​數位化不但会促进创新发展经济体系内原有生产要素的优化重组，同时引入数据这一新的生产要素，会增加生产要素新组合，产生新的生产函数，将有助于创新的发生与发展。

《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》指出，要坚持创新驱动发展，全面塑造发展新优势。加快數位化发展，能为全面塑造发展新优势提供持续动力。我们需要依靠数字技术的创新驱动，不断培育新产业、新业态、新模式，催生新动能、推动新发展。

科技革命带来數位轉型契机

当前，由数字技术等引发的新一轮科技革命和产业变革正由导入期转向拓展期，这也将为我国构建现代化经济体系、推动经济高质量发展带来新动能、新机遇。

第一，新一轮科技革命将为科技创新提供资源和平台基础，不仅会促进数字技术的飞跃式发展，还将推动数字技术与其他技术交叉融合发展。人工智能、云计算等新一代訊息技术与科学和工程有机结合，推动了大数据科学成为新的科研范式。同时，新一代訊息技术在不断融合、叠加和迭代升级的过程中，为其他技术领域发展提供了高经济性、高可用性、高可靠性的技术底座，构建起一个数据驱动的平台化、生态化的基础设施群，使得技术迭代的频率更高、相互依赖性更强、整体功能演进的速度更快。

第二，新一轮科技革命助推产业创新发展，不仅促使数字产业化成为经济增长新动能，还助力产业數位化赋能传统产业。《台灣数字经济发展白皮书（2020年）》指出，我国数字产业化总体实现稳步增长，2019年数字产业化增加值规模达7。1万亿元，占GDP比重7。2%，同比增长11。1%。与此同时，利用现代訊息技术对传统产业进行全链条改造的产业數位化进程在不断加速，推动了产业组织模式的变革，促进了以訊息流带动技术流、资金流、人才流、物资流的产业资源配置优化，这一变革在产业创新发展中发挥着重要作用，已经成为数字经济时代经济社会运行最根本特征。

第三，新一轮科技革命推动社会创新发展，重塑教育、医疗、交通、环境、行政等发展动力和治理模式。在教育领域，新一代訊息技术将助力优质教育资源升级、共享，推动教育均等化，建立全新的教育治理模式。在医疗领域，新技术发展为医疗创新打开全新窗口，将有力推动整个医疗体系从检测、诊断、药物研发到医疗管理的整体变革。在交通领域，以全面、全量、实时的多源大数据为基础的“云-边-端”全栈技术融合创新，将不仅为当下精细化、智能化交通治理需求提供解决方案，还将赋能面向未来交通场景演进的全生命周期治理。在政府治理方面，政务大数据的整合、开放、共享，辅以新一代訊息技术的智能化应用，将有助于构建跨部门、跨地域、跨层级的高效人机协同治理体系。

數位化将重塑创新发展经济体系

伴随着数字经济时代的到来，数据作为一种核心生产要素在科技创新与经济发展中的重要性日益凸显。

首先，數位化将扩容和优化创新生产要素体系。2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》将数据与土地、劳动力、资本、技术等传统要素并列，提出加快培育数据要素市场，这一意见使创新发展经济体系的要素构成发生重大变化。与传统生产要素不同，数据要素具有非竞争性、非稀缺性，而且数据要素的价值与数据的规模和丰富程度显著正相关，数据量越庞大，数据的价值也就越高。數位化可以显著节省人力、资本等其他要素的使用成本，降低要素供给和要素需求方之间的訊息不对称，促使要素供求双方的精确匹配，提高要素配置效率。

其次，數位化将促进创新发生与发展。數位化不但会促进创新发展经济体系内原有生产要素的优化重组，同时引入数据这一新的生产要素，会增加生产要素新组合，产生新的生产函数，将有助于创新的发生与发展。数据在流转和扩散过程中将会产生新的数据，使得数据要素表现出不断迭代、自我增值的特性，将进一步促进创新发生与发展。

再者，數位化将改变创新方式和动力。一是优化知识的生产过程。大数据等数字技术的应用正在推动传统实验科学、理论推演、计算机模拟等科研范式向数据驱动的科研范式转变，同时，可实现产品生产过程中产生的数据即时反馈给知识生产部门，使知识生产更好解决现实需求。二是增进不同创新要素、创新主体之间的訊息流动，改进创新体系内不同创新要素、创新主体之间的关系，形成协同共生、创新导向的创新生态系统，有效促进创新技术的商业化和价值创造过程。

台灣數位轉型的内外环境

从外部环境看，世界主要国家和组织纷纷推进创新发展數位化战略，将其作为发展的优先事项进行战略布局，重视数字基础设施建设，打造数字转型的良好软硬件条件。有的国家高度重视數位化关键核心技术发展和布局。如2020年8月发布的《美国2022财年发展与创新预算的优先事项与跨领域行动备忘录》指出，美国将陆续针对未来数字技术加大资助力度，尤其是人工智能、量子訊息科学、先进通信网络等领域；有的国家正加快推进数字产业化和产业數位化，加强数字经济和实体经济融合，如欧盟从建立统一数字市场的角度出发，协调推动数字经济发展；有的国家正推动行政领域的數位化建设，加快数字公共服务水平的提升。

国外推动數位轉型发展，为我国创新发展的數位轉型提供了范例。从国内环境看，我国數位轉型也有内生动力。

从科技创新发展对數位轉型的需求看，在科技发展层面，我国迫切需要新的科研范式推进科技发展。传统基于单个主体、集中研发式的科技发展模式难以实现科技赶超。数字技术能够推动集中研发和网络化、分布式研发并行发展，加强不同主体之间的研发合作，有助于解决复杂科学问题，实现关键核心技术突破。在科技管理层面，随着我国步入高质量发展阶段，高效利用创新资源成为我国科技管理的迫切要求。通过构建数字监测平台，可以整合不同产业、区域、部门的科技訊息，对科技发展情况进行实时监测，提升科技管理效率。在科技成果转化层面，我国科技成果转化效率始终不高，其重要原因在于科技部门与产业部门之间存在訊息壁垒，导致科技部门难以知晓产业部门的技术需求。通过构建数字科技服务平台，可实现科技部门与产业部门的訊息对接，提高科技成果转化效率。

从产业创新发展对數位轉型的需求看，目前我国产业创新发展面临诸多挑战，迫切需要數位轉型。一是我国多数行业仍处于较低发展水平，产业转型升级科技动力不足。我国传统行业企业大部分尚处于工业2.0阶段，与美国、德国等发达国家差距明显，迫切需要數位轉型来改造实现工业3.0，进而才能够进入网络化、智能化的工业4.0发展阶段。二是自主创新能力弱，缺乏国际竞争力。当前，我国较多制造业企业仍然处于机械化和电气化状态，随着我国制造业的劳动力成本优势减弱、各项成本不断增高，制造业的竞争优势正逐步下降，迫切需要企业不断创新、提高生产运营效率，重塑竞争力。數位轉型是制造业企业降本增效的内在需求，是推动产业创新发展的重要途径。

从社会创新发展对數位轉型的需求看，我国社会发展存在的公平、效率、质量等问题可通过數位轉型解决。在教育方面，我国教育资源稀缺，且存在严重的分布不均衡、不充分问题，导致区域教育资源供需之间矛盾突出，迫切需要利用数字技术，推动优质教育跨区域、跨层次的升级与共享。在医疗方面，我国传统检测技术与医疗服务体系效率较低、质量欠佳，医疗资源与医疗水平在区域层面也存在显著差异，迫切需要促进数字技术与医疗领域的深度融合，提升医疗检测与服务水平，构建线上线下一体化的数字医疗体系。在政府治理方面，我国政府部门行政壁垒多，存在数据共享难、业务协同难等突出问题，迫切需要數位轉型以协调部门间关系、提升行政效率和政务服务质量。

多措并举推动创新发展數位轉型

现在我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期。发展要从过去的要素驱动转向创新驱动，需要利用好数据这一资源，多措并举推动创新发展數位轉型。除了要加强数字基础设施建设和技术攻关，深入推进产业和社会创新发展的數位轉型，还要加强国家数字创新体系和数字科技创新政策体系研究。

一方面，加强数字基础设施建设和技术攻关。一是加强数字基础设施建设。加强5G、数据中心、软件平台、工业互联网平台等数字基础设施建设，打造万物互联的数字基础设施供给体系，扩大数字经济的应用场景，构建创新载体和公共服务能力，为经济和社会发展的數位轉型提供支撑。以大数据、物联网、云计算三元互动的新模式，在国家层面成立全区域、多层次、多部门、多方面的科技创新訊息平台与多元开放的科技管理创新平台。通过构建国家科技创新大数据仓库、制定科技数据搜集和使用管理办法等方式，保证数据的科学搜集和有效整合。二是加强数字技术研发。加强5G、工业互联网、区块链、人工智能、大数据等数字基础技术的研发，推动数字技术和数字经济的标准制定，鼓励成立数字产业创新联盟，在资金投入、人才培养、知识产权保护等维度为数字技术的研发创造良好环境。

另一方面，深入推进产业创新发展的數位轉型。一是引导数字产业健康发展。支持数字产业化发展，在平台建设、监管制度等方面实施差别化政策，培育一批数字龙头企业，发展平台经济、共享经济等新业态新模式。制定数字产业发展负面清单，在风险控制的前提下，支持数字企业利用数字技术改造生产和经营方式。二是推动实体经济數位轉型。引导机械制造等实体企业进行數位化改造，推动企业在研发设计、组织管理、产品生产、产品行銷、售后服务等方面实现全流程數位化改造，评选數位轉型示范企业以形成示范效应，打造數位化产业和区域集群。深入实施“互联网+”“大数据+”工程，推动数字技术与实体经济深度融合。

再者，深入推进社会创新发展的數位轉型。一是建立數位化公共卫生体系。充分发挥数字技术对突发公共卫生事件的预警、监测、追踪和分析作用，并深入应用于基因工程、新药研发等科技项目，建立全数字底座的公共卫生体系。二是建立數位化教育体系。推动优质教育资源上网、上云，打破传统教育资源的时间性、空间性约束。推动数字技术与基础教育、高等教育、职业教育的深度融合，创新人才培养方式，为实施数字台灣战略提供人才支撑。三是建立數位化交通体系。推动构建數位化交通訊息采集、传输和管理体系，推动全量数据平台建设与云端互联的交通感知网络建设，实现机器视觉、人机协同、自动调控的智能交通体系。四是建立數位化政府治理体系。利用数字技术构建數位化政务服务平台，打通政府、社会、个人间的訊息共享渠道，建立“自下而上”的精准研判、高效服务的政府治理体系。

