我前面写过一篇文章谈数字化转型转什么，如何转的文章，供参考：
1.数字化转型概述首先还是看下对于数字化转型的一个基本定义，我们在这里引用两个定义，一个是百度百科的定义，一个是IDC的定义。
先看下百度百科上对数字化转型定义如下：
数字化转型（Digital transformation）是建立在数字化转换（Digitization）、数字化升级（Digitalization）基础上， 进一步触及公司核心业务，以新建一种商业模式为目标的高层次转型。数字化转型Digital transformation是开发数字化技术及支持能力以新建一个富有活力的数字化商业模式。
在这里给出了数字化转型发展的三个阶段：
数字化转换：信息数字化，模拟数据到01二进制 数字化升级：流程数字化，典型是各类IT应用系统 数字化转型：业务数字化，典型代表亚马逊，苹果同时对于数字化转型给出了另外一句关键描述即：
数字化转型表明，只有企业对其业务进行系统性、彻底的（或重大和完全的）重新定义——而不仅仅是IT，而是对组织活动、流程、业务模式和员工能力的方方面面进行重新定义的时候，成功才会得以实现。
而对于IDC对数字化转型定义相对更加精简，如下：
数字化转型是利用数字化技术（例如云计算、大数据、人工智能、物联网、区块链等）和能力来驱动组织商业模式创新和商业生态系统重构的途径和方法即是数字化转型。其目的是实现企业业务的转型、创新、增长。在这个概念里面实际核心强调了两点，其一是数字化技术的应用，其二是业务或商业模式重塑。其中业务重塑是根本目标，而数字化技术只是工具和手段，在这点上不能本末倒置。
虽然当前很多IT咨询机构，软件服务商等都在推自己的数字化转型解决方案，但是企业要意识到数字化转型绝非简单的数字化技术或工具应用，上个系统就能够解决的。
2.对数字化转型的进一步理
连接-数据-智能
在我前面文章曾经谈到过，企业的数字化应立足于顶端设计，结合企业的核心竞争力，如产品设计能力、社会化服务能力、渠道终端覆盖力，以及未来的产业互联、生态发展方向，依托企业自身优势，抓取企业自身的数字化本质。
即企业数字化是将当前的数字技术应用到企业的战略和业务目标达成。而对于数字化转型的本质主要包括三个方面的内容。
连接：万物互联，解决人和人，人和物，物和物的连接问题数据：连接后产生集成和协同，协同过程自然会产生数据智能：数据经过加工和提炼，形成智能化分析应用其中连接解决基本的业务链协同问题，通过连接下的业务协同形成数据沉淀，通过数据的存储处理，管控治理形成数据服务能力反哺业务。同时数据持续积累又进一步为机器学习，深度学习等智能化分析应用提供服务。
数字化能力框架重构
基于以上思考，我们就可以更好地理解和重构数字化框架。
上图是我对企业数字化转型能力框架的一个重构，绿色部分还是围绕核心业务价值链的内容。其中最核心的是连接，数据和智能三个部分内容。另外在下层增加了组织支撑和技术支撑两部分内容。
组织支撑：包括了组织，人员，文化，过程等内容。技术支撑：包括了云原生，物联网，5G和数字孪生等，也包括数字中台构建在最上面增加了运营支撑
运营支撑：核心是基于数据驱动思维下，以价值创造为目标的持续改进以上即是对企业数字化转型框架的重构理解，对于该能力框架后续准备再专门写文章来进行说明，从该框架至少可以清楚的明白当我们谈一个管理，业务或技术内容的时候，再整个框架里面具体的位置。
3.从信息化到数字化当谈数字化转型的时候，首先还是需要进一步理解清楚数字化这个概念，才能够更好地谈数字化转型。对于信息化大家都容易理解，那么数字化是否就是简单地增加了类似物联网，人工智能，5G，区块链等新技术就变成数字化了？
重新理解数字化
简单来说数字化本身就是信息化的进一步深入，信息化也是数字化发展的前期阶段，是数字化整体范畴的一个子集。
在这里，还是需要从技术和业务两个层面来重新理解数字化。
对于技术层面谈数字化，在这里提出一个重要观点如下：
即数字化是在传统信息化基础上，通过万物互联的核心思路，来解决了物和信息在时间和空间上的完整融合，形成一个整体。这里强调了两个关键，其一是连接，其二是时空信息的融合。
我原来谈到过，在实施ERP或其他内部IT系统的时候，谈得最多的就是物流，信息流和资金的统一。但是这个过程的实现更多的是通过人工去操作，人去录入单据数据，人去推动整个业务流程的流转。
