“數字化”這個詞，相信讀者已經聽的不厭其煩了，但是，從筆者長期實踐的角度來看，恰恰 2023 年會是一個真正的開始，經過 2020 年國家政策層面對數字化認知的高度提升，經過這兩年不同規模企業、各類從業者、研究者的多維度思辨、探索，我們對數字化的認知和企業該做的實踐，大體上有了一定的方向，筆者不敢說大家認知都一致了，但是，至少我們有相近的方向可以去靠攏了。那么，在這個相近的方向上，企業的數字進化該是什么樣子呢？筆者就跟各位讀者一起探討下。

數字化的共同方向

筆者認為上至國家政策，下至企業實踐、個人學習，逐漸都顯露出一條主線，就是政策中提到的“激活數據要素潛能”、“構建網絡強國”，以及為“數字社會、數字經濟、數字政府”演進提供的各類軟件，數據、工具、網絡，就是數字化新生產方式的概括，數據是新要素、工具主要是軟件、網絡承載關系，從“數字中國”到“數字企業”再到“數字公民”，都會圍繞這個線索進行轉型工作，具象化的遠景目標可以用類似元宇宙概念的基于虛擬空間的跨地區、虛實協同，近景目標則是多維度探索數據的應用潛力，為勞動崗位、勞動力的數字化轉型設計方向，用數字化提升企業對未來變化的適應力。

企業的數字化轉型就是將這種新生產方式融入到現有生產模式中，完成業務的轉型。這不是一個口號，而是“實干”，是從思考到行為的“實干”。除了管理層要具備戰略思考的能力、推動全局轉型的意志外，更直接、更重要的是深入企業的每個崗位，認真探究數據的作用，這才是當前數字化轉型的一個靈魂問題，對于每個崗位而言，數據到底有什么用？什么樣的數據有用？數據該怎么獲取？該怎么使用？這些問題關系到數字化轉型實際效用。

比如，筆者最近接觸到一個企業，為了管理好物流作業，讓每位來工廠運貨的司機都能在排隊時享有公平待遇，就在沒有 IT 人員支持的情況下，自學低代碼、POWER BI 類工具，為司機生成上報信息的二維碼，采集到廠時間并生成排隊信息投放在司機候場區的電視屏幕上，實現了“自主”開發排號機的目標，節省了開發費用 50 萬元左右。其實重點還不是省錢，而是逐漸具備了利用低強度開發工具實現數字化的能力，有了這個能力，還能在低代碼可支持的范圍內繼續“升級”，比如，通過對排隊時間的了解，能夠進行廉潔行為的檢查，發現是否有司機經常會獲得“照顧”，根據業務需要，這些技能在持續的磨練中不斷提升，將數據、工具、網絡三者很好地結合起來解決了一個業務痛點，并使得更多的需求逐漸得以實現。

能夠回答數據的價值，就能夠回答投入的價值，就能夠堅定地走下去。

企業的數字化能力建設

這仍是困擾很多企業的問題，問題回答不清，往往是不夠聚焦，當然，筆者不是說自己的答案就是唯一解，而是提供一個聚焦思考的參照，供各位讀者批評。

如果把上文對數字化的認知作為企業推動數字化的“底層邏輯”，那么，圍繞數據的能力建設就是開展工作的重點，為此，可以開展下幾方面的工作：

關于數據價值的深度思考

這里承接上文思路，需要深入研究到每一個崗位，無論是全企業同步開展，還是選擇試點領域開展都可以，但是必須聚焦到實際業務痛點、業務崗位上去思考，而不是只做宏觀、中觀的思考，數據的價值最終一定會體現在微觀上。

“人”的數據能力培育

可以先在“人”身上下功夫，有很多中小企業由于資金問題，可能難以直接下決心在 IT 上進行投入，那可以首先在“人”的能力上通過內外部培訓的方式形成對數據利用的思路，如同上文介紹的案例，如果數據有用，那么，自學或者通過培訓的方式獲得低代碼工具、離線數據分析工具的使用能力，并不是十分困難的，其成本也是可以承受的，但是切記，不要泛泛地學，而是先要梳理下自己企業的業務痛點，有些痛點可以通過流程改進解決，有些痛點可以通過數據分析解決，有些痛點需要更復雜的技術才能解決，痛點不同，方案不同，泛泛地引入數據能力，就像家里突然來了一位“陌生人”，雙方都不自在，可以考慮先通過一些輕咨詢、微咨詢的方式做下問題診斷。

