[專題文章] DT 1.0 到 DT3.0: 設計思維的演變「對商業決策的戰略性作用」

By
Administration Team
-
0
394

English | 繁體中文

目錄

第一部份: 背景

第二部份: DT 1.0 (傳統的 設計思維方法)

第三部份: DT 2.0 (數據驅動的 設計思維方法)

第四部份: DT 3.0 (應用人工智能工具的 數據驅動設計思維方法)

第五部份: 對商業領袖的意義與啟示

第一部份: 背景

設計思維方法（Design Thinking Method, 簡稱 DT）的演進通過整合結構化、數據驅動的方法論，正在改變執行決策過程。隨著組織面對複雜的挑戰，將 AI 等先進技術整合到 DT 過程中，賦予領導者做出既明智又靈活的決策的能力，這些決策高度響應用戶需求和動態市場條件。

從 DT 1.0 到 DT 3.0 的每次演進都系統性地整合了更廣泛的技術和分析工具。這種整合包括先進的數據和 AI 資源，與傳統模型無縫對接，顯著提升了創新過程的效果和效率。這種增強涵蓋了包括產品創新、服務改進、商業模式優化、流程再造以及市場營銷創新等各個戰略領域。這些全面的進步對於旨在推動組織持續增長和競爭差異化的高級主管來說至關重要。

以人為本且強調定性分析的基礎上，DT 3.0 透過全面整合數據驅動和人工智慧技術，實現了在設計實踐中更具預測性、響應性和針對用戶定制的顯著進步。根據近期的商業研究顯示，採用 DT 3.0 的創新團隊在執行創新項目時，能夠將項目時間縮短至多達 48%，此成果突顯了其在加速創新過程中的重要性。這種突破對於需要快速且有效應對市場變化的商業領袖而言，具有重大的戰略意義。

因此，眾多國際著名企業，包括蘋果（Apple）、愛彼迎（Airbnb）、亞馬遜（Amazon）、滙豐（HSBC）以及特斯拉（Tesla）等，均已採納 DT 3.0 作為其創新管理的核心工具，以提升創新效率和市場應變能力。

在企業創新項目的架構中，通常會劃分為六個核心階段：確立關鍵改變或挑戰 (Determine Major Changes and Challenges)、探索全方位資訊 (Discover All-Rounded Information)、定義核心成因與機會 (Define Root Causes and Opportunities)、發展創意點子 (Develop Creative Ideas)、交付創新方案 ( Deliver Innovative Solutions) 及 策動變革與成果 (Drive Changes and Results)。下面，我們將進一步闡釋設計思考方法在DT 1.0、DT 2.0至DT 3.0的進化過程中，各自的特點和差異。

第二部份: DT 1.0 – 傳統的 設計思維方法

傳統的設計思維方法強調使用定性的方法解決以人為本的解決方案。DT 1.0 的主要階段包括：

  1. 確立 (Determine): 依賴於團隊的主觀經驗和直觀來確定挑戰，重視創意會議和開放討論來發掘問題。
  2. 發現 (Discover): 強調與用戶面對面的互動和觀察，依賴人類觀察和同理心來收集資料。
  3. 定義 (Define): 以團隊的理解和解釋來形成問題陳述，通常是質性和描述性的。
  4. 開發 (Develop): 通過頭腦風暴和創意工作坊主導創意解決方案的生成，重視創意自由和無限制的思考。
  5. 交付 (Deliver): 應用實體的原型製作和用戶測試主導產品迭代，依賴用戶反饋來調整解決方案。
  6. 策動 (Drive): 基於領導團隊和關鍵利益相關者的決策推動解決方案實施，重視組織內部的溝通和推動力。

應用例子(1): 在 DT 1.0 中，客戶旅程圖(見下圖)著重於通過質性數據建立同理心。想像一家零售服裝店，你觀察到一位顧客在尋找合適尺寸時遇到困難。通過拍照和記錄他們的體驗，你深入了解他們的挫折感。這種方法讓你直接見證顧客的挑戰並建立信任，從而改善店面布局和員工互動。