而到了数字化阶段，在应用了物联网，5G等技术后，不仅仅是人和物的连接来产生信息，而是物和物本身也可以连接并自动产生信息。在万物互联下，信息的产生不再是只能够通过人工输入信息，而是自动产生，自动计算，自动流转。
我前面举过一个最简单例子如下：
传统进销存下，当货物入库的时候你手工在系统里面录入一张入库单。而在数字化阶段，更好的方式是货物推进仓库的时候，通过RFID自动扫描和感知，自动产生入库信息并进行计算汇总处理。第二个关键点，即在传统的信息化阶段，我们产生的信息只有时间信息，而没有附属空间信息，比如一个货物什么时候入库的，入库数量多少我们查询系统可以知道。但是这个货物当前在什么位置，包括货物具体的空间位移路线，我们并不清楚。同时货物本身的时间信息和空间信息本身也是脱节的。
而在数字化阶段，时空信息进一步融合，一个事物我们不仅仅是知道它的生命周期时间状态，更加重要的是知道它的空间地理位置状态，这个两个信息本身是一体的。在最早的时候有资产管理系统管理资产信息，而现在提出一个概念叫数字资产，里面一个关键点就是时空信息的融合。
在数字化基础上，特别是在智能制造领域提得比较多的是数字孪生的概念，可以先看下对于这个概念的简单定义如下：
数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。这个定义在时空融合上又进一步体现了抽象世界和现实世界的融合。而这本身也是数字化技术发展的一个重要趋势。
简单来说谈数字化你要跳出单纯的数字工具和技术的约束，从整个信息化发展演进的趋势，从万物互联，时空融合，抽象现实融合角度来重新思考数字化。
4.数字化转型-内和外当谈数字化转型的时候，还是得回到当前企业能够看到的成功实践究竟有哪些可以参考。当在分析这些实践的时候，实际包括了内和外两个关键的维度来分析。
内部-能力提升和重构
在前面已经谈到企业数字化转型中仍然需要完成企业内部信息化建设和集成问题。这个集成包括了横向以业务价值链为核心的协同和集成，也包括了垂直的以生产制造为核心的集成。同时还得实现横向和纵向之间的集成。
对于已经具备信息化基础的企业来说，实际就是两个重点，一个是解决系统间的整合和集成问题，一个就是如何利用新的数字化技术来解决自动化和智能化问题。在当前的实践中包括了类似智能仓储和物流，数字资产管理，数字孪生，智能制造等基本围绕这两个重点展开。
任何企业谈数字化转型，其核心基础仍然经过数字化重构和整合后的内部能力，这个能力目标就是实现业务的敏捷，自动化，面对市场和客户需求时候的足够柔性应变能力。
如果这个基础能力不具备，就快速地去做消费互联和产业互联，那很可能是赶鸭子上架无法支撑。企业跨越边界走出去是个好事，但是有个过程积累能力，把内功练好。
外部-消费互联和产业互联
跨越企业内部边界到外部，谈得最多的就是消费互联和产业互联。这种互联当天实践最多的就是快消行业或直接面对C端客户的行业。
因为在从内走向外的时候，实际企业很多在模仿互联网的玩法。
比如从最早谈得比较多的O2O线上线下整合，企业自建垂直一体化电商，企业构建自己的能力中台并建立外部连接生态，拓展自己的品牌和自媒体运营并实现公域流量到私域流量的转换，通过运营和对数据的分析来实现业务的持续改善等。
这些玩法互联网企业玩后的2到3年，开始在传统企业数字转型中玩，包括谈得比较多的中台建设同样是如此。在这个走向外部过程中有的企业成功了，有的企业失败了。你观察这些企业你会发现，真正成功的大部分还是大的企业，原来信息化做的足够成熟的企业，而不是那些简单的引入软件厂商中台咨询和建设的企业。
其核心原因主要是两点：
其一是前面谈到的内部能力修炼是基础
其二是数字化转型本质是业务问题，其次才是技术问题
最近几年，有个很不好的风气就是过度强调营销，强调抢占流量风口，但是实际上任何一个企业来说核心仍然是提供有价值和有竞争力的产品和服务。你只要提供的有竞争力的产品，那么流量是否在你那边并不是最重要的事情。
术业有专攻，任何一个企业要搞清楚自己的核心竞争力在哪里，要专注在自己的核心竞争优势打造上，而不是去做自己不擅长的事情。
我一直在强调企业不要想着整个产业链，或者说从产品从生产到交付到客户的过程链全部通吃，而是应该将自己垂直的一块做好。能够有人帮你代理，或者帮你分销是好事情，你随时少赚了部分钱，但是同样减少了成本和风险。
其次就是前面谈过的，内部能力不足够不要轻易直接面对C端客户，当你真正面对C端的时候你会发现需求敏捷性，需求多样化急剧增加。那么你当前的价值链，你的生产，物流等过程能否做到足够的敏捷响应和柔性？
