我们对无处不在的数字业务模型与可用于业务问题解决者的准自动化和全自动基于算法的解决方案之间关系的理解存在差距。最近，麦克•沃尔什(Mike Walsh)在《哈佛商业评论》(Harvard Business Review)上发表了一篇文章，描述了这一挑战。其他公司，蓝冠注册AI正在通过自然语言处理来帮助驱动各种形式的机器人，以帮助人类。例如，机器人可以用来将饮料运送到酒店房间，或将比萨饼运送到房屋，同时让接收者提出问题以获取信息。如陶舍尔、马哈尔、贝恩、伊斯梅尔、范里梅纳姆、米勒和马萨隆、佩蒂和班等，已经详细探索了数字商业模式和商业算法，但这两者的结合——这是最佳结合点——却很少发生。也有一些优秀的执行程序致力于机器学习和人工智能，但它们很少——如果有的话——将商业模型和算法优化器的特性结合起来。这里的思想是描述数字业务模型和业务算法，然后将业务模型功能与算法功能相匹配。

 

婚姻问题

 

很少有高管了解数字商业模式的全部内容，或者这些模式是如何运作的。很少有人了解启用算法的范围或它们是如何工作的。因此，它们无法将正确的算法与需要改进、修改、自动化或替换的正确业务流程或模型相匹配。我们也不能轻易讨论对大多数高管来说神秘的算法或特定算法的优缺点。风险是很高的:数字转换的成功几乎完全取决于成功的业务模型/业务算法匹配——取决于模型和算法之间的牢固结合。

 

行业采用的商业模式有很多种。它们具有高管们应该了解的特点——即使在他们的公司部署这些特点时也是如此。步骤1将识别和描述模型，包括它们的轨迹。图1展示了数字业务模型横断面的高级视图。大多数高管对推动工业4.0的数字商业模式(和流程)相对陌生。FourWeekMBA漂亮地总结了图1中最流行的数字商业模型。事实上，蓝冠测速元素催生了一种全新的体育体裁，蓝冠怎么样？他与传统的主流体育运动（如职业足球）截然不同，包括现场赛事，球队特许经营权，赞助协议和媒体权利，丰厚的回报以及高质量的生产报道。FourWeekMBA是我见过的有关数字商业模式(以及其他“MBA”事实)的最佳高管简报之一。

 

步骤2:识别并解释支持数字业务模型和流程的业务算法范围:

 

在应用程序和平台中嵌入了一些算法，这些算法支持、改进、自动化并替代了业务流程和整个业务模型。它们中的许多出现在图2中。请注意，我们不能期望执行人员完全理解图2中的所有算法，或者支持它们的底层数学。但是，我们可以期望他们理解各种算法，以及它们是如何工作的(由它们需要的数据、处理和分析数据的方式以及它们生成的结果的类型来定义)。

 

GeeksforGeeks给出了一个业务算法列表。注意图2中算法的数量和算法的整个类。管理人员应该了解这些课程的功能、工作方式、最适合他们的问题以及产生的结果。

 

步骤3:识别并解释数字业务模型和算法解决方案之间的关系:

 

这是关键的一步。在步骤1和步骤2的基础上，此步骤将向主管及其直接报告(包括预期结果、数据、处理等)呈现问题场景，并“演练”算法的选择。这门课程不会期望高管们表现出完美的匹配，但它将指导他们如何思考算法类的优缺点，以及(业务模型)最适合一起工作的问题特征。

 

拟议中的高管人事变动将在许多方面帮助企业高管。新方法、工具和技术使他们在业务阶段,随着业务变得越来越自动化,以及竞争优势的定义是在算法的能力,管理人员需要知道这个重要的业务解决问题的工具箱是如何工作的,以及哪些工具是最强大的,最适合他们的商业模式和过程。高管必须了解机器学习/自动化的潜力以及所有相关的解决方案。这是一个新的世界，有新的业务模型、新的业务流程和优化业务模型和流程的全新算法解决方案。关键是要知道用哪一个来解决特定的问题。随着机器学习和自动化的爆炸式发展，蓝冠注册AI允许机器人执行恒定/实时校正并学习生产产品的最佳路径。蓝冠怎么样？他们能够在执行重复且通常很危险的任务时这样做，而这可能会使人的注意力下降。高管和他们的团队需要尽可能多地了解数字业务模型，以及支持和改进这些模型的业务算法。他们再也找不到比这更好、更有价值的高管了。