业务观点：策略和成果

业务观点专注于确保您的云投资能够加快实现您的数字化转型雄心和业务成果。它包含八项功能，如下图所示。常见的利益攸关方包括 CEO、CFO、COO、CIO 和 CTO。

AWS CAF 业务观点功能

• 策略管理 – 利用云加速实现业务成果。考虑云如何支持和塑造您的长期业务目标。找出偿还技术债务、利用云优化技术和业务运营的机会。探索借助云功能实现的新的价值主张和收入模式。考虑新的或改进的支持云的产品和服务如何帮助您接触新客户或进入新的细分市场。优先考虑您的战略目标，并随着时间的推移不断改进您的策略，以响应业务环境中的技术发展和变化。

• 产品组合管理 – 根据战略意图、运营效率和您的交付能力，确定云产品和计划的优先次序。通过在正确的时间交付正确的云产品和计划，有助于实施您的策略并加快实现业务成果。利用自动发现工具以及将应用程序迁移到云的七种常见迁移策略（称为 7 R）来合理化现有的应用程序组合，并构建数据驱动型业务案例。

  考虑短期和长期成果以及低风险（经验证）和高风险（实验性）机会，使您的云产品组合保持平衡。包含迁移、现代化和创新计划，并考虑财务收益（降低成本和/或增加收入）和非财务益处（例如，改善客户和员工体验）。根据您的资源、财务和计划限制，优化产品组合的商业价值。要缩短价值转化时间，请考虑提升规划周期的频率或采用持续规划策略。

• 创新管理 – 利用云开发新的流程、产品和体验，并改进现有的流程、产品和体验。云让您能够即时预置和关闭资源，因此可以帮助您缩短价值转化时间，并降低与创新相关的成本和风险。云采用提高了业务敏捷性，要充分利用这一优势，可以制定一个创新策略，其中混合专注于优化现有产品、流程和体验的增量式创新计划和专注于实现新商业模式的颠覆性创新计划。根据您的战略重点，建立征求和选择创意的机制，并开发端到端流程来推广成功的创新试点。

• 产品管理 – 管理支持数据和云的产品/服务，在产品的生命周期内为内部和外部客户提供可重复创造的价值。 通过围绕支持数据和云的产品组建您的团队，您能够变得更敏捷，更专注于客户：

  • 开发均衡的产品组合来支持您的商业策略。

  • 组建强大的、持久性的小型跨职能团队，满足内部和外部客户的需求。

  • 确定产品负责人，了解客户历程，定义和创建产品路线图，并管理端到端产品生命周期和相关的价值流。

  • 利用您的云平台和敏捷方法实现快速迭代和发展。

  • 减少各个产品团队之间的依赖，并通过明确定义的接口有效地将其融入更广泛的运营模式中。

• 战略伙伴关系 – 通过与云提供商建立战略伙伴关系，构建或拓展您的业务。如果您提供云托管的软件解决方案、云集成产品或与云相关的专业服务、咨询服务或托管式服务，则与云提供商进行战略合作可以帮助您建立云专业知识，向客户推介您的解决方案，并加快实施成功的客户参与。

  随着合作的进一步加强，您可以利用服务抵扣金、资助计划权益和联合销售机会来构建或拓展业务。利用云提供商的市场渠道扩大覆盖面，并利用技术资源来帮助您使基于云的产品和服务变得更加成熟。发布联合案例研究，重点说明在解决特定业务挑战方面取得的成功。

• 数据货币化 – 利用数据获得可衡量的商业利益。云有助于收集、存储和分析大量数据。要获得可衡量的商业利益，请制定符合您的战略意图的全面、长期的数据货币化策略。发现机会，利用数据和分析来改善运营、客户和员工体验与决策以及实施新的商业模式。

  例如，考虑利用客户行为洞察来推动超个性化和本地化、微观市场细分、订户保留、忠诚度和奖励计划等。重点关注可帮助您理解和达成商业交易的交易价值、可帮助您描述过去业绩和推断结论的信息价值，以及可帮助您自动执行活动、指导决策和预测结果的分析价值。在考虑外部货币化的机会（例如，通过市场销售数据）之前，首先在企业内部将数据货币化。

• 业务洞察 – 获取实时洞察并回答有关业务的问题。近乎实时的描述性洞察可让您跟踪业务绩效、改进决策并优化运营，从而帮助您成功实施数据货币化策略。组建跨职能分析团队，充分了解业务环境。专注于技术性技能（例如统计数据）和非技术性技能（例如可视化和沟通）。使您的分析工作与业务目标和关键绩效指标 (KPI) 保持一致。利用数据目录找到相关的数据产品，并利用可视化工具和技术来发现数据的趋势、模式和关系。首先以“大局”为主，然后根据需要深入到细节。

• 数据科学 – 使用实验、高级分析和机器学习来解决复杂的业务问题。利用预测性分析和规范性分析，您可以改进运营效率和决策并提升客户和员工体验，从而成功实施数据货币化策略。

  在确定业务流程转型机会后，请确保您的数据目录包含所需的数据产品，以支持机器学习模型的构建、训练和测试。利用持续集成和持续交付 (CI/CD) 实践来提高机器学习工作流的运营弹性和可再现性。了解您的模型如何进行预测并识别任何潜在的偏差。将合适的模型部署到生产环境并监控其性能。要降低风险，可将低置信度的预测委托给人工审查。