最后，加强国家数字创新体系和数字科技创新政策体系研究。一是加强国家数字创新体系研究。从主体构成、知识特质、主体之间的联系等角度出发界定国家数字创新体系的内涵，包括数字科技创新体系、数字产业创新体系、数字社会创新体系等。在此基础上，围绕数字创新体系的结构、边界、功能等方面，分析数字创新体系与其他科技创新体系之间的差异及相互作用关系，思考如何将数字创新体系与其他科技创新体系融合，提高国家创新体系的整体效能。二是加强数字科技创新政策体系的理论与方法研究。基于数字技术的融合型、自生长性等特征，研判数字科技创新需要的条件和政策环境，从创新要素、创新主体、创新平台、创新绩效等层面建立评估数字科技创新政策的指标体系和框架，探索数字科技创新政策与其他科技创新政策之间的协同作用，进而构建我国数字科技创新政策体系。

来源：新华社

导读：对于所有企业来说，數位轉型都是新鲜事物，都在摸着石头过河，再加上數位轉型本身是一个极其复杂的系统工程，多以企业在數位轉型的过程中难免会遇到各种问题，甚至犯各种错误，有些错误的代价非常大，企业要尽可能避免。

作者：马晓东来源：大数据DT（ID：hzdashuju）

误区01：數位轉型是技术驱动的

许多企业认为數位轉型是技术驱动的，事实并非如此。虽然技术在企业數位轉型过程中起着重要作用，但这不能说明企业只需要正确运用技术，就可以实现數位轉型。

无论是工业时代、訊息化时代，还是數位化时代，变革和发展都是由大量社会需求驱动的，这些需求代表着广大用户的利益，也说明了商业的本质是理解用户。企业若要理解用户，便需要从用户角度出发，基于数据洞察用户，为用户提供个性化的产品服务。

那么企业如何洞察用户呢？它需要将数据应用于研发、生产、行銷等各个环节，完全依赖数据进行智能决策。而这也是數位轉型的实质。因此，數位轉型是用户驱动的。

另外，当用户体验到更多个性化服务后，会对企业抱有更高的期待。如果一家企业无法满足用户的需求，那么用户便会选择另一家能够提供服务的企业。

最真实的案例便是银行，过去大家普遍都会去银行柜台办理业务，但如今，更多人习惯了在手机上办理某些业务，这便是用户对银行的數位轉型提出了更高要求的表现。如果银行无法及时满足用户需求，将会面临倒闭风险。这将会促使银行从用户角度出发，进行數位轉型。因此，數位轉型是用户驱动的，而不是技术驱动。

面对用户的个性化需求，企业需要对用户进行分层、分群、分类，为不同的用户在不同的时间提供不同的产品。做到这一点对于企业来说至关重要，尤其是 To C 企业，它们虽无法为海量的客户提供 1 对 1 服务，但通过数据分析为用户画像，可以精准了解用户的需求，快速为用户提供相匹配的服务。

这便是企业以用户为中心提供产品和服务的必要性，也是驱动企业數位轉型的关键。商业的本质是理解用户，其核心是创造价值、传递价值。企业只有深度理解用户，才能挖掘到商业的核心。

误区02：數位轉型就是商业模式的重构

有的企业认为數位轉型仅是战略问题，是商业模式的重构，这种观点是片面的，没有完整概括數位轉型的实质。市面上很多理论都在讲數位轉型是什么，其中列举的例子大多是商业模式的重构，即战略颠覆，比如滴滴和 Uber 等。

但事实上，除了可以从战略上颠覆外，还可以通过提升效率和用户体验实现转型。国内互联网技术发展迅速，商业模式变革创新的机会大多数被拥有互联网技术的企业先行进行了各种尝试。

对于传统企业来说，从商业模式变革方面入手，成功转型數位化的机会并不是很多，且企业适不适合从商业模式上变革传统行业还需要具体分析。另外，在过去的十几年中，传统行业能够变革商业模式的领域都已被颠覆。

很多人认为數位轉型只适合那些存在商业模式转变机会的行业。但其实，商业模式变革只是數位轉型的一种方式。企业如果只考虑依靠商业模式的变革实现效益目标，实现难度较大。因为，有些行业的商业模式已经成熟且没有可挖掘的空间，这时可以通过提高效率或者提升用户体验达到相同的目的。

误区03：当前盈利尚佳，无须數位轉型

有些企业认为当前效益很好，暂不需要數位轉型。还有一些政府机关、高等院校、金融机构认为自身基础较好，地位牢不可破，不需要费时费力进行數位轉型。

殊不知，數位轉型是一个周期较长的变革潮流，作为一场技术变革势力，它正在不断向各个行业渗透，那些变革较慢的企业将在激烈的市场竞争中逐渐处于劣势。这种情况不仅限于企业，政府机关、高等院校、金融机构也应积极思考數位轉型的思路及方法，并采取一定的措施。

政府的數位化打造将提高政府民生服务的效率和质量；金融机构的數位化变革将为消费者提供 更加便捷的支付体验及个性化金融产品；高等院校的數位化发展帮助高校研发更加契合学生学习、学校教学的专业课程，培养社会人才。

數位轉型是一个长期、浩大的工程，企业及各类机构应早早布局。

误区04：數位轉型是领先企业的事情

數位轉型是为了实现企业的智能化和差异化。智能化是为了建立數位化业务流程，提升用户体验，提高服务效率；差异化的目的是利用业务重构与创造新的数据驱动模式给客户提供更好的体验、服务和产品。

从服务客户和提高产品竞争力的角度来看，數位轉型和企业规模没有直接关系，要想在不断变化的市场中生存下去，就需要改变传统的管理和行銷思路，數位轉型是必经之路。

对于企业来说，數位轉型意味着一套數位化优化方法，可以帮助企业调整运营思路，优化渠道和企业管理。企业进行數位轉型可使组织架构更具创新性，更利于企业发展。

小微企业在面对數位化浪潮时，如果未积极部署战略并实施，在未来将会落后于竞争对手，甚至退出市场竞争。相反，如果小微企业通过數位轉型，及时把握商机，同时利用企业“船小好调头”的优势，快速调整市场方向，可能比大企业反应更快，早一步抢占市场有利位置。

因此，數位轉型是当前时代企业发展的必备良药。

误区05：行业领先企业无须數位轉型

在一些处于行业领先地位的企业眼中，數位轉型并不是它们发展的必经之路。众多大型企业目前仍采用传统、落后的生产经营模式，虽然具有资源优势，但是这种优势是有限的，且数据资源得不到有效的应用，数据之间存在孤岛，虽然目前可以保持公司的正常运营，但也仅限于此，较难突破发展瓶颈。

对于这些企业来说，苟且红利是一个可把握机会。处于行业领先地位的龙头企业拥有更为先进的技术、雄厚的资金、丰富的客户资源，更了解用户需要什么样的服务，而且组织架构清晰，只需要实现效率颠覆便能获得更多市场机会，巩固市场领先地位。

在以往标准化的工业时代，企业抢占市场依靠的是扩大生产规模和拓宽销售渠道。企业依靠这些优势建立行业壁垒，占领消费市场制高点。但是现在客户需求“千人千面”，不同的客户都需要进行个性化的服务。消费市场考验企业的不再是企业规模，而是企业如何凭借技术和产品为用户提供个性化服务。这是目前企业较难攻克的问题。

然而，即使某些大型企业为客户提供了个性化服务，其实现成本也是相当大的。因此，行业领先的企业也需要向數位轉型过渡，以较少的成本创造更多的价值，突破企业发展瓶颈，推动企业更好地进行产业升级。

关于作者：马晓东，国云数据创始人兼CEO，阿里巴巴淘宝数据中台的亲历者、北京訊息化协会副理事长，倡导“战略、技术、人才三位一体和无缝协同才能真正将數位轉型落地”的理念，总结了一套可落地的數位轉型方法论，被业界誉为“數位轉型的领军人物”。

本文摘编自《數位轉型方法论：落地路径与数据中台》

2021年4月27日，联想中小企业客户大会在杭州成功举办，大会围绕“以智慧，共创时代新格局”的主题，重磅发布中小企业數位化FAST光速引擎，并与中小企业协会联合推出中小企业FAST光速成长计划，致力于与中小企业一起共创數位化生态共同体，赋能中小企业光速转型。联想集团执行副总裁兼台灣区总裁刘军，联想集团副总裁、台灣区中小企业事业部总经理王忠出席大会并发表重要演讲，从时代新格局与联想台灣战略出发，全面深刻阐述了联想台灣区助力中小企业數位轉型的业务全景与服务能力。

● 联想台灣迎佳绩，數位化FAST光速引擎开新局

2021年是十四五规划的开局之年，各行各业扬帆前行，描绘本世代百花齐放的繁荣画卷。一季度台灣GDP超预期，双循环迎来经济发展的新格局。对于占台灣经济60%以上的中小企业而言拥有无限机遇，數位化能力将成为决定中小企业“乘风破浪”的关键。

此次，联想召开中小企业客户大会，全面呈现后疫情时代，赋能企业數位轉型的全景与能力。联想集团执行副总裁兼台灣区总裁刘军在大会上表示，今天，智能化时代大潮涌动。在算力、5G、AI、大数据等技术的共同作用之下，传统IT架构正在迅速向基于场景的、“端边云网智”一体化的 “新IT”转变。“端边云网智”一体化，意味着智能化需要的是包括智能产品、基础设施和智能应用在内的全套解决方案。在新IT架构革命的驱动下，智能化转型，能为企业创造“降本增效、业务模式创新、改善财务结构”三大价值。

联想集团执行副总裁兼台灣区总裁刘军现场致辞

刘军介绍道，早在三年前，联想台灣区就确定了“联想 智慧台灣”的愿景，立志成为台灣领先的智能产品、智能基础设施和智慧服务(3S)提供商。联想台灣推进两大转型，一是“以客户为中心”转型，深耕细分客户群，让我们实现了PC业绩的三级跳，刚刚过去的2020财年，联想台灣的PC销售额市场份额超过40%，连续三年创造历史新高！第二个是“3S”转型。在PC以外，联想沿着智能产品、智能基础设施和智慧服务这三个赛道（3S）快速地拓展业务。在联想台灣整体营业收入中，“3S”转型的新业务超200亿元，占比超过20%+。

