国际商学院MBA：培养精通技术的领导者
高管需要“数字思维方式”，使他们能够了解如何使用推动当今业务发展的数据和技术。
为了在数字时代取得成功，高管们应该对关键技术和技术技能有大约 30% 的流利程度。
领导者需要创造包容不断变化的文化，并鼓励所有员工培养数字思维方式。
商学院必须确定在多大程度上专注于教授技术技能，以及在多大程度上专注于帮助领导者利用他们的技能以不同的方式看待、思考和管理。
 
随着世界企业变得越来越数字化，商学院需要让学生为管理数据驱动的组织做好准备。但是，今天的高管需要多少关于当前技术的知识？他们能在多大程度上依赖他们获得的数据？
这些是 Paul Leonardi 和 Tsedal Neeley 在他们的新书The Digital Mindset 中探讨的一些问题。 Leonardi（左图）是加州大学圣巴巴拉分校的 Duca Family 技术管理教授，而 Neeley 是波士顿哈佛商学院的 Naylor Fitzhugh 工商管理教授。在他们的书中，他们提供了一个框架，概述了领导者必须培养以管理“协作、计算和变革”的技能。

AACSB Insights最近采访了 Leonardi，以了解什么是数字思维、管理人员需要对技术有多少了解，以及商学院在培养未来精通技术的领导者方面发挥的作用。

首先，什么是数字思维？
数字思维是一组态度和行为，使人们和组织能够看到新的可能性并为未来规划道路。
当我们谈论公司的数字化转型时，大多数领导者认为他们或他们的员工需要学习如何用 Python 编码、进行多项回归或指挥机器人。我们发现，数字时代的成功需要一些新技能，当然，但更重要的是，它需要新的思维和行为方式。获得技能会给你词汇、知识和直觉，让你看到更大的图景——提出重要的问题。培养一种新的心态意味着你改变你的行为，因为你以一种新的方式看待世界。

在典型的组织中，谁需要数字思维？
每个人——从 CEO 到下。如果最高级别的人员不了解数字工具给公司带来的可能性和限制，他们就无法制定数字化变革战略。一直向下层级的人们将使用这些数字技术。如果他们不了解如何使用数字工具和他们产生的数据来改进工作流程、与客户的互动等，那么数字化转型就永远不会发生。

人们需要了解哪些最重要的技术类型？
名单太长，技术变化太快，很难提供完整的账户，但其中包括算法、人工智能、机器人队友、内部社交媒体、区块链和云。
举一个例子，我们看到机器人队友的增加，他们可能是机器人、虚拟助手或机械机器人。为了有效地与机器人队友合作，您必须知道何时可以信任它的建议和行动，何时不能——就像您必须与人类队友一样。但是学习是否可以信任机器人与学习是否可以信任人类是截然不同的。

您说过，高层管理人员可能不需要了解编码或成为技术专家，但他们需要足够了解才能满足“30% 规则”。你能解释一下那是什么吗？
我们发现，如果您在某些计算、协作和变革领域的流利程度只有 30% 左右，那么您就可以成为数字世界中的合格公民。我喜欢学习外语的类比。研究表明，您需要大约 12,000 个单词才能掌握一门语言并进行流利的交流。但如果你只是想有足够的能力与说不同语言的人一起工作，你只需要大约 4,000 个单词——约占总数的 30%。

如今，许多公司都在收集大量数据，但他们并不总是知道如何有效地使用这些信息。管理者如何利用他们获得的所有信息？
我们看到的一致主题之一是，由于可用数据如此之多，领导者陷入了这样一种陷阱，即他们所有的答案都在等待被发现的数据库中的某个地方。但人们忘记的是，公司不会收集所有事情的数据。他们确实收集的数据开始受到重视，但他们不收集的数据往往被低估，并且往往不被认可为数据。

因为可用的数据太多，领导者陷入了这样的陷阱：认为他们所有的答案都存在于数据库中等待被发现的某个地方。
以美国国家篮球协会 [NBA] 为例。如今，地球上几乎没有一个组织会收集更多关于其员工的数据。几乎篮球场的每一寸都布满了传感器，这些传感器可以追踪谁从哪里投篮、一名球员的助攻或篮板数，甚至是射手的领先位置。这些传感器——以及它们产生的数据——与我们认为我们重视的东西相关联，比如尝试投篮与投篮命中。
但大多数 NBA 球队并没有收集球员是否让对手难以抢到篮板的数据。这意味着球队没有太多数据可以用来评估、赞扬和奖励那些出色——通常是隐藏的——防守工作的球员。因此，那些球员没有得到大合同，而伟大射手的每一个动作都在数据足迹中滴落。
您经常听到格言“衡量重要的事情”。现实情况是，我们衡量的东西很重要。我们不衡量的东西最终无关紧要，即使它可能真的很重要。

