近些年來，數(shù)字技術(shù)正以驚人的速度改變我們的工作和生活方式，疫情的到來更是加速了這一進(jìn)程，倒逼中國企業(yè)紛紛擁抱數(shù)字化，將數(shù)字化轉(zhuǎn)型上升為必須落地的戰(zhàn)略之一。
但這其中絕大部分企業(yè)，都對于如何打造數(shù)字時代組織能力缺乏必要的認(rèn)知，總是陷入混亂和迷茫，怎么辦？
本文作者提供的“數(shù)字化之法”為大家提供一個清晰的數(shù)字化轉(zhuǎn)型路徑。以下，Enjoy：
數(shù)字化之法，即“1024”之法：
“1”是一個共同的目標(biāo)，是企業(yè)數(shù)字化轉(zhuǎn)型過程中的目標(biāo)管理方法—OKR（Object and Key Result）；
“0”是“精益”企業(yè)數(shù)字化轉(zhuǎn)型，即轉(zhuǎn)型過程中的零浪費；
“2”是企業(yè)數(shù)字化轉(zhuǎn)型的日常工作常用到的兩種方法論——持續(xù)迭代交付和創(chuàng)新設(shè)計思維；
“4”是企業(yè)數(shù)字化轉(zhuǎn)型工作的“四步曲”——業(yè)務(wù)處理流程化，流程管理數(shù)字化，流程執(zhí)行自動化和業(yè)務(wù)決策智能化。
一、共同目標(biāo)
企業(yè)的數(shù)字化轉(zhuǎn)型是個長期過程，期間還可能有很多反復(fù)。這個過程要想有效推進(jìn)，既要在企業(yè)內(nèi)建立廣泛的共識，也要平衡好中長期戰(zhàn)略目標(biāo)和短期經(jīng)營效果，OKR 是比較符合上述要求的目標(biāo)管理方法。
OKR，即目標(biāo)和關(guān)鍵結(jié)果管理，是目標(biāo)管理（Management By Objective，MBO）的改進(jìn)版。
與傳統(tǒng)的目標(biāo)管理相比，OKR 有以下幾個特點：
1. 愿景和目標(biāo)導(dǎo)向
OKR 中的“O”指的是企業(yè)的經(jīng)營目標(biāo)，“O”必須是一個方向性、全局性的經(jīng)營目標(biāo)設(shè)定，要能對業(yè)務(wù)價值進(jìn)行精準(zhǔn)、簡單、易懂的目標(biāo)化描述。
2. 符合 SMART 原則
目標(biāo)要能可管理，就要符合 SMART（特定（Specific）、可衡量（Measurable）、可達(dá)成（Attainable）、相關(guān)（Relevant）和明確完成時間（Time-bound））原則。OKR 在 SMART 方面的要求主要通過關(guān)鍵結(jié)果（KR）的設(shè)定來體現(xiàn)。
3. 共識性原則
OKR 必須是團(tuán)隊全體成員共同討論而確定的。這里的全體成員包括客戶、管理者和一線員工。
4. 目標(biāo)對齊
OKR 還必須具有層次和邏輯上的相互關(guān)聯(lián)和支撐。員工個人的 OKR 是從團(tuán)隊整體的 OKR 中衍生出來的，團(tuán)隊所有成員的 OKR 總體形成具有嚴(yán)密邏輯關(guān)系的 OKR 地圖。
OKR 的推行還必須符合持續(xù)迭代的原則，每一次 OKR 的推行是一個經(jīng)營周期，這個周期一般以月度或季度為單位。在每一個 OKR 周期中，包括創(chuàng)建、精煉、對齊、定稿、發(fā)布、執(zhí)行、復(fù)盤 7 個環(huán)節(jié)。
二、精益轉(zhuǎn)型
所謂精益轉(zhuǎn)型，就是精益思想在企業(yè)數(shù)字化轉(zhuǎn)型中的應(yīng)用。
在企業(yè)的精益化轉(zhuǎn)型過程中，需要關(guān)注和落實好以下幾個方面的要求：
1. 團(tuán)隊合作
打造團(tuán)隊精神，提升管理者的個人領(lǐng)導(dǎo)力，為團(tuán)隊建立一個共同的愿景和目標(biāo)，促進(jìn)學(xué)習(xí)、分享和主人翁意識，消除團(tuán)隊認(rèn)知中的模糊地帶，提高團(tuán)隊的協(xié)作質(zhì)量。
