中国企业数字化转型白皮书_59页_2mb.pdf

1成就数据驱动型企业中国企业数字化转型白皮书每一场危机中总是孕育着巨大的机会，考验的是决策者的远见和勇气。2003年“非典”期间，刘强东在中关村经营的所有门店被迫歇业。为维持运营，刘强东硬着头皮在论坛、网站刷帖子与用户沟通卖货。这次尝试，令此前对BBS一无所知的刘强东，刷新了对互联网和电子商务的认知。非典结束后，刘强东放弃了复制国美、苏宁商业模式的战略，力排众议关掉所有线下门店，全力发展京东多媒体网，正式跻身电商行业。刘强东的顺势而变，让京东弯道超车，迅速崛起为我国互联网头部企业。2022年，新冠疫情已在全球肆虐两年之久。数字化转型却在疫情中逆势加速，成为企业穿越不确定性，实现高质量发展的新引擎。在市场倒逼转型的时代面前，现在的企业决策者，已无需像刘强东当年一般为“转不转”反复思量、背负非议和不理解；但却也会比他面对相对更不确定的转型过程和转型收益。“转什么，怎么转，从何处转”，成为长久盘桓在决策者心头的“问号三连”。为此，中关村数字经济产业联盟、元年研究院、管理会计研究共同完成这份报告，基于对100+中国企业数字化转型的实践调研和对专业人士的实地访谈，结合桌面调研、文献研究等研究方法，为迷茫中的企业带去一份数字化转型的实施方法论及行动指南。 前言100+中国企业数字化转型2成就数据驱动型企业中国企业数字化转型白皮书技术是推动数字化转型的核心力量： 以大数据、人工智能（AI)、云计算、移动互联、物联网为代表的新一代信息技术形成“核聚变”与行业融通，赋能千行百业，推动企业实现信息化向数字化的变革。连接、数据、智能构成数字化转型三大内核：建立依赖可信依据而非依赖商业经验或直觉的自动化、智能化的决策体系，实现智能化场景应用和人工智能等高阶场景。连接使内外部数据的边界消融，数据信息日益丰富，使AI的模型和算法有了用武之地。应用新一代信息技术，建立起人与人、人与物、物与物之间广泛且在线的连接。外部商业模式和生态的巨变内部运作机制和管理者行为的巨变工作效率及客户体验的提升影响内核连接数据智能技术信息化新一代信息技术数字化1. 本报告提出数字化转型的概念框架为： 核心观点3成就数据驱动型企业中国企业数字化转型白皮书过去数字化转型带来三大巨变：内部运作：以企业为中心管理者行为：以“控制和命令”为核心的威权式管理人力密集，失误多、效率低企业与用户之间缺乏连接，信息不透明现在商业模式：从研发生产端到销售端生态：简单的、线性的产业链内部运作：以用户为中心管理者行为：以“服务和指导”为核心的赋能式管理机器取代人，失误少，效率高企业与用户直接连接，提升用户体验商业模式：从市场端到研发生产端到销售终端生态：以消费者为核心的生态系统外部商业模式和生态内部运作机制和管理者行为工作效率及客户体验WHAT，数据驱动是什么？本报告认为，数据驱动的概念和内涵包括五大关键要素： 数据驱动的服务对象覆盖各层级管理决策人员； 以需求动机作为人机协同数据驱动的传导链条； 找到高价值的应用场景是数据驱动的前提和核心； 构建自动优化的AI模型和业务模型；2. 本报告认为：数据驱动是数字化转型的主线，理解数据驱动要回答 两大框架性问题。AI4成就数据驱动型企业中国企业数字化转型白皮书AI模型模型线性回归逻辑回归决策树等战略导向 领导要求 问题导向业务数据要素5：夯实海量实时多维共享的数据基础财务数据 大数据业务模型研发/制造供应链销售等呈现：如数据报表1预警：如仪表盘2建议：如抖音推荐3决策：如银行贷款4融贯：如元宇宙5角色要素1：数据驱动的服务对象覆盖各层级管理决策人员决策层管理层执行层角色销售生产采购等关注点要素2：以需求动机作为人机协同数据驱动的传导链条要素3：找到高价值的应用场景是数据驱动的前提和核心要素4：构建自动优化的AI模型和业务模型数据应用场景需求动机服务对象 夯实海量实时多维共享的数据基础。5成就数据驱动型企业中国企业数字化转型白皮书HOW，数据驱动怎样发生？本报告认为，数据驱动的作用过程是一个闭环：基于人机协同的工作模式，对数据的采集、整理、提炼，总结规律形成智能模型，及时作出决策，直接驱动行动的快速执行，最终将决策和行动数据化并进行反馈。报告提出数据驱动的闭环体系为：数据治理使数据标准化、数据资产化智能决策自动化、智能化地开展数据洞察，推动业务和管理决策指挥执行基于决策下达任务指令、指挥和监控执行过程、分析执行结果、评价执行效果反馈改进决策反馈、行动反馈，系统通过深度学习算法自动对反馈情况进行修正和完善数据采集创造数据、重构系统和建立连接数据建模将数据转化为结构化的知识6成就数据驱动型企业中国企业数字化转型白皮书3. 