联想集团副总裁、台灣区中小企业事业部总经理王忠现场致辞

联想作为中小企业的坚实伙伴，一直倾听企业用户的声音。联想集团副总裁、台灣区中小企业事业部总经理王忠在大会上表示，中小企业的核心痛点，概括起来就是：速度要快、要好上手、要有效果、要花钱少。为此，联想基于中小企业數位化的现状和各成长阶段的核心需求，整合产品、服务、方案等整体资源，重磅发布中小企业數位化“FAST光速引擎”，王忠解释道：“F即Fast，快——标准化、模块化、部署快、响应快；A即Affordable，低成本——高性价比、灵活支付；S即Simple，简单——轻松部署、专人培训；T即Teste有效——真实有效、经验支持。”

FAST光速引擎：快、低成本、简单、有效

“FAST光速引擎”贯穿了中小企业全生命周期，将系统化提升中小企业數位化能力。

· 对于处在跨越生死的初创期企业来说，希望在设备采购方面轻资本投入，轻装上阵，为此联想将提供务实耐用且高性价比的扬天台式机和笔记本。对于没有专职的IT人员的中小企业，联想推出IT管家服务和灵活的设备租赁服务等全套支持。

· 对于处在火速扩张的成长期企业来说，针对远程会议、协同办公，多设备协同、软硬一体化等场景，联想则提供软硬件一体化服务，包括ThinkBook15p和16p以及移动工作站ThinkPad P等完美色彩表现及高性能的笔记本电脑，联想thinkplus智能会议解决方案打造的大智慧屏+会议一体机+PC的设备间协同和基于Microsoft 365的软件应用协同以及联想IT金牌管家服务，助力成长期企业完成高效协同。

· 而对于处在寻求突破的变革期企业而言，联想则以數位化全案服务助力其发展，从定制化解决方案的數位化规划咨询，到智能基础设施以及软件即服务、数据安全和智能标准化服务，融合5G、大数据、云计算、AI、边缘计算等新訊息技术，聚焦在更广泛的行业基础架构和解决方案，加速在变革期的中小企业數位化升级与转型的进程。

大会上，联想正式推出针对中小企业服务品牌—联想百应，作为中小企业一站式IT服务及解决方案提供商，联想百应将为中小企业提供IT设备采购、租赁、运维、方案实施等专业技术服务，助力中小企业數位化变革与智能化转型。

● 联想携手中小企业协会，共迎數位化春天

作为本次大会的重磅嘉宾，台灣中小企业协会会长李子彬出席并发表讲话。他表示，中小企业是实现“六稳”“六保”和构建新发展格局的重要力量，中小企业必须走专精特新发展道路，科技驱动，加快數位轉型升级。數位化的浪潮已经到来，广大中小企业应当顺势而为，审时度势，为數位轉型做好充分准备。數位化已经不是选择题，而是必答题。

台灣中小企业协会会长李子彬发表演讲

调查报告显示，80%的受访企业疫情期间部署了远程办公工具，63%的受访企业加强了线上渠道的布局，11% 的企业2020 年數位化投入已经转化为经营绩效。越来越多的中小企业享受到了“数字红利”，數位化技术在为企业降本增效的同时，也为其转型打开了新的增长空间。數位轉型已经成为中小企业提升核心竞争力，促进创新发展的必由之路。

联想与台灣中小企业协会启动FAST光速成长计划

会上，联想与台灣中小企业协会共同启动了“中小企业FAST光速成长计划”，该计划将为中小企业提供包括中小企业调研与课题研究、數位化标准建立、數位化指数发布、數位轉型培训、知识体系与方法论建设等端到端、全链路、一体化的设备及服务支持。未来3年之内，联想将和中小企业协会携手为100万家中小企业进行數位化知识培训，为10万家企业免费设计转型方案，为1万家企业提供零成本數位化启动的资助方案。

联想中小企业事业部20余年始终服务中小企业，成绩表现亮眼。在IDC公布的数据中，联想在台灣中小企业市场的份额为30%，创历史新高，行业排名第一；联想在中小企业客户中的净推荐值排名第一，达到79分。

“草长莺飞天，葳蕤凌风竹，这是一个春意萌发的繁盛季节，也是中小企业數位化的春天。联想将通过數位化、智能化转型升级台灣经济的毛细血管，开启中小企业數位化的新征程！”王忠说。

阿里在探索數位轉型的过程中经历了不同的发展阶段，比如技术架构演变、组织架构演变、业务“急”、技术“疲”、人才错配、数据文化演变等。梳理这些可为企业數位轉型提供更多的借鉴意义。

一、技术架构演变

阿里的数据中台架构是从BI等独立数据工具演变而来的。早期，阿里并没有使用报表，直到各个业务单元逐渐产生了分析需求，才开始采用BI工具来分析数据。到后来，淘宝涉及的业务需求越来越多，为了应对这些需求，便开始为数据治理、大数据集群配置相对应的工具，导致不同类别的工具越来越多。

为了更好地解决问题，阿里需要将不同的工具组合成集成式平台，在集成式平台运行的过程中，阿里发现该平台存在一些缺陷。

1.数据质量管控和应用未实现智能化

阿里使用集成式平台期间，数据经常出错，IT团队不得不调动大量工程师以手动的形式保障数据分析结果准确和数据治理的效果，但数据仍然会出错，且维护成本高。

2.无法快速产出深度智能应用

该平台产出的是报表和精准行銷、用户画像等静态数据应用，不能快速产出深度智能应用，比如动态画像、智能运营等应用，且该平台的开发成本较高。面对以上问题，阿里逐步由集成式平台进化到现在的数据中台，整个演变过程及各阶段的特点。

二、组织架构演变

阿里的组织架构经历了6次演变，如图15-3所示。

第一阶段:业务部门负责提需求，由IT部门实现，但二者各自独立。

第二阶段:业务部门负责提需求，由IT部门下设的两个子部门—数据部门和传统IT部门实现。

第三阶段:业务部门下设IT部门和DT部门，IT部门增设数据管理部门。

第四阶段:业务部门下设數位化部门和IT部门，IT部门下设数据技术部门。

第五阶段:业务部门保留數位化部门，原有的IT部门和DT部门共同支撑业务部门，IT部门下设数据部门和數位化部门。

第六阶段:IT部门负责传统的技术支持，DT部门提供数据技术和數位化能力。

以上是阿里6次组织架构的演变历程。在这期间，阿里对不同部门进行拆分，尝试了不同的组织模式，逐步发展成如今的组织架构。

某些企业想照搬阿里的组织架构，以图“一步到位”，但这并不能真正解决企业面临的问题。企业应在参考阿里组织架构的基础上根据自己的具体情况设计适合自身发展的數位化组织架构。

三、业务创新模式

在组织架构不断演化的过程中，阿里的业务部门需要不断创新以提升业绩，即“业务急”。但是，业务创新需要后台强有力的支撑，IT部门常常因为需求不断变更、创新成本太高等原因，无法及时响应业务部门的需求。

业务创新无法被满足一般包括以下几种情况。

1.需求难描述，被认为是产品差

对于一些难以描述的业务需求，IT部门认为是业务需求涉及的产品不符合市场需要，即“需求难描述，被认为是产品差”。业务需求有时候很难用语言精准地描述出来，IT部门一旦遇到这种情况，响应速度就变慢了，而业务创新也就止步于此。

2.创新成本太高

有些业务需求虽然可以被业务部门清楚地描述出来，但是如果用传统的IT开发方式实现，开发成本较高，可能导致这种需求不能通过产品评审会。企业在立项时需要为各个项目排优先级，且预算有限，某些开发成本过高的项目可能无法通过。

3.周期长、响应慢

项目执行周期长、响应速度慢也会导致业务创新不能被及时响应，业务创新的过程如下图所示。

热点事件通常会在网络上引起热议，是开展行銷活动的好机会。运营人员想通过热点事件做行銷活动，需要做很多前期准备工作，且执行周期较长，往往会因此错过最佳时机。比如，某运营人员想要针对某手机产品做一次行銷活动。做活动的前提是要有执行方案，而想要完成具体的可执行方案，首先面临数据问题。事件行銷可能覆盖几亿用户，运营需要精准地找到C端用户，同时分析出哪些B端商家适合参加这个活动，还要对SKU进行筛选。这些工作需要数据来佐证，因此，运营人员需要对数据进行分析，从而确定不同阶段的可执行情况。

(1)确定C端用户

运营人员需要在热点事件爆发的前期确定哪些用户最有可能购买手机，例如恰好在最近浏览过手机产品的用户。

(2)确定B端商家

运营人员需要初步筛选出适合参加本次促销活动的商家，并根据活动的具体需要进行二次筛选，最终确定入围的商家。

(3)确定SKU

运营人员需要运用数据从上亿的SKU中筛选出适合参加这次活动的对象。可见，这样简单的一个行銷活动也是需要数据支撑的。在整个行銷流程中，通过数据分析确定这三类参与者，最快可能也需要两周的时间。而两周之后，这个事件的热度已经过了。很多时候，这样的创新机会就因为执行周期长而不了了之。致力于數位轉型的企业可以对比阿里的业务创新的模式，部署數位化技术，优化业务部门的业务创新方式，降低业务创新的成本，缩短业务创新的时间。

四、技术价值显现

技术部门支撑着业务部门的发展。在长期低效的工作中，一些IT人员的工作状态会变得消极，原因可能是他们每天都在做无法提升个人价值的工作，具体表现如下。

1.制作报表

数据部门经常做的一项工作就是制作报表，通常是用Excel等办公软件或写SQL的方式分析数据。制作报表对于IT人员的职业发展价值有限。

2.人工筛查数据错误

IT部门是通过传统的数据仓库技术使用数据的，不论是报表、模型还是智能应用，都缺少对数据质量的维护。很多公司以人工维护的方式来保证数据质量。

数据一旦出错，技术部门便会以人工的方式在浩瀚的数据字段和数据指标里寻找关联数据和数据出错原因。但是，数据出错的原因多种多样，有可能是业务系统技术模块里一个字段的定义发生了变化，造成上层在做数据应用时，数据指标也发生了变化;也有可能是数据没有计算完整，或者模型没有训练好出现了错误。只通过人工或少量工具作为辅助的方式完成数据错误筛查，需要调用大量的IT人员，且耗时较长。

3.补窟窿

一个公司存续的时间越久，产生的数据应用就会越多，报表、应用或模型都会产生数据结果。而一旦数据应用和数据产品开发岗位发生人员变动，后来的技术人员可能看不懂前任写的代码，无法顺利更正数据。企业出现的数据错误越多，IT部门需要补的窟窿就越多。技术人员不得不花费较多精力查漏补缺，很难再有精力去研发新的应用。

