Ali baba dan Masa Depan Bisnis (Ali Baba and The Future of Business)
Penulis: Ming Zheng
Diadaptasi dari artikel Harvard Business Review (HBR)
Edisi Sept-Okt 2018
Tautan: https://hbr.org/2018/09/alibaba-and-the-future-of-business
Diterjemahkan oleh:
Christoffel M. O. Mintardjo
Alibaba menjadi berita utama dengan IPO terbesar di dunia pada September 2014. Saat ini, perusahaan memiliki kapitalisasi pasar di antara 10 teratas global, telah melampaui Walmart dalam penjualan global, dan telah meluas ke semua pasar utama di dunia. Pendiri Jack Ma telah menjadi nama rumah tangga.
Sejak awal berdirinya, pada tahun 1999, Alibaba mengalami pertumbuhan besar pada platform e-dagang. Namun, itu masih tidak terlihat seperti pengguncang dunia di tahun 2007 ketika tim manajemen, yang telah saya ikuti setahun penuh sebelumnya, bertemu untuk sebuah strategi di luar situs di hotel tepi pantai yang menjemukan di Ningbo, provinsi Zhejiang. Selama pertemuan tersebut, observasi dan gagasan kami yang terputus-putus tentang tren e-dagang mulai menyatu ke dalam pandangan masa depan yang lebih besar, dan pada akhirnya, kami telah menyetujui sebuah visi. Kami akan "mendorong pengembangan ekosistem e-dagang yang terbuka, terkoordinasi, dan sejahtera." Itulah saat perjalanan Alibaba benar-benar dimulai.
Inovasi khusus Alibaba, kami sadari, adalah bahwa kami benar-benar membangun ekosistem: komunitas organisme (bisnis dan konsumen dari banyak jenis) berinteraksi satu sama lain dan lingkungan (platform daring dan elemen fisik luring yang lebih besar). Tugas strategis kami adalah memastikan bahwa platform menyediakan semua sumber daya, atau akses ke sumber daya, bahwa bisnis daring harus berhasil, dan karenanya mendukung evolusi ekosistem.
Ekosistem yang kami bangun sederhana pada awalnya: Kami menghubungkan pembeli dan penjual barang. Seiring kemajuan teknologi, semakin banyak fungsi bisnis yang dipindahkan secara daring — termasuk yang sudah mapan, seperti periklanan, pemasaran, logistik, dan keuangan, dan yang baru muncul, seperti pemasaran afiliasi, rekomendasi produk, dan penggiat media sosial. Dan saat kami memperluas ekosistem untuk mengakomodasi inovasi ini, kami membantu menciptakan jenis bisnis daring baru, yang benar-benar menciptakan kembali sektor ritel Cina di sepanjang jalan.
Alibaba hari ini bukan hanya perusahaan perdagangan daring. Ini adalah apa yang Anda dapatkan jika Anda mengambil semua fungsi yang terkait dengan ritel dan mengoordinasikannya secara daring ke jaringan penjual, pemasar, penyedia layanan, perusahaan logistik, dan pabrikan yang terdepan dan terorganisir data. Dengan kata lain, Alibaba melakukan apa Amazon, eBay, PayPal, Google, FedEx, padagang grosir, dan sebagian besar produsen lakukan di Amerika Serikat, dengan bantuan yang sehat dari jasa keuangan untuk penampilan.
Dari 10 perusahaan paling bernilai di dunia saat ini, tujuh perusahaan internet dengan model bisnis yang serupa dengan kami. Lima dari mereka — Amazon, Google, dan Facebook di Amerika Serikat, Alibaba, dan Tencent di Cina — sudah ada hampir 20 tahun. Mengapa begitu banyak nilai dan kekuatan pasar muncul begitu cepat? Karena kemampuan baru dalam koordinasi jaringan dan kecerdasan data yang digunakan oleh semua perusahaan ini. Ekosistem yang mereka layani jauh lebih efisien secara ekonomi dan lebih terpusat pada pelanggan daripada industri tradisional. Perusahaan-perusahaan ini mengikuti pendekatan yang saya sebut bisnis cerdas, dan saya percaya itu mewakili logika bisnis dominan masa depan.
Apa itu Bisnis Cerdas?