本报告提出数字化转型的“五要素”推进法：从需求出发，以场景切入，用数据支撑，乘技术迭代，呈螺旋前进。需求出发 场景切入 数据支撑 技术迭代 螺旋前进从单个场景的转型切入，寻求局部最优方案逐个突破业务重要节点，打通企业价值链行业不同，切入的场景不同需求出发以核心需求为引擎进行数字化转型，避免盲目转型技术迭代将经由助力企业数字化转型不断前行，最终助力企业重塑竞争力面向用户需求、解决实际应用，开展场景式研发与创新，逆向牵引技术迭代技术与业务融合迭代驱动企业进入到网络式生态化协同创新模式，引领技术迭代支撑转型过程和动作每个企业都要成为数据公司螺旋前进明确要求，根据实际情况和阶段性目标，从某一环节入手开源？节流？提效？选择不同的目标，切入点不同场景切入数据支撑支撑转型中的业务运营和管理决策技术迭代前进路径是近似于螺旋的曲线是一条只有起点没有终点的征途呈现从起点出发，经过不断试错和发展，仿佛又回到起点，但获得极大丰富和提高的数字化转型的曲折过程7成就数据驱动型企业中国企业数字化转型白皮书4. 本报告提出：为适应未来真实世界和数字孪生世界的运行、交互与融合，企业应构建以数据驱动为核心，可广泛连接和打通、可灵活组装、可快速搭建快速迭代的新一代企业数字化架构。它在未来将以如下形态出现： 真实世界中的一切，基于信息系统和网络在线连接起来，在虚拟世界中形成镜像，真实世界与虚拟世界打通，实现无缝交互，并产生大量数据。 基于技术构建数字化各项能力，创新性地满足企业不同场景下业务、管理、生态建设等全面需求。 一方面推动真实物理世界中的效率提升、商业模式创新与生态演进，另一方面推动虚拟数据世界中的数据应用，实现数据驱动。管理应用层IOC层结构化数据客户数据财务数据业务数据社会化数据实时数据离线数据半结构化数据非结构化数据数据层伙伴渠道 协助者竞争者生态采购生产销售人力财务研发经营分析预算管理目标管理风险管理预测模拟绩效管理低代码开发数字化流程对象建模业务应用层指挥调度决策分析人工智能数据加工监控预警计划执行交易协同在线沟通能力层作业组织 制度 流程利润人力销售物流设计 生产辅助活动主要活动设备管理系统生产管理系统财务管理系统其他利益相关者股东监管机构价值链资金ERP SCMCRM OAMIS BIHR信息系统客户企业供应商制造能源 金融化工 服务分销产业链计划 寻源 采购 付款 入库 收款 报表模式创新一商业模式创新与生态演进数据驱动一数据丰富与技术进步战略制胜 价值创造 体验为王客户 供应商场景化问题/目标、人、对象行政财务1成就数据驱动型企业中国企业数字化转型白皮书01 不同人群对数字化转型的理解 11.1 学术文献中对数字化转型的描述 2国外文献关于数字化转型的研究 2国内文献关于数字化转型的研究 21.2 企业对数字化转型的认识 302 数字化转型的“33”概念框架 42.1 技术是推动企业变革的核心力量 5信息化改变但不是颠覆流程 5新一代信息技术推动数字化变革的发生 5数字化是转型数字业务的过程 62.2 连接、数据、智能构成数字化转型三大内核 6连接是数字化最基本的内容 6数据是数字化的基础 6智能是数字化未来的最高形式 62.3 数字化转型对企业带来三大巨变 7推动外部商业模式和生态的巨变 7引起内部运作机制和管理者行为的巨变 7推动工作效率及用户体验的提升 7目录CONTENTS2成就数据驱动型企业中国企业数字化转型白皮书03 数据驱动是数字化转型的主线 83.1 数据驱动的三大洞察 9数据驱动是动力而不是助力 9数据驱动与人机协同模式紧密关联 9以数据驱动替代流程驱动推动数字化转型 93.2 数据驱动的概念框架 11服务对象覆盖各层级管理决策人员 11以需求动机作为人机协同传导链条 11匹配不同层次的数据驱动应用场景 11构建自动优化的AI模型和业务模型 12夯实海量实时多维共享的数据基础 123.3 数据驱动的六步闭环 14数据采集是数据驱动闭环的起点 14数据治理是数据标准化、资产化的过程 15数据建模将数据转化为结构化知识 15智能决策是系统开展自动化数据洞察的过程 15指挥执行是用决策结果驱动行为的过程 15反馈改进是系统自动修正和完善的过程 1504 数字化转型的方法论和行动指南 164.1 数字化转型的“五要素”推进法 17从需求出发 17以场景切入 17用数据支撑 