如果无法做到，可以看到需求满意度就下降，反而是影响到公司品牌战略。
包括最近1到2年比较火的产业互联概念，在我前面也有文章详细介绍，但是你理解了产业互联你就明白这个不适合大部分企业，或者说产业互联仅仅适合垂直行业下的上来头部企业来玩，来进行生态链整合，更多的企业仅仅是接入和跟随。
5.为何要进行数字化转型？
当谈企业数字化转型的时候，和多年前谈为何企业要上ERP感觉一样。比如上ERP是找死，不上ERP是等死。这个想法对数字化转型仍然适用。
企业为何要进行数字化转型，难道是别的企业都在做数字化转型所以我们也要跟着做，还是说互联网很多概念和思想很好的，我们想先做下尝试。还是说仅仅是增加些企业的宣传口号和噱头。
在数字化能力框架构图里面就可以看到，数字化实际涉及到企业的战略，业务，组织，流程，IT和技术多方面的内容，绝对不是简单的数字化工具和技术的应用。同时衡量数字化转型是否成功的标准也很简单，即：
数字化转型是否真正提升了企业的核心价值和能力。对于为何要进行数字化转型，我准备从两个方面来展开谈，其一从业务角度，其二是从技术角度来谈。
业务角度-业务目标驱动
企业提出数字化转型很多还是围绕企业战略和业务目标实现提出的，简单来说就是当前构建的IT和技术能否高效，敏捷的支撑企业业务目标和战略的达成。
业务驱动IT，IT需要匹配业务战略和目标。
在业务目标达成过程中，可以看到引入更多的数字化技术后，整个技术支撑平台能够更加高效，敏捷和自动化，更好的支撑业务战略达成。那么这个数字化转型是有意义的，即为企业创造了价值，提升了企业核心竞争力。
可以看下华为数字化转型的案例。
过去30年，华为通过不断变革以及IT的实施，有效支持了业务的发展；随着业务全球化、复杂化以及不确定性的增长，华为决策者认为，如果仍采用中央集群管理方式作战，既不能适应新的挑战，也无法匹配华为“把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界”的愿景，未来的作战方式应该是一线在充分授权的情况下精兵作战。在这种作战方式下，整个组织的管理架构、运作流程以及IT系统都需要改变。
为此，华为提出了数字化转型的目标：在未来3～5年率先实现数字化华为，实现大平台支撑下的精兵作战。对外，要对准作战，通过与客户交易过程的数字化，实现客户、消费者、合作伙伴、供应商和员工这5类用户的ROADS体验（Real-time 实时、On-demand 按需、All-online 全在线、DIY 服务自助、Socia l社交化），提高客户满意度；对内，实现各业务领域的数字化与服务化，打通跨领域的信息断点，达到领先于行业的运营效率。
并在9大领域进行了数字化转型实践。
一、研发上云，全球协同二、大平台能力支撑销售作战三、集成服务交付实时可视四、全球制造运营与指挥中心五、智慧物流与数字化仓储六、财务快速结账和自动支付七、全联接协同办公八、华为智慧园区九、手机电商简单来说即所有的实践你可以理解为同时包括了业务和技术两部分内容，体现的是业务和技术的融合。其次就是数字化转型实践最终是支撑业务战略和目标达成。
技术角度-技术推动业务
在数字化时代体现一个新特征，即IT反向推动业务流程改进，业务战略目标达成等。
当前类似人工智能，物联网，智能制造，数字化，人工智能，消费互联和产业互联各种新的概念和技术不断发展。这些概念本身的发展就对传统企业传统的生产制造，市场营销等造成了巨大的影响。比如传统市场营销方法往往已经跟不上节奏，现在谈的多是数字化影响，谈的企业自媒体和品牌打造，谈的公域流量如何引流为你自己的私域流量等。
而这些内容由于涉及到新技术和IT等，传统的业务部门和业务人员往往难以深入去思考如何去优化改进业务，如何去应用。
相反，企业的CIO往往具备这种引导能力，特别是那些有IT和技术背景，同时又熟悉企业内部业务和核心价值链的CIO，往往不再是单纯的建设IT支撑业务，而变化为了如何构建IT来推动业务发展。这个趋势发展下，IT往往也不再是单纯的成本单位，而可能变化为利润单位。
企业CIO要意识到，虽然新技术很重要，但是新技术下产生的新的业务和商业逻辑更加重要，只要对新的业务模式清楚了解后，往往才能够更加清晰的认识新技术和架构。
当重新思考数字化转型的时候，一个新观点如下：