分清企業能力和個人能力

數據利用可以說有兩種主要模式，大數據和小數據模式。大數據高度依賴數據平臺，要么自建平臺，要么利用公有云、行業云服務，二者目前都是有一定成本的，企業需要量入為出，要基于自己的痛點需求、企業生態環境、競爭環境的變化綜合考量，不是只看投入產出；小數據依賴個人能力，電子表格、低代碼工具、流程自動化機器人（RPA）、Python 等工具，都可以在企業投入較小的情況下，通過個人學習獲得能力提升。筆者也注意到，不同工具在不同行業使用也不盡相同，比如，RPA 在金融行業用得更加廣泛，而且往往有企業級平臺，上升到了企業能力的范疇，但是低代碼在制造業用的較多，因為制造業普遍 IT 人員匱乏，二者使用效果都很理想。企業可以在初期的小數據模式中得到充分收益的情況下，有計劃開展或自建或上云的數據平臺能力建設

企業遲早要進行數據治理工作

有了低代碼工具，數據采集、使用方便了，但也會帶來問題，比如隨著低代碼工具增多，不同開發者做的應用中，數據定義是否一致，是否能共享成果等等，工具的便捷會推動數據適用范圍的提升，但是也會是數據定義的一致性問題更加突出，企業遲早會面對數據治理問題，近期，一家國內大型機械制造業企業的董事長帶頭兒學習數據治理體系，凸顯數據質量和治理的重要，畢竟，數據領域的鐵律就是“垃圾進、垃圾出”，沒有好數據，就沒有好應用。

企業最終會走向整體轉型

如果數據能夠給企業提供十足的價值，企業自然會需要更多數據能力，與此相關的軟件也會越來越多。除了數據價值之外，新的客戶體驗、新的業務工作方式，也會帶動軟件的增加，在不同規模的企業中，這是一個伴隨著行業軟件獲取成本持續下降而逐步發展的過程，不會太快，但也未必很慢，尤其是在“東數西算”這樣的大型國家基礎設施建設逐步成型之后，國家當前的政策還是保持要在新基建上適度超前投資。所以，隨著數據治理重要性的提升，軟件治理的重要性也是要同步上升的，不然，軟件多了也會混亂，一些低代碼開發的先行企業已經感受到由于缺乏開發體系、軟件版本管理能力帶來的不便。

企業管理能力的轉變

通過上文的介紹，我們可以感受到，數字化正在推動企業進行持久而深入的變化，從頂層設計到底層執行，越來越多的軟件承載著數據能力、服務能力滲透到企業的各個業務環節，這也要求企業的管理進行模式的轉型。

目前的管理類課程都很少有真正培養管理者如何同時解讀自己傳統業務和 IT 行業的能力，很少提供有效的工具，幫助管理者進行管理層面業務和技術的深度融合。由于軟件的滲透，企業已經不能再僅僅從需求的角度考慮軟件建設，要從過去怎么在企業里做軟件，這種企業軟件的思考模式，逐漸轉變為如何讓企業整體像一個軟件了，打通數字神經，讓業務更流暢、讓數據更有用，我們對數字能力的建設，要從“企業軟件”轉向“軟件企業”了。為此，低代碼等便捷工具，已經開始推動“開發左移”的發展，也就是低強度開發工作向業務側轉移，這也會帶動“數據左移”，數據定義、建模、分析工作都會更多向業務側傾斜。因此，企業管理者的能力需要轉變。

高層管理者需要一定的架構思維，這不是要求高層管理者具備解決方案架構師那種專業設計能力，而是對企業架構有一定了解，知道整體推動業務技術深度融合的路徑是什么，畢竟企業的很多 IT 建設是高層管理者決策的，缺少架構思維會在決策時帶來很多不便；中層管理者也需要有架構思維尤其是業務架構設計能力，畢竟中層管理者是企業承上啟下的關鍵，是天然的“解決方案架構師”，無論企業中是否有 IT 隊伍，中層管理者對本企業的業務架構都具有事實上的控制力，是數字化轉型的中堅力量，數字工廠建設中的一些問題其實就是在解決流程的重新對接和標準化問題，這其中需要很貼近業務實際的流程和數據設計，而這些也正是業務架構的工作內容，架構不是僅在上層搞設計的方法論，需要企業很好地去靈活掌握這一工具的使用。

數字化的發展必然是深遠和持久的，在這一過程中，企業“必須堅持問題導向”，也“必須堅持系統觀念”，靈活掌握能夠將戰略、業務和技術融合在一起的思維、行為工具，企業架構是可選工具之一，通過靈活運用工具，實現從“企業軟件”到“軟件企業”的應用模式的轉變，真正獲得自己最需要的數字化效能。