Bisnis yang cerdas muncul ketika semua pemain yang terlibat dalam mencapai tujuan bisnis umum — ritel, misalnya, atau berbagi perjalanan — dikoordinasikan dalam jaringan daring dan menggunakan teknologi pembelajaran mesin untuk memanfaatkan data secara real time secara efisien. Model yang didukung teknologi ini, di mana sebagian besar keputusan operasional dibuat oleh mesin, memungkinkan perusahaan untuk beradaptasi secara dinamis dan cepat untuk mengubah kondisi pasar dan preferensi pelanggan, mendapatkan keunggulan kompetitif yang luar biasa dibandingkan bisnis tradisional.
Daya komputasi yang cukup dan data digital adalah bahan bakar untuk pembelajaran mesin, tentu saja. Semakin banyak data dan semakin banyak iterasi yang dilakukan oleh algoritma algoritmik, semakin baik luarannya. Para ilmuwan data memunculkan model prediksi probabilistik untuk tindakan tertentu, dan kemudian algoritma tersebut mengaduk-aduk banyak data untuk menghasilkan keputusan yang lebih baik secara real time dengan setiap iterasi. Model prediksi ini menjadi dasar bagi sebagian besar keputusan bisnis. Dengan demikian pembelajaran mesin lebih dari sekedar inovasi teknologi; itu akan mengubah cara bisnis dilakukan karena pengambilan keputusan manusia semakin digantikan oleh output algoritmik.
Ant Microloans memberikan contoh yang mencolok tentang seperti apa masa depan ini nantinya. Ketika Alibaba meluncurkan Ant, pada 2012, pinjaman khas yang diberikan oleh bank-bank besar di China adalah jutaan dolar. Jumlah pinjaman minimum — sekitar 6 juta RMB atau hanya di bawah $ 1 juta — jauh di atas jumlah yang dibutuhkan oleh sebagian besar usaha kecil dan menengah (UKM). Bank enggan untuk melayani perusahaan yang tidak memiliki sejarah kredit atau dokumentasi yang memadai dari kegiatan bisnis mereka. Sebagai akibatnya, puluhan juta bisnis di China mengalami kesulitan nyata dalam mengamankan uang yang diperlukan untuk mengembangkan operasi mereka.
Di Alibaba, kami menyadari bahwa kami memiliki bahan untuk menciptakan bisnis pinjaman UKM yang berfungsi tinggi, terukur, dan menguntungkan: jumlah besar data transaksi yang dihasilkan oleh banyak usaha kecil yang menggunakan platform kami. Jadi pada tahun 2010 kami meluncurkan bisnis pinjaman mikro yang didorong data perintis untuk menawarkan pinjaman kepada bisnis dalam jumlah tidak lebih dari 1 juta RMB (sekitar $ 160.000, sekitar Rp 228 juta). Dalam tujuh tahun beroperasi, bisnis tersebut telah meminjamkan lebih dari 87 miliar RMB ($ 13,4 miliar, sekitar Rp 191,62 Trilyun) kepada hampir tiga juta UKM. Ukuran pinjaman rata-rata adalah 8.000 RMB, atau sekitar $ 1.200 (sekitar Rp 17,1 juta). Pada tahun 2012, kami menggabungkan operasi peminjaman ini dengan Alipay, bisnis pembayaran kami yang sangat sukses, untuk menciptakan Ant Financial Services. Kami memberi usaha baru yang namanya untuk menangkap gagasan bahwa kami memberdayakan semua perusahaan kecil, tetapi rajin.
Saat ini, Ant dapat dengan mudah memproses pinjaman sekecil beberapa ratus RMB (sekitar $ 50, Rp715 ribu) dalam beberapa menit. Bagaimana ini mungkin? Ketika berhadapan dengan calon peminjam, lembaga pemberi pinjaman hanya perlu menjawab tiga pertanyaan dasar: Haruskah kami meminjamkan kepada mereka, berapa banyak yang harus kami pinjamkan, dan berapa tingkat bunganya? Setelah penjual di platform kami memberi kami otorisasi untuk menganalisis data mereka, kami memiliki posisi yang baik untuk menjawab pertanyaan tersebut. Algoritme kami dapat melihat data transaksi untuk menilai seberapa baik suatu bisnis, seberapa kompetitif penawarannya di pasar, apakah mitra-mitranya memiliki peringkat kredit yang tinggi, dan seterusnya.