2. 數(shù)據(jù)驅(qū)動
一切以數(shù)據(jù)說話，數(shù)據(jù)是設(shè)計客戶互動活動和指導(dǎo)業(yè)務(wù)決策的基礎(chǔ)。企業(yè)的數(shù)字化過程要注重數(shù)據(jù)收集、分析、學(xué)習(xí)、計劃，實施和重新分析，并基于數(shù)據(jù)洞察為消費者創(chuàng)造最好的體驗。
3. 基于“最小可行性產(chǎn)品”來做快速迭代。
快速嘗試，將失敗提前到早期，在失敗中學(xué)習(xí)。
4. 快速交付更多的價值
通過多個快速交付周期和不斷學(xué)習(xí)，使用指標(biāo)管理來建立高績效團(tuán)隊?？焖僮屍髽I(yè)更具備競爭力，并有機會贏得比賽，還能激發(fā)創(chuàng)新思維。
5. 客戶至上
以客戶體驗為中心，了解目標(biāo)人群和客戶體驗旅程，識別對其有價值的東西并設(shè)法滿足其需求，始終如一地提供完整的用戶體驗。
三、企業(yè)數(shù)字化轉(zhuǎn)型
用到的兩種方法論
1. 持續(xù)迭代交付
假設(shè)人們?nèi)ヒ患揖频瓿燥?，點了 8 個菜。大體上，酒店有兩種上菜方法：
方法一，先在廚房分別把那 8 個菜全燒好，然后一行性端到飯桌上；
方法二，在廚房里挑一兩個燒起來比較快的菜，燒好后就端到飯桌，以后每燒好一個菜就馬上端到飯桌上。
從方法論的角度看，前一種上菜方法叫“瀑布法”，后一種上菜方法叫“敏捷法”。
采用“瀑布法”上菜，酒店的管理比較簡單，店小二也不用頻繁來往于大堂和廚房之間，但是吃客要等很長時間才能吃上菜。
采用“敏捷法”上菜，酒店方的工作量自然是加大了，但是吃客可以馬上吃上菜，酒店方還可以及時咨詢吃客對菜品的評價，以了解吃客的口味和偏好，供廚房在燒后續(xù)的菜時參考。
企業(yè)的數(shù)字化轉(zhuǎn)型工作需要的是“敏捷法”，即持續(xù)迭代式交付轉(zhuǎn)型成果。
在敏捷式數(shù)字化轉(zhuǎn)型中，企業(yè)把數(shù)字化轉(zhuǎn)型的愿景分成多個迭代周期的周期性小目標(biāo)。在每一個迭代周期內(nèi)，又分為現(xiàn)狀評估、需求分析、方案設(shè)計、開發(fā)測試和部署反饋等幾個階段。
在每一個迭代周期的初期，先回顧上一周期的效果和不足，再在本周期內(nèi)進(jìn)行進(jìn)一步完善。
2. 創(chuàng)新設(shè)計思維
企業(yè)轉(zhuǎn)型不是一個一蹴而就的過程，同樣，創(chuàng)新思維也不是簡單的“靈光乍現(xiàn)”或“第六感”。如果想將創(chuàng)新思維變成一種規(guī)?；?、群體性、可重復(fù)的工作，還需要有創(chuàng)新思維方法論的支持。
在快速變化的數(shù)字化時代，這個創(chuàng)新思維方法論應(yīng)該具備以下幾個原則：
以人為本，從消費者心理、動機或痛點出發(fā)；
支持跨組織、跨職能的團(tuán)隊協(xié)同；
快速迭代，盡早、盡快失敗，在失敗中獲得真知；
精益，通過最小可行性產(chǎn)品，以最小的代價獲得真知。
為此，很多教育、咨詢或服務(wù)機構(gòu)開發(fā)了各種創(chuàng)新思維方法論，比如 SAP 公司開發(fā)的創(chuàng)新思維方法論，該方法論由 3 個階段、9 個步驟組成。
三個階段，依次是：
“發(fā)現(xiàn)階段”，包含理解、觀察、共識 3 步驟；
“設(shè)計階段”，包含構(gòu)思、原型、驗證 3 個步驟；
“交付階段”，包含開發(fā)、測試、部署 3 個步驟。
3 個階段、9 個步驟可以來回重復(fù)進(jìn)行，如在驗證步驟中發(fā)現(xiàn)有錯誤或遺漏，將可能需要回到“發(fā)現(xiàn)階段”。
在上述方法論中，要求當(dāng)事人用同理心（Empathy）去理解和觀察消費者的行為，以從中識別出動機或痛點。