数字化转型不是简单的满足企业当前战略和业务目标，而是重新去思考当前的数字化经济和万物互联时代。在理解市场和数字化转型核心思想后，提出和践行适合企业发展的新的业务战略和商业模式，实现企业一种新的破局。做数字化转型的要意识到，满足业务目标是一方面，但是当你理解了数字化后完全可以提出新的业务目标，或对当前的商业模式逻辑进行重塑。
技术也可以推动业务变革，在新的数字经济下成为可能。包括后面你会看到一些典型的现象。
比如一些传统的轻资产企业，在数字化转型后你很难说这个企业是一个传统的业务企业还是一个互联网企业，业务和IT已经高度融合，比如类似瑞幸咖啡，喜茶这类企业，很难说是一个传统企业还是互联网企业。再比如一个新的部门，比如数字化营销部，这个部门你已经很难用传统的业务部门视角来看待。
一个企业在传统模式下经营太久，很多时候很难跳出盒子来思考问题，比如传统方式下你都是市场和产品的视角，但是新经济模式下这个模式会变成客户的视角，变成基于数据的运营视角，这个不是传统业务的简单优化，而是变革。
变革很难，有时候是革自己的命。
比如软件企业，原来是传统的软件开发和实施，现在转变为云服务，原来一个项目可以收100万，但是现在按照云服务一年只能够收10万。这种就是大的业务和商业模式的革新，虽然对企业来说短期利益受损，但是符合企业整体远期商业战略。6.如何进行数字化转型？在这里我想先强调一点，即有些内容是属于企业在信息化建设阶段就需要完成的事情，最典型的就是类似基础平台建设，围绕ERP的横向价值链信息化，围绕MES为核心的纵向信息化，同时横向和纵向的集成和协同等。还有就是基于传统IT的BI或大数据分析平台建设等。
这些内容属于当前有些把其归结到数字化转型里面，实际是不太合理。如果确实要算可以算作为数字化转型的初级阶段，即你原来信息化建设遗留的问题你需要在数字化阶段还账。
业务数字化-数据驱动
业务数字化是在谈数字化转型的时候经常谈到的一个概念，在这里我更想强调数字化转型的第二个本质，即数据。
连接的重要性实际上在前面已经强调，连接的价值不仅仅是支撑了业务协同，更加重要的是产生了数据。数据本身又支撑业务运作，数据反哺业务；其次就是数据本身可以持续积累，数据应用于分析和决策，数据产生智能。
在信息化阶段也强调数据，强调BI或数据决策分析，但是在数字化阶段对数据进一步强化，这个强化体现在两点。其一是数据能力要持续不断地实时或准实时地支撑业务运作；其二是数据本身通过积累后进行分析产生价值，并进一步为人工智能提供支撑。
在数字化阶段，进一步强调了互联网常说的运营这个概念。
数据驱动运营，运营本身衔接市场需求和内部能力。运营是真正拉近了企业内部IT能力和外部需求和用户之间的关键桥梁。数据+运营是转型过程中一个关键的思维转变。
简单来说企业不再是简单的生产产品交付给市场或客户，而是如何建立市场和内部能力之间的纽带，通过持续不断的数据分析来促进产品销售和优化改进。
如何分阶段演进
当谈数字化转型的时候，现在谈得最多的就是消费互联和产业互联，谈自建电商平台，谈线上和线下的打通，谈数字化营销，谈自媒体运营和C端用户触达，谈互联网引流等。注意这些更多的是面对类似快消类行业，并不是对于所有企业都适用。
刚才一直在谈的就是数字化转型一定要围绕连接，数据和智能化三个要素展开。按信息化到数字化到智能化进行演进，按从内到外的顺序逐步打通。
比如一个传统的制造行业，那么这个企业的重点一定不是在于快速地去打通外部，而是如何更好的整合内部IT能力，制造能力，解决低成本，高效敏捷响应市场的能力。其次，数字化转型一定要考虑分阶段演进，当前数字化转型建设一定是按垂直细分线条逐个去解决，而不是建立大而全的系统或平台。类似当前很多企业在构建的大数字中台，基本都是错误做法，成本投入巨大，短期难见效益，后期难以维护。
思路1：按连接-数据-智能思路演进
当谈数字化演进路线的时候，实际上数字化转型的三个核心内容正是最基本的演进路线。即企业在进行数字化建设的时候优先还是要考虑解决连接和协同问题，这个过程有些是处理信息化阶段没有做完的事情，进行优化和整合。
其次是数据驱动运营，数据贯穿整个数字化建设生命周期，即业务和数据建设两条线是并行的。传统方式是IT系统建设完成后才考虑如何利用数据进行分析决策，而新的构建思路是数据建设配合业务建设和协同并行，数据不断的反哺业务，支撑业务运作。
最后是智能，智能不是简单基于预设规则的自动化，而是可以自适应地进行规则调整和优化，这个需要的是大数据的积累，不是一蹴而就的，但是前期要有这个意识。
