前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >「首席看业务架构」商业模式画布

「首席看业务架构」商业模式画布

作者头像
架构师研究会
发布于 2019-11-26 16:22:26
发布于 2019-11-26 16:22:26
1K0
举报
文章被收录于专栏:超级架构师超级架构师

业务模型画布是一个战略管理和精益创业模板,用于开发新的或记录现有的业务模型。它是一个可视化的图表,其中的元素描述了一个公司或产品的价值主张、基础设施、客户和财务状况。它帮助企业调整他们的活动,通过说明潜在的权衡。

业务模型画布最初是由Alexander Osterwalder[4]在其早期业务模型本体工作的基础上提出的。自2008年前后Osterwalder的作品发布以来,[5]已经出现了针对特定利基的新画布。

描述

业务的正式描述成为其活动的基础。存在许多不同的业务概念化;Osterwalder在2010年的著作[3]和2004年的论文[5]中提出了一个单一的参考模型,该模型基于广泛的业务模型概念化的相似性。通过业务模型设计模板,企业可以轻松地描述其业务模型。奥斯特瓦德的画布上有九个箱子;每一个的名字在下面的粗体部分给出。

基础设施

  1. 关键活动:执行公司价值主张中最重要的活动。笔制造商Bic的一个例子是,创建一个有效的供应链以降低成本。
  2. 关键资源:为客户创造价值所必需的资源。它们被认为是公司维持和支持业务所需的资产。这些资源可以是人力、财力、体力和智力。
  3. 合作伙伴网络:为了优化运营和降低商业模式的风险,组织通常会培养买方和供应商之间的关系,这样他们就可以专注于自己的核心活动。互补的商业联盟也可以考虑通过合资企业或竞争对手或非竞争对手之间的战略联盟。

提供

  • 价值主张:企业为满足顾客需求而提供的产品和服务的集合。Osterwalder(2004)认为,公司的价值定位是其区别于竞争对手的地方。价值主张通过各种元素提供价值,例如新奇、性能、定制、“完成工作”、设计、品牌/状态、价格、成本降低、风险降低、可访问性和便利/可用性。价值主张可能是:数量-价格和效率定性——客户的整体体验和结果

客户

客户细分:

为了建立一个有效的商业模式,公司必须确定它试图服务哪些客户。根据客户的不同需求和属性,可以对不同的客户群体进行细分,从而保证企业战略的适当实施,以满足所选择的客户群体的特点。不同类型的客户细分包括:

  1. 大众市场:对于一个遵循大众市场元素的公司来说,并没有特定的细分市场,因为该组织展示了潜在客户的广泛视野。例如汽车
  2. 利基市场:根据客户的特殊需求和特点对客户进行细分。如劳力士
  3. 细分:公司在现有的客户细分中应用额外的细分。在细分的情况下,企业可以根据性别、年龄和/或收入进一步区分客户。
  4. 多样化:企业服务于具有不同需求和特征的多个客户群。
  5. 多边化的平台/市场:为了日常业务的顺利运作,一些公司会服务相互依赖的客户群体。信用卡公司将为信用卡持有者提供服务,同时帮助接受信用卡的商家。

渠道:

公司可以通过不同的渠道向目标客户传递其价值主张。有效的渠道将以快速、高效、低成本的方式分配公司的价值主张。组织可以通过自己的渠道(店面)、合作伙伴渠道(主要分销商)或两者的结合来接触客户。

客户关系:

为了确保任何业务的生存和成功,公司必须确定他们想要与客户建立的关系类型。各种形式的客户关系包括:

  1. 个人协助:以雇员-顾客互动的形式提供协助。这种协助是在销售期间和/或销售后进行的。
  2. 专门的个人帮助:最亲密和亲自动手的个人帮助,销售代表被指派处理所有的需要和问题的特殊客户。
  3. 自助服务:指公司与客户之间的间接互动转化而成的一种关系。在这里,组织为客户提供所需的工具,以方便和有效地为自己服务。
  4. 自动化服务:类似于自助服务的系统,但更加个性化,因为它能够识别单个客户及其偏好。亚马逊网站就是一个很好的例子,它会根据你以前买过的书的特点给你推荐一些书。
  5. 社区:创建社区允许不同客户和公司之间的直接交互。社区平台产生了一个场景,在这个场景中,不同的客户端可以共享知识并解决问题。
  6. 共同创造:通过客户对公司产品/服务的直接投入,建立个人关系。