Ant menggunakan data itu untuk membandingkan peminjam yang baik (mereka yang membayar tepat waktu) dengan orang-orang yang kurang bisa membayar (mereka yang tidak) untuk mengisolasi ciri-ciri umum pada kedua kelompok. Ciri-ciri itu kemudian digunakan untuk menghitung skor kredit. Semua lembaga peminjaman melakukan ini dengan cara tertentu, tentu saja, tetapi di Ant analisis dilakukan secara otomatis pada semua peminjam dan semua data perilaku mereka secara real time. Setiap transaksi, setiap komunikasi antara penjual dan pembeli, setiap koneksi dengan layanan lain yang tersedia di Alibaba, memang setiap tindakan yang dilakukan di platform kami, memengaruhi skor kredit bisnis. Pada saat yang sama, algoritma yang menghitung skor itu sendiri berevolusi secara real time, meningkatkan kualitas pengambilan keputusan dengan setiap iterasi.
Menentukan berapa banyak yang harus dipinjamkan dan berapa banyak bunga untuk dibebankan memerlukan analisis berbagai jenis data yang dihasilkan di dalam jaringan Alibaba, seperti margin laba kotor dan perputaran persediaan, bersama dengan informasi yang kurang matematis yang tepat seperti siklus hidup produk dan kualitas penjual hubungan sosial dan bisnis. Algoritma mungkin, misalnya, menganalisis frekuensi, panjang, dan jenis komunikasi (pesan instan, e-mail, atau metode lain yang umum di Cina) untuk menilai kualitas hubungan.
Para ilmuwan data Alibaba sangat penting dalam mengidentifikasi dan menguji titik data mana yang memberikan wawasan yang mereka cari dan kemudian merancang algoritma untuk menambang data. Pekerjaan ini membutuhkan pemahaman mendalam tentang bisnis dan keahlian dalam algoritma pembelajaran mesin. Pertimbangkan lagi Ant Financial. Jika penjual yang dianggap memiliki kredit buruk membayar kembali pinjamannya tepat waktu atau penjual dengan kredit yang sangat baik, algoritma tersebut jelas perlu penyesuaian. Insinyur dapat dengan cepat dan mudah memeriksa asumsi mereka. Parameter mana yang harus ditambahkan atau dihapus? Jenis perilaku pengguna apa yang harus diberikan lebih banyak?
Karena algoritme yang dikalibrasi ulang menghasilkan prediksi yang semakin akurat, risiko dan biaya Ant terus menurun, dan peminjam mendapatkan uang yang mereka butuhkan, ketika mereka membutuhkannya, dengan tingkat bunga yang mampu mereka bayar. Hasilnya adalah bisnis yang sangat sukses: Operasi pinjaman mikro memiliki tingkat gagal bayar sekitar 1%, jauh di bawah perkiraan Bank Dunia 2016 rata-rata 4% di seluruh dunia.
Jadi bagaimana Anda menciptakan bisnis semacam itu?
Mengotomatisasi Semua Pengambilan Keputusan Operasi
Untuk menjadi bisnis yang cerdas, perusahaan Anda harus memungkinkan sebanyak mungkin keputusan operasional untuk dibuat oleh mesin yang dipicu oleh data langsung daripada oleh manusia yang didukung oleh analisis data mereka sendiri. Transformasi pengambilan keputusan dengan cara ini adalah proses empat langkah.
Tahap 1: "Men-Data-kan" semua pertukaran konsumen.
Perusahaan Ant beruntung memiliki akses ke banyak data tentang peminjam potensial untuk menjawab pertanyaan yang ada dalam bisnis pinjamannya. Bagi banyak bisnis, proses pengambilan data akan lebih menantang. Tetapi data langsung sangat penting untuk menciptakan lingkaran umpan balik yang merupakan dasar pembelajaran mesin.
Pertimbangkan bisnis penyewaan sepeda. Start-up di China telah memanfaatkan telepon seluler, internet hal (dalam bentuk kunci sepeda pintar), dan sistem pembayaran dan kredit yang ada untuk mendata seluruh proses penyewaan.
