),而国有企业则较低(44%)。

在全球经济并未走出调整期、中国经济步入新常态之际,中国企业欲寻求全新增长动能,则要重新思考并设计企业未来的利润区,通过创新完成企业战略的自我升级。而寻找到企业的创新原型,并在日常经营中紧跟时代发展的新趋势,将是中国企业实现其经营愿景的重要路径。


相关文档推荐

AI编程颠覆IT生产力.PDF

1741937491 丁宇 9.57MB 34页 积分6

Database Copilot在数据库领域的落地.PDF

1741937032 李粒 6.08MB 59页 积分6

SRE Copilot大语言模型智能运维框架.PDF

1741936996 王宁 5.04MB 24页 积分6

大模型赋能DevOps研发全环节提速.PDF

1741936949 唐辉 4.99MB 31页 积分6

AI辅助编程真实测评与企业落地实践.PDF

1741936506 蒋志伟 10.17MB 37页 积分6

探索IDE下的智能研发和研发知识库的建设.PDF

1741936274 汪晟杰 4.23MB 28页 积分6

面向AI研发语言模型训练的可解释性分析与验证.PDF

1741935876 林云 2.7MB 62页 积分8

AI大模型技术在数据库DevOps的实践.PDF

1741935803 叶正盛 2.67MB 30页 积分6

通义灵码技术解析打造AI原生开发新范式.PDF

1741935300 陈鑫 1.3MB 23页 积分5

相关文章推荐