财务状况

成本结构:

这描述了在不同商业模式下运营时最重要的货币后果。公司的医生。

业务结构类别:

  1. 成本驱动——这种商业模式注重于最小化所有成本,没有多余的东西。例如低成本航空公司
  2. 价值驱动型——不太关注成本,这种商业模式专注于为产品和服务创造价值。路易威登,劳力士

成本结构特点:

  1. 固定成本——成本在不同的应用中是不变的。如工资、租金
  2. 可变成本-成本的变化取决于产品或服务的生产数量。例如音乐节日
  3. 规模经济成本随着订购或生产的商品数量的减少而降低。
  4. 范围经济-由于合并了与原始产品直接相关的其他业务,成本下降。

收入来源:

公司从每个细分客户中获取收入的方式。产生收入流的几种方法:

  1. 资产出售(最常见的类型)出售实物商品的所有权。例如,零售企业
  2. 使用费-使用特定服务产生的费用。例如UPS
  3. 订阅费——通过出售连续服务的访问权而产生的收入。例如Netflix
  4. 贷款/租赁/租赁-给予特定时期内资产的专有权。租一辆车
  5. 许可——对使用受保护的知识产权收取费用而产生的收入。
  6. 经纪费-由双方中间服务产生的收入。经纪人出售房子以赚取佣金
  7. 广告—产品广告的收费收入。

应用程序

业务模型画布可以打印在一个大的表面上,这样一群人可以共同开始草图,并讨论业务模型元素与便利贴笔记或板标记。它是一种实践工具,可以促进理解、讨论、创造力和分析。它是根据来自strategy yzer AG的知识共享协议[8]发布的,可以在没有任何限制的情况下用于商业建模。

业务模型画布也以基于web的软件格式提供。

不同形式

参见:精益创业§商业模式模板

业务模型画布已经被使用并进行了调整,以适应特定的业务场景和应用程序。[9][10][11]的例子包括:

  1. 产品/市场配合
  2. 供应链
  3. 现金流
  4. 内部沟通
  5. 精益创业,精益画布

批评

业务模型画布被描述为静态的,因为它不捕获策略的变化或模型的演化。模板的一些限制在于它关注组织及其与环境的概念隔离,无论是与行业结构[13]还是与利益相关者,如社会和自然环境

