当被问及“客户”一词到底指的是什么人时，GE Capital Americas的首席信息官Sigal Zarmi从不装腔作势：“客户就是指公司的客户，至于内部员工都是我们的同事和伙伴。”

 

　　随着企业的信息化程度日益加深，如今的CIO们都要同时服务于两类人–所有需要IT服务的内部员工和企业的外部客户。对于管理着1080亿美元资产、拥有分布于各行各业的30万客户的GE Capital Americas来说，做到这一点这并非易事。作为金融业巨头GE Capital的子公司，GE Capital Americas主要定位在中级市场，为那些年收入在1千万到10亿美元之间的企业客户提供贷款和金融服务。

 

　　除了金融服务之外，GE Capital Americas还为客户提供诸如供应链管理、领导力开发和分析服务。这些服务都是在金融危机之后开始的，GE希望以此构建差异化的竞争优势。“我们GE Capital的一个口号是：‘不止是银行，更是建设者（We are not just bankers，we are builders）’。”Zarmi说。当仅仅凭银行业务无法带来像以往一样丰厚的收入时，这个战略带来了新的发展机会。本文中，我们与Zarmi交流了她是如何用IT来实践企业战略诉求的。

 

　　问：CIO得同时应对两类人群：内部员工和外部客户。对此，你是如何划分工作优先级的？

 

　　Sigal Zarmi：嗯，我认为，同时服务于这两类人并不存在什么矛盾。企业就是要服务于客户，如果没有了客户，一切都会毫无意义。我们要让客户了解我们所能提供的服务，愿意和我们打交道。因此，如果我们的所有工作能从这一点出发，确定要做什么以及该何时做就并不是什么难事。

 

　　我们手头有很多面向内部的项目，因为这些都是必需的工作。我们需要更新软件版本，替换老旧的硬件，确保系统的安全，根据市场变化实现流程自动化以提升运维效率。但是，这些工作同样也是在服务于企业外部客户。

 

　　Zarmi：一个很有说服力的例子是客户自服务门户。客户可以通过这个门户提出取款申请，进行资金转账。对于我们内部来说，在实现了流程自动化的同时，也为客户提供了极大的便利，比如发票寄送和电子支付等。自服务门户的建立使得客户服务呼叫中心不再是必需的，从而提升了内部的生产力。同时，客户能够通过网络方便地进行交易，不再需要排队等候或拨打服务电话。

 

　　另一个例子是关于我们的设备融资业务。由于实现了信用审批流程的自动化，之前需要大约60小时的人工审核现在被缩短到6分钟以内。在实现了信用审批、文档生成和客户评级流程的自动化之后，不仅简化了内部员工的工作（通过模板自动生成文档，不再需要手工编辑），同时也让外部客户能够快速的得知结果。在6分钟之内，客户可以知道贷款或租约是否被批准，不用再经过漫长的等待。如今，客户获得了效率，而我们也因为这种快速反馈而获得了更多的客户（没有人喜欢长时间的等待）。这是一种双赢的局面。

 

　　Zarmi：这需要对业务和技术的深刻理解。我个人对于技术创新非常热衷，同时乐见到技术是如何改变世界和自己企业的。我希望能够通过技术创新来提升业务，为客户提供更优质的产品或服务。

 

　　Zarmi：当然，对一切工作我们都进行评测。对于项目，我们有成本/收益分析，会评估其所带来的生产力提升效果。对于那些面向客户或业务收入的项目，我们会评估带来了多少客户或者交易。

 

　　问：一些资深IT人士认为，对于同时服务内部和外部客户的新要求，IT部门的薪酬体系没有进行相应的调整。GE对此是否有所应对？您和团队成员的薪酬是否体现出了自身工作的创新性？

 

　　Zarmi：答案是肯定的。比如，我本人有5个主要的工作目标，分别是IT本身的提升、客户体验和其他三个目标。我的薪酬回报会根据各个目标的具体达成情况而定。每个人都有不同的工作指标，如果你为客户体验团队服务，你的目标和薪酬就会与之挂钩。

 

　　Zarmi：还有件重要的事情没谈到，即创新的驱动。我们很多的创意来自于IT和业务团队的头脑风暴--如果只是循规蹈矩，就永远无法进行创新。你需要投入大量时间来激励创新。为此，我们进行了很多工作，比如开设专注于用户体验的研讨会，举办基于诸如3D打印、Google眼镜、无人机等新技术的创新展示会。我们请员工和客户都参加展示会，希望大家一起思考如何通过技术来推动业务。我们有例行的创新会议，请数字媒体顾问来和高管们坐在一起进行探讨。

 

　　Zarmi：我们确实遇到了很多挑战。我认为，不止GE，对于很多企业来说，共同的一个挑战就是掌握正确的技能集，或者说如何通过培训来获得所需的技能。除了这个主要的障碍之外，另一大挑战在于很多时候我们试图比业务端走得更快。这需要转变整个公司的文化和观念，否则无法在工作进度上形成共识。

 

 

　　Zarmi：我们现在最需要的数据科学家。基于系统中的现有数据，我们可以做更多的事情，进行更高级的预测建模（predictive modeling）。