在“發(fā)現(xiàn)階段”，當(dāng)事人一定不能有成見或“夾帶私貨”，不能“師心自用”，有點類似于喬布斯倡導(dǎo)的“Stay Hungry，Stay Foolish”。
在“好為人師”的成功商業(yè)人士那里，這其實是很難的。
四、四步曲
企業(yè)數(shù)字化的目的是贏得更多的市場機會和提高運營效率，其四步曲是：
業(yè)務(wù)處理流程化
流程管理數(shù)字化
流程執(zhí)行自動化
業(yè)務(wù)決策智能化
把數(shù)據(jù)當(dāng)成企業(yè)的戰(zhàn)略性資產(chǎn)的指導(dǎo)思想貫穿業(yè)務(wù)的始終，同樣也遵循信息生命周期管理的規(guī)律，即從業(yè)務(wù)到數(shù)據(jù)，從數(shù)據(jù)到信息，從信息到知識，從知識到洞察，從洞察到?jīng)Q策，從決策到行動的數(shù)據(jù)管理 PDCA 循環(huán)。
數(shù)據(jù)的生命周期是企業(yè)行為的表征，企業(yè)從業(yè)務(wù)執(zhí)行中獲取數(shù)據(jù)，然后再轉(zhuǎn)化為信息、知識、洞察和決策，進(jìn)而指導(dǎo)企業(yè)經(jīng)營目標(biāo)的設(shè)定和達(dá)成計劃的制訂，并全程作為組織溝通和協(xié)調(diào)的主要形式。
數(shù)據(jù)全生命周期的實現(xiàn)和應(yīng)用水平如何，可以在一定程度上揭示企業(yè)信息化建設(shè)水平或成效的高低。
1. 數(shù)據(jù)
將業(yè)務(wù)執(zhí)行的情況予以數(shù)據(jù)化，以便于后續(xù)的處理和加工，這是數(shù)據(jù)生命周期的第一階段。人們通常用準(zhǔn)確性、完整性、及時性維度來評價業(yè)務(wù)數(shù)據(jù)化的程度。
準(zhǔn)確、完整、及時，這 6 個字，看似簡單，卻能憑其立刻判斷出企業(yè)信息化水平的高低。
有的企業(yè)，業(yè)務(wù)數(shù)據(jù)的采集主要由人工錄入來完成，其所能采集的數(shù)據(jù)量非常有限，采集的數(shù)據(jù)恐怕連業(yè)務(wù)的 1% 都不到，怎能反映業(yè)務(wù)運行的全貌？
有的企業(yè)，庫存收發(fā)數(shù)據(jù)的錄入要次日才能完成，其及時性怎能滿足計劃和調(diào)度的要求？
有的企業(yè)，財務(wù)月結(jié)和報表要次月底才能出具，談何支持企業(yè)決策？更不要說“garbage in，garbage out”之類有關(guān)數(shù)據(jù)準(zhǔn)確性的老生常談。
如此種種，都與業(yè)務(wù)數(shù)據(jù)的準(zhǔn)確性、完整性和及時性等數(shù)據(jù)質(zhì)量問題息息相關(guān)。
物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)等技術(shù)的成熟應(yīng)用，可以幫助企業(yè)大大提高數(shù)據(jù)在準(zhǔn)確性、完整性和及時性方面的質(zhì)量問題。
物聯(lián)網(wǎng)可以實時、自動地采集產(chǎn)品使用、設(shè)備運行、環(huán)境狀態(tài)、物料位置等數(shù)據(jù)，人工智能可以識別語音、圖形、影像等數(shù)據(jù)，網(wǎng)絡(luò)爬蟲、文本挖掘可以大大提高企業(yè)對非結(jié)構(gòu)化數(shù)據(jù)的采集和加工的效率。
即使有這些技術(shù)做支撐，業(yè)務(wù)的數(shù)據(jù)化，以及數(shù)據(jù)的準(zhǔn)確、完整和及時是企業(yè)信息化建設(shè)中永遠(yuǎn)走不完的“長征”。
2. 信息
數(shù)據(jù)的信息化，就是在一定的時間和空間下，將數(shù)據(jù)與企業(yè)中的業(yè)務(wù)對象，比如客戶、渠道、產(chǎn)品、流程、組織、人員、設(shè)備等，進(jìn)行關(guān)聯(lián)，換句話說，特性背景下具有相關(guān)性內(nèi)涵的數(shù)據(jù)就是信息。