人们倾向于认为数据是中性的，但专家警告说，隐含的偏见可能会呈现出偏差的结果。例如，如果大多数程序员是白人男性，他们甚至可能不知道编写歧视女性或有色人种的代码。管理者需要了解哪些数据的局限性？他们如何避免这些陷阱？
不是收集数据，而是生产数据。所有数据都是社会结构，它们不是自然的或中立的。这很重要，因为我们所处的世界决策越来越基于数据。
想想您在 Google 上搜索时收到的广告。细粒度的机器学习算法不断将数据转化为您在任何特定时刻可能购买的商品的预测。为了了解预测是否有用，您需要一些基本的统计知识。你必须能够解释统计数据并提出正确的问题。
这并不是说数据或理解数据的算法有偏见那么简单。在许多情况下这可能是正确的。但正如我在 NBA 的例子所表明的那样，我们选择生成的数据也存在偏见。我们如何解释从这些数据得出的预测也存在偏差。如果您知道如何收集、分类和解释您的数据，您就可以开始避免做出有偏见的决定的陷阱。

您注意到数字化转型一直在发生，这意味着公司和员工需要不断学习。但大多数人抵制改变。管理者如何才能创造一种包含持续数字化转型的公司文化？
大多数人认为变化是偶发的——我们经历了长时间的停滞，不时出现短暂的变化。但在数字世界中，我们不再有停滞期。我们总是从一套实践或商业模式过渡到下一套，这在很大程度上是因为通过数字技术收集、产生和分析的所有新数据。
因为我们处于这个不断转变的过程中，所以对于公司来说，培养一种实验精神并获得关于什么有效和什么无效的反馈是非常重要的。组织领导者必须帮助员工培养他们接受变革所需的技能，并创造一种接受变革的文化。人们不应该期待事情平静下来——因为他们不会。

在数字世界中，我们不再有停滞期。我们总是从一套实践或商业模式过渡到下一套。
领导者可以做三件事来为数字变革创造正确的文化。首先，他们需要确保员工了解如何以及为什么要使用新的数字技术。其次，他们需要让怀疑者参与进来，让他们对在数字经济中取得成功需要各级员工拥有数字思维方式的想法感到满意。第三，他们需要提供持续学习的机会——让员工更新他们的技能，并在不断变化的工作环境中轻松应用这些技能。

人们可以去哪里学习他们需要的数字技能？
世界各地的大学提供了很多关于人工智能、机器学习、数据科学和远程工作等主题的短期教育课程。我们还发现，许多公司在建立自己的内部培训计划以帮助员工培养数字技能方面取得了巨大成功。在我们的书中，我们从 Spotify、Atos、Philips 和 Capital One 等公司中提取了一些最佳实践，这些公司已经展示了如何有效地构建这些程序。

许多商学院管理人员担心，高管们会转向其他供应商来获得这些技能。商学院如何确保他们在这一领域具有竞争力？他们应该提供什么样的学位课程或证书课程？
商学院必须做出一些艰难的选择。他们是从事教授计算机编程和数据分析的基本技能的业务，还是将基于技能的学习外包给大学的其他部门，甚至外包给私人项目？
我的观点是商学院的工作是教学生如何运用这些技能来解决组织问题和建立新的商业能力。也许一种方法是让获得这些技能成为入学或入学的先决条件，就像我们对某些经济和统计技能所做的那样。

MBA学生毕业时应该熟悉哪些技术主题？
他们需要开发基于数字化知识的协作、计算和变革方法。这包括了解远程工作、使用机器、数据管理和分析、网络安全、实验和变更管理。这些是数字思维方式的基本要素。

如果商学院没有足够的数字知识教授相关课程的教师，他们如何填补这一空白？
就像公司一样，商学院需要不断地培训他们的员工。商学院院长也可以考虑聘用技术管理专业的毕业生，比如我在加州大学圣巴巴拉分校任教的毕业生。我们的学生在工程学校接受管理和战略方面的培训，因此他们理解业务转型的核心技术，并了解与这些技术相关的业务问题和机会。这种背景使他们处于为商学院教师添加数字知识的理想位置。

如果你可以给想要确保他们为数字化转型做好准备的院长提供一条建议——无论是在他们提供的课程中还是在他们自己的运营中——会是什么？
不要延迟达到 30% 的流利度，这样您就可以发展您的数字思维方式。这将帮助您了解您需要如何修改您的课程设置和课外体验。一旦你在那里，创造一种文化，在这种文化中，随着数字技术的不断变化，你、你的教师和你的学生会感到有必要和有能力继续学习。