Menyewa sepeda secara tradisional untuk pergi ke lokasi sewaan, meninggalkan deposit, meminta seseorang memberi Anda sepeda, menggunakan sepeda, mengembalikannya, dan kemudian membayar sewa dengan uang tunai atau kartu kredit. Beberapa perusahaan Cina saingan menempatkan semua ini secara daring dengan mengintegrasikan berbagai teknologi baru dengan yang sudah ada. Inovasi penting adalah kombinasi kode QR dan kunci elektronik yang secara cerdik mengotomatiskan proses checkout. Dengan membuka aplikasi berbagi sepeda, pengendara dapat melihat sepeda yang tersedia dan memesan satu di dekatnya. Setelah pengendara tiba di sepeda, dia menggunakan aplikasi untuk memindai kode QR pada sepeda. Dengan asumsi bahwa orang tersebut memiliki uang di akunnya dan memenuhi kriteria sewanya, kode QR akan membuka kunci sepeda elektronik. Aplikasi ini bahkan dapat memverifikasi riwayat kredit seseorang melalui Kredit Sesame, produk online baru Ant Financial untuk peringkat kredit konsumen, memungkinkan pengendara untuk melewati pembayaran, lebih mempercepat proses. Ketika sepeda dikembalikan, menutup kunci menyelesaikan transaksi. Prosesnya sederhana, intuitif, dan biasanya hanya membutuhkan beberapa detik.
Mendatakan proses sewa sangat meningkatkan pengalaman konsumen. Berdasarkan data langsung, perusahaan mengirim truk untuk memindahkan sepeda ke tempat yang diinginkan pengguna. Mereka juga dapat mengingatkan pengguna reguler untuk ketersediaan sepeda di dekatnya. Terima kasih untuk sebagian besar inovasi ini, biaya penyewaan sepeda di China telah turun menjadi hanya beberapa sen per jam.
Sebagian besar bisnis yang berusaha menjadi lebih banyak didorong-data biasanya mengumpulkan dan menganalisis informasi untuk menciptakan model kausal. Model kemudian mengisolasi titik-titik data penting dari massa informasi yang tersedia. Itu bukan cara bisnis cerdas menggunakan data. Sebaliknya, mereka menangkap semua informasi yang dihasilkan selama pertukaran dan komunikasi dengan pelanggan dan anggota jaringan lainnya sebagai bisnis beroperasi dan kemudian membiarkan algoritma mencari tahu data apa yang relevan.
Tahap 2: "Perangkat Lunak" semua aktivitas.
Dalam bisnis yang cerdas, semua aktivitas — bukan hanya manajemen pengetahuan dan hubungan pelanggan — dikonfigurasikan menggunakan perangkat lunak sehingga keputusan yang memengaruhi mereka dapat diotomatiskan. Ini tidak berarti bahwa perusahaan perlu membeli atau membangun perangkat lunak ERP atau yang setara untuk mengelola bisnisnya — justru sebaliknya. Perangkat lunak tradisional membuat proses dan arus keputusan menjadi lebih kaku dan sering menjadi jaket ketat. Sebaliknya, logika dominan untuk bisnis cerdas adalah reaktivitas dalam waktu nyata. Langkah pertama adalah membangun model bagaimana manusia saat ini membuat keputusan dan menemukan cara untuk meniru elemen yang lebih sederhana dari proses itu menggunakan perangkat lunak — yang tidak selalu mudah, mengingat bahwa banyak keputusan manusia dibangun atas dasar akal sehat atau bahkan aktivitas neurologis bawah sadar.
Pertumbuhan Taobao, situs web ritel domestik Alibaba Group, didorong oleh perangkat lunak berkelanjutan dari proses ritel. Salah satu piranti lunak utama pertama yang dibangun di Taobao adalah alat pesan instan bernama Wangwang, di mana pembeli dan penjual dapat saling berbicara dengan mudah. Dengan menggunakan alat ini, penjual menyapa pembeli, memperkenalkan produk, menegosiasikan harga, dan seterusnya, seperti yang dilakukan orang di toko ritel tradisional. Alibaba juga mengembangkan seperangkat alat perangkat lunak yang membantu penjual mendesain dan meluncurkan berbagai front toko online yang canggih. Setelah toko online dan berjalan, penjual dapat mengakses produk perangkat lunak lain untuk menerbitkan kupon, menawarkan diskon, menjalankan program loyalitas, dan melakukan aktivitas hubungan pelanggan lainnya, yang semuanya dikoordinasikan dengan satu sama lain.
