做了十几个数字化项目后，我对数字化转型的思考

 

现在讲数字化转型多是自顶向下视角，但企业仅提战略、目标还不够，必须把任务分配到每个团队及个人每天的工作中，这些工作与员工以前的工作不同，意味着团队和员工也要转型。

企业数字化转型口号再响亮，若一线员工工作内涵未变，也只是企业自嗨。

那面对数字化转型，作为员工应如何迎接挑战呢？

 

企业数据岗位人员在企业数字化转型中最先受冲击，我作为其中一员正在经历这一过程，企业数字化转型虽还在进行，但自身已感受到各种挑战，而这些挑战最终决定企业数字化转型的成败。

下面讲讲企业内部数字化转型的一个案例：原来企业的一些投资需求由一线手工搜集上报，存在数据不准确、上报不及时等问题，现在需基于前端市场诉求和设备实际运行数据进行科学分析后给出投资需求，并通过在线方式及时上报，快速响应前端市场设备扩容需求。

其中用到的部分工具有：织信Informat、帆软

 

帆软BI

 

围绕这项数字化转型工作，企业有几个核心参与角色：负责规划投资的业务部门、负责设备运维的管理部门、负责设备运维的一线生产部门、负责市场拓展的业务部门、负责 IT 的部门（负责管理信息系统、业务系统、数据系统的建设和运维）等。

这只是企业众多数字化转型案例中的一个，但很复杂，涵盖数字化转型的方方面面，给我带来的挑战很大，可用 “不确定性” 概括，具体有以下八个方面的挑战。

1、企业动真格转型，我最担心不确定性

企业数字化转型不只是建个系统，大多需动根本机制和流程，建系统是后面的事。这次转型涉及企业投资流程，影响面大，投资有路径依赖，打破这种依赖对所有人都是挑战。

转型涉及多个部门工作，设备运维管理部门负责统一生产管理（包括设备运维系统统一建设，涉及源端相关数据），一线运维部门负责设备需求上报（市场前端部门也会提出需求），规划部门决定投资需求方案（也是投资管理系统、大数据平台等的需求方），IT 部门负责系统建设和数据支持（负责投资管理流程系统、大数据平台等建设），这时组织机制保障很关键，如转型工作哪个部门牵头、哪些部门配合、具体职责和工作流程等。

各部门有各自工作，凝聚共识不易，需管理层强力推动，且不是开几次会就行，因为数字化转型需打破旧框架，少有最佳实践，多是摸索，领导开始不亲力亲为、不抓细节，可能导致走偏。大家不知道工作做到什么程度算到位，领导和员工视角也难短期拉平，需慢慢磨合。

我参加多次沟通会、汇报会，最大体会是领导要求要和员工对齐，这过程艰巨，一次次汇报是为纠正认知偏差。在这过程中，大家要用实际流程和数据说话。

数字化转型的牵头部门承受着最大压力，我们应向他们致敬。我参加开会时，最怕不确定性落到自己身上，我虽懂点数据和 IT，但和他们相比不值一提，所以在后续工作中没有不努力的理由。

2、业务需要数据支持，我担心业务想不清楚

如果数字化转型的组织、机制和流程扎实建立，就成功了一半，大多数转型失败不是系统不好用或数据不靠谱，而是开头没做好，比如领导开头后不持续抓，大家就会泄气，领导要一以贯之，如每周听汇报、每月三方会审，把不明确的东西明确。

牵头业务部门制定数字化转型方案挑战巨大，没有最佳实践，业务部门很难一下子拿出完整方案，大多需由点到面，先找一个点尝试再调整。这项工作开始前几个月没像样的方案，团队成员在配合业务做取数建模工作。

有一次参加正式汇报，看到业务部门拿出相对清晰的方案，心里才踏实，这是务实的方法，如果业务部门一开始就拿外来和尚的完美方案汇报，很难经得起实践检验。

例如，我们基于一些运维数据判断是否扩容，前期取数发现计算结果和一线上报相差甚远，后来核查是源端数据录入问题，如果数字化转型不优化录入数据流程，失败可能性大增，这种方案完善不是临时找合作伙伴写方案就能达到的。

业务不能直接扔个方案就催 IT 建系统，要因地制宜，否则建的系统无人使用，无法推广。

3、业务自己想清楚了，我担心缺乏业务指导

很多数字化创新只是在数据团队熟悉领域修修补补，而真正的企业数字化转型有全局性特点，对数据团队的挑战是跨领域数据支持。

数据团队面临全新业务领域、数据环境和机制流程，以前可能接触过但只是浅尝辄止。在全新业务领域，数据团队要学习新业务和数据，形成数据和业务映射，在短时间内形成对业务的基本数据支持能力。

