CMM的商业内涵--培训ZT
讲的都是Business。《鹿鼎记》中,韦小宝对陈近南说,对于一般愚昧的民众要讲“反清复明”、“民族大义”,我们聪明人就直接讲“银子”、“女人”。下面的课程不是讲“过程改进”之类的民族大义,而是商业策略的“银子女人”。
CMM的商业内涵
目标听众:软件企业高层领导
课程简介:
理解CMM,可以选取多种不同的角度。“在商言商”,对于企业而言,应该主要的还是从商业(Business)的角度出发来考察CMM。在软件产业的整个价值链中,CMM实际上发挥的是提供“资信”的作用;由于“信用”在商业社会中的极端重要性和稀缺性,“信用”服务自然得到了市场的承认。CMM从本质上,是一种商品,一种提供“资信”的商品。
正如微软的成功更大程度上是取决于其商业策略而不是技术,CMM在过程改进领域的强势话语地位也主要来自于SEI的商业策略。
CMM最值得认真学习之处,应该是SEI成功推销CMM的商业策略。此处“推销”出自SEI的文献(Literature),并非作者别出心裁。在SEI关于IDEAL模型的技术报告中,SEI要求软件企业首先Identify(鉴别)企业中其他的过程改进活动,例如ISO、TickIT等;然后Saling(推销)CMM。SEI特别在IDEAL的Action(行动)阶段,要求过程改进的实施人员应该有Saling(推销)的技巧,以role-out(推广)过程改进措施。另外,SEI对于CMM的系列技术报告的称呼是“Product”(产品),而不是学术理论、论文成果之类。
CMM本身的理论体系叠床架屋,真正值得我们深思的是,SEI怎么就能够把一个学术理论变成一个成功的商品,并且以CMM为中心带出一个产业?!说CMM相关产业并不过分,吃CMM这碗饭,靠CMM养活的实不在少数。其他理论体系也很多,比如什么“整合营销”学说,什么“情境培训”学说,理论提出者也就是赚点讲课费而已;那么多“成功学”大师,还得靠一场又一场的演讲混点零花钱。为什么独独CMM这个理论体系,能够赚钱赚得如此轻松?
在进入“服务经济”“体验经济”时代的今天,在强调应用和服务的今天,研究CMM成功的商业策略无疑对我们大有启发。进入“服务经济”,每个企业家都应该考虑“服务”这种很虚的东西如何在市场上换来现金(Cash)。那么,比服务还要更“虚”的一种理论体系如何换来现金,甚至大把的软件企业排着队等着往里面送现金,这无疑很有启发。
相关推荐
【信息科学与工程学】【制造工程】第三十六篇 机械工程与自动化101
本系统通过多模型集成、知识增强、主动学习和持续优化等关键技术,实现了高效、高质量的自动化文本语料标注。系统采用模块化设计,支持灵活扩展,能够处理不同类型的文本数据,适应多样的标注需求。
【信息科学与工程学】【制造工程】计算机科学与自动化——服务器制造中的学科知识01
由可数可加性:μ(A)=∑k=1∞μ(Bk)=limn→∞∑k=1nμ(Bk)=limn→∞μ(⋃k=1nBk)=limn→∞μ(An)。:若limsupAn=liminfAn=A,则A中的元素恰是那些“最终总是属于An”的元素,也是那些“属于无穷多个An但不属于无穷多个Anc”的元素。:通过构造一个不相交的序列{Bn},其中B1=A1, Bn=An∖(⋃k=1n−1Ak)。则⋃nBn=⋃nAn,且Bn⊂An。我们称A为一个“集类”或“集合族”。
园区管理如何通过数据分析提升招商效率与运营质量?.docx
科易网基于40亿+科创知识图谱数据库,深度探索AI技术在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,研究科技创新领域的AI+数智化解决方案,推动科技创新与产业创新智能化发展。
央企如何利用数据分析工具优化科技研发方向与产业布局?.docx
科易网基于40亿+科创知识图谱数据库,深度探索AI技术在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,研究科技创新领域的AI+数智化解决方案,推动科技创新与产业创新智能化发展。
基于ADMM应用于水蜜桃采摘配送联合优化问题研究(Matlab代码实现)
内容概要:本文研究了基于交替方向乘子法(ADMM)的水蜜桃采摘与配送联合优化问题,并提供了完整的Matlab代码实现。通过构建整合农业生产中采摘任务分配与物流配送路径规划的数学模型,采用ADMM算法进行分布式求解,显著提升了计算效率与问题扩展性。文中系统阐述了问题建模过程、目标函数与约束条件的设计、ADMM算法的迭代求解机制,并通过仿真实验验证了该方法在降低整体运营成本与提升供应链响应速度方面的有效性,为智慧农业背景下的农产品供应链一体化优化提供了理论支持与实践范例。; 适合人群:具备一定运筹优化、农业工程或物流管理基础知识,熟悉Matlab编程的高校研究生、科研人员及农业科技企业技术人员。; 使用场景及目标:①应用于智慧农业场景下的作物采摘与冷链物流联合调度;②作为学习ADMM算法在分布式优化中应用的教学案例;③为解决类似农产品供应链优化问题提供模型与代码参考; 阅读建议:建议读者结合提供的Matlab代码逐模块阅读,重点关注问题建模与ADMM算法实现部分,可通过修改参数或测试不同规模案例来加深理解,并尝试将其拓展至其他农作物或更复杂的供应链网络中。