思路2：由内而外-从三流整合到生态整合
在海尔分享自己的数字化转型经验的时候，谈到了海尔电商发展的四个阶段，即从最早的电商平台建设到后期的生态整合，如下：
在海尔电商的发展前期，重点还是希望通过构建电商平台来打通内部和外部，打通线上和线下，对物流，信息流，资金流进一步的整合。在这个里面不仅仅是业务和流程的变革，更加重要的是数据驱动运营思维的转变。其核心就是如何真正基于数据分析持续运营，将被动的等待市场和客户，变化为主动的经营流量和拓展客户。
其次，当从消费互联转到产业互联的时候，实际真正的重点在于生态的整合，即真正去构建构建一个完整的生态体系和开放能力平台，这个生态平台才是能够持续不断发挥价值的地方。类似小米也一样，实际并不是一个单纯的手机厂商，而是一个生态平台建设和运营商，真正赚钱的反而是对整个生态体系的持续运营和增值服务提供。
思路3：目标细分和短周期迭代
在前面我就提出，企业数字化转型务必不要搞大而全的模式。而是围绕企业战略和业务目标，将大目标分解为子目标，然后围绕每个子目标进行业务，组织，IT技术的改造和优化。那种见大而全的数字化平台或中台的模式一定不适用。
比如你的目标可以是打通线上和线下，实现三流整合，这个就是一个分解后的小目标。围绕这个小目标你就需要对业务流程，组织架构，IT系统等进行优化和重构，才能够满足这个目标的达成。几年前我参与的一个企业自建电商平台项目即是上面这个目标，围绕这个目标构建了一个垂直一体化的O2O电商平台，打通线上和线下，同时形成统一的对外能力开放。而对内也不是完全废弃原来遗留IT系统，只是对遗留系统进行API能力抽象和整合，同时适配的方式形成一个能力中台。在这种模式下基本4个月所有的时间就完成建设和上线。
关于怎样做才能实现数字化转型，可以看看这个视频。
视频有点长，但是都是干货内容！
视频分析了制造业数字化转型的现状与难点；介绍了中小型制造业企业，数字化转型从哪些方面入手；分享了传统制造业企业数字化转型实践的思路；以及在数字化时代下，制造业该如何打造新型竞争优势。
虽然是以制造业为例，但是轻流能做的不仅局限于制造业，可以满足多个行业的信息化需求，前往轻流官网注册，即可免费体验～
轻流 · 无代码系统搭建平台qingflow.com/?utm_source=zhihu_digital_&utm_medium=product&utm_campaign=digital&utm_content=什么是数据化转型？数字化转型就是利用数字化技术（如大数据、云计算、人工智能等）来推动企业组织转变业务模式，组织架构，企业文化等的变革措施，如衍生出的智能制造、智慧城市等概念。
数字化转型是个和大数据一样，是个有点大有点虚的概念，映射到直接落地，相对接地气的概念就是数据化管理，也是当下很多企业正在实施的措施。
诸如企业的财务、销售、市场等业务自身就带有强烈的数据分析需求，领导也厌倦了查看一沓沓报表，更希望看到结论化的数据。如果说运用到个人或是某一个问题的叫数据分析，那么投入到企业的业务层面用于辅助管理产生效益的则可称为数据化管理。
回顾若干年前，企业做信息化总结起来就是实施ERP系统，财务系统，人力资源系统，客户关系管理（CRM）系统等等。这些信息化的项目有一个共同特点，就是把企业的组织架构，业务流程，运营模式等通过软件系统的形式固化下来，这样企业相关的员工，物料，设备，资金等要素就围绕固化好的软件系统运转。如果企业管理人员发现现有软件系统不适用现在的业务，就会实施流程变革等措施来优化现有的软件系统，所以信息化更多的是支持业务。
企业实施信息化后，企业相关的人，物料，设备，资金等要素就围绕固化好的软件系统运转，但是这些要素在企业日常运营过程中实际运行情况是怎样的，企业并不十分清楚，企业并没有一个系统能实时抓取并可视化企业日常运营全景，比如客户购买企业的产品和服务后的使用情况、市场的变化情况、工厂流水线的运行情况、供应链的运转情况等。如果需要这些数据，大都需要通过人力来统计，做各种报表，费时费力，且不一定能保证数据的准确行。
数字（据）化就是要通过收集企业日常运营的数据，客户使用产品服务的数据，市场行业，趋势等等数据，形成企业日常运营的全景图，反映到产品研发、服务流程改善、精准营销、销售模式升级、优化库存等业务的改进上来。
企业如何做数字化转型？呼声最大的是生产制造业，所以以下很多都倾向于生产制造业的业务情况：
