运营转型无法一蹴而就，需要坚持长期主义；同时，应推进多项举措，以求获得巨大的倍增效应。如何合理、有序地调配四大杠杆协同运作是企业能否实现颠覆的关键。
技术杠杆
技术杠杆包括实现自动化、采用新的技术解决方案以及业务部门与IT部门之间的通力协作。通过增强技术能力，企业运营成熟度由“稳定级”上升至“高效级”或更高级别的可能性将提高1.4倍，并通常在提升运营成熟度初期，发挥作用最为显著。就扩大自动化规模而言，技术（60%）和预算（43%）是“稳定级”或“高效级”企业首要面临的两大难题，而“预测级”或“未来级”企业则更多地聚焦在战略突破。
与“稳定级”和“高效级”企业相比，“预测级” 和“未来级”企业更加认同自动化（包括人机协作）会对企业危机响应能力（如新冠肺炎疫情）产生积极影响，该比率较前者高出1.2倍。显然，对于寻求提升运营成熟度的企业而言，某一特定技术领域具有尤为重要的意义：90%的“未来级”企业倾向于大规模应用云技术，而仅有76%的其他企业采取了同样行动。
应用方式
- 在企业中扩大机器人流程自动化规模，并通过工作统筹和软件即服务（SaaS）解决方案等技术提高效率。
- 坚持云优先，扩大在报告和分析、数据科学和人工智能领域的投资规模。
- 鼓励IT部门和业务部门之间积极合作，推动企业制定战略路线图并开展相关执行工作。
流程杠杆
流程杠杆包括应用领先实践和标杆分析法，以及实施客户、员工和业务伙伴体验管理方案。提升流程能力，可将企业运营成熟度由“高效级”向“预测级”进阶的最大可能性提高2.5倍，数据杠杆则以2.4倍的提升幅度紧随其后。在埃森哲调研中，企业普遍将结构和战略视为扩大流程能力的要务，如领先实践、利益相关方体验等。40%的企业预计，客户、员工和合作伙伴体验管理战略将在未来三年内得到大规模应用。
应用方式
- 在企业各业务流程中广泛使用职能领域和行业内的领先实践。
- 以行业“领军者”为绩效目标，同时利用内、外部标杆推动流程改进。
- 在企业高管的支持下，实施体验测量和管理计划。
数据杠杆
数据杠杆包括借助数据应用、分析工具和人工智能，提升业务绩效和利益相关方体验。提高数据能力对企业运营成熟度影响巨大：从“预测级”跃升至“未来级”的可能性将增加4.2倍，从“稳定级”进步至“高效级”的可能性则可上升2.5倍。
埃森哲研究表明，就数据规模化、分析工具和人工智能的应用规模而言，“稳定级”或“高效级”企业面临的首要挑战是技术和预算。而对于已颇具数据规模化的“预测级”和“未来级”企业而言，战略和组织结构才是最大挑战。出现这一差距的原因或在于，71%的“未来级”企业认为，在设计运营模式的过程中，数据远比经验更为重要。而持相同观点的“稳定级”或“高效级”企业仅占54%。同时，71%的“未来级”企业十分重视数据科学和人工智能，但在“稳定级”“高效级”和“预测级”企业中，采用这一做法和持此态度的企业占比则为50%。
应用方式
- 加速内外部数据聚合，提高云端数据的可用性以支持分析、数据科学和人工智能的使用。
- 扩大按需提供的个性化分析应用规模，推动洞见的形成，为决策提供依据。
- 建立包含人才和技术战略的人工智能路线图，助力企业在组织内部更广泛地部署人工智能。
人才杠杆
人才杠杆包括实施人才战略、释放人机协作潜能以及充分利用专业人才或人才生态系统的优势。增强人才能力，将使企业成熟度从“预测级”跃升至“未来级”的可能性提高1.9倍。在企业运营成熟度发展的整个过程中，人才始终至关重要，尤其对于实现“未来级”跨越的企业来说。
对处于运营成熟度早期的企业而言，预算难免会制约其扩建敏捷型员工队伍的能力，在组织结构（帮助员工实现跨职能流动）和战略（利用机器增强人力）方面亦然。过去三年里，与其他成熟度级别相比，“未来级”企业在员工人才组合和再培训方面的绩效提高了1.2倍，这在新冠疫情反复、全球企业面临巨大受冲击的背景下，实属不易。
应用方式
- 在业务流程中借助机器（自动化、技术、分析工具、人工智能）赋能人类工作。
- 加强与相关专业人才（数据科学家、人工智能从业者、设计思维专家、产品经理）的融合，促进持续创新。
- 建立内部人才市场，实现按需协作和员工跨部门流动。