关于数字化思维与数字化转型关系的六点思考

作者：王爱民

来源：智能制造随笔

随着智能制造、工业互联网等各种概念的深入发展，企业已经过了初始的纠结将来要建成什么样子之外，现在终于开始重视怎么来建设了，提出了数字化转型，我认为还是非常及时和必要的。

围绕着数字化转型，人们自然而然的提出了数字化思维，也有人在尝试着给出数字化思维的定义。本儿不想下什么定义，只是想结合自己的经验和认识，对数字化思维和数字化转型，进行一下梳理。

（1）数字化思维核心内涵是：自动的决策判断

说起数字化思维，肯定是相对于有什么思维不是数字化的，我想应该是与传统性的经验思维相对的。既然说的思维，经验思维一般都是和决策判断结合在一起的。那我们的经验思维转化为数字化思维的核心内涵是什么呢？笔者认为就是通过数字化决策评判来代替我们的经验决策判断。

那我们拿经验思维来做什么事情呢？在很大程度上，大家都能想到的就是决策或者判断，利用数字化思维，我们的经验性的决策判断，将变成为通过模型或者算法来自动得出结果，或者说是在一定程度上避免人的干预，当然有时候完全替代人的干预也是不可能的。

应该说在传统的经验思维下，我们仍然是有很多数据的，人们也是根据这些数据来进行决策判断的，但可能这些数据还不够准确，所以说数字化思维，第一步就是要替代经验是所进行的决策判断。

（2）数字化思维与数字化转型的结合：业务目标驱动

既然数字化思维的理想目标是实现自动的决策判断，对于企业的数字化转型来说，就应该按照以终为始的思路来牵引数字化转型工作，其中第一步要做的就是明确：业务目标是什么？

说起业务目标，我们不能仅仅说一些宏观的那些目标，我们应该从宏观的业务目标开始向下进行分解，就是说这些目标最终会演变为目标链条或者目标网络。

而这些业务目标是否达到了，这个是需要进行决策判断的，同样目标链条或者目标网络，当中的每一个目标，是否实现或者说是否达到，都是要进行判断的，我们可以针对不管是大目标还是小目标，建立基于数字化思维的数字化决策支持模型。

（3）业务目标的背后：支持数字化决策模型的业务梳理

现在企业进行各种各样的业务目标是否达成的决策判断，大多是基于一些统计报表，里面有大量的数据，显而易见，要想实现数字化的决策判断，必须要获取这些用于支撑决策判断的数据，这是首先要进行梳理的，也是很明确的。

而这些数据的产生，肯定是与业务活动相关的，用以支撑数字化决策判断的业务数据，可能来自企业的很多部门进行综合才能够获得。

这些数据就相当于为企业的各个业务部门提出了明确的输出内容。这些内容对于业务的开展来说，应该是必须要完成的任务，这应该是用于进行判断，业务是否需要的一个重要依据。

应该说，不能够支持企业各级业务目标的业务开展是否有必要，应该都需要打个问号的。我认为这是判断企业业务是否合理的一个基本出发点。也就是传统上说的，存在的就是合理的这个问题，我们怎么来进行评判的一个标准。

（4）快速的决策判断数据来源：数字化业务流程

在没有信息化系统或者数字化系统的时候，用于决策判断的各种统计报表里面的那些数据，很多情况下都是靠人来收集整理的，这种情况显然是不适应快速响应或者快速应变的企业运行方式要求。

快速的决策判断所需要的数据来源，应该来源于数字化的业务流程，那什么是数字化的业务流程呢？应该是顺畅没有歧义的的流程衔接。

这种流程最理想的方式，应该是一种自动的。但我们也不可能去弄那种完全无人化工厂的，所以很多环节还是需要人的。对于一些虚拟的业务环节或者自动业务，我们可以很容易的来实现，通过对约定的输入进行处理，得到一个约定的输出，并将其传递到正确的下一个环节。但对于有人参与的这种业务环节，也应该提供明确无歧义的业务操作，也就是说要对这些业务操作，进行规范化的处理，这样才能够产生规范化的结果。

所以数字化业务流程，更多的是进行业务流程的规范化，包括业务操作的规范化。

（5）业务流程的数字化运行：流程引擎，或者既定的流程链条

业务流程的数字化运行有两种方式。

我们最常见到的就是各个数字化系统或者信息化系统当中所具有的相对固定的业务衔接链条。如果企业的业务模式相对固定，或者企业的业务衔接关系相对固定，可以按照这种方式来进行。

另外一种方式就是通过统一的流程引擎来驱动业务流程的数字化运行。这是一种根据需要自动的组合相关的业务环节形成业务链条，当不需要的时候就可以解散，或者业务执行完毕之后就可以解散的方式。这种方式对于信息化系统当中的业务环节，以及业务环节之间的关系接口，都提出了更高的要求。应该建立统一的规范标准来梳理和定义这些业务环节，并且以数字化的方式来进行定义，以便于快速的组装组装成所需要的业务链条。这就是我之前在在微信公众号（智能制造随笔）文章里面所说的流程中台的意思。

（6）准确的决策判断数据来源：数字化数据治理

有了数字化的业务流程，或者业务流程的数字化执行，并不一定代表着就一定能够获得所需要的数据。想要获得准确的决策判断数据来源，就应该进行数字化的数据治理工作。

数据治理的目的是使得数据以一种数字化结构化的方式明确无歧义的进行唯一的定义。不能不同的人用不同的方式来表达，甚至同样的一个内容也不能有不同形式的表达，这都是要杜绝的。应该遵循统一的要求来进行定义。

数据治理的工作量非常大也要求非常细致，但是这是企业进行信息化系统建设或者数字化转型升级的必须要开展的工作。一定要相信，对于一个信息化系统来说，输入的是垃圾输出的也是垃圾。

数字化的数据治理是离不开数字化业务流程，因为这些数据都是依托于数字化流程来应用和产生的，而流程的业务环节是很多的，如果我们只是针对一个一个环节来进行数据数字化和结构化处理将是非常繁琐的。所以一般对于信息化系统来说，定义统一的数字化结构化信息模型，并在此基础上与数字化业务流程的各个环节进行关联，支持各个数字化业务流程环节：规范的输入、规范的操作和规范的输出。

就如同操作工人在进行数控机床操作的时候，一般的方式是操作工人在数控机床里面自己在翻找合适的程序，但是更好的方式应该是通过DNC针对正确的书任务下发正确版本的程序。这样可以减少因为有人来介入而导致的有歧义的运行不可靠的问题。如果大家仔细研究过西门子安倍格，安倍哥或者成都工厂的信息化架构，他们在系统种提了一个词叫NC Program. Generate的概念，其实就是程序生成器。 通过统一的生成和下发SMT各种执行程序，避免各种问题和提高效率，这应该是一个比较好的方式。

因此，如果将统一的信息模型不只是当成一种规范来使用，而是将它物化成一种数据中心或者数据中台，在信息化系统运行过程当中各个业务环节需要的时候下发正确的数据。我始终认为这是信息化系统后续发展的一个重要趋势。

数字化思维和数字化转型，内涵还是非常丰富的，本文只是按照自己的思维方式和经验认识进行了一下梳理，应该还有很多不完善的地方，写出来供大家参考吧。

更多内容来源于数字化企业网（http://www.e-works.net.cn/）