1、第一阶段：数据连接、采集、整理
数据是数字化的基础，数字化转型的第一步往往都是先进行数据连接。要分析什么业务，分析的指标有哪些，需要的数据有哪些，当下已有哪些数据，哪些数据不足需要定向收集。
比如：
生产可以通过传感器等设备收集生产环节的数据。
库存可用过扫码等手段来收集，以及后续物流运输数据。
销售可以通过改进业务流程，设置数据采集环节来收集数据。
营销可以通过网站的埋点来收集用户的行为数据。
……
数据采集的成本比较高，而且往往大动干戈。建议先做好数字化路线和场景的规划，尽量自顶而下推导到底需要哪些数据及其采集技术，往往数据采集的难点不在于技术层面，而在于业务层面的推动。
采集到数据还只是第一步，后续需要有大量的工作保证数据质量，数据有问题分析再严谨都是空谈。建议在数字化规划阶段，需要对全数据链路进行详细设计，争取做到几个要点：
①多个系统相联通，至少保证同一种数据在不同系统中是一致的；
②通过数据链路设计使得相邻环节的数据可相互校验；
③数据质量需融入日常运营管理流程。
然后是数据整合。采集到的数据往往都分布在各业务系统内，但后续分析的时候往往会涉及多种业务的数据，比如财务+销售，所以系统之间的数据壁垒要打通，避免数据孤岛。
系统来看，就是从数据分析出发，向上要保证数据口径的统一，避免数据对不上。向下要以分析为目的来搭建数仓和数据中心，让数据整合—数据清洗—数据分析—可视化都在一个平台上进行。在这个过程通常需要借助BI平台、数仓来搭建。
有些数据体量大的企业会搭建大数据平台。
2、第二阶段：数据分析及可视化
数据连接完成后，下一步是基于业务需求分析和可视化展示。分析分为历史和当下数据按指标、业务归类展示，生成报表、可视化报告。涉及到具体问题比方说找到带来80%营收的20%家优质代理商，则需要数据挖掘技术来追踪定位。
数字化成熟到一定程度，各个业务都应该有相应的可视化模块，运用商务智能BI系统或制造智能MI系统，这是企业实现数字可视化的重要工具。
帆软：大屏做成这样，领导不重用你都难！1.1 万赞同 · 321 评论文章
3、第三阶段：精益分析
在第一阶段和第二阶段推进一段时间之后，企业多数已经具备自动化和信息化的基础，往往这时候企业会开始思考：“我有这么多数据，能看到这么多报表，我怎么提升效率降低成本呢？”因此，进入数字化转型的第三阶段精益分析。
传统企业在推行精益/工业工程方法和工具时，工业工程师或咨询师一般通过现场诊断分析来发现企业生产运营管理的问题，并指导企业持续改善的路线。
绝大部分生产制造企业在精益化方面相对落后，而精益分析的阶段需要企业利用数字化软硬件技术和工具，来固化、简化并优化精益化的过程，将原来经验驱动的现场诊断，逐步转化并结合实时数据驱动的数字化诊断，更客观、更及时、更全面、更智能地去发现企业生产系统中存在的浪费和问题，这也是智能制造中所谓“智能”的第一小步。
4、第四阶段：高阶分析
基于第三阶段精益分析的成果，企业及其管理者被赋能，能够更简单、更准确、更及时地发现企业的生产运营问题后，就面临到如何分析问题产生原因并且提供问题解决方案的挑战。
这时候就该是大数据和人工智能技术的用武之地，通过机器学习等技术对最佳历史实践进行提炼并预测，通过APS等技术为企业的计划排程提供智能决策，通过知识图谱等技术构建企业的知识库，通过计算机视觉听觉等技术替代现场枯燥无聊的重复劳动工位等。
针对于每一种行业、每一道工艺、每一个流程节点，都可能有一些工业应用场景需要大数据和人工智能技术，来辅助管理人员进行快速决策，乃至解放管理人员进行自动决策，从而真正实现企业智能制造，是为高阶分析。
5、第五阶段：全面转型
当企业推进内部的智能高阶分析至一定阶段之后，必然需要与全供应链的其他智能企业进行连接，实现智能化的全面转型。
最后，啰嗦几句
1.落地是从一到五，设计是从五到一。
2.软硬件全买最好的，不如用精益方法先把整个流程撸通，然后逐步迭代升级（可借鉴IT行业的敏捷开发模式），在技术发展太快的今天，除非你能像换iPhone一样换你的数字化系统，不然总有更好的版本，更好的产品。
3.一次性把数据采集全了，不如挑一、两个典型工业应用场景（痛点）直接从第一阶段干到第三、四阶段。
4.智能制造、工业4.0、人工智能、大数据、物联网、MES等都是概念，往往每个人对同一个概念的理解都不完全相同，不如简化一下思路，这么想：我想要哪些数据，能帮我把哪里管得更好。