18乘技术迭代 18呈螺旋前进 183成就数据驱动型企业中国企业数字化转型白皮书4.2 数字化转型的六大主战场 19以研发数字化为引擎重新定义产品 19以生产数字化为核心推动智能制造 22以供应链数字化为桥梁实现业务强耦合 25以营销数字化为抓手读懂用户、持续成交 27以财务数字化为牵引推动业务财务双向赋能 30以经营管理数字化为手段实现数智运营 3305 用新一代技术架构支撑数字化转型 365.1 新一代企业数字化架构 37从真实世界到数字孪生世界 37数据层：万物皆数 37能力层：数字化必备的三层能力 38应用层：数据应用的两大方向 385.2 驱动企业数字化的核心技术 39打造新一代技术平台支撑数字化转型 39建立在线连接协同是数字化前提 39数据治理水平和智能决策能力是评价数字化水平的核心标准 41AI人工智能点亮数字化未来 4206 数字化配套机制的“五力模型” 436.1 领导力：长期主义与脚踏实地 446.2 规划力：战略引领与持续迭代 446.3 组织力：变多层级为扁平式组织结构 456.4 执行力：打造数字化复合型人才梯队 456.5 文化力：落地面向数字战略的企业文化 451成就数据驱动型企业中国企业数字化转型白皮书01不同人群对数字化转型的理解2成就数据驱动型企业中国企业数字化转型白皮书1.1 学术文献中对数字化转型的描述1.1.1 国外文献关于数字化转型的研究麻省理工（2017）1的研究指出，数字化转型可分成Digitized和Digital两类。其中，Digitized以实现更高效率、更高可靠性和更优成本为目标，而Digital则是以聚焦快速创新，实现创收和增长为方向。Bresciani，Ferraris，&DelGiudice（2018）；Scuotto，Arrigo，Candelo，&Nicotra，（2019）认为，数字化转型重新定义战略、创新与治理机制，通过影响整个组织创造出的新的企业价值链以及企业间的关系，改变了企业开展业务的方式以及同上下游企业等利益关联者建立联系的方式。 Sanchis R等（2020），Marc K.Peter等（2020）认为：低代码开发平台、大数据、云计算、区块链以及人工智能等数字技术，为企业数字化转型提供坚强有力的技术支持。 Huanli Li 等（2021）认为：数字化转型通过加强企业内外部关系，促使数字技术与企业经营战略的结合，从而增加企业面对市场环境变化的应对及反应能力。1JeanneW.Rossetc.DontConfuseDigitalWithDigitization,2017。2国务院发展研究中心课题组.传统产业数字化转型的模型和路径,2018。1.1.2 国内文献关于数字化转型的研究国务院发展研究中心课题组（2018）2指出：数字化是利用新一代信息技术，构建数据的采集、传输、存储、处理和反馈的闭环，打通不同层级与不同行业间的数据壁垒，提高行业整体的运行效率，构建全新的数字经济体系。 李辉等（2020）认为：数字化转型是构建于互联网和信息技术基础之上的智能化和数字化，通过搭载全新的产业形态，重构交易模式，将企业的生产设备、交易过程和物理世界数字化后再连接，推动企业竞争从实体空间向网络空间转变的一种全新的生存、生产、经营、竞争与创新方式。 肖静华（2020）认为：从技术视角来看，数字化转型是以新一代数字技术、商业模式、竞争模式、新型人力资本积累和相应制度变革为关键驱动因素的颠覆性创新力量。 尹金等（2020）认为：数字化转型是利用信息化技术对企业的组织架构进行重塑，让企业的业务构架变得更加快捷和方便。数字化变革代表着以数据为驱动要素的新经济形态和产业发展规律。3成就数据驱动型企业中国企业数字化转型白皮书1.2 企业对数字化转型的认识Gartner（高德纳，又译顾能公司）给数字化转型的定义是，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。数字化转型完全超越了信息的数字化或工作流程的数字化，着力于实现“业务的数字化”，使公司在一个新型的数字化商业环境中发展出新的业务（商业模式）和新的核心竞争力。 谷歌认为：数字化转型是利用现代化数字技术（包括所有类型的公有云、私有云和混合云平台）来创建或调整业务流程、文化和用户体验，以适应不断变化的业务和市场需求。 亚马逊认为：数字化转型的本质是信息技术和能力驱动商业的变革。