Karena sebagian besar perangkat lunak saat ini dijalankan secara daring sebagai layanan, keuntungan penting dari aktivitas bisnis softwaring adalah bahwa data langsung dapat dikumpulkan secara alami sebagai bagian dari proses bisnis, membangun fondasi untuk aplikasi teknologi pembelajaran mesin.
Tahap 3: Dapatkan data yang sedang bergerak.
Dalam ekosistem dengan banyak pemain yang saling berhubungan, keputusan bisnis memerlukan koordinasi yang kompleks. Mesin rekomendasi Taobao, misalnya, perlu bekerja dengan sistem manajemen inventaris penjual dan dengan sistem profil konsumen dari berbagai platform media sosial. Sistem transaksinya perlu bekerja dengan penawaran diskon dan program loyalitas, serta memberi umpan ke jaringan logistik kami.
Standar komunikasi, seperti TCP / IP, dan antarmuka pemrograman aplikasi (API) sangat penting dalam mendapatkan data yang mengalir di antara banyak pemain sambil memastikan kontrol ketat terhadap siapa yang dapat mengakses dan mengedit data di seluruh ekosistem. API, seperangkat alat yang memungkinkan berbagai sistem perangkat lunak untuk "berbicara" dan berkoordinasi dengan satu sama lain secara daring, telah menjadi pusat pengembangan Taobao. Seiring platform berkembang dari forum tempat pembeli dan penjual dapat bertemu dan menjual barang untuk menjadi situs web e-dagang dominan China, pedagang di situs memerlukan lebih banyak dukungan dari pengembang pihak ketiga. Perangkat lunak baru harus dapat dioperasikan secara luas dengan semua perangkat lunak lain pada platform untuk menjadi bernilai apa pun. Jadi pada tahun 2009, Taobao mulai mengembangkan API untuk digunakan oleh pemasok perangkat lunak independen. Saat ini, pedagang di Taobao berlangganan lebih dari 100 modul perangkat lunak, rata-rata, dan layanan data langsung yang mereka gunakan secara drastis mengurangi biaya pedagang dalam berbisnis.
Mendapatkan infrastruktur teknis benar hanyalah permulaan. Butuh upaya luar biasa bagi kami untuk membangun standar umum sehingga data dapat digunakan dan ditafsirkan dengan cara yang sama di semua unit bisnis Alibaba. Selain itu, mencari tahu struktur insentif yang tepat untuk membujuk perusahaan untuk berbagi data yang mereka miliki merupakan tantangan yang penting dan berkelanjutan. Lebih banyak pekerjaan dibutuhkan. Tentu saja, sejauh mana perusahaan dapat berinovasi dalam bidang ini akan bergantung sebagian pada aturan yang mengatur pembagian data di negara tempat mereka beroperasi. Namun arahannya sangat jelas: Semakin banyak data mengalir di seluruh jaringan, semakin pintar bisnis menjadi, dan semakin banyak nilai yang diciptakan ekosistem.
Tahap 4: Terapkan algoritma.
Setelah bisnis memiliki semua operasi daring, itu akan mengalami banjir data. Untuk mengasimilasi, menafsirkan, dan menggunakan data untuk keuntungannya, perusahaan harus membuat model dan algoritma yang membuat eksplisit logika produk yang mendasari atau dinamika pasar yang berusaha dioptimalkan oleh bisnis. Ini adalah usaha kreatif besar yang membutuhkan banyak keterampilan baru, sehingga permintaan besar untuk para ilmuwan data dan ekonom. Tantangan mereka adalah untuk menentukan pekerjaan apa yang mereka ingin mesin lakukan, dan mereka harus sangat jelas tentang apa yang merupakan pekerjaan yang dilakukan dengan baik dalam pengaturan bisnis tertentu.
Sejak awal, tujuan kami untuk Taobao adalah menyesuaikannya dengan kebutuhan setiap individu. Ini tidak mungkin tanpa kemajuan dalam pembelajaran mesin. Hari ini, ketika pelanggan masuk, mereka melihat laman web yang disesuaikan dengan pilihan produk yang dikurasi dari miliaran yang ditawarkan oleh jutaan penjual kami. Seleksi ini dihasilkan secara otomatis oleh mesin rekomendasi Taobao yang sangat kuat. Algoritme, yang dirancang untuk mengoptimalkan tingkat konversi setiap kunjungan, menghasilkan data yang dihasilkan di seluruh platform Taobao, dari operasi hingga layanan pelanggan hingga keamanan.