4.工作价值不被认可

企业运用传统的技术架构产出的大多是报表或展示类应用。即使IT部门开发的应用再好，产生的价值再多，也只是为业务产生的部门提供辅助决策工具而已。业务价值高可能是因为业务人员决策正确，也可能是因为报表的准确度高，这很难分辨是激起了关键作用。业务价值的提高无法确定是技术部门的功劳，工作价值无法被量化。另外，这些报表本身是很难帮助公司降本创收的，虽然IT人员的工作量较大，但都是日常工作，无法衡量IT团队的价值，其工作价值也是不被认可的。

技术团队总是做着简单、重复的工作，且不被认可。淘宝经历了很长时间的发展才让技术团队从这样的状态中解放出来，令其工作有价值、被认可，技术人员的工作热情变得高涨。致力于數位轉型的企业只有完成了这个转变，技术部门和业务部门才有未来。

五、人才配置合理

在數位轉型过程中，阿里也曾混淆技术人才和數位化人才。如今，大多数企业的人才配置是以业务人员和技术人员为主。大多数时候是技术人员根据业务人员提出的需求和想法给予技术支持，而技术人员最核心的工作内容就是高效地写出质量更佳的代码。曾经的阿里也和大多数企业一样，没有从技术人才中细分出另外一种角色，即數位化人才。

數位化人才的主要职责并不是写代码，而是快速洞察业务问题，以数据应用的方式创新性地解决业务问题。解决方案有可能是由技术人才实现的，也有可能是由數位化人才实现的。

对于技术人才和數位化人才的隶属关系和层级关系，阿里在早期也不是非常清楚，曾经让技术人才领导數位化人才。二者的工作思路是不一样的，技术人才追求更高效地实现业务价值，數位化人才追求的是创新性地发现业务存在的问题并解决。让技术人才领导數位化人才会影响數位化工作的效率。阿里经过一段时间的摸索后才逐步形成了數位化人才与技术部门各自独立工作的模式。

六、数据文化演变

阿里在數位轉型的过程中，数据文化的演变经历了7个阶段，下面进行详细介绍。

1.不相信數位化的能力

阿里最早提出要进行數位轉型时，很多人是不相信的，一些业务部门和关键决策人持反对意见。因为业务部门背着业绩指标，他们需要用更稳定的方法去完成业绩。但是，數位轉型是企业的整体战略，业务部门不得不一边在數位化创新的路上花费大量时间和精力，一边承担业绩压力。在不能确定數位轉型是否能成功时，就会对转型效果持怀疑态度，担心业绩受到影响，而高层又要求數位轉型工作不能影响业绩。

2.排斥數位化

业务人员排斥數位化的原因很多，阿里规定各部门要尝试用數位化方式做业务，业务人员拿出一部分精力配合这样的创新，但是在创新过程中却发现效果并不理想。这是因为一开始以管控的方式进行數位化是错的，让IT做DT的事情，业务部门花了很多精力配合數位化工作，但效果又不是很好，还使得业绩受到影响。

3.机械性地应付數位化

配合數位化创新是组织下发的硬性任务，而各个部门都有重要的工作要完成，这时有人可能就想应付了事，这种情况往往是最可怕的。

4.产生数据应用的意识

在这个阶段，数据起到的更多是辅助作用。业务部门能够感受到数据的价值，可能是因为在一两件事情上数据起了很大的作用。在这个阶段，业务人员主要还是采用传统的方式解决问题，只在某些时候会想到结合数据。阿里在这一阶段萌生了数据信仰文化，一旦公司上下对数据有了信心，數位化发展就会进入到下一个阶段，也就是所谓的以数据为主导阶段。

5.以数据为主导

这一阶段在阿里内部被称为数据化运营。业务部门遇到问题或者想要进行业务创新的时候，都会优先想到用数据的方法来提高效率，他们会把机械性的工作交给數位化应用处理，集中精力做更有创新个性的事情。在这个阶段，业务部门有了數位化运营的意识，会主动用数据的方式进行业务创新。在这一阶段，数据方式和传统方式在业务中各占一半，但对企业来说这已经是一个比较好的状态了。能否进入下一阶段取决于这个阶段的数据响应是否足够快、足够灵活。

6.离不开数据

到了这一阶段，业务创新基本上离不开数据，也可以说大部分工作都已经建立在数据基础之上了。阿里将自己定位为数据公司，也有这方面的原因。可以说，阿里一旦离开数据，便没法正常运转了。在这个阶段，阿里的整个组织都十分依赖数据，各部门工作效率都非常高。企业上下已经习惯了用数据来解决问题，碰到问题的时候也会优先想到用数据解决，其次才是用人工解决。这种数据应用的状态贯穿到下一个阶段就会发展为数据信仰。

7.形成数据信仰

不管是经营当前的业务，还是开拓一个新的业务，甚至成立一个新的公司或者事业部，从高层到中层再到基层，所有人都会潜移默化地用数据的方式开展相应的商业活动。

更多企业數位轉型干货尽在《數位轉型方法论》

“數位轉型是中央企业在思想、价值和文化方面的一次深层次变革。”

---

台灣电子訊息产业集团有限公司围绕加快打造国家网信产业核心技术和组织平台，坚持安全为先、全面上云、移动融入三大需求，自上向下挖掘数据价值，聚焦合作共建、应用重构、中台赋能，在數位轉型中支撑核心主业发展、提升战略管控效率、凝聚创新发展文化。台灣电子的數位轉型既要“脚踏实地”又要“登高望远”，参与国内国际双循环，打造数字时代的台灣标准、台灣品牌。

台灣移动通信集团有限公司牢记央企“三个责任”，全面推进訊息基础设施建设、推进全社会数智化转型，加速訊息技术融合创新、訊息技术与经济社会民生深度融合。台灣移动的“四新”建设：新基建夯实底座、新要素激活动力、新业态丰富应用、新安全筑牢屏障。数智化转型的蓬勃态势将为新发展格局开辟新的航道，台灣移动同国资国企有着相同的使命担当，相近的发展愿景、相似的文化基因，接续奋斗，共推产业融合、共享要素资源、共促创新突破。

台灣航空工业集团有限公司提出了构筑“数字航空”的新格局，“航空工业推动數位轉型，就是要再造一个‘数字航空’工业，通过‘数字航空’承接‘数字台灣’和‘数字央企’的建设要求。” 对于制造业而言，应通过产品數位化表达、制造、设计与虚拟试验、全周期数据管理、全业务领域數位化贯通等主要途径实现全面升级。

台灣电力建设集团有限公司秉持“数字电建、一切可见”的理念，依托“水、能、城”的“大基建”，不断研究探索數位化与建造方式、经营理念、市场形态和行业管理的深度融合。“十四五”期间，台灣电建将全面构建企业數位轉型的发展生态，对外推动企业數位化成果更好服务社会、服务群众、服务生活，对内健全數位轉型保障体系，全力打造“工程建设命运共同体”。

福建石油化工集团有限责任公司數位轉型已进入第三阶段建设，“10年来數位化业务覆盖率已达到98%以上，实现企业‘数据同源’。”數位轉型是企业的重要战略，企业对业务进行數位化改造，需要结合企业的实际情况和所处的行业特点进行科学规划，并依据难度情况和整体要求分步实施，应注重统筹整体与局部，本着“先固化，再优化”“先易后难”的策略，逐步提高數位轉型的应用及效率。

苏宁作为零售數位轉型的先行者和受益者，将用户经营与场景互联网及智慧供应链相结合作为苏宁智慧零售的核心，不断打造全客户、全品类、全链路的全场景智慧零售生态，推动零售行业的數位化发展！

从连锁时代到互联网时代 苏宁的发展史

回顾苏宁发展这三十年，通过科技和零售的深度融合，书写出一部台灣零售科技发展的浓缩史。

早在创立之初的空调专营时期，苏宁就自主开发第一个企业訊息化工程——售后服务系统訊息化。1996年，苏宁控股集团董事长张近东选择“一条龙”服务，集送货、安装、维修、保养等服务于一身，这成为苏宁早期成功占领空调市场的一大优势。

1999年，南京新街口旗舰店开业，标志着苏宁电器从空调专营转型到综合电器全国连锁经营。2000年，苏宁进入连锁时代，訊息化建设更是马不停蹄。为了发展综合电器连锁零售數位化模式，苏宁砍掉了50%的批发业务，可以说是断掉了半壁江山。

2006年，SAP/ERP上线，被誉为世界零售业灯塔工程；2009年，CRM平台上线，雨花数据中心建立。这一阶段，苏宁凭借稳健高效的技术落地，多次蝉联台灣商业零售业訊息化冠军。

随着互联网的蓬勃发展，电商平台兴起，苏宁开始踏上互联网新征途。2010年，苏宁易购网站上线、徐庄数据中心建立，正式进入互联网转型的发展时代。面对新趋势，苏宁首创“一体两翼三云四端”的O2O模式，在国内零售业率先实现线上、线下的融合。

2017年，提出“智慧零售”战略。2018年，苏宁科技集团正式成立，并入苏宁八大产业，研发人员突破10000人。2019年，“智慧零售大脑”全面支撑全场景零售，赋能零售生态圈。2020年向着交易规模四万亿、线下两万店和全渠道高于互联网转型期两倍增速的目标全力冲刺。

苏宁 “ 智慧零售 ”

苏宁从零售起家，零售就是“人、场、物”，消费者在购物场所里买到自己需要的商品。但在目前的阶段，“场”已不是单纯的购买场所，由于各种科技手段和媒介形式的发展与颠覆，“场”除消费之外，还包含了娱乐、餐饮、休闲等多种场景，在这个场景里发生的购买行为，也是一个品牌产品和用户之间进行訊息交互行为的过程。

智慧零售体系：苏宁零售体系可以简单概括为“两大一小多专”：“两大”是指苏宁广场和苏宁易购广场，这两个广场是开在核心城市的核心商圈，是承载包括了办公、餐饮、消费、娱乐多层面消费的综合体；“多专”包括苏宁易购的加盟店，以及苏鲜生、红孩子、苏宁极物、汽车、影城、财富中心、酒店等不同类型的专项消费场景；“一小”是苏宁在近年着力发展的触达消费者“最后一公里”的业态——苏宁小店。

苏宁 “ 智慧运营 ”