企业数字化转型的三个关键是：第一，建立起数字化的企业战略、模式和文化；第二，企业掌握驾驭数字化新技术的能力；第三，将数据视为企业的战略资产。 IDC（国际数据公司)认为：数字化转型是“利用数字化技术（例如云计算、移动化、大数据/分析、社交和物联网）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或方法”。 阿里巴巴认为：“数字化是一个从业务到数据，再让数据回到业务的过程”，关键在于IT架构统一、业务中台互联网化以及数据在线智能化。 华为认为：数字化转型就是基于业务对象、业务过程和业务规则的数字化，构建一个实现感知、联接和智能的数据平台。 腾讯CEO马化腾认为：数字化转型未来的趋势就是数据打通，再造流程，简化流程，提高效率。 美的集团CEO方洪波认为：数字化即企业价值链的数字化，也就是从数据出发，利用现有的一些新型技术与所有的数据进行分析、计算、重构，然后实时指导经营管理的全过程。4成就数据驱动型企业中国企业数字化转型白皮书02数字化转型的“33”概念框架5成就数据驱动型企业中国企业数字化转型白皮书2.1 技术是推动企业变革的核心力量新一代信息技术形成“核聚变”与行业融通，赋能千行百业，推动着万物互联，迈向万物智能世界，进而带动新数字经济发展，推动企业实现从信息化到数字化的变革。从各方对数字化转型的理解来看，存在一些共性：技术、连接、数据、智能、商业模式、管理模式、效率，这些构成了数字化转型的核心关键词。我们通过梳理这些关键词与数字化转型之间的关系，提出了数字化转型的概念框架如图2-1所示： 图2-1 数字化转型的概念框架2.1.1 信息化改变但不是颠覆流程从技术的视角上看，数字化是IT（InformationTechnology，信息技术）向DT（DataTechnology，数字技术）转化的过程。因此，我们在谈论数字化时，就不能不提信息化： 从应用的广度上看，信息化主要是单个部门的应用，很少有跨部门的整合与集成，只能实现部分流程、部分信息和数据的线上化； 从应用的深度上看，信息化尽管将线下的流程和数据搬到了线上进行处理，但企业内部各部门，企业与企业之间，企业与社会之间都没有建立连接，并没有改变业务本身，仅仅是对线下流程的改进和再造，未解决数据分散形成信息孤岛的问题； 从思维模式上看，信息化还是线下的流程化思维，是对线下物理世界的活动进行管控，流程是核心，信息系统是工具，而数据则是信息系统的副产品。2.1.2 新一代信息技术推动数字化变革的发生新一代信息技术的突破性发展，使企业从信息化向数字化的变革成为可能：大数据技术的出现，使得海量数据能够以高效、低成本的方式进行存储、处理和分析；AI技术为机器开展深度数据分析和辅助决策提供了技术支持；云计算创造了连接现实与虚拟孪生世界的基础环境；移动互联技术让连接无处不在、无时不在；物联网为数字化提供了大量源头数据，如大量生产设备、生产线在生产过程中的运行数据。基于新一代信息技术，我们能够将现实缤纷世界在计算机世界全息重建这就是现实世界与虚拟世界并存且融合的数字化新世界。外部商业模式和生态的巨变内部运作机制和管理者行为的巨变工作效率及客户体验的提升影响内核连接数据智能技术信息化新一代信息技术数字化6成就数据驱动型企业中国企业数字化转型白皮书2.1.3 数字化是转型数字业务的过程根据Gartner对数字化（digitalization）的定义：数字化就是利用数字技术来改变商业模式并提供新的收入和价值创造机会；是转向数字业务的过程。与信息化相对应，数字化具有如下核心特点： 从应用的广度上看，数字化是在企业整个业务流程中进行数字化的打通，会牵扯到企业方方面面，甚至会影响上下游产业链生态。 从应用的深度上看，数字化为企业带来了从商业模式、运营管理模式到业务流程、管理流程的全面创新和重塑，打破了部门壁垒、数据壁垒，延伸到上下游产业链，实现跨部门、跨单位的系统互通、数据互联，数据被全线打通融合并形成数字资产，赋能业务、运营、决策。 从思维模式上看，在数字化时代，企业的思维模式应从流程驱动转向数据驱动。数据是物理世界在数字化世界中的投影，是一切的基础，而流程和系统则是产生数据的过程和工具。 需要注意的是，数字化并不是对信息化的推倒重来，而是要基于对企业以往信息系统的整合优化，提升管理和运营水平，用新的技术手段提升企业的技术能力，以支撑企业满足数字化转型的新要求。2.2 连接、数据、智能构成数字化转型三大内核2.2.1 连接是数字化最基本的内容互联网、移动互联网、物联网的突破性发展颠覆了人与人、人与物、物与物之间的连接方式。