另请参阅

  1. 业务流程建模
  2. 商业计划
  3. 业务参考模型
  4. 产品/市场配合

业务模型示例

原文:https://en.wikipedia.org/wiki/Business_Model_Canvas

本文:https://pub.intelligentx.net/node/827

讨论:请加入知识星球【首席架构师圈】或者飞聊小组【首席架构师智库】

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-11-18,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 首席架构师智库 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
网页工具 | 综合计算分析确定了在癌细胞和T细胞中具有双重作用的治疗靶点
图片说明◉ 图1。ICRAFT的特征(A)ICRAFT整合了来自90项独立研究的168个体内和390个体外免疫相关筛选比较,以及来自83个队列的200万单细胞基因表达数据集和来自18个ICB试验队列的943名患者的RNA-seq数据。(B)癌症细胞扰动筛选比较的分解。(C)免疫细胞扰动筛选比较的分解。(D)83个scRNA-seq数据集概述。(E)临床试验参与者中943名患者在免疫治疗前的RNA-seq样本概述。另请参见图S1和表S1、S2和S3。◉ 图1。ICRAFT的特征(A)ICRAFT整合了来自90项独立研究的168个体内和390个体外免疫相关筛选比较,以及来自83个队列的200万单细胞基因表达数据集和来自18个ICB试验队列的943名患者的RNA-seq数据。(B)癌症细胞扰动筛选比较的分解。(C)免疫细胞扰动筛选比较的分解。(D)83个scRNA-seq数据集概述。(E)临床试验参与者中943名患者在免疫治疗前的RNA-seq样本概述。另请参见图S1和表S1、S2和S3。◉ 图1。ICRAFT的特征(A)ICRAFT整合了来自90项独立研究的168个体内和390个体外免疫相关筛选比较,以及来自83个队列的200万单细胞基因表达数据集和来自18个ICB试验队列的943名患者的RNA-seq数据。(B)癌症细胞扰动筛选比较的分解。(C)免疫细胞扰动筛选比较的分解。(D)83个scRNA-seq数据集概述。(E)临床试验参与者中943名患者在免疫治疗前的RNA-seq样本概述。另请参见图S1和表S1、S2和S3。◉ 图1。ICRAFT的特征(A)ICRAFT整合了来自90项独立研究的168个体内和390个体外免疫相关筛选比较,以及来自83个队列的200万单细胞基因表达数据集和来自18个ICB试验队列的943名患者的RNA-seq数据。(B)癌症细胞扰动筛选比较的分解。(C)免疫细胞扰动筛选比较的分解。(D)83个scRNA-seq数据集概述。(E)临床试验参与者中943名患者在免疫治疗前的RNA-seq样本概述。另请参见图S1和表S1、S2和S3。◉ 图1。ICRAFT的特征(A)ICRAFT整合了来自90项独立研究的168个体内和390个体外免疫相关筛选比较,以及来自83个队列的200万单细胞基因表达数据集和来自18个ICB试验队列的943名患者的RNA-seq数据。(B)癌症细胞扰动筛选比较的分解。(C)免疫细胞扰动筛选比较的分解。(D)83个scRNA-seq数据集概述。(E)临床试验参与者中943名患者在免疫治疗前的RNA-seq样本概述。另请参见图S1和表S1、S2和S3。
生信菜鸟团
2025/05/09
1360
网页工具 | 综合计算分析确定了在癌细胞和T细胞中具有双重作用的治疗靶点
2021华为杯数学建模B题完整思路+部分代码
问题 1. 使用附件 1 中的数据,按照附录中的方法计算监测点 A 从 2020 年 8 月 25 日到 8 月 28 日每天实测的 AQI 和首要污染物,将结果按照附录“AQI 计算结 果表”的格式放在正文中。 问题一就是单纯的计算问题,在附录中相关的计算规则都已经告知了,因此直接 带入数据进行计算即可,但需要注意各种逻辑关系,先捋顺在去计算。注意如果 计算结果过长就只选择部分代表性数据放在正文中即可,其它的部分放在附录 里。 问题 2. 在污染物排放情况不变的条件下,某一地区的气象条件有利于污染物扩 散或沉降时,该地区的 AQI 会下降,反之会上升。使用附件 1 中的数据,根据 对污染物浓度的影响程度,对气象条件进行合理分类,并阐述各类气象条件的特 征。 