資料來源: Samsung Digital Transformation: How to respond smartly to VUCA World

對於監督創新項目的商業領袖而言，了解設計思維的各個階段對於引導團隊解決複雜問題並創造創新、實用的解決方案至關重要。

第三部份: DT 2.0 – 數據驅動的 設計思維方法

將數據整合到設計思維過程中，驗證假設並在每個階段提升決策制定：

  1. 確立 (Determine): 透過數據分析幫助識別和定義關鍵業務挑戰，使用數據支持的見解來指導初步的問題確認。
  2. 發現 (Discover)： 以數據分析整合傳統的用戶研究方法，如調查和行為數據分析，量化數據和質性見解的結合。
  3. 定義 (Define): 應用具體的數據點明確地定義問題，通過數據支持的證據保證問題陳述的準確性和相關性。
  4. 開發 (Develop): 運用利用數據洞察來驅動解決方案的創建，應用預測分析和市場趨勢數據來形成創新的解決方案。
  5. 交付 (Deliver): 利用數據指標快速原型和測試解決方案，數據驅動的迭代過程，根據實際性能調整。
  6. 策動 (Drive): 以數據分析支持實施策略的制定和調整，持續的數據追蹤和效果評估確保目標實現。

應用例子(2): 在 DT 2.0 中，客戶旅程圖(見下圖)包含了定量數據以理解行為變化。例如，在同一家服裝店，你收集顧客使用試衣間的頻率數據，並分析購買與退貨模式。這張圖幫助識別受歡迎的商品並優化庫存，使得目標營銷策略能夠提升顧客滿意度並減少退貨。

資料來源: Samsung Digital Transformation: How to respond smartly to VUCA World

對商業領袖來說，採用DT 2.0意味著在創新過程中全面利用數據，以做出更精確的戰略決策，從而提高方案成功的可能性。這種方法不僅使開發過程更加高效，還能確保解決方案更精準地回應市場需求和用戶期望。

第四部份: DT 3.0 – 應用人工智能工具的 數據驅動設計思維方法

DT 3.0 利用 AI 工具增強每個階段，創建更具動態性、響應性的過程：

  1. 確立 (Determine): AI 工具分析大規模數據集以識別機會和挑戰，機器學習模型預測和建議關注點。
  2. 發現 (Discover)：利用 AI 算法自動化地分析用戶行為和偏好，發掘深層見解，能夠處理和解釋龐大和複雜的數據集。
  3. 定義 (Define): 應用 AI 持續更新問題定義，根據實時數據動態調整，問題陳述更精確且即時反映市場和用戶行為改變。
  4. 開發 (Develop): 應用 AI 協助生成創新解決方案，通過模擬結果、預測市場趨勢和基於現有數據建議優化來支持。
  5. 交付 (Deliver): 應用 AI 進行快速原型化和測試，其中機器學習模型預測用戶反應並根據實時反饋自動調整設計。
  6. 策動 (Drive): 利用 AI 的預測能力和自動化工具持續監控和優化實施效果。 實時調整策略，以應對不斷變化的市場條件。

應用例子(3): 在 DT 3.0 中，客戶旅程圖(見下圖)利用數字足跡來提供對線上行為的洞察。例如，通過追蹤線上購買懷舊商品的數據，你識別了尋求童年體驗的「大人童心」顧客。AI 預測他們的下一次可能購買，從而實現個性化的營銷活動。這張圖增強了用戶體驗並提升銷售，展示了向精緻、數據驅動的解決方案的轉變。

資料來源: Samsung Digital Transformation: How to respond smartly to VUCA World

對商業領袖來說，DT 3.0標誌著設計思維的進階發展階段。整合人工智能不僅使流程更加流暢，還能提升決策質量，確保策略創新且與市場動態同步。這種策略使領導者能夠在迅速變化的行業中保持領先，通過數據驅動的行動推動持續的業務增長。

第五部份: 對商業領袖的意義與啟示

設計思維的演進對執行決策產生了重大影響，促使商業領袖調整他們的問題解決和創新策略。隨著設計思維從 DT 1.0 發展到 DT 3.0，整合了先進的數據分析和 AI 工具，執行者可以做出更加明智、應變迅速的決策，這些決策更貼近顧客需求和市場動態。

對於商業領袖來說，採用 DT 2.0 和 DT 3.0 方法論可以提供競爭優勢，通過增強理解和預測顧客行為的能力，並使創新更加精準。這種轉變需要在技術和技能發展上進行投資，促進一種重視數據素養和持續學習的文化。

此外，設計思維中使用 AI 允許進行主動的決策制定。領導者必須管理迅速流動的洞察力，以做出迅速且有根據的決策。他們還需要考慮 AI 的倫理使用，以確保解決方案是公平和透明的。總之，設計思維的演進強調了戰略領導和遠見，幫助領導者提升問題解決能力，改善顧客互動，並在複雜的商業環境中增強組織的韌性。

參考資料:

Böckle, M., & Kouris, I. (2023). Design Thinking and AI : A New Frontier for Designing Human‐Centered AI Solutions. Design Management Journal, 18(1), 20-31. https://doi.org/10.1111/dmj.12085

Chung, D. (2020). Creating a memorable experience to retain valued banking customers. In Design Thinking Business CaseBook 2020 (pp. 21 to 24). Vocational Training Council (Business Discipline), Hong Kong SAR Government.