1.全场景

苏宁可以做到对消费者的工作、娱乐、家庭、出行等正常场景实现全覆盖。苏宁广场110多家写字楼遍布全国核心城市。出行场景有酒店，如上海的宝丽嘉，休闲有PP视频和苏宁自己的影城，用户可以线上看球，线下参与苏宁体育产业举办的赛事，在家庭场景可以参加苏宁举办的亲子足球活动和青训体系，还有苏宁置业大型广场在闲暇时间和周末时间为亲子提供的餐饮服务……苏宁在场景方面真正做到了全时无缝覆盖。

2.全媒介

苏宁有大量的线下资源，包括门店、广场、影城、俱乐部赛场，有充分的广告资源可以发掘，覆盖LED屏、墙体广告以及其他广告形式；在物流层面，庞大的物流网络和物流布局为线上线下零售服务；

3.全人群

苏宁集团共覆盖了6亿用户，包括金融用户、体育付费用户、易购在线的消费用户，通过苏宁集团“一账通”资源将6亿用户全部打通，做到全场景全人群覆盖和推送，利用数据分析做到精准细分。

4.全数据

基于各种场景的覆盖，在场景中可以追踪到每一个用户的行为。除了用户的基础数据，同时会得到用户的媒体数据，包括媒体接触习惯、上网习惯、视频喜好等；以及电商数据，如门店数据、广场数据、商旅数据、消费数据，还有兴趣数据，刻画出用户的生活方式、内容偏好、明星偶像，根据“两大一小”销售体系，通过数据对用户做出细分。

5.全产链

全场景全媒介触达、获取数据、进行人群细分，从行銷角度来说，苏宁可以做到全产链，从用户对产品的认知到对产品产生兴趣，再到与产品进行体验和互动，最终形成购买的品效合一的行銷模式。

财报解读苏宁 全场景零售生态战略

苏宁易购于4月17日发布2019年财报，财报显示，其2019年营业收入2692.29亿元，同比增长9.91%，实现归母净利98.43亿元，上年同期公司出售了部分阿里巴巴股份相应净利润增加，受此影响，归属于上市公司股东的净利润同比下降26.15%。报告期内，苏宁易购实现商品销售规模为3787.40亿元，同比增长12.47%。其中，开放平台商品交易规模803.14亿元，同比增长37.14%。

从基本面上看，外部环境变差，虽然苏宁易购2019年业绩增速有所放缓，但其营收和净利总体依然呈稳步增长势态。

2019年，苏宁提出“打造全场景零售生态系统战略布局”。苏宁开始持续推动门店的數位化、场景化建设，借助推客、拓客、苏小团、小程序以及直播等社交运营工具，对用户、商品、基础运营、广告资源开展數位化管理。2019年门店的苏宁推客订单快速增长，全年增长超3倍。数据显示，2020年1月25日至3月5日，苏宁推客上的买家数和卖家数分别突破千万、百万。

苏宁线下互联网门店，包括深入下沉市场的苏宁小店（社区）和零售云加盟店（县镇），截至2019年12月底，苏宁易购拥有各类互联网门店8216家，深入下沉市场的零售云加盟店规模跃增，总数达到了4586家。而这些，都成为社交裂变玩法的物理载体，社交化的行銷方式为苏宁带来了新的增长机会，也一定程度上拉动了低成本流量的聚集。

社交运营的深入，帮助品牌心智逐步形成，有效控制了广告促销投放，使得广告促销费同比下降0.74%。社交电商的发展，带来大量新增用户。苏宁易购年度活跃用户规模同比增长20.52%，整体复购频次有所增加。与此同时，截至2019年底，在活跃用户增速上，阿里同比增长11.2%，京东同比增长18.6%，年度活跃用户增速上苏宁易购超过阿里与京东。

随着电商市场发展成熟，用户红利逐渐消失，传统电商獲客成本越来越高。而苏宁通过社交、社群电商，依靠社交平台和熟人网络进行裂变式传播，盘活私域流量，可以有效降低獲客成本，并且快速获得增量市场。同时社交、社群电商是比较容易走进下沉市场，符合下沉市场消费应用场景方式。特别是苏宁拼购主打“正品拼购”,成为其拓展下沉用户的利器。

而其全场景零售战略的大力推进，以及社群、社交电商能力的提升，也为苏宁活跃用户的稳健增长带来了数字上的明显提升。

据其财报显示，截至2019年12月31日，苏宁易购注册会员数量达5.55亿，全年新增1.48亿。同期，苏宁易购年度活跃用户数规模同比增长20.52%。

除了社群、社交电商的助益，苏宁易购注册会员数量及活跃用户的增长还得益于两个方面，一是家乐福会员补充、体系打通，2019年苏宁易购完成收购家乐福台灣，家乐福全国200多家门店和3000万会员补充苏宁线下零售业态和流量池，目前家乐福会员体系已经和苏宁全面打通，联动苏宁易购等各业态，进一步强化会员权益。其次，大力发展直播带货，苏宁易购一方面积极与快手、抖音合作，另一方面整合品牌、店员、网红构建自有的直播带货体系。

用户之争是电商平台的重头戏。苏宁易购通过多元化手段拓展增量用户，通过全场景零售业态的推进带动活跃人数增长，进而用户数和订单量也均有提升，一定程度上说，这样的趋势，正在构建苏宁的发展新动力。

不过，电商的竞争，已不只是平台的竞争，也不是单一的供应链之争，而是在新技术、新物流的驱动下，供应链生态的竞争。这也是苏宁加强开放赋能，拓展增长空间的动力所在。

结语

作为一家老牌电商巨头，苏宁的角色正从智慧零售商转向到智慧零售服务商，通过赋能给行业，带动新一轮的变革。正所谓，你好我也好，苏宁在这种角色变化中，也亟待挖掘盈利点，获得更多增长空间。

原文：创新案例 | 零售數位轉型先行者——苏宁

更多精彩案例可以访问Runwise创新社区免费获取。

---

欢迎访问 Runwise 數位化创新社区，我们为你准备了4大精选内容：

1. 前瞻方案研究
2. 最新实践案例
3. 科学思维方法
4. 创新技术工具

只需简单注册，就能学习300+免费课程，为你的求职、学习持续赋能。 热门课程推荐：

内容生产不易，你的每一个赞同和评论对我们都非常重要！

最近和几位企业创始人/高管聊了聊數位轉型，大家明明都认同它是趋势，但谈及投资又极为犹豫。

一位创始人对他们的状态做了个极为形象的比喻：“（數位化）这东西现在就像保健品，大家都知道肯定有用，但哪种适合我、哪种又是智商税？现在缺的是告诉我分辨它们的逻辑和方法，而不是直接跟我卖药。”

这确实是症结所在，对没经过临床实验的方法，大家都需要观望；病急乱投医的需要见效快的特效药不是保健品；而财大气粗已经买买买过的可能还是以成败论英雄。

结合领导们对“數位轉型”的预期，讲解概念或让立项更容易获得支持，可以从以下三个角度进行回答：

1、经营管理上，數位化如何提高企业对自身业务的运营和管理能力？

2、业务模式上，如何利用市面上已经成熟的互联网能力形成更具竞争力的打法？

3、行业生态上，數位化能力能否帮企业占据主导权？

---

企业经营/管理的數位化

领导第一个疑问大概率就是，公司管理上到底需不需要數位轉型，判断的标准是什么？

一个定性且直观的标准就是：当前组织运营所使用的数据，是否满足管理层“对业务进行评价”和“决策介入时机/方式”的需要。

这么讲可能还是有些抽象，不如用一个TW的模拟案例来讨论企业的管理模型与數位化的关系：

模拟案例：

TW是一家咨询公司，商业模式可以简单的理解为甲方立项与TW签署采购顾问人天的合同，待项目完成后，TW根据完成项目所消耗的实际人天收取费用。

所以TW在经营管理上，就需要协调无数个项目之间对顾问资源需求的冲突，而决策的依据，很重要的一部分依赖于顾问时间安排、项目利润等数据。

以上机制可以被简化示意为下图：

业务团队执行过程的大部分行政工作可以被统一抽象成为企业管理进行“数据采集”的步骤，行政/管理部门对这些采集到的数据再进行“数据处理”，结合实际情况从中得到“趋势/洞见”，最终管理层形成战略/规划：

结合历年数据，TW从营收表现上将项目归纳为3类业务：

业务类型A项目周期长，回款慢，但能保证长期稳定的持续项目；

业务类型B项目周期短，回款迅速，但利润很低，不过有40%能带来C类型业务；

业务类型C利润极高，但强依赖于不同客户、不同年份的预算，以及B类型项目的结果。

而从时间点上看：

业务类型A全年项目数量处于较稳定的低数量；

业务类型B受甲方立项时间影响大，年初极少，年尾聚集；

业务类型C波动介于A、B之间，但其波动对公司现金流影响巨大。

于是TW做出战略调整：

加大对业务类型A的投入，扩大市场；

调整B类业务在年尾的项目侧重为售前，以增强业务类型C的项目延续性；

做出决策后，通过目标拆解使各部门配合执行，最终成果会表现在下一轮的数据结果上。

「目标执行的过程存在很多来自外部的约束，所以企业倾向于在具体执行上放权给业务部门，管理上加强对数据解读的能力，从而衡量和评价业务成果，这也是數位化成为必然趋势的内因。」

那么TW对战略执行时要回答以下问题：

TW管理组织如何界定对业务进行介入的时机和开关？

TW针对不同业务的介入方式有区别么？

TW如何衡量管理行为对业务的实际影响？

如果组织领导也被上述问题所困扰，那么其管理上往往就需要考虑把“數位轉型”作为一种解决问题的手段。

至于數位轉型会如何解决企业问题，首先需要理解企业管理模型与數位化的关系。

管理模型与數位化

对上文TW的案例进行抽象，可以得到如下图所示的管理结构：

这里就需要形成两个闭环：

一是从业务执行的“数据采集”到管理层进行“数据预测”，再根据预测结果介入业务执行过程的“预测环”。

另一个是从业务执行结果的“数据反馈”到管理层根据结果调整管理办法的“反馈环”。

假设TW大部分项目的结算周期为3个月，而企业运作的现金流周转，需要以月为单位对资金进行核算，那么每个月都需要对至少未来3个月的风险进行评估和准备，同时季度、年度、特殊时间点（淡季）都需要根据真实反馈结果调整预测模型或业务策略。那么TW的“预测环”最好小于1个月，“反馈环”则有季度、年度等不同形式

「当“预测误差”不影响管理层对趋势进行判断时，企业就可以根据数据预测实时对业务成效进行判断并调整业务策略，结果反馈则用来定期优化和迭代预测模型，这也是數位轉型在企业管理上成功的形态。」