Sebuah tonggak dalam pertumbuhan Taobao, pada tahun 2009, adalah peningkatan dari penelusuran sederhana, yang bekerja cukup baik ketika platform memiliki lebih sedikit kunjungan dan produk untuk ditangani, ke mesin pencari yang didukung oleh algoritma pembelajaran mesin dan mampu memproses volume besar pertanyaan . Taobao juga telah bereksperimen dengan algoritme pencarian pengenalan-optik yang dapat mengambil foto item yang diinginkan yang diberikan oleh pelanggan dan mencocokkannya dengan produk yang tersedia di platform. Meskipun kami masih dalam tahap awal menggunakan teknologi ini untuk mendorong penjualan, fungsi ini terbukti sangat populer di kalangan pelanggan, yang menawarkan 10 juta kunjungan unik setiap hari.
Pada 2016, Alibaba memperkenalkan chatbot bertenaga AI untuk membantu menjawab pertanyaan pelanggan. Ini berbeda dari penyedia layanan mekanik yang akrab bagi kebanyakan orang yang diprogram untuk mencocokkan permintaan pelanggan dengan jawaban dalam repertoar mereka. Chatbots Alibaba adalah "dilatih" oleh perwakilan yang berpengalaman dari pedagang Taobao. Mereka tahu semua tentang produk dalam kategori mereka dan berpengalaman dalam mekanisme platform Alibaba — mengembalikan kebijakan, biaya pengiriman, cara melakukan perubahan pada pesanan — dan pertanyaan umum lainnya yang ditanyakan pelanggan. Menggunakan berbagai teknologi pembelajaran mesin, seperti pemahaman semantik, dialog konteks, grafik pengetahuan, penambangan data, dan pembelajaran mendalam, chatbots dengan cepat meningkatkan kemampuan mereka untuk mendiagnosis dan memperbaiki masalah pelanggan secara otomatis, daripada hanya mengembalikan tanggapan statis yang mendorong konsumen untuk mengambil tindakan lebih lanjut. Mereka mengkonfirmasi dengan pelanggan bahwa solusi yang disajikan dapat diterima dan kemudian melaksanakannya. Tidak ada tindakan manusia oleh Alibaba atau pedagang terjadi.
Chatbots juga dapat memberikan kontribusi yang signifikan ke baris teratas penjual. Merek pakaian Senma, misalnya, mulai menggunakan satu tahun lalu dan menemukan bahwa penjualan bot itu 26 kali lebih tinggi daripada rekan penjualan manusia atas pedagang.
Akan selalu ada kebutuhan untuk perwakilan pelanggan manusia untuk menangani masalah rumit atau pribadi, tetapi kemampuan untuk menangani pertanyaan rutin melalui chatbot sangat berguna, terutama pada hari-hari dengan volume tinggi atau promosi khusus. Sebelumnya, sebagian besar penjual di platform kami akan merekrut pekerja sementara untuk menangani permintaan konsumen selama acara besar. Tidak lagi. Selama hari penjualan terbesar di Alibaba pada 2017, chatbot menangani lebih dari 95% pertanyaan pelanggan, menanggapi sekitar 3,5 juta konsumen.
Keempat langkah ini adalah dasar untuk menciptakan bisnis yang cerdas: Terlibat dalam pembuatan data kreatif untuk memperkaya kumpulan data yang digunakan bisnis untuk menjadi lebih pintar; perangkat lunak bisnis untuk menempatkan alur kerja dan aktor-aktor penting secara daring; menetapkan standar dan API untuk mengaktifkan aliran dan koordinasi data secara real-time; dan menerapkan algoritme pembelajaran mesin untuk menghasilkan keputusan bisnis "cerdas". Semua kegiatan yang terlibat dalam empat langkah ini merupakan kompetensi baru yang penting yang membutuhkan jenis kepemimpinan baru.
Peran Pemimpin
Dalam kursus saya tentang bisnis cerdas di Hupan School of Entrepreneurship, saya menunjukkan slide 10 pemimpin bisnis dan meminta para siswa untuk mengidentifikasi mereka. Mereka dapat dengan mudah memilih Jack Ma, Elon Musk, dan Steve Jobs. Tetapi hampir tidak ada yang dapat mengidentifikasi CEO CitiGroup atau Toyota atau General Electric.