今天，人们已经习惯于在线连接去获取一切。企业可以基于云端平台，与供应商、用户、税务局、工商局等进行对接，实现交易在线化、透明化，统一对账和结算。通过将企业内部的IT系统与智能制造设备相连接，企业能够开展供应链计划和精益成本管理。基于互联网，企业内部各个部门、企业与企业之间、企业与管理机构之间的人员都可以建立连接，快速进行社交分享、沟通，发起会议，开展协作。2.2.2 数据是数字化的基础在数字化时代，数据既是数字化的基础，也决定了数字化的价值。过去，企业所拥有的数据构成主要是财务数据和部分业务数据。数字化转型的推进，使得企业的数据生态发生了极大的变化；工业4.0的推进，极大丰富了企业生产运作过程中的在线数据；而互联网、新零售等C端丰富多彩的应用，产生了大量充分展现消费者行为的数据信息。内部数据与外部数据的边界正在逐步消融。数据信息日益丰富，甚至日益广泛且深入地渗透进我们的生活中。这些丰富的数据海洋给我们提供了无限的可能，企业可以通过这些数据来理解和分析业务，做出决策而后再应用到现实中。2.2.3 智能是数字化未来的最高形式数据赋能离不开智能的应用，未来的数字化是建立在大数据和AI基础上的运营全面智能化，是企业实现“连接”，坐拥“数据”之后的延伸。比如，系统基于机器学习模型、语音识别模型、管理测算模型等AI模型，融合具体业务场景、运营场景，将模型与场景相关联，实现一体化应用，辅助或直接作出快速决策，促进“生产智能化、服务生态化、管理协同化、决策数据化”，实现人工智能高阶场景。7成就数据驱动型企业中国企业数字化转型白皮书2.3 数字化转型对企业带来三大巨变2.3.1 推动外部商业模式和生态的巨变在数字化时代，当整个世界被连接在一起之后，过去“从研发生产端到销售端”的传统商业模式被颠覆，取而代之的是“从市场端到研发生产端到销售终端”的现代商业模式；过去简单的、线性的产业链被击破，取而代之的是更加高效的、以消费者为核心的生态系统。融合成为数字经济发展的重要方向。产业数据链、技术链、供应链、资金链等各条链路在数字化时代都要实现同频共振，通过产业数字化和数字产业化双轮驱动助推现代产业体系建设。2.3.2 引起内部运作机制和管理者行为的巨变互联网将企业和用户连接在一起，打破了信息不对称，不仅使企业与用户之间的沟通变得越来越实时和没有缝隙，也让企业能够聆听到真实用户的声音。同时，用户的评价也会直接影响到其他潜在用户的消费意愿。用户的影响力在数字化时代实现了大幅提升，用户获得了前所未有的主导权。无论在线上还是在线下，提升用户体验成了商业最核心的问题。这就要求企业必须建立起以用户为中心的运营模式，并不断完善服务并提升服务质量。相应的，企业管理者也要发生转变：从经营产品向经营用户价值转变；从经营市场向经营数据转变；从经营企业向经营生态转变。这些转变的背后，要求管理者的行为模式要实现从管控向赋能的转变。以“控制和命令”为核心的威权式管理行为被削弱，取而代之的是以“服务和指导”为核心的赋能式管理行为。2.3.3 推动工作效率及用户体验的提升数字化转型不仅给带来了业务活动的在线化和数据处理的智能化，还有大量流程、大量业务的自动化处理，从而在最大幅度上降低失误、提升效率。同时，数字化还为企业带来了用户体验的极大提升。数字化连接一切，企业能够基于互联网与用户互动：无论是用户对产品和服务的需求，还是用户对产品和服务的反馈，都能够直接快速地传递到企业。企业能够据此高效做出改进产品和服务的决策，并完成产品服务升级。我们可以用这样一段话对企业数字化转型进行诠释：在数字化时代，企业通过广泛且深入地应用新一代信息技术，建立起人与人、人与物、物与物之间广泛且在线的连接。这些连接让数据的传递变得更加高效，信息变得更加透明，运营效率不断提升；引发了企业的商业模式、产业生态和运营管理模式的巨大变化。同时，这些连接也让企业获得了海量的内外部数据，使AI的模型和算法有了用武之地。企业可以依托模型和数据，建立起依赖可信依据而非依赖商业经验或直觉的自动化、智能化的决策体系，高质量、快捷地完成业务与管理活动。8成就数据驱动型企业中国企业数字化转型白皮书03数据驱动是数字化转型的主线9成就数据驱动型企业中国企业数字化转型白皮书在国务院下发的十四五规划等重要文件，以及各部委、各地区下发的数字化报告和规划中，都多次提到了数据，数据中台，包括数据治理和元数据管理。