针对问题二,根据附件一可知,仅告诉我们检测点 A 的各类实测污染物数据, 但并未告知气象情况,因此我们首先根据问题一计算得到的 AQI 数据以及相关 的污染物数据进行无监督聚类,无监督聚类模型有很多,如层次聚类、高斯混合 聚类等,在这里比较推荐 SOM 自组织神经网络聚类算法,将原始数据输入网络 后能够自动根据各类数据的特点在不同的步数下生成不同的结果,如将 31 个省 市的 GDP 数据输入网络则会自动对发达程度进行聚类; % 二维自组织特征映射网络设计 % 输入数据为各类实测污染物数据 clc clear close all %--------------------------------------------------- %随机生成 100 个二维向量,作为样本,并绘制出其分布 P=[此处填写污染物数据] % %建立网络,得到初始权值 net=newsom([0 1;0 1],[5 6]); w1_init=net.iw{1,1}; %--------------------------------------------------- %绘制出初始权值分布图 figure(2); plotsom(w1_init,net.layers{1}.distances) %--------------------------------------------------- %分别对不同的步长,训练网络,绘制出相应的权值分布图 for i=10:30:100 net.trainParam.epochs=i; net=train(net,P); figure(3); plotsom(net.iw{1,1},net.layers{1}.distances) end %--------------------------------------------------- 问题 3. 使用附件 1、2 中的数据,建立一个同时适用于 A、B、C 三个监测点(监 测点两两间直线距离>100km,忽略相互影响)的二次预报数学模型,用来预测 未来三天 6 种常规污染物单日浓度值,要求二次预报模型预测结果中 AQI 预报 值的最大相对误差应尽量小,且首要污染物预测准确度尽量高。并使用该模型预 测监测点 A、B、C 在 2021 年 7 月 13 日至 7 月 15 日 6 种常规污染物的单日浓度 值,计算相应的 AQI 和首要污染物,将结果依照附录“污染物浓度及 AQI 预测 结果表”的格式放在论文中。 首先分析题目已知数据包括了各监测点逐小时污染物浓度和气象一次预报数据 以及实测的污染物浓度和气象数据等;这里就是利用实测数据对预报数据进行误 差修正,既然是预测,那实测数据在未来肯定是无法得到的,所以思路就是通过 前期的预测数据和实测数据的差,找到相关的误差修正规律即可;因此在这里推 荐的模型是神经网络模型,具体是设置一个三层的网络机构,输入层数据是一次 预报的气象条件,而标准输出数据为真实污染物浓度与预测污染物浓度的差值, 这样就建立了预测气象条件与实际污染物浓度误差之间的关系;在这里推荐使用 基于遗传算法优化的神经网络模型,相对于传统的 BP 神经网络而言,其精度将 会更高。得到上述网络关系后,若新得到一组一次预报气象数据结合相关的误差 变量进行二次修正即可。 %程序一:GA 训练 BP 权值的主函数 function net=GABPNET(XX,YY) %-------------------------------------------------------------------------- % GABPNET.m % 使用遗传算法对 BP 网络权值阈值进行优化,再用 BP 算法训练网络 %--------------------------------------------------------------------------
川川菜鸟
2021/10/19
1.9K0
实时定位系统(RTLS)在嵌入式导航与物流中的代码应用实战
实时定位系统(RTLS)是一种通过技术手段实现对目标实时位置信息获取的系统。在嵌入式系统领域,RTLS的应用已经逐渐成为关键技术,特别是在导航与物流领域。本文将探讨RTLS在嵌入式导航与物流中的应用,并通过代码实例展示其在实际项目中的运用。
一键难忘
2023/12/12
4760
物联网知识科普(4)——室内实时定位技术及原理
RTLS即 Real Time Location Systems的简称,实时定位系统。
物流IT圈
2019/07/16
5.3K0
物联网知识科普(4)——室内实时定位技术及原理
AIOps在美团的探索与实践——故障发现篇
AIOps,最初的定义是Algorithm IT Operations,是利用运维算法来实现运维的自动化,最终走向无人化运维。随着技术成熟,逐步确定为Artificial Intelligence for IT Operations——智能运维,将人工智能应用于运维领域,基于已有的运维数据(日志、监控信息、应用信息等),通过机器学习的方式来进一步解决自动化运维无法解决的问题。