Ada alasan untuk ini. Tidak seperti GE, Toyota, dan CitiGroup, yang memberikan produk atau layanan melalui rantai pasokan yang dioptimalkan, perusahaan digital harus memobilisasi jaringan untuk mewujudkan visi mereka. Untuk melakukan itu, pemimpin mereka harus menginspirasi karyawan, mitra, dan pelanggan yang membentuk jaringan itu. Mereka harus visioner dan pewarta, terang-terangan dengan cara yang tidak harus dilakukan oleh pemimpin perusahaan tradisional.
Pada tingkat tertinggi, para pewarta digital harus memahami seperti apa masa depan dan bagaimana industri mereka akan berevolusi sebagai respons terhadap perubahan masyarakat, ekonomi, dan teknologi. Mereka tidak dapat menggambarkan langkah-langkah konkrit untuk mewujudkan tujuan perusahaan mereka karena lingkungannya terlalu cair dan kemampuan yang mereka perlukan tidak dapat diketahui. Sebaliknya, mereka harus menentukan apa yang ingin dicapai oleh perusahaan dan menciptakan lingkungan di mana pekerja dapat dengan cepat merangkai produk dan layanan eksperimental, menguji pasar, dan menskalakan ide-ide yang menghasilkan respons positif. Pemimpin digital tidak lagi mengelola; Sebaliknya, mereka memungkinkan pekerja untuk berinovasi dan memfasilitasi umpan balik inti tanggapan pengguna terhadap keputusan dan eksekusi yang tegas.
Dalam model bisnis cerdas, algoritma pembelajaran mesin mengambil banyak beban peningkatan bertahap dengan secara otomatis melakukan penyesuaian yang meningkatkan efisiensi sistem. Dengan demikian, tugas terpenting para pemimpin adalah menumbuhkan kreativitas. Mandat mereka adalah untuk meningkatkan tingkat keberhasilan inovasi daripada meningkatkan efisiensi operasi.
Kesimpulan
Perusahaan-perusahaan digital asli seperti Alibaba memiliki keuntungan dilahirkan secara daring dan siap-data, sehingga transformasi mereka ke bisnis cerdas cukup alami. Sekarang mereka telah membuktikan bahwa model tersebut berhasil dan mengubah ekonomi industri lama, sekarang saatnya bagi semua perusahaan untuk memahami dan menerapkan logika bisnis baru ini. Itu mungkin terlihat sangat mengintimidasi, tetapi ini menjadi lebih dan lebih layak. Komersialisasi komputasi awan (cloud computing) dan teknologi kecerdasan buatan (AI) telah membuat kekuatan komputasi dan kemampuan analitis berskala besar dapat diakses siapa saja. Memang, biaya penyimpanan dan komputasi data dalam jumlah besar telah menurun secara dramatis selama dekade terakhir. Ini berarti bahwa aplikasi pembelajaran mesin (machine learning) secara real time sekarang mungkin dan terjangkau di lebih banyak lingkungan. Pesatnya perkembangan teknologi internet-of-things (IoT) akan semakin mendokumentasi lingkungan fisik kita, menyediakan lebih banyak data. Ketika inovasi ini terakumulasi dalam beberapa dekade mendatang, para pemenang akan menjadi perusahaan yang lebih cerdas daripada kompetisi.
Grup Alibaba go public di Amerika Serikat pada bulan September 2014 dan telah tumbuh dengan kecepatan tinggi, sekarang membanggakan kapitalisasi pasar lebih dari $ 500 miliar. Platform e-dagang grup sekarang memiliki lebih dari 550 juta konsumen aktif tahunan. Angka-angka ini tidak termasuk Ant Financial, yang melaporkan hasil keuangan secara terpisah.
Pada tahun fiskal yang berakhir Maret 2017, Alibaba Group melaporkan laba lebih dari $ 15 miliar pada hampir $ 40 miliar dalam pendapatan. Ant melaporkan laba sebesar $ 814 juta atas pendapatan $ 8,9 miliar dan saat ini bernilai lebih dari $ 100 miliar. Ant membayar royalti Alibaba, yang berjumlah $ 332 juta pada tahun 2017.
Komentar
Posting Komentar