数据作为企业的战略资产越来越受到重视，从最初的数据协助业务协同，转化为数据驱动业务，数据驱动运营，乃至数据驱动人工智能和智能场景应用。因此，我们说数据驱动是数字化转型的主线。充分发挥数据价值是数据驱动的目的，数字化时代数据价值的利用和发挥将影响企业数字化转型过程和形成数字化背景下企业的核心竞争力。理解数据驱动有两大框架性问题：WHAT，即数据驱动是什么？HOW，即数据驱动怎样发生？3.1 数据驱动的三大洞察数据和模型是数据驱动的基本前提，数据价值的利用和发挥是数据驱动的目标。辨析和明确数据驱动内核要解决的主要问题，就是数据驱动在企业决策和行动中到底扮演什么角色，数据驱动的作用方式、作用过程和应用场景。3.1.1 数据驱动是动力而不是助力很多人容易将数据驱动与“以数据为中心进行决策”混为一谈，但我们认为这两者存在本质差别。“以数据为中心进行决策”顾名思义就是用数据来支持决策。通过对数据的整理、抽取，将数据转化为可读的知识，形成分析结果，决策者根据分析结果考虑并决定决策结果，最终决策由人做出。以数据为中心进行决策，人为决策的本质未变，决策者作为个人的局限性无法避免；难以应对复杂多变的数字化时代高频次动态决策的需求；同时，仍旧打不破企业业务流程环节多、决策链条长、信息不对称等传统决策模式下存在的问题；也没有完全体现当下自动化智能化的发展趋势，在这种定位下，数据驱动所带来的效率和价值都会大打折扣。3.1.2 数据驱动与人机协同模式紧密关联“数据+AI”是数据驱动的核心要素。AI所具备的自主学习、自主决策、主动交互、情境感知等能力与特性，给数据驱动创造了更多更高层级的应用场景。AI的终极目标是“人机物”等多元协同共生。在数字化、智能化时代，企业在人机协同的工作方式下开展数据驱动成为常态。随着机器智能化程度和自主能力的增强，人机协同的数据驱动有不同层次的应用场景，是一个“人的参与渐次减弱，机器的参与渐次增强”的体系。3.1.3 以数据驱动替代流程驱动推动数字化转型流程驱动的基本思想就是改变传统的按照重复、删除、分工原则把一项完整的工作分成不同部分、由各自相对独立的部门依次进行工作的工作方式。流程驱动依靠人的直觉和经验，用过去的流程来管理和应对现在和未来的变化，在市场环境日益复杂多变的现在和未来，显然不可取。数据驱动依靠数据、算法和模型而不是人的直觉和经验驱动流程中的行为，能够更迅速、智慧地响应企业的业务和管理需求。10成就数据驱动型企业中国企业数字化转型白皮书图3-1 什么是流程驱动图3-2 什么是数据驱动表3-1 流程驱动与数据驱动对比流程驱动 数据驱动输入：人的经验和直觉 输入：数据过程：文档设计，流程分析 过程：数据建模，机器学习设计过程可解释，过程可视 模型训练过程不可视非自动化 可自动化迭代慢 迭代快输出：规则体系 输出：决策体系经验直觉输出业务人员流程设计什么是流程驱动？规则什么是数据驱动？输出数据系统挖掘建模数据驱动规则11成就数据驱动型企业中国企业数字化转型白皮书 图3-3 数据驱动的分析框架3.2 数据驱动的概念框架基于上述分析，为更清晰地展现数据驱动在企业的发生过程，我们结合数据驱动在企业从发生动因到应用路径的传导机制，进一步梳理出理解数据驱动概念和内涵的五大关键要素，分别是：服务对象、需求动因、数据、模型、应用场景。围绕这五大要素之间的勾稽关系，我们构建了数据驱动的分析框架（见图3-3），并以此为基础，从人机协同视角出发，对框架要素逐一进行描述，形成了数据驱动的概念框架（见图3-3）。3.2.1 服务对象覆盖各层级管理决策人员服务对象即“人机协同”中的人。数据驱动的服务对象既包括企业高层决策者，包括从集团到部门的中层管理人员，又包括销售、生产、采购、研发、质控等各个经营环节的业务执行人员，这些服务对象既是数据的使用者又是提供者，以自身不同的关注点对系统提出需求，通过需求传导，在具体场景形成基本的人机互动，并逐步上升到人机协同和人机融合。3.2.2 以需求动机作为人机协同传导链条与服务对象相对应，需求动机分为企业决策层的战略需求、管理层的管理需求以及执行层解决具体业务问题的需求。需求作为人机协同的传导链条，不同层次的需求动机将对应不同层次的数据驱动应用场景。事实上，在数据驱动发展至今的过程中，低层级的需求一直存在，只是逐步向高层级发展，这就要求在构建数据驱动概念时，应持有发展动态的原则，结合人机协同的发展，尽可能完整体现数据驱动的全貌。服务对象 应用场景 模型 数据需求动因12成就数据驱动型企业中国企业数字化转型白皮书3.2.3 匹配不同层次的数据驱动应用场景找到高价值的应用场景是数据驱动的前提和核心。