数字化转型：从业务中来，到数据中去

在过去的几年中，人工智能、大数据、云计算、数字孪生等新技术的快速发展，一定程度上推动了制造业的数字化转型。

随着数字化转型逐渐迈入“深水区”，企业所面临的挑战也愈发复杂，有数据没法用、系统与实际业务不匹配、转型成本居高不下等一系列问题日益凸显。

旧的增长方式难以为继，面对迫切的转型压力，企业如何走出符合自身特色的数字化转型之路？

今天，就中国企业数字化转型的基本认识、困难挑战以及关键步骤等，下面进行简要探讨。

首先我们要认识到，互联网已经发展了二十余年，现在企业界普遍提出的数字化转型概念，其核心逻辑在于数字化技术的应用。

以往，数字化技术如搜索引擎技术，多半是以数字原生的方式在各行各业中发挥作用。

我们熟悉的微信、淘宝、滴滴等平台，通过数字化技术改变了通讯、零售、出行等行业的运作模式，它们之所以能够实现行业变革，是因为它们采用了数字原生的方式进行改造。

数字原生的概念指的是数字技术与业务流程的高度融合，数字即是业务，业务即是数字。

对于数字原生企业来说，这种改造相对容易，因为产品经理在定义产品的同时，也在塑造业务模式。

例如，微信和淘宝的产品经理在设计产品时，就已经决定了业务的发展方向，这种数字与业务的一体化是数字原生企业的特征。

但数字原生企业不应仅仅被理解为IT企业，它更多地代表一种业务状态，即所有业务都通过数字化或IT技术的方式提供服务。

以淘宝为例，它之所以被称为数字原生企业，是因为从其诞生之初，所有服务和业务都是通过数字化方式进行的，它的特点是直接在网络上进行商品交易，而不是从线下转移到线上。

相对地，非数字原生企业则存在数字技术与业务流程的分离，这些企业大多数没有IT系统的支持，它们的业务已经运行了一段时间，随着业务的成熟和规模的扩大，它们开始考虑将业务转移到线上。

在这个过程中，是先有业务运作，后有数字化尝试，我们称之为非数字原生状态。

以上两种模式的主要区别在于，数字原生企业从一开始就将业务建立在数字化基础之上，而非数字原生企业则需要通过数字化转型来实现业务与数字技术的融合。

在数字化浪潮的冲击下，非数字原生企业的转型需求则显得更加急迫，道路也会更为艰难。

现实世界与数字世界之间存在着显著的差异。

在现实世界中，我们可以在一些事情不完全清晰的情况下进行业务操作和状态转换。

然而，在数字世界中，这种模糊的做法是行不通的。

许多企业在转型时遇到的最大问题是，他们无法清晰地描述自己的业务。业务往往是模糊的、未经严格梳理的，缺乏明确的业务流程、活动和角色。

在这种情况下，数字化转型是非常困难的。

在数字化之前，业务可以灵活运作，处于一种混沌或非结构化的状态，业务人员的工作更多涉及感性、抽象和连续的概念，脑中承载的是非结构化的信息。

但数字世界是精确、具象和离散的，0就是0，1就是1。

IT人员也更倾向于结构化思维。

当这两种思维模式相遇时，往往就会出现沟通障碍，彼此听不懂对方的语言。

IT人员希望业务人员用数字化的语言表达需求，但业务人员不理解数字化的概念，可能会用模糊的语言描述需求。这种差异导致了双方无法有效沟通，就像是鸡同鸭讲，难以达成共识。