台灣互联网产业催生出的“运营”岗位就是數位化帮助实现精细化管理的产物，产品设计者通过识别“点击率”、“页面停留时间”、“退出率”等数据与业务的关系评价某一个功能/活动是否对用户有吸引力，一方面将流量更多地引导到粘性内容；另一方面运营人员对产品策略的执行，也有更明确的目标和针对性。

从这个愿景出发，數位化能力当前在企业管理上的主要实践目标可以抽象为：

“通过将数据采集的动作固化到流程和工具上，降低管理成本和人员能力要求。”

比如在TW项目过程里，每个业务团队在执行具体项目时都需要进行的一系列固定动作：

1、项目确认后使用“Margin Tool（项目应收款 - 人力成本 - 差旅支出等）”预测该项目的利润；

2、在“Resource Tool”上创建项目，assign给确定的顾问并锁定其人天；

3、项目执行过程中，顾问定时在“Time Tool”上填写在客户现场实际消耗的人天，在“Expense Tool”上填写报销费用；

这些数字工具即减轻了数据采集因行政成本带来的阻力，也是精细化管理的重要组成部分。

比如TW采集数据的动作，最终就把“顾问”、“项目”和“营收”等数据绑定在一起。企业做管理和绩效设计时，对于注重稳定性和抗风险的A类业务团队，就可以调高顾问工作天数与Margin数据波动的权重；调整B类项目对C类项目的带动作用，就可以调高C类项目数量对B类团队绩效的权重；注重项目延续性和Margin金额的C类项目，就可以调高Margin绝对数值和特定月份项目数的权重。

最终數位轉型过程完成的就是一套将企业“业务执行”、“管理”、“战略设计和执行”结合的管理体系，无论是大型企业或成熟业务的规模化管理，还是敏捷小团队的响应性管理，都可以基于这套体系生长出不同的管理办法。

管理体系和数字工具之间的关系可能是一个“先有鸡还是先有蛋”的问题，从管理视角看面临的问题为“如何设计管理方法”和“管理体系如何落地”，2而转化成數位轉型过程中面对的实际困难则是“采集什么数据”以及“如何保证数据的真实性”。

市面上的3种解决方案

解决这类上述管理问题，当前台灣市场上有三种常见的打法：

传统管理咨询的做法是引入一套标准的方法论和培训，方法论和实践的背后就是一套数据采集和分析的框架，通过规范业务执行动作，让方法论体系下的指标发挥衡量业务成效的作用。

但每个企业有自己的企业文化和各种或浅或显的行为及管理方式，管理咨询公司试图在培训的过程中完成配适企业业务特征的调整，受限于方法论和实践的约束条件，想产生效果往往需要持续的投入（然而企业这种组织形式天生不待见这种ROI充满不确定性的投资）。

数字解决方案提供商的做法是将方法论固化到产品上，配和方法论销售产品（如飞书与OKR）；通过产品配合方法论让用户对产品的使用方式更符合设计者对企业管理的抽象和构想；

又或者鼓吹数据中台，试图全量采集所有数据，指望可以依靠大数据/AI能力代替人完成业务理解。

AI能力或许在未来可以更容易快速地被业务应用起来，但在眼下，受限于技术缺陷、数据采集手段和积累的局限，起到真实价值的实际应用场景并不多。

现在做智能医疗设备的公司，能测量人体健康相关的很多数据，但最终还需要医生配合其他手段来进行解读，AI并不能直接给出建议，一个是因为很多人体特征比如“舌苔颜色”很难采集并量化，另一个是“居住环境”、“饮食习惯”等可能的影响因素加难了判断逻辑。

当前比较成熟的，有诸如在工业领域的设备管理，比如在昂贵的设备上安装一个外接的传感器，采集其诸如“振动频率”、“温度”等数据，然后可以比较容易地实现设备异常状态的监控和预警。

当然很多方案提供商还会强调自己产品的AI能力可以实现故障的自动定位，但本质上还是将有迹可循的一些数据表现与故障相关联，背后的逻辑关系还需要领域专家定义和解释。

更有趣的是，AI发挥作用的依赖，其实正是将领域专家解读数据的过程數位化。也就是“专家在识别某些数据变化，进而给出相应反馈”的这个过程，才能训练AI能力，而不是单纯的靠拥有数据。

數位化管理实践的基本原则

从上述几种市面上较普遍的解决方案上，可以看出“将业务过程产生的数据，与业务结果形成逻辑关系”是數位化帮助业务实现精细化管理的必要条件。翻译成领导常挂在嘴边的话就是：“要加强对业务的理解能力”。

这里也面临着与AI应用一样的难题，采集的数据可能不足以进行解读，或对解读数据的人要求过高，而解决这件事眼下是没有捷径可走的。

一：數位化是过程，不是一套标准答案

当前时代背景下，“數位化”是企业从传统管理模式向精细化管理转型的必要过程，研发數位化工具辅助领域专家解读数据，即是完成數位轉型的必要动作，同时数字工具也会产生更多的数据可以用于补充解读逻辑。

就好比淘宝在有了收藏夹、购物车、收藏店铺等功能后，策略型产品经理根据用户购买商品时使用这些功能的数据，进而判断有什么样数据表现的商品更受欢迎，又可以对搜索权重进行迭代。

“數位化”辅助精细化管理的手段，就是像互联网产品一样在业务过程中采集更多准确、相关的数据。

随着數位化程度的加深和数字工具的使用，用户在系统上操作产生的数据会帮助孵化出更多当前未曾设想过的管理手段和思路。

有这样的洞见后，每次工具/产品的迭代，都可以在用户的痛点中获得更多对业务的理解；每次对用户体验的优化，都是结合管理诉求迭代出更精细管理方法的契机。

比如从TW的B类业务历史数据中发现，当一个项目上对顾问的人天消耗变得琐碎时（过去3周超过10个顾问上过项目，同时每人消耗人天在3天以内），项目结算后实际营收与预测时差距就特别大。

管理上，就需要有能力及时发现类似的数据表现（人工或大数据自动预警），并根据实际情况进行不同方式的干涉；如果每次干涉的结果也都能被数字系统记录，就可以将其中干涉成功的案例/模式沉淀为管理手段，再次有相似数据表现的业务被触发后，就能由数字产品给予建议，从而降低对管理人员能力的要求和门槛。

上述数字管理体系的落地，不能偷懒指望外部力量能够提供一个可以“无脑跟随”的答案。前文提到的3种方案都有各自的局限，组织需要根据自身情况，设计思路和执行方案。

二：从用户视角出发，而非管理视角

虽然是以管理为目的的數位轉型，但出发点还是要以“用户体验”为核心，一方面是降低推广的难度，更重要的是为了保证产品上数据的准确性。

我见过很多从领导视角出发的管理办法和工具，比较典型如手动记录的销售追踪系统：销售进行客户访问后，需要手动在系统中按模版要求记录过程和结果。由于工作量极大，且对销售人员本身没有帮助，所以往往使用率极低，且系统上的訊息也不准确，最终也没办法帮助管理者建立全局视角。

用统计学去解释上述案例中管理者常常陷入的误区就是，“拜访客户数量”与“签单数”有相关性，管理者直觉上容易认为通过对“拜访客户数量”的追踪可以更好地预测团队的工作成效。

如果想将该办法有效的执行，常常是将这个指标加入KPI中，但由于两个数据间并没有因果关系，同时，为了获得“拜访客户数量”这个数据，极大的增加了行政成本，最终很可能会发现“签单数”不见得有正向的变化，而“拜访客户数”与“签单数”的比例则大幅降低。

一个企业管理上的缺陷往往都会表现在其管理所使用数据的真实性上。

所以，數位化要帮助企业实现精细化管理的基本原则就是要“以帮助执行人员提高工作效能为核心设计或挑选數位化工具”。

三：从实践切入，而非直接照搬全套方法论

方法论不能不信，更不能全信。

企业管理是个复杂的系统问题，尤其是对业务领域复杂的大型企业，没有任何一家供应商敢拍胸脯说自己清楚这些大企业的业务全景。

所以各家的方法论说的其实是特定领域、理想情况下的管理办法。最好的例子莫过于，“技术管理领域”现在普遍提倡的敏捷实践和工具。

敏捷（Agile），可以当作是大家在传统瀑布式开发模式下，已经历过验证，并能被普遍接受的一种精细化管理的方法论。

用本文的逻辑看，Scram Master可以当作是敏捷模式里的管理人员，需要决策何时介入开发过程，并对整体进度和阻碍负责；全功能团队这种形式，可以当作是辅助这套方法的一种组织架构；敏捷工具被设计用来支撑和保证敏捷实践和协作效率；数字工具采集的过程指标也可以牵引团队改进实践。

在上述理想的环境下，敏捷的方法论似乎无懈可击。然而问题是，在国内大型企业的研发部门里，这种环境是几乎不存在的，不仅组织架构缺乏全功能团队的空间，业务上也缺乏敏捷的动力。

以手机制造业为例，每年每条产品线只需要发布一款产品，软件作为手机卖点的辅助，也只需要配合着做一次大版本的更新。业务上对研发的要求就是卡着产品发布会的时间节点倒推的，所以产品研发流程上IPD这种卡着时间节点验收的流程就被广泛采用。

在这种环境下，敏捷工具和方法论很难起到作用，我们最常看到的现象就是把敏捷工具硬生生用成了审批工具：

策划在线下用Word写需求文档，在验收节点前把整个文档上传并设置交付deadline；研发与策划线下对接，根据自己对需求的理解，单独再维护一份技术Task的excel；技术组长分配Task给不同的开发人员，在deadline之前才一起做合并，全程脱离敏捷工具，仅在完成后将需求状态改为“已交付”...