数据驱动的应用场景，实际上对应的是服务对象不断发展的从低到高的需求，层级的高低则是由人机协同的程度来体现。具体而言： 第一层是呈现，核心是要你看见，即将数据结果呈现给用户，只反应客观事实，不做判断，典型应用场景如数据报表。在这个层级上的数据驱动未形成人机协同，仅有简单的人机交互； 第二层是预警，核心是助你分辨，即基于数据判断好坏优劣，典型应用场景如红绿灯、仪表盘，在这一层级上系统已开始进行数据的处理分析，并能协助用户进行数据判断，人机交互程度进一步提高，但数据分析判断过于简单，仍未达到人机协同的程度； 第三层是建议，核心是帮你抉择，即基于数据做出行动建议，如商品选择、抖音推荐，这一层级在一定程度上已经开始出现人机协同，与传统的工具不同，信息系统可以运行设定好的模型算法，针对用户的输入执行相应的命令，做出预设性的建议，人与数字系统的交互是双向、多重的，并且可以形成多轮开放式对话，但做最终决策的仍然是人，系统仍处在被动地位； 第四层是决策，核心是替你决断，即基于数据自动决策和执行，如银行贷款等，依托智能系统，数据驱动场景正式进入人机协同阶段，智能系统具有情境感知、自适应学习、自主决策及主动交互与协同等关键特征，人开始选择性的将经营管理事务交由系统自动决策和执行，在此过程中，人和系统互相双向学习，推动着人机交互向人机智能协同发生深刻的转变； 第五层是融贯，核心是虚实合一，即将虚拟与实际打通，在人机智能得到充分融合的条件下，人机协同将向人机融合转变，人与机器的共生关系将在信息传递、信息处理及决策执行等方面都得到全方位的充分体现。此时，数据驱动下的决策也将难分是完全由机器做出还是由人做出，机器和数据已经成为现实中人不可分割的部分。3.2.4 构建自动优化的AI模型和业务模型数据驱动的不同层次场景、人机协同的不同程度，都需要依靠模型来构建。企业数据驱动场景下的模型主要有两类，一类是AI模型，包括线性回归、逻辑回归、线性判别分析、决策树、学习矢量量化、深度神经网络等，为解决各类数据处理问题提供科学的算法，并可以基于机器人的自适应学习机制持续自主地进行模型更新。另一类是业务模型。基于数据+算法+算力，企业通过将业务过程抽象化、数据化，开展数据建模，形成覆盖从研发、制造、供应链、物流、市场、销售等环节的全链路的多维业务模型。这些模型沉淀在系统中成为知识，多向共享赋能不同业务场景中的数据应用，并在此过程中自动进行优化和迭代。3.2.5 夯实海量实时多维共享的数据基础数据是物理世界在数字化世界中的投影，是数据驱动的基础，也是使机器获得智能的钥匙。数据信息日益丰富，甚至日益广泛且深入地渗透进我们的生活中。数据量的提升、数据时效性的加强、数据来源复杂化、数据维度多元化、数据共享化，为数据驱动提供了大量、实时、多维、贯通和定制化的生产要素，让数据驱动向全场景渗透。13成就数据驱动型企业中国企业数字化转型白皮书图3-4 数据驱动的概念框架AI模型模型线性回归逻辑回归决策树等战略导向 领导要求 问题导向业务数据要素5：夯实海量实时多维共享的数据基础财务数据 大数据业务模型研发/制造供应链销售等呈现：如数据报表1预警：如仪表盘2建议：如抖音推荐3决策：如银行贷款4融贯：如元宇宙5角色要素1：数据驱动的服务对象覆盖各层级管理决策人员决策层管理层执行层角色销售生产采购等关注点要素2：以需求动机作为人机协同数据驱动的传导链条要素3：找到高价值的应用场景是数据驱动的前提和核心要素4：构建自动优化的AI模型和业务模型数据应用场景需求动机服务对象14成就数据驱动型企业中国企业数字化转型白皮书3.3 数据驱动的六步闭环在一个真正的数据驱动型企业，企业应拥有一套闭环的数据价值体系。数据价值体系指的是一套完整的从数据采集、整理、报告到创造价值的流程。完整的数据价值体系分为6个环节（见图3-5）：数据采集、数据治理、数据建模、自动决策、指挥执行、反馈改进。3.3.1 数据采集是数据驱动闭环的起点数据采集是数据驱动闭环的起点，是创造数据、重构系统、建立连接的过程。以往的数据采集方式主要有两种：一是伴随运营过程简单记录，最主要的特点是数据往往伴随着一定的运营活动而产生并记录在数据库中，比如超市每销售出一件产品就会在数据库中产生相应的一条销售记录。这种数据的产生方式是被动的、是伴随性的；二是用户原创，随着流媒体、移动互联网设备的快速发展，用户可以通过电商点评、平台意见发布等主动产生数据。