數(shù)據(jù) + 關(guān)系（Relationship/Relevance）= 信息
在數(shù)據(jù)轉(zhuǎn)化為信息的過程中，如何識別強相關(guān)性，如何排除數(shù)據(jù)中的“噪聲”，是非常重要的，否則信息的質(zhì)量就將大打折扣。
舉例來說，如果要評價一個企業(yè)的銷售業(yè)績，單看其銷量增長是不夠的，更要看其市場占有率的增長。
如果一家企業(yè)的當(dāng)月銷量比上個月增長了 10%，這似乎是不錯的，但如果全行業(yè)當(dāng)月銷量的平均增長在 15%，那其實這家企業(yè)的銷售業(yè)績是比較差的。
其背后的原因就是，相比銷量增長，市場占有率的增長與銷售業(yè)績的相關(guān)性更高。
由于采取相關(guān)性不強的信息，很有可能導(dǎo)致企業(yè)做出錯誤的推測和決策。
21 世紀(jì)初，美國的次債危機就是因為采用了相關(guān)性不強的信息來做金融決策所導(dǎo)致的后果。
為此，納特·西爾弗（Nate Silver）寫了一本專著《信號與噪聲》，來描述采取質(zhì)量或相關(guān)性低下的信息來做決策所導(dǎo)致的災(zāi)難，這就牽涉對數(shù)據(jù)的下一個生命周期階段—知識的理解和掌握，因為對信息的掌握還不足以支持企業(yè)的決策行為。
3. 知識
信息的知識化，即如何識別信息背后的范式或規(guī)律（Pattern），這種范式主要指的是事物之間的因果關(guān)系。
在實際工作中，筆者經(jīng)常被問起類似這樣的問題：如何對業(yè)務(wù)數(shù)據(jù)或報表進(jìn)行深入的分析？
就屬性而言，信息大概有兩類，一類是表示原因的，另一類是表示結(jié)果的。
信息的知識化，就是要將信息進(jìn)行分類，并進(jìn)而在“原因類”信息和“結(jié)果類”信息之間找到或建立因果的邏輯關(guān)系，這就需要用到兩種分析技術(shù)：
描述性分析（Descriptive Analytic）
診斷性分析（Diagnostic Analytic）
尤其是后者。
描述性分析內(nèi)容包括噪聲監(jiān)測、數(shù)據(jù)簇或樣式劃分、數(shù)據(jù)分布、均值和標(biāo)準(zhǔn)差分析等，這需要有大量的統(tǒng)計學(xué)知識做支撐。
診斷性分析則是描述性分析的進(jìn)一步深化，它探求的是事情是怎么發(fā)生的，為什么會這樣發(fā)生，亞里士多德的“四因說（形式因、質(zhì)料因、動力因、目的因）”可以援為理論指導(dǎo)，魚骨圖分析則可以作為一個工具支持。
描述性分析關(guān)注的是事物的 What、Who、When、Where 和 How Many/Much，診斷性分析則還進(jìn)一步關(guān)注事物的 Why 和 How。
由下圖可知，信息向知識的轉(zhuǎn)化，其實就是描述性分析進(jìn)而診斷性分析的應(yīng)用過程。非常可惜的是，很多企業(yè)對數(shù)據(jù)的應(yīng)用，至多到描述性分析階段后就沒有深入下去或深入不下去了，其信息化建設(shè)的成效也就可想而知了。
4. 洞察
如果說從數(shù)據(jù)到信息，從信息到知識，其關(guān)注的是過去，是企業(yè)中已經(jīng)發(fā)生的事情；而從知識到洞察，則是關(guān)注企業(yè)的未來，即企業(yè)即將可能發(fā)生的事情，或者說是對未來的預(yù)測和判斷，其主要應(yīng)用形式是：
預(yù)測性分析（Predictive Analytic）
規(guī)則性分析（Prescriptive Analytic）
預(yù)測性分析是根據(jù)過去的情形和趨勢來推測未來變化，其理論和技術(shù)支撐是統(tǒng)計性推理和線性回歸等統(tǒng)計學(xué)模型。