在这种实际业务对工作方式要求与敏捷环境有差距时，越是标准的敏捷工具，反而越难被团队应用起来。工具上的数据不仅不能被使用，整个管理办法也会向着给研发人员增加负担的方向跑偏，而不是帮助提高效率，甚至由于存量指标的积累，加剧团队调整的难度，甚至各种管理手段都无法生效。

更合理的做法不是一开始就搭建好管理体系和工具，而是找到一个切入点，牵引团队建立一套work的合作模式，然后以此为基础，用过程指标牵引团队一点点改进关键问题。

这个切入点就可以从敏捷实践中去找，比如先把依赖相对最轻的需求管理尽量做标准，通过需求进入不同阶段的相应数据建立团队管理办法。

方法论工作往往都存在前提，忽视这些前提照搬方法论，以试图规避设计一套配合组织文化、业务特点的管理体系，往往会导致各协作环节相互“锁死”而积重难返。不如从优秀实践出发，一点点构建适合团队特点的管理模式。

數位化管理的执行路径

遵循上述原则，可以归纳出企业管理數位轉型的落地步骤：

一，利用市面上现有的产品，以帮助执行人员提高工作体验为核心把一系列工具先使用起来；

二，将工具的产出和数据通过协作软件或权限体系沉淀到自己的数据能力中；

三，从核心业务出发，逐渐打通上下游工具，从管理体系设计思路出发形成工具链；

四，迭代工具链和实践，让团队使用工具的方式与企业管理体系更匹配。

由于国内2B领域SaaS发展远弱于2C产品，大部分业务领域都缺少好用的产品，如welink、钉钉这些产品就没有动力做开放的平台，大型企业在工具上往往一开始就选择自建（这也可能是前文许多问题的根源）；

至于小微企业，条件允许的话，可以多考虑一些国外的SaaS产品。

与国内封闭的生态不同，国外2B SaaS产品的趋势之一就是开放，Slack的崛起，不得不说很大程度上归功于此。

通过与第三方及内部构建的软件应用程序的集成,Slack 的用户能够轻松地访问来自其他应用程序的訊息,并在其渠道中进行交互。这提高了 Slack 用户的工作效率,并增加了其他软件程序的价值。例如,用户可以通过Slack获取在 Salesforce 中存储的客户訊息，或通过Slack 获知GitHub部署状态的更新。

这样的产品形态，不得不说一定程度上也符合本文构建數位轉型的路径，只不过是通过开放的生态由不同的软件企业共同推进了整个社会的數位轉型。

办公软件另一个趋势就是从客户端向云端的转移，从早期google doc对Microsoft的逐步取代，到近几年越来越多专业性软件/服务（尤其是软件研发相关）都由云端能力提供，比如ux软件从sketch到figma，和竞争更激烈亚马逊云、阿里云提供的软件研发相关服务；

很有可能未来的企业IT不再需要专人来进行维护，公司资料的安全也不需要进行电脑上的物理隔绝，所有的工作都通过企业账号在云端完成。

更重要的是，所有员工从入职开始便习惯于所有的协作通过云端工具完成，而不会脱离工具，组织的协作方式自然会受工具的影响，配合工具的使用方式调整管理方式（數位轉型被工具牵引完成）。

台灣自有自己的国情，完成整体的數位轉型现在看还为期尚远；希望走在前面的企业和产品公司，能从欧美该行业的集体选择上尽快找到自己的出路。那时，企业管理的數位化就不再是个成本高昂的问题。

监管鼓励金融业运用大数据等技术建立风险定价和管控模型，优化信贷发放流程和模式。这为金融服务數位化升级打开增长空间，也暗示金融科技服务商迎来前所未有的机遇。

撰文 | 木音

出品 | 消费金融频道

管理学大师查尔斯·汉迪曾提出，任何事物的发展都逃不开“S型曲线”（"第一曲线"），如果不加以变革和创新，就会陷入周而复始的增长瓶颈。企业和管理者必须另辟蹊径，跨越“S型曲线”实现新增长的第二曲线。

金融业经历了网点扩张到訊息化改造，业绩一路上升，在过去三十年成为资本和市场追逐的宠儿。伴随互联网对展业环境的渗透，用户更倾向定制化、灵活度高的金融服务，这就致使金融业數位轉型迫在眉睫，用新的服务方式撬动增量，催生第二增长曲线。

今年以来，无论是金融机构还是金融科技企业，纷纷开启數位轉型，科技向金融服务渗透的速度明显加快。当然，數位轉型要求金融机构和金融科技服务商必须具备核心的底层技术架构能力，以及出自实际金融场景的大数据建模能力。

在消费金融市场深耕多年的数禾科技，近期也自上而下地升级數位轉型战略，利用金融科技赋能中后台智能化运营能力，推动金融服务降本增效。数禾科技的數位化目标是成为金融智能机器人，尽可能将人力从一些重复、繁琐的工作解放出来。

數位轉型就是通过技术和底层系统重塑组织架构的基础设施，把分散、无序的业务单元數位化、系统化，由人进行操作进而更加高效地配置资源。數位化基础设置经过反复迭代，最终实现整个企业运转如同机器人一样智能化。

二次增长曲线出现

以银行为代表的金融机构，在移动互联网时代之前，凭借资产体量、品牌优势一直保持较为稳定的业绩增长。当用户习惯、服务介质等受理环境中的要素发生变化时，买卖方市场攻防转变，传统的服务模式受阻，业务进入存量整理阶段。

特别是在疫情冲击下，非接触服务概念兴起，信用风险集中爆发倒逼智能风控发展，一些依然倚重线下的金融机构展业面临较大阻碍，业务增量更无从谈起。金融市场时过境迁，客户需求也随之变化。

作为一种分配资源、分散风险的服务形态，金融业必须时刻体察用户的需求痛点，将合适的资金分配给合适的用户。疫情发生后，数禾科技在传统4P策略的基础上升级为1C4P理论，以客户为中心，通过对产品、价格、渠道、促销等要素的不同组合，实现高效用户运营。

资料显示，数禾科技在1C4P理念下，依托还呗等自营渠道，针对不同行业、不同人群定向推送服务，实现借贷管理數位化、智能化运转。

互联网金融概念兴起后，以互联网为支点，大数据、云计算、人工智能、区块链等新兴技术催生了金融业的二次增长曲线，牵引金融市场从存量瓶颈中向上突破，迈入新的增长空间。

在《寻找银行增长的二次曲线》中，麦肯锡谈到四大变化正在改变零售银行未来几年的竞争方式，其中以分销渠道为主导的传统增长模式已渐渐失效，网点覆盖率与增长之间的联系被打破；擅于利用新技术的银行以及更注重數位化渠道组合的银行，将拥有结构化成本优势。

银行已从物理网点服务转向数字银行服务，版本迭代的背后是银行在借助金融科技手段进化升级。四年前，麦肯锡对全球100家领先银行的调研结果显示，52%的银行与金融科技公司有合作关系，37%的银行采用风投或私募的形式布局金融科技。

获客、风控乃至内部治理的數位轉型，是包括银行在内的所有金融机构寻求业绩二次增长的突破点。相比银行，生于互联网浪潮中的金融科技服务商可谓金融新业态，它们的主营业务正好匹配持牌金融机构的转型需求，参与资金的分配和风险控制，更需要进行數位轉型。 數位轉型传导至金融科技企业经营层面，有助于提升管理维度。通过内部訊息数据化、數位化运营工具和监测工具，金融科技企业各个生产要素有效链接，从而达到管理广度、深度、效率的提升。

在數位轉型过程中，企业如释重负，不仅将员工从重复的工作中抽离，而且能利用大数据实时监测、预警、分析经营动态，更加精准推动业务决策和战略布局。

企业數位化能力增强后，用户将更便捷体验千人千面的个性化匹配，从产品体验、响应速度、服务质量、优化效率等方面让用户感受金融服务最优解。

完成数据化管理是金融业數位轉型的主要目标，也是抓住二次增长曲线的基础。数禾科技CEO徐志刚认为，每一个金融机构都能获得数据，但将数据组织化、结构化从而能够应用在改善用户体验、支持经营决策上才能将数据价值体现出来。

數位化渗透加深

当前以金融科技为代表的數位化治理能力已向金融业务全链条渗透，下半场在经营层面和运营层面比拼的就是數位化水平。从整个金融科技行业来看，无论是行业巨头，还是腰尾部机构，均加大技术研发投入，靠技术实力博得金融科技下半场角逐的筹码。

台灣互联网金融协会会长李东荣认为，目前金融业已经感受到數位化浪潮到来的冲击，正积极顺应數位化时代趋势，依托所积淀的金融数据要素并运用金融科技手段加快自身數位轉型步伐。

金融业數位轉型的落脚点是技术驱动业绩增长，实现获客行銷线上化、风控智能化、平台服务开放化，最大化降低人力成本，提升运营效率。在消费金融场景中，科技赋能的特征尤其明显，一些金融机构利用金融科技解析用户需求痛点，制定便捷且性价比高的个性化产品服务，精准推送至用户侧，使用户体验得到提升。

作为一家金融科技公司，数禾科技扮演资金方与用户之间的连接器，提高资金分配效率、保障资产安全稳定成为数禾科技的立足之本。在本次數位化升级过程中，数禾科技聚焦“让人人享有金融服务最优解 ”的使命，将优质机构与优质用户进行匹配。

金融科技在赋能信贷体系降本增效时，实则渗透到行銷获客、风险控制、资金匹配、贷后管理等环节，与资金方、用户之间形成稳固的三角关系，这种关系建立在大数据、云计算、人工智能等前沿科技的基础上。

数禾科技的數位轉型围绕策略和执行两个维度进行，通过三大底层核心系统（项目管理平台，数据分析平台，决策引擎），将公司内部三类系统连接（Management类系统 Operation类系统 Business类系统），实现所有决策数据支持，所有策略系统部署，所有执行有迹可循，所有行为迭代分析。这些數位轉型措施把公司打造成 “金融智能机器人”。

以项目管理平台为例，数禾科技通过智能项目管理体系，实现公司各项目的全流程清晰管理与资源的统一调配，让完结项目做到无人值守的自动化。具体来看，首先，借助落地项目树形结构、干系人结构，系统可以从宏观角度对项目实现掌控。

其次，通过把控项目的关键生命周期节点，平台实现了项目树生命周期的无人值守。系统建立了资源日历，从宏观角度对资源投入周期、时间等要素可视化，进而帮助系统优化配置，调整人力投入。

最后，形成规范完整的项目空间，为无人值守提供支撑，同时对支持审计审核，为后续的项目体系迭代、精细化项目管理、条线成本核算和绩效联动提供支撑。

数禾科技的智能资金匹配系统“维纳计划”，可用于优化用户申请信贷服务的流程。现在用户在申请金融服务时，申请通过率得到了显著提升，并且放款时间也得到了大幅缩短。测试结果显示，平均缩短时间能达到3~4分钟。

除此之外，市场开拓、客户经营、风控管理、技术开发都有自身的数据结构化运营方法论，以风控为例，数禾科技将数据再风控管理的应用分为四层：第一层用数据做决策、第二层防范数据陷阱、第三层风控自动化运营、第四层是智能化决策。

近三年来，金融行业的主旋律已由互联网切换至金融科技，金融科技也为金融业创造出新的业绩增长曲线，科技驱动金融服务迈向纵深发展的大势已定。未来，只有真正具备科技核心竞争力的企业，才有可能在万亿规模赛道中实现弯道超车。