图3-5 数据驱动闭环数据治理使数据标准化、数据资产化智能决策自动化、智能化地开展数据洞察，推动业务和管理决策指挥执行基于决策下达任务指令、指挥和监控执行过程、分析执行结果、评价执行效果反馈改进决策反馈、行动反馈，系统通过深度学习算法自动对反馈情况进行修正和完善数据采集创造数据、重构系统和建立连接数据建模将数据转化为结构化的知识15成就数据驱动型企业中国企业数字化转型白皮书3.3.2 数据治理是数据标准化、资产化的过程数据治理是数据标准化、数据资产化的过程。数据价值的体现，是建立在整条数据链路的效率和质量基础上的。利用数据治理首先可以实现数据标准化，通过对数据的标准化定义，明确数据的责任主体，为数据安全、数据质量提供保障；其次，解决数据不一致、不完整、不准确问题，消除可能存在的对数据意义的理解偏差，减少各部门、各系统的沟通成本，提升企业业务处理的效率；最后，标准的数据及数据结构能为新建系统提供支撑，提升应用系统的开发实施效率。3.3.3 数据建模将数据转化为结构化知识建模环节是通过数据建模，将数据转化为结构化的知识的过程。通过建模环节，系统可以从海量非结构化数据中抽取结构化知识，并利用图分析进行关联关系挖掘，可以洞察“肉眼”无法发现的关系和逻辑，通过提取节点及关系信息，节点相互连接，形成知识网络结构，并逐渐积累为企业的结构化知识库。结构化知识库将双向作用于人和数字系统，通过提炼出简洁清晰可复用的知识模型，可以协助人实现快速回顾知识，节省下认知资源用于更高层次的思考，并形成小颗粒度的知识模块，便于系统自动进行知识重组和知识创新，为自动化、智能化的数据洞察打下基础。3.3.4 智能决策是系统开展自动化数据洞察的过程智能决策是系统自动化、智能化地开展数据洞察，推动业务和管理决策的过程。在应用初期，系统依靠AI技术进行数据洞察，帮助我们判断哪些是可以被委派给计算机的决策任务，哪些是短期内仍需要依靠人来决策的管理问题。对于可委派的决策，通过计算机程序自动分析、自动进行；对于尚需要人做出的决策，将管理层的决策行为作为知识不断输入系统，利用机器学习等方式促进系统形成智能算法，通过知识发现系统，产生新的规则、算法或模型。3.3.5 指挥执行是用决策结果驱动行为的过程指挥执行是用决策的结果直接驱动行为的过程，通过监控执行过程、分析执行结果、评价执行效果，做出改进措施等一系列活动，确保数据驱动价值的实现。在系统完成自动化、智能化业务和管理决策后，这些决策将通过系统指令的方式实时指导企业各类业务经营环节的最佳行动。这种由数据直接驱动的行为是整体性的，能够将企业复杂的战略决策落实到多环节、跨职能的业务场景上。同时，系统将监测整个的决策执行过程，以便在用户交互和运营业务期间进行执行结构的动态分析和实时建议最佳操作。在此基础上，实现对不断变化的执行情况和用户动态的快速响应。3.3.6 反馈改进是系统自动修正和完善的过程反馈改进是系统结合决策反馈、行动反馈的情况，通过深度学习算法去自动修正和完善的过程，通过反馈使数据驱动最终形成一个动态的、自主发展的闭环。在数据驱动下，系统是可以实现自我学习和完善的，但是这个过程需要反馈数据的不断输入，需要模型根据比对决策结果、执行结果的现实数据把偏差信息反馈给机器学习，形成正向和负向的数据反馈，才能在其后不断的机器学习迭代过程中自我完善。因此，数据驱动闭环要求要有流式的数据不断地注入，要有以机器学习为基础的决策模型，要有能依赖模型输出结果可以推动的业务系统，还要有可以反馈预测偏差的反馈机制。16成就数据驱动型企业中国企业数字化转型白皮书04数字化转型的方法论和行动指南17成就数据驱动型企业中国企业数字化转型白皮书4.1 数字化转型的“五要素”推进法企业数字化转型的过程就是技术创新与管理创新协调互动，生产力变革与生产关系变革相辅相成，实现螺旋式上升、可持续迭代优化的体系性创新和全面变革过程。从数字化转型工作推进角度，我们提出数字化转型的行动方法论，可总结为“五要素”推进法：从需求出发，以场景切入，用数据支撑，乘技术迭代，呈螺旋前进。4.1.1 从需求出发数字化转型本质是业务转型，数字技术的作用正从技术支撑走向企业生产经营全流程。这就急需企业内部达成转型共识并调整领导战略。企业数字化转型的首要工作是在正式启动转型之前要明确需求，通过全面扫描自身情况，梳理企业对数字化转型的需求，需求的收集范围要覆盖企业的研发、测试、生产、营销、销售、人事、办公、采购、客服、运维等全流程与全部门，整合分析后进行分类聚焦，明确企业的核心需求，