业务团队与IT团队之间存在一道巨大的鸿沟，业务与数字技术并未融为一体，而是存在割裂。

业务人员不懂数字化逻辑，而IT人员又不理解业务实际。这就导致非数字原生企业在转型的过程中变得异常艰难。

而现实与数字之间的这个差距（gap)，是企业需要去弥补的。

我们需要一个共同的语言来统一双方的沟通。这就要求大家都使用数字化的语言进行对话，以便业务团队和IT团队在语言上达成一致。

只有语言统一了，思想才能统一，团队之间才能有效沟通和交流。

实现这种统一的方法可以通过架构来沟通，包括业务架构、数据架构、应用架构和技术架构。使用这些架构语言，两个团队才能在同一个频道上对话，以确保信息的准确传递和理解。

在过去，企业中的数据通常以物理形式存储在数据库中，但业务人员往往不了解这些数据背后的业务含义，也不知道如何去使用它们。

而IT人员可能只了解这些数据在数据库中的物理存储意义，对于这些数据的具体业务含义并不清楚。这种情况导致了数据和业务之间存在一定的脱节。

这过程中存在一个问题：业务人员与数据之间的距离太远。

业务人员是数据的第一使用者，他们产生和分析数据，但在整个设计和实现过程中，业务人员与最终的数据相隔甚远，中间隔着许多环节。

因此，业务人员可能不清楚数据的最终呈现形式是什么样的，也不知道如何有效地去使用这些数据。

这种割裂导致了数据与业务的脱节，业务人员无法充分利用数据，数据反而无法真实反映业务实际情况，更不用说实现用数据驱动业务决策和管理的愿景。

因此，企业需要寻找方法缩短业务人员与数据之间的距离，确保数据能够有效地服务于业务，帮助企业做出更好的决策。

数据架构就是连接业务和IT的桥梁。

通过在数据架构层面上的“握手”，促使双方的有效对接和协同，业务与数字技术能够更好地融合，推动企业的数字化转型进程。

互联网、物流、金融等行业的企业是数字原生企业的代表，较早地实现了数字化转型。但在中国，还有大量的非数字原生企业，它们的转型过程既漫长又困难。

这个过程的核心在于企业文化和基因的转变。

标杆公司意识到，要实现真正的数字化转型，关键在于业务层面的思维转变，即业务人员必须具备数字化的思维能力。

当每个人都能从传统的业务思维转变为数字化思维时，企业就能顺利完成数字化转型。

以标杆公司的数字化转型为例，他们在数字化转型的一项重要创举就是将业务作为转型的主导力量，提出的V模型强调了业务和IT在数据架构层面上的结合。

在这个模型中，我们可以看到业务是如何转化为IT系统的。

图示中左侧代表的是业务架构，在业务运转过程中，会不断产生各种记录和文档，这些记录实际上对应了我们后续需要数字化的对象。简而言之，这些记录可以看作是数字化的对象，我们需要通过业务架构先识别出来。

识别出来后，我们就需要决策由通过哪些应用模块或系统来操作这些业务对象，这样就可以初步确定系统功能模块和系统，这也就是模型的右侧结构。同时，我们也将业务对象进行划分，得到主题域和主题域分组。

为了保持这三个架构的一致性，我们在全部梳理识别完成后，还需要进行反向的校验和校正，确保在不同层级（如L3层、L4层）上能够完全对齐这三个架构。

最终，数据架构、业务架构和应用架构之间互相对应，形成一个统一、对齐的系统。

为了实现数据驱动业务的目标，我们需要对现有的数据管理方式进行改造。

首先，我们要实现的是数据孪生，确保业务层面的操作与IT系统中存储的数据之间有着紧密且严格的对应关系。

数据孪生意味着业务和数据之间的一一映射，这样业务人员就能够直接定义、管理和应用数据，从而真正实现数据驱动业务的理念。

此外，我们还需要业务人员提升对数据的管理能力。

这里所说的“管理数据”并不是指业务人员直接操作IT系统中的数据，而是指业务人员应该掌握一套基于业务逻辑的数据架构方法来管理业务数据。

当业务人员拥有了一套完整的基于业务逻辑的数据架构后，这套架构就能与IT系统中的数据形成有效的映射关系。

这样，业务人员就能够更好地管理IT系统中的数据，确保数据能够准确反映业务实际情况，并为业务决策提供支持。

为了实现数字化，我们必须将非结构化的业务流程结构化，这样才能将其转化为数字化的0和1逻辑。

这个过程实际上是业务数据化和数据业务化的转变，也就是将业务与数据之间的关系进行融合和协同。

简而言之，数据架构的建立是非数字原生企业在数字化转型过程中，强调业务与数据之间融合的关键步骤。