美团技术团队
2020/11/03
1.3K0
AIOps在美团的探索与实践——故障发现篇
论文复现---基于随机蕨的快速相位差DOA估计
信号的到达方向(DOA)信息在通信、定位、目标跟踪等方面具有重要意义。基于频域的时延估计能够在子样本精度下获得DOA;然而,它受到相位包裹问题的困扰。本文提出了一种基于频率分集的方法来克服相位包裹问题。受机器学习技术的随机蕨启发,提出了一种加快搜索过程的算法。通过仿真和实验测试,基于三种不同的信号模型对算法的性能进行了评估。结果表明,在保持相同精度的情况下,使用随机蕨可以将搜索时间减少到穷尽法搜索时间的1/6。该算法的DOA估计误差较低,优于基于频分集的基准算法。
不去幼儿园
2024/12/03
1450
论文复现---基于随机蕨的快速相位差DOA估计
最全总结【时间序列】时间序列的预处理和特征工程
时间序列(Time Series)是按时间顺序排列的一组数据点,通常用于描述和分析随时间变化的现象。时间序列数据在许多领域中都有广泛应用,如金融市场、气象学、经济学、医学等。
机器学习司猫白
2025/01/21
1.1K0
最全总结【时间序列】时间序列的预处理和特征工程
机器视觉工业缺陷检测(光源,相机,镜头,算法)
视觉工业检测大体分为工件尺寸测量与定位,和表面缺陷检测,及各种Logo标识的检测与识别等。
机器学习AI算法工程
2021/10/14
18.8K0
机器视觉工业缺陷检测(光源,相机,镜头,算法)
五万字总结,深度学习基础。「建议收藏」
人工神经网络(Artificial Neural Networks,简写为ANNs)是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的,并具有自学习和自适应的能力。神经网络类型众多,其中最为重要的是多层感知机。为了详细地描述神经网络,我们先从最简单的神经网络说起。
全栈程序员站长
2022/08/31
1.1K0
五万字总结,深度学习基础。「建议收藏」
CTPN论文翻译——中文版
文章作者:Tyan 博客:noahsnail.com | CSDN | 简书
Tyan
2019/05/25
1.4K0
Cell | 健康与疾病中 53,026 名成人的血浆蛋白质组图谱 | 提供结果数据和源代码
生信菜鸟团
2025/01/16
4420
Cell | 健康与疾病中 53,026 名成人的血浆蛋白质组图谱 | 提供结果数据和源代码
Python 无监督学习实用指南:1~5
在本章中,我们将介绍基本的机器学习概念,即 ,前提是您具有一些统计学习和概率论的基本知识 。 您将了解机器学习技术的使用以及逻辑过程,这些逻辑过程将增进我们对数据集的性质和属性的了解。 整个过程的目的是建立可支持业务决策的描述性和预测性模型。
ApacheCN_飞龙
2023/04/24
1.3K0
Python 无监督学习实用指南:1~5
NASA数据集—— 2017 年 7 月和 2018 年 7 月期间从阿拉斯加育空-库斯科金(Y-K)三角洲高地苔原火灾历史梯度的 43 个地块收集的生态野外数据
ABoVE: Vegetation Composition across Fire History Gradients on the Y-K Delta, Alaska
此星光明
2024/04/02
1080
NASA数据集—— 2017 年 7 月和 2018 年 7 月期间从阿拉斯加育空-库斯科金(Y-K)三角洲高地苔原火灾历史梯度的 43 个地块收集的生态野外数据
细胞图谱 | Nature | 人类胚胎骨骼发育的多组学图谱
生信菜鸟团
2024/12/27
3560
细胞图谱 | Nature | 人类胚胎骨骼发育的多组学图谱
EEG频谱模式相似性分析:实用教程及其应用(附代码)
人脑通过神经激活模式编码信息。虽然分析神经数据的常规方法侧重对大脑(去)激活状态的分析,但是多元神经模式相似性有助于分析神经活动所代表的信息内容。在成年人中,已经确定了许多与表征认知相关的特征,尤其是神经模式的稳定性、独特性和特异性。然而,尽管随着儿童时期认知能力的增长,表征质量也逐步提高,但是发育研究领域特别是在脑电图(EEG)研究中仍然很少使用基于信息的模式相似性方法。在这里,我们提供了一个全面的方法介绍和逐步教程——频谱脑电图数据的模式相似性分析,包括一个公开可用的资源和样本数据集的儿童和成人的数据。
悦影科技
2022/07/11
1.1K0