帆软：数字化转型探索之路——基于精益生产管理的数据决策分析体系141 赞同 · 3 评论文章
大型传统企业如何在公司级数据整合、数据治理、数据运营中把握好业务和数据的关系，逐步实现智能化转型？103 赞同 · 2 评论回答
信息化、数字化、数据化以及数据化运营的区别？47 赞同 · 0 评论回答
数字化转型怎么做？不妨试试这份数字化转型秘笈~
在微软亚洲研究院第三届创新论坛上，微软大中华区首席转型官赵质忠通过《微软数字化转型的文化与工具》主题演讲，详解了数字化转型一大核心问题——文化转型的几大要点。
当输入1+1到计算机里，结果肯定等于2，但是当你问小朋友1+1等于多少时，却不一定等于2，1+1可以等于“11”，1+1甚至可以等于“王”。因为人的思维是跳跃且变化无穷的。在如何在数字化转型里让企业达到最佳实践这个问题上，他希望通过这几年微软的经验来和大家做一个分享。
事实上，大家都在谈的数字化转型，其重点在于转型，而不是数字化。所谓的数字化其实就是工具，你所听到的各种模型、各式各样的 AI，都是工具。而在选择对了工具之后，只有清楚地知道要做到什么样的事情，转型才能落地。举个例子，老板在会议上提出要做 AI，但下面的员工却并不知道要如何下手，尽管此前已经做好了准备：买了10台 GPU，请了3个数据科学家，但具体要做什么，怎么做？所以在这个过程中，以人为主导的转型才是最重要的，具体如何实现？我们可以来看看微软转型时所使用的模型。
文化转型模型：ADKAR
微软全球100多个国家的市场和营销部门的转型就是根据 ADKAR 这个模型做的。该模型包含了五个方面：理解（Awareness）、向往（Desire）、知识（Knowledge）、能力（Ability）以及强化（Reinforcement）。传统使用的公司转型方式其实非常简单，通常就是 CEO 或者组织部门的大老板发一个邮件或送大家去培训，如果考核通过，那么转型成功。但是我们需要仔细地想一想，从这个模型中大家也可以看到转型不是这么容易的，其中有两点需要特别重视。
一是 Awareness，理解。我们需要让大家知道“转什么”以及“为什么转”，其中的关键是要明确听众是谁。同时，要由一个正确的人把转型的目标说出来，听的人才会有感觉。
二是 Desire，向往。在通常的转型中，特别是在生产效益可观的阶段做出转型决策时，如何让公司所有人都向往转型？要知道，能够提升员工转型期待值的，不是 CEO，也不是总经理，而是所有的一线管理者。比如，老板发了一封邮件给所有人，如果我是前线销售主管，看完之后没有明白，去追问老板，那么最后就可以使下面的工作顺利进行。但是，如果在不清楚的情况下，仍然去做了，那么最后的结果很有可能与老板的初衷背道而驰。
因此，一线管理者才是最重要的，如果他们不懂为什么要转型或不能提供支持，那么很有可能会成为转型的“破坏者”，也就是所谓的“上有政策、下有对策”，转型是需要所有人朝着一个方向去努力的。微软在过去的四年一直是这样做的，每一个季度我们都会把大中华地区所有的一线管理者集中到一个地方共同探讨下一季度的方向，清楚我们要改变什么，以及明确改变的动机。这两个都相当重要。
模型的另外三个点，知识（Knowledge）、能力（Ability）和强化（Reinforcement），大部分公司都做得不错。所以再次强调，你想要在公司、在部门做改变，就要明确：说什么、由谁说、给谁听，要让一线的管理者有足够的动力。
基于机器学习的预测，释放员工时间
相信大家都听过这个问题：AI 是不是会取代大家的工作？通常财务部门的人都很担心，为什么？因为财务涉及最多的是数据，如果交给机器学习做数据预测，会不会比人类做得更好？但实际上，在财务的转型中，机器只是做了一些日常繁琐的事务，这反而省下时间让人去做更有价值的事情。
几年前，微软全球的财务部门就开始把越来越多的数据预测交给机器学习来做。当然，这个机器学习模型是需要经过一段时间痛苦的训练的，所以作为领导者一定要能够把“阵痛期”计划在里面。而且随着时间的推移，模型也需要不断优化，只有把变化的问题带到模型中，才能解决实际问题。
对此，微软做了另外一件有趣的事。时任微软全球执行副总裁沈向洋和微软研究院的团队在美国总部开设了一个 AI 学习班，让财务部门感兴趣的同事，甚至有一些没有技术背景的人学习 AI、学习 Python。但有一个要求就是要带着公司或部门的痛点到课堂，在学期一开始，将痛点当成功课，在课程结束后建立一个相对可以使用的模型来解决该痛点。因为对于财务部门来说，比起研究背后模型的产生，应用才是他们更加需要的，所以要将实际的痛点带到模型中，才能提升模型的可用性。