从业务方角度，业务管理部门业务理解有方向、高度和逻辑，但可能不熟悉一线实操场景，一线业务部门则相反。数据团队不能简单抓住一个业务人员问，需业务牵头部门协调归口业务人员咨询，这带来不确定性。

一般业务部门没有数据专员，所有数据在运维部门，数据团队需要业务部门作为中间协调人与运维部门 IT 沟通，否则无法理解业务和数据，这又带来不确定性。

在数字化转型初期，业务牵头部门的实际配合力度决定数据团队的支持能力，这是大家学习磨合的过程。数字化转型让我感觉隔行如隔山，我问得最多的是业务概念、流程、数据验证、业务部门配合等问题。

4、业务持续提出诉求，我担心能力储备不足

数字化工作初期，数据团队人员投入不需要很多，但要是核心骨干，要有较好业务理解能力和数据实操能力，这样能减少前期沟通成本。

随着数字化工作深入，业务部门理解加深，探索领域扩大，数据支持工作增加，需要大量模型人员支持，如验证业务人员想法、开发新模型、进行汇报的数据支持等。

如果数据团队没有足够人员储备，会冲击原有数据工作，如果临时招人，人员数量、素质和协同水平是未知数。

数字化转型的数据支持工作探索性强，需要团队成员间有信任关系，这种团队不是临时拼凑的。数字化转型进入状态后，最大挑战是人，缺人会导致与业务扯皮，降低工作质量，无法主动为业务献计献策，而在数字化转型中期，业务很依赖 IT 和数据能力，很多业务策略制定需要建模人员建议。

5、模型需要反复迭代，我担心业务缺乏耐心

有次跟公司领导汇报工作进展，提到解决某路网匹配问题，业务人员说需要建模人员支持，公司领导对我们建模有信心，但我还是担心。

我担心一是业务因素，企业 80 - 90% 的模型是规则建模，说明业务理解重要，需要业务人员充分参与；二是模型因素，如以前没做过图模型，短时间内可能没结果；三是迭代因素，第一次效果可能不好，需要业务给耐心。

我要让领导和业务人员明白，建模不是数据团队的事，需要业务人员全力配合，双方共同努力。

6、流程需要进行变更，我担心业务无法协调

数字化转型要动根本的东西，流程首当其冲，因为流程对提升企业运营效率至关重要。

以运维数据为例，企业基于运维数据发现设备运行问题，但数据验证发现很多运维数据录入错误，既有系统因素也有管理因素，基于错误数据得出的结论不靠谱，所以要改进数据录入流程，但解决这个问题难度大，因为涉及一线流程会牵一发而动全身。

业务要做很多事，如充分理解一线业务流程，了解每个流程中每个角色的职责；发现操作问题，评估影响，寻找解决方法，汇报改进方案；更改业务管理办法，下发操作手册，构建新流程，打造配套工具；对一线人员培训，新流程试点上线等，可能还要花很多钱。

数据团队帮助业务人员发现问题只是开始，数据分析结果要嵌入生产流程才算完成使命，这需要业务人员统筹操盘。

7、模型和流程终建立，我担心系统体验不好

建立流程和嵌入模型后，如果新流程体验不好，会提升一线使用门槛，老流程用惯了，新流程替换成本高，自顶向下强推虽可行，但浪费一线人员时间不好。

例如，为确保施工信息准确性，以前一线人员手工录入很多信息，但准确性差。新流程中要考虑智能化手段解决录入信息准确性问题，很多信息可以自动化。

无论是数据团队还是 IT 团队，要有想干事、干成事的精神，利用数字化技术为一线人员赋能，在操作体验层面，业务人员难把握，这是 IT 和数据发挥能力的舞台，要向互联网公司学习关注用户体验。

8、应用体验终于达标，我担心业务推广不力

数字化转型工作涉及多方面，各方面进度不一致，上线一个就要推广一个，让其尽快发挥生产力，螺旋式迭代提升才是精益运营方法。

评估是否有真正生产力的唯一办法是用数据说话，转型案例最终要看投资是否节省、决策是否更快、业务投诉是否减少，过程数据在前期更关键。

我始终担心毕其功于一役的做法，我们当初的想法和做法不一定符合一线实际，有个渐进提升的过程。比如上线可视化管理工具，演示很好，但使用者不多，是因为业务没有推广计划，试点单位操作体验问题多。