隨著機器學(xué)習(xí)和人工智能技術(shù)的發(fā)展，除了統(tǒng)計性推理模型外，決策樹（Decision Tree）、支持向量機（Support Vector Machine）、神經(jīng)網(wǎng)絡(luò)（Neurol Network）、隨機森林（Random Forest）等新興計算模型的應(yīng)用日益廣泛，并催生了預(yù)測性設(shè)備維護(hù)、預(yù)測性質(zhì)量控制、預(yù)測性安全管理等業(yè)務(wù)應(yīng)用場景。
規(guī)則性分析則是預(yù)測性分析的進(jìn)一步應(yīng)用。預(yù)測性分析還只是預(yù)測事物的未來變化，規(guī)則性分析則是告訴人們?nèi)绾斡绊懳磥淼淖兓?，即為了在未來某個時間可能達(dá)成某種期望的結(jié)果，當(dāng)前應(yīng)該怎么做？
由此可見，規(guī)則性分析還需要在預(yù)測性分析基礎(chǔ)上，加上運籌學(xué)模型等的支持。也只有有了規(guī)則性分析，洞察才可以轉(zhuǎn)化為決策和行動?？傮w上，規(guī)則性分析的輸出是關(guān)于業(yè)務(wù)的優(yōu)化性建議。
5. 決策
由洞察轉(zhuǎn)化為決策，就是根據(jù)預(yù)測性分析或規(guī)則性分析的結(jié)果，來支持企業(yè)經(jīng)營目標(biāo)的設(shè)定或特定活動的選擇，是一個由建議到選擇或目標(biāo)設(shè)定的過程。
由洞察到?jīng)Q策，或由建議到選擇或目標(biāo)，可以是純手動、半自動或全自動的過程，數(shù)據(jù)全生命周期的深化應(yīng)用就是希望能夠逐步提高由洞察到?jīng)Q策的決策質(zhì)量和自動化水平，這才是“智能 +”的核心內(nèi)涵。
根據(jù)涉及的范圍和時間的跨度不同，有不同類別和層次的決策。
一般而言，全局性的、時間跨度比較長的決策，還是需要在 IT 系統(tǒng)建議的基礎(chǔ)上進(jìn)行人為調(diào)整，以體現(xiàn)經(jīng)營者的判斷、意圖和權(quán)衡，這是一個半自動的過程；
而對于那些局部的、時間跨度縮短到周或天，乃至班次的決策，尤其是操作層面的決策，則可以考慮盡量實現(xiàn)自動化，直接從建議到計劃的制訂或計劃訂單的生成，比如預(yù)測性設(shè)備維護(hù)和預(yù)測性質(zhì)量控制等業(yè)務(wù)場景。
6. 行動
由決策轉(zhuǎn)為行動，就是根據(jù)目標(biāo)的設(shè)定來制訂企業(yè)的經(jīng)營計劃，它的輸入是經(jīng)營目標(biāo)，它的輸出則主要體現(xiàn)在 ERP、CRM 等 IT 系統(tǒng)中的主生產(chǎn)計劃、市場推廣計劃、定價策略，等等。
這里的行動，在 IT 系統(tǒng)里體現(xiàn)的是各種計劃（Plan）或計劃訂單（Plan Order），是一個由目標(biāo)（Goal）到計劃（Plan）的過程。
從數(shù)據(jù)到信息，從信息到知識，從知識到洞察，從洞察到?jīng)Q策，從決策到行動（計劃），由計劃（行動）到組織，由組織到執(zhí)行，數(shù)據(jù)的全生命周期完成了一個循環(huán)；接著再在業(yè)務(wù)的執(zhí)行過程中采集數(shù)據(jù)……數(shù)據(jù)的生命周期又進(jìn)入新的循環(huán)，企業(yè)的經(jīng)營在數(shù)據(jù)生命周期的循環(huán)中不斷優(yōu)化和提升。
如果，再進(jìn)一步，數(shù)據(jù)全生命周期管理的 PDCA 循環(huán)能實現(xiàn)完全自動化，或者只需少許的人工干預(yù)，企業(yè)數(shù)字化轉(zhuǎn)型的智能化階段就基本實現(xiàn)了。
關(guān)于作者：丁少華，杭州三之一智聯(lián)科技有限公司首席顧問，曾任吉利汽車集團(tuán) CIO，吉利企業(yè)大學(xué)信息工程學(xué)院院長，杭州吉利易云科技有限公司總經(jīng)理。浙江大學(xué)工商管理碩士，浙江大學(xué)管理學(xué)院 EDP 中心特約講師。