就像我一开始强调的，对大部分人来说，AI 就是个工具，我们只要学习怎么去掌握工具，知道这个工具的特性和有可能出现的问题在哪里，然后去避免这个风险，这对大部分人是更重要的。
重视 Workplace Analytics 的价值
在微软转型的这几年，我们也透过内部的企业大数据做了一个行为数据分析，来分析各部门的员工都在做些什么。在微软，通过邮件、Teams，我们可以看到部门和部门之间的合作情况，了解到哪一个团队或同事加班过多、哪一个团队的时间安排更为科学等等，这些都是我们通过大数据获悉的。我们称它为 Workplace Analytics，这是 AI 促进企业转型的一个典型应用。
你可能会问到，如何实现 Workplace Analytics 这样的 AI 落地？其实使用 Office 就可以。事实上，今时今日的 Office 已不再是大家以前印象中的 Word、Excel、PowerPoint，通过它的大数据分析能够很清楚地展示出企业的行为，甚至说我每个星期一都会收到一封邮件帮我分析上个星期我的时间花在哪儿了，第二天早上可以提醒我将昨晚开会时用的 PPT 分享给大家，并且已经自动将 PPT 变成附件放在邮件里面了，你只要写邮件正文就可以。类似的功能还有很多。
所以，真正的 AI 落地很多时候看起来微小，但它的影响却非常大。对于我来说，如果 AI 让我的开会更有效率，早30分钟结束就可以回家和家人吃饭，那么这个 AI 就很有用，比做瑕疵检测更为实际。目前，To C 端的便民应用已经越来越多，与此同时，像 Microsoft 365 或 Dynamics 365 这样的商用软件也添加了很多的 AI 功能。AI 落地最简单的方法就是怎样在现有的应用中开发 AI 功能，这样可以不改变用户的使用习惯，因为改变习惯是一个非常痛苦的过程。
四天工作制，本质是促进效率提升2019年8月，微软日本宣布8月份每周只上班4天。这里，我所强调的不是4天或者这4天可以做到什么，日本地区能做到一周上四天班，是因为过去日本公司开会全部人员都会到场，甚至开会的目的就是要决定要不要和你开下一个会，而这样的会有很多很多。
微软日本的 CEO 通过 Workplace Analytics 分析发现，其实这中间有很多时间是可以节省的，最后他们釜底抽薪的方法就是8月份每周只上班4天，在宣布的同时他还亲笔写信发给所有的微软客户，恳求他们每个星期五不要找公司同事开会。他这么做的原因就是告诉所有微软的同事和老板，一个星期只上4天班，开会一定要更有效率。
什么叫更有效率？不用我来参加的就不要来参加，不是所有人都要在办公室，可以在家打电话，或者在咖啡厅开视频会议。大家知道北京的通勤很可怕，早上6点半出门，可能8点前还到不了公司，东京也是一样。通过这项决定，微软日本减少了27%的会议时间，增加了50%的个人专注时间，如果将该项计划面向所有员工推行，2000名员工预计能够节省600万美元的加班成本。
除此之外，在文化转型模型中，知识与能力同样不可或缺。有数据显示，在2025年，中国大陆地区就会有6400万个新的科技类工作岗位。在未来，对 AI、数据的基本了解，可能就像我们以前学英文一样，所以我们希望通过微软 Azure AI Fundamentals 认证（扫描文末二维码，了解更多），能让大家有机会学习 AI 的基础知识，将 AI 能力赋能给中国的更多用户及市场。
(二维码自动识别)
本账号为微软亚洲研究院的官方知乎账号。本账号立足于计算机领域，特别是人工智能相关的前沿研究，旨在为人工智能的相关研究提供范例，从专业的角度促进公众对人工智能的理解，并为研究人员提供讨论和参与的开放平台，从而共建计算机领域的未来。
微软亚洲研究院的每一位专家都是我们的智囊团，你在这个账号可以阅读到来自计算机科学领域各个不同方向的专家们的见解。请大家不要吝惜手里的“邀请”，让我们在分享中共同进步。
也欢迎大家关注我们的微博和 (ID:MSRAsia) 账号，了解更多我们的研究。
汇众科技专注于为客户提供移动互联网，定制开发服务，手机app开发、应用软件开发、微信公众号开发、 网站建设、小程序开发、大数据等解决方案。期待为您服务！