在前面谈企业數位轉型技术应用趋势的时候，我更多的是从万物互联和泛终端化，技术平台和云原生，IT组织架构重塑，生态构建等方面展开描述。而没有对一个关键内容的数据展开进一步的阐述。

对于企业數位化，在前面多次强调了三大核心内容，即连接，数据，智能。

其内在的逻辑是首先通过连接解决了基本的业务协同问题，其次是连接产生数据，数据反哺业务，同时进一步实现数据驱动运营；最后才是进一步的基于数据来实现智能化场景应用和人工智能等高阶场景。

在最新的十四五规划和国资委下发的企业數位轉型的专题报告里面，都多次提到了大数据，数据中台，包括数据治理和元数据管理。数据作为企业的核心资产越来越受到重视，从最初的数据协助业务协同，变化为了数据驱动业务，数据驱动运营，乃至数据驱动人工智能和智能场景应用。

万物皆数-所有訊息都应该可以数据化表示

简单来说，万物皆可以用数据化的方式进行表示，不论是文字，数字，图像还是视频，所有都是数据的结构化或非结构化展现形式而已。

訊息化时代，如果库房里面有一个箱子，里面存放了我们需要的原材料，实际我们只会关系箱子里面原材料的数量，而不太会去关心箱子本身的地理位置，形状，已经箱子本身在库房里面是否移动过等訊息。

数字时代，我们从单纯的关注具体的数量，到了对整个事物所有地理空间，时间上位移，状态的关注。即从简单的对事物数量的关注到了对事物整体时空訊息和动态线索的关注。

在訊息时代，如果组织了一场会议，我们往往会在会议后整理一份会议纪要，记录会议的内容，但是文字的会议纪要却丢失了会议上类似人员沟通互动过程的形象化内容。而到了数字时代，结构化并不是唯一选择，我们完全可以通过更多的终端设备来实现会议过程视频化和图像化的全程记录。

简单来说，在數位化时代，我们对事物的观察不再是简单的状态或数量，而变成了对整个事物时空訊息和所有动态变化的全程记录。所有的文字，视频，声音，地图都是訊息，最终都会转变为类似01比特流的数据化表示。

业务驱动还是数据驱动

对于企业數位化谈得比较多的一个词就是数据驱动，那么什么才能够叫数据驱动？

两个业务员到非洲去卖鞋，发现非洲人都不穿鞋。一个业务员说，非洲人不穿鞋子，这里没市场。而另外一个业务员则说，不对，非洲人都没鞋子穿，这里的市场一片大好。

上面这个例子大家都听过，实际体现的是两种不同的思考方面。在业务驱动下的思考更多的是当前是否有市场和需求，我基于市场需求去生产对应的产品；而对于数据驱动更多则是应该考虑你当前有哪些数据和资源可以利用，如何去引导或产生需求。

在业务驱动IT的传统訊息化建设模式下，实际可以看到数据库或者数据的形成往往只是业务运作最终形成的历史记录。即数据本身是一个业务协同后的附属品，形成的数据作用也仅仅是后续的历史数据查询统计，后续的基于数据的决策分析等。

业务驱动下，虽然形成了数据，但是我们对数据的使用是有明显延迟的。我们对业务场景和流程的满足体现出了足够的敏锐度，但是在数据层面却是明显的钝感。

在谈数据中台的时候谈到了一个关键点，即数据要实时的反哺业务，数据能力要及时地开放出来，并实时的为业务服务。

那么这个是否就是数据驱动业务，数据驱动运营的核心逻辑？

我个人理解数据驱动的含义不应该局限在上面这个层面，数据反哺业务，本质还是业务驱动，只是加快了数据利用的敏捷度，减少的数据的钝感。在本质上你并没有走出业务驱动的本质思维。

訊息无处不在-如何采集和转化

在谈數位化的时候，我们比较容易谈到类似物联网，各类传感设备，5G，云计算，区块链，数字孪生等各种技术发展趋势。但是所有技术存在的目的仍然是为业务服务，为数据的产生服务。

訊息无处不在，关键是你需要如何去采集和转化。

语言的产生加速了訊息的传递，群体和组织的形成；而对于文字的产生让我们进入到信史时代，大的历史事件可以被记录和追溯。而随着物联网，各类视频音频等电子设备的产生让我们进入了大数据时代。

所有事物静态特征和动态行为表现都是訊息，所有訊息皆可以被数据化。

在訊息化时代，更多的訊息都是结构化的表单数据，需要的是人工去手工录入和变更。而在數位化时代，我们认为所有的事物静态特征，动态的时空位移訊息都应该被自动化地采集和记录。数据不应该简单停留在人工录入形态，而是应该通过连接后自动产生和形成，被自动采集，加工和存储。

数据可以精确地还原你在过去某一天的地理位置，静态特征，行动归结和路线，你开过的会，去过的餐馆等诸多訊息。而这些訊息并不是你特意进行了人工输入和录入，而是被自动化的进行了采集和存储。

数据驱动的核心逻辑

经过前面的分析可以看到，数据驱动的逻辑不应该是数据如何反哺业务，而应该是数据如何去产生新的商业模式或业务形态。

你可以考虑你当前手里面有哪些数据资产，你如何去将这些数据资产变现，或者说为了支持你的业务战略或运营，你需要什么样的数据来支撑，然后是通过什么样的方式来采集或获取这些你需要的数据。

简单来说，数据驱动逻辑步骤应该如下：

1. 业务目标或商业形态如何分解为数据构成
2. 当前已有哪些数据，还需要采集或集成哪些数据
3. 如何完成数据的采集和集成操作
4. 如何去运营数据完成你第一步的业务目标和商业形态

在整体思考的第3步，我们可能涉及了一个独立的业务流程或业务功能来完成数据的采集和形成过程。即业务流程本身为数据形成和积累提供服务。

CSF关键成功因素法是以关键因素为依据来确定系统訊息需求的一种MIS总体规划的方法。在现行系统中，总存在着多个变量影响系统目标的实现，其中若干个因素是关键的和主要的（即成功变量）。通过对关键成功因素的识别，找出实现目标所需的关键訊息集合，从而确定系统开发的优先次序。

这个实际和很多年前谈的CSF关键成功要素法类似，即先找到关键要素，要素即数据，找到关键要素后再考虑如何通过业务或流程去落地。

业务流程或协同最终服务于数据的积累和形成，业务流程是辅助，数据资产形成反而成为了核心竞争力。这才谈得上真正的数据驱动。

否则你会看到当前的数据中台，大数据分析平台等仍然是在走传统的BI和数据仓库的老路，构建的数据资产也仅仅是满足旧业务形态，为旧的业务运作服务。可以看到数据驱动思维本身又回到我们传统的目标管理和结果思维，即你关注的是最终数据资产，其次才是形成数据资产的过程，过程的价值是为结果服务。

类似当我我们谈得最多的数据驱动运营也是同样道理，你首先考虑的是运营目标和KPI，然后再考虑要达成这个目标需要采集和形成哪些数据，构建哪些模型。然后再有针对性的通过业务流程或业务功能，智能的泛终端设备等来实现数据的采集。

数据是迈向人工智能的关键

在很早以前的人工智能研究里面，更多的就是想着去模仿人脑思考和推理的过程。通过提供不同的输入方式让计算机进行学习，产生一个算法模型。然后对于新的问题可以用模型去解决。类似人工神经网络，遗传算法等都是这个思路。但是当你提供的输入不足够多的时候，这个模型很难快速地收敛，也很难得出一个精确化的确定模型。

在大数据出现后，形成了计算机解决问题的新思路。

深度学习+大数据 = 人工智能

即从传统学习和建模推理思路转移到基于统计学的思路，简单来说就是只要有足够多的数据，我就可以自我学习，自我训练，形成了类似人脑一样的智能处理和分析能力。

比如一个计算机能够识别一只动物图片是猫，并不是计算机能够精确地描述出来猫应该具备的体型特征，而是图片中的动物的特征矩阵和数据库里面的动物猫最匹配而已。包括谷歌的阿尔法狗战胜李世石在17年也引起了轰动，再次展示了深度学习算法和人工智能的威力。

以阿尔法狗为例，再来看数据驱动思维就应该是：

• 目标：期望开发一款阿尔法狗的围棋大师
• 数据：需要收集所有的历史棋谱訊息
• 过程：对数据进行录入，并进行深度学习训练

这也进一步的说明数据驱动下的思维过程是目标驱动的，并不是说你以前的业务产生了多少数据，如何更好地利用这些数据。而是在谈我们希望有一种什么样的智能化能力，这个智能化的能力需要我们去采集哪些数据，开发哪些功能，如何进行建模和训练。

在业务驱动的思路下，你老想着你已有的历史数据资产，想着这些数据资产能够产生哪些价值，但是这些数据资产往往除了做一些辅助决策支持外，并不能产生大的作用。

如果真在要做大数据分析和人工智能，那么你需要采集数据的范围，时空的广度都必须成倍地增加，也就是谈到的一些訊息既数据，要以目标驱动来思考究竟需要哪些，然后有针对性的去采集和集成。

上周小编参加了2021IDC行业前沿，其中有个主题关于SD-WAN的，数位行业大佬纷纷提出自己的观点。他们一致认为企业數位轉型已经是所有企业都将面临的关卡，传统的线下模式对企业运营帮助越来越小，相对应的在企业數位轉型、企业全面上云的风口，率先突破关键技术完成數位化的企业，将有机会在行业内弯道超车，实现业务突破！

诸多企业对數位轉型还停留在只是听说的阶段，小编会带着各位逐步全方位了解关于企业上云和企业數位化。

企业數位轉型是什么？有何意义？

许多中小企业甚至大型企业无法理解，为什么国家在推荐數位轉型，企业數位轉型对企业的帮助究竟体现在哪里？

企业數位轉型其实是将企业的各项资产、数据、人员以及各类生产销售情况全部实现數位化，将企业的所有数据利用大数据技术进行归纳，最终储存在云端；通过实时的数据传导，将各个分部的数据实现可视化，云计算技术将会对数据进行分析，最终将会确定科学的战略。比如分部最佳库存数量、哪件商品在哪个城市更好卖、企业保持多少的现金流等等，它会省去原来繁杂的人工整理数据和战略制定。

如果将企业看做一台运行中的机器，數位化平台将会科学统筹管理机器中的每一个零件的运行。

在之后的章节中我会逐步更新关于企业數位化的各种痛点难点，帮助各位读者对2021全新云时代有更深的了解，关注不迷路哦~