以上是我在企业数字化转型中的真实体会，它对数据团队提出全新挑战，也带来新价值出口，我们每个人在这个过程中都能收获成长。

最后关于开头两款工具的介绍：

1、帆软BI（FineBI）

介绍：

FineBI是国内知名BI厂商帆软旗下的数据分析平台，技术过硬，功能强大。通过简单的拖拽就能制作出丰富的数据可视化信息，低门槛，好上手，无技术基础也能轻松实现数据分析。

特性：

Finebi的数据可视化处理和智能分析做的很好，只需要简单的拖拽就可以实现各种维度，各种形式的分析。在数据建模方面，FineBI能够智能地识别并关联不同数据表之间的关系，通过关键字段自动建立数据模型。FineBI的另一个区别于其他BI工具的特色是它的多端适配性，它不仅支持传统的电脑端使用，还特别优化了移动端和pad端的体验，甚至能够适配大屏幕展示，满足不同场景下的使用需求。

FineBI还有类似办公协同软件OA的一套数据协同管理。企业可以设定权限，确保每个部门只能访问到本部门的数据，每位员工也只能查看自己权限范围内的信息。当一个仪表板创建完成后，可以指定特定的人来分享，接收者在收到通知并登录系统时，会在自己的桌面上看到这份报表，并且可以进行查看、修改或添加批注。老李认为这一点非常实用，尤其是出于数据安全的考虑，更能适应本土化的需求。

可用性：

FineBI属于自助式BI工具，使用简单，具有丰富的可视化和前端分析操作。能可视化地进行数据钻取，数据切片和数据旋转等多维分析操作。配合公开的帮助文档和教学视频，零基础的业务人员也能轻松上手，无需企业支付额外培训费用，大大节约了成本，提高效率。

2、织信Informat

介绍：

织信Informat是深圳基石协作自主研发的企业级低代码开发平台，公司成立于2019年，平台内置大量的组件功能，包括组织架构管理、角色权限、多级菜单、表格、表单、控件、可视化图表、工作流引擎（BPMN2.0）、自定义API、自动化（图形化编程）、脚本、代码拓展包等。使用技术栈是Java、Vue、Element-UI、postgresql等。可用于构建ERP、MES、PLM、SRM、项目管理等高度复杂的核心应用系统。

平台主打“私有化、本地化部署”，旨在帮助企业做数字化全方位升级。使用者可通过其丰富的可视化组件构建出复杂的业务系统。此外，在面向不同发展阶段的企业，该平台提供的解决方案和定位也不同。

• 比如针对头部企业，它可以帮助企业实现自建生态，也可配合多系统集成，成为企业的数据中台，亦或是成为研发团队的高效开发工具。

• 而针对中大型企业其可以有效解决企业数字化死角问题，快速实现企业的定制化需求，完成对“现有系统”的替换。

• 最后针对中小型企业，其也可以提供成熟专用的行业通用系统和解决方案，助力企业全方位的数字化转型。

特性：

织信Informat企业级/全栈式低代码开发方案，可解决企业方方面面的业务需求，从简单场景到复杂场景都有最佳实践的方案。团队也是来自各个大厂的技术精英（腾讯、华为、平安等），拥有十余年数字化系统成功实施经验。该产品跟其他低代码平台的不同之处：

• 支持复杂业务系统构建，深度融合AI人工智能，可实现自动建模，图形化编程，AI绘图等。提供微服务架构，支持集群、分布式部署方式，可应对上亿级大数据大并发量的业务需求。

• 拥有专业的开发运维管理，可以对应用流程、算法资源进行监测，支持多环境开发和升级管理。还能实现git同步。

• 一站式管理，购买一个平台，可以一站式构建和管理ERP、OA、CRM、MES、PLM、SRM、人事、财务、仓库、采购等业务系统。让您拥有自主构建多套应用系统的底层开发工具，并且省去了一大笔购买其他多套系统费用。

可用性：

织信Informat的综合使用感还是不错。大概花了几个小时就摸清了整套系统的使用流程和基本功能的位置，使用逻辑和界面优化也相对成熟，产品的功能集成和操作复杂平衡较为合理。价格上也是多数公司所能接受的范围，从多个网络渠道获得的评论来看，织信Informat属于是低代码行业中性价比较高的产品。