Nat. Commun. | TRAPT:融合多阶段深度学习的大规模表观基因组调控因子预测框架
疾病发生和进展的特异性研究中,识别调控转录因子(TRs)仍具有挑战性,这些因子通过调控元件和表观基因组信号控制基因表达。大规模多组学表观基因组数据的引入,为解析调控元件及其调控因子的复杂模式提供了可能。研究人员在此提出TRAPT,一个多模态深度学习框架,可通过学习和整合靶基因的顺式调控元件及全基因组结合位点的调控潜能,推断转录因子的活性。在570个与TR相关的数据集上,TRAPT在预测转录因子,尤其是协同因子和染色质调控因子方面优于现有方法。此外,该方法成功识别出与疾病、遗传变异、细胞命运决策及组织相关的关键转录因子,展现了基于表观组数据识别TRs的全新视角。
DrugAI
2025/04/22
1530
Nat. Commun. | TRAPT:融合多阶段深度学习的大规模表观基因组调控因子预测框架
关于什么是单细胞测序的知识整理,ChatGPT会做的更好吗?
既然ChatGPT如此擅长查询和整理资料,那么关于什么是单细胞测序的知识整理,ChatGPT会做的更好吗?我先给出来一个学徒的知识整理,借花献佛给大家。然后大家可以自己玩一下ChatGPT,看看能不能做出来如此出色的整理。
生信技能树
2023/02/27
9400
关于什么是单细胞测序的知识整理,ChatGPT会做的更好吗?
R语言︱异常值检验、离群点分析、异常值处理
版权声明:博主原创文章,微信公众号:素质云笔记,转载请注明来源“素质云博客”,谢谢合作!! https://blog.csdn.net/sinat_26917383/article/details/51210793
悟乙己
2019/05/27
5.5K0
Yolov8 源码解析(四十三)
ApacheCN_飞龙
2024/09/13
2970
NPP: 重复经颅磁刺激产生抗抑郁效果的基础:全脑功能连接与局部兴奋度变化
重复经颅磁刺激 (rTMS) 是重度抑郁症 (MDD) 常用的治疗方式,但是我们对经颅磁刺激产生抗抑郁效果的机制了解甚少。此外,我们也缺乏能够用以预测和追踪临床效果的大脑信号,而这些信号能够帮助进行分层与优化治疗。本研究中,我们进行了随机、假性对照的临床试验,在rTMS前后分别测量电生理、神经成像和临床变化。患者(N=36)被随机分为两组,分别接受有效刺激或伪刺激的,针对左背外侧前额叶皮层(dlPFC)的rTMS干预,为期20个连续工作日。为捕捉由rTMS驱动的大脑连接与因果兴奋性上的变化,我们在干预前后均对患者进行了静息态fMRI和TMS/EEG数据采集。通过同时进行的TMS/fMRI,可以评估抑郁组与健康对照组之间大脑因果连接基线的差异。相比伪刺激组,我们发现rTMS引起了:
用户1279583
2020/04/01
1.1K0
推荐阅读
网页工具 | 综合计算分析确定了在癌细胞和T细胞中具有双重作用的治疗靶点
1360
2021华为杯数学建模B题完整思路+部分代码
1.9K0
实时定位系统(RTLS)在嵌入式导航与物流中的代码应用实战
4760
物联网知识科普(4)——室内实时定位技术及原理
5.3K0
AIOps在美团的探索与实践——故障发现篇
1.3K0
论文复现---基于随机蕨的快速相位差DOA估计
1450
最全总结【时间序列】时间序列的预处理和特征工程
1.1K0
机器视觉工业缺陷检测(光源,相机,镜头,算法)
18.8K0
五万字总结,深度学习基础。「建议收藏」
1.1K0
CTPN论文翻译——中文版
1.4K0
Cell | 健康与疾病中 53,026 名成人的血浆蛋白质组图谱 | 提供结果数据和源代码
4420
Python 无监督学习实用指南:1~5
1.3K0
NASA数据集—— 2017 年 7 月和 2018 年 7 月期间从阿拉斯加育空-库斯科金(Y-K)三角洲高地苔原火灾历史梯度的 43 个地块收集的生态野外数据
1080
细胞图谱 | Nature | 人类胚胎骨骼发育的多组学图谱
3560
EEG频谱模式相似性分析:实用教程及其应用(附代码)
1.1K0
Nat. Commun. | TRAPT:融合多阶段深度学习的大规模表观基因组调控因子预测框架
1530
关于什么是单细胞测序的知识整理,ChatGPT会做的更好吗?
9400
R语言︱异常值检验、离群点分析、异常值处理
5.5K0
Yolov8 源码解析(四十三)
2970
NPP: 重复经颅磁刺激产生抗抑郁效果的基础:全脑功能连接与局部兴奋度变化
1.1K0
相关推荐
网页工具 | 综合计算分析确定了在癌细胞和T细胞中具有双重作用的治疗靶点
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档