Chung, D. (2022). Creating a caring experience for passengers with special needs in the public transportation. In Design Thinking Business CaseBook 2022 (pp. 21 to 24). Vocational Training Council (Business Discipline), Hong Kong SAR Government.

Chung, D., Choi, Y., Lee, P., Lee, S., & Liu, T. (2022). Creating a memorable experience for Kwun Tong Yue Man Hawker Bazaar. In Design Thinking Business CaseBook 2022 (pp. 17 to 20). Vocational Training Council (Business Discipline), Hong Kong SAR Government.

Chung, G., & Chung, D. (2018). WOW the Hospitality Customers: Transforming Innovation into Performance Through Design Thinking and Human Performance Technology. Performance improvement (International Society for Performance Improvement), 57(2), 14-25. https://doi.org/10.1002/pfi.21772

Dash, S. K. (2023). Artificial Intelligence (AI) Facilitated Data-Driven Design Thinking. In (pp. 17-24). Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-49215-0_3

Kan, S., & Chung, D. (2019). Creating the Flying Beyond passenger experience. In Design Thinking Business CaseBook 2019 (pp. 17 to 20). Vocational Training Council (Business Discipline), Hong Kong SAR Government.

Kan, S., Chung, D., & Chung, G. (2019). Customer Experience Transformation in the Aviation Industry: Business Strategy Realization through Design Thinking, Innovation Management, and HPT. Performance improvement (International Society for Performance Improvement), 58(1), 13-30. https://doi.org/10.1002/pfi.21823

Krishnan, T., Singh, A., Kumar, K., & Ganesh, J. (2022). Leverage Design Thinking to Build Enterprise AI. California Management Review Insights.

Leão, C. P., Silva, V., & Costa, S. (2024). Exploring the Intersection of Ergonomics, Design Thinking, and AI/ML in Design Innovation. Applied system innovation, 7(4), 65. https://doi.org/10.3390/asi7040065

Magistretti, S., Legnani, M., Pham, C. T. A., & Dell’Era, C. (2024). The 4S Model for AI Adoption. Research-Technology Management, 67(3), 54-63. https://doi.org/10.1080/08956308.2024.2325859

Man, I., & Chung, D. (2019). Creating Unlimited Business Opportunities for an Insurance Sales Force. In Design Thinking Business CaseBook 2019 (pp. 21 to 24). Vocational Training Council (Business Discipline), Hong Kong SAR Government.

Man, I., & Chung, D. (2019). Creating Unlimited Business Opportunities for an Insurance Sales Force Through Design Thinking. In Cases on Learning Design and Human Performance Technology (pp. 287-304). IGI Global. https://doi.org/10.4018/978-1-7998-0054-5.ch015

Niehaus, M., & Mocan, M. (2024). Cultivating Design Thinking for Sustainable Business Transformation in a VUCA World: Insights from a German Case Study. Sustainability, 16(6), 2447.

Poleac, D. (2024). Design Thinking with AI. Proceedings of the International Conference on Business Excellence, 18(1), 2891-2900. https://doi.org/doi:10.2478/picbe-2024-0240

Skywark, E. R., Chen, E., & Jagannathan, V. (2022). Using the Design Thinking Process to Co-create a New, Interdisciplinary Design Thinking Course to Train 21st Century Graduate Students. Frontiers in public health, 9, 777869-777869. https://doi.org/10.3389/fpubh.2021.777869

Stackowiak, R., & Kelly, T. (2020). Design thinking in software and AI projects: proving ideas through rapid prototyping. Springer.

Staub, L., van Giffen, B., Hehn, J., & Sturm, S. (2023). Design Thinking for Artificial Intelligence: How Design Thinking Can Help Organizations to Address Common AI Project Challenges. In (pp. 251-267). Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-48057-7_16

RELATED ARTICLESMORE FROM AUTHOR