数字化转型的提升机制研究论文

数字化本质上是一场认知与思维革命，是一场脱胎换骨的系统变革与能力升级。数字化转型升级需要生态化的战略思维、客户化的组织与流程、赋能式领导方式，涉及企业的战略、组织、人才机制的系统变革与创新。数字化转型改变了组织的运营方式，是系统、流程、工作流和文化等过程的一部分，这种转变会影响组织的每个级别，并将跨领域的数据汇集在一起，以便更有效地协同工作。空间数据平台SDP,面对多种消费场景时，都有对应的最佳方案来解决,具体如下1.通过 AIoT 设备帮助传统陈列设备快速实现智能化，增强人机交互。通过智能设备提升顾客的数字化购买体验，并且能够采集顾客购买旅程中的数据，为顾客推送正确的营销信息，推动显著的购买转化率。2.以顾客为中心，以行为轨迹串联场景转换，连接营造要素，以业绩转化为闭环的「门店数字化升级解决方案」，最大化全店客流和客单。3.商品数据分析反哺选品、补货策略，优化商品动销率。通过打通线上线下商品和库存数据，对商品销售情况进行分析，优化选品，提升商品动销率。另外，在门店补货场景中，以数据积累为基础，通过建设适用于零售行业的算法模型实现销量预测，可降低门店缺货率，减少库存周转天数，并带动门店销售业绩的增长。

文 | 董小英 编辑 | 张齐齐

来源 | 数字产业创新研究中心

随着大数据、人工智能、区块链等技术的发展，企业数字化转型浪潮愈演愈烈。近年来，国家提出数字强国战略，把数字经济作为中国增长的新动能。企业应该如何做好自身的“数字化能力培养”，在这场无硝烟的竞争中取得胜利。

在百望云联合数字产业创新研究中心、锦囊专家共同举办的《弹性跨越 数创未来 2020中国企业数字化转型论坛》活动中，北京大学光华管理学院教授、数字产业创新研究中心主席董小英老师进行《跨越能力陷阱——企业数字化转型的机制创新》的演讲，为大家答疑解惑。

以下是演讲实录

一、企业数字化转型的背景

企业数字化转型的背景如何理解、设立怎样的目标、需具备哪种能力、转型要素有哪些。在转型发展过程中，从人类大的发展格局来看，每次文明的迁移都是由技术驱动。英国纺织技术使农业文明走向工业文明，美国信息技术使工业文明走向信息文明。而现在，随着中美德数字技术的发展，信息文明正在走向绿色文明。可以说，当今世界经济转型的关键节点就是新一代的数字技术。

泰安作为山东省的智能制造重镇，虽然城市不大，但在智能制造方面投入很大。他们专门成立由六名院士组成的专家委员会，来推动智能制造发展。将来整个制造体系，即供应链以及使用的能源一定得是绿色，而绿色供应链就是靠数字化来实现。所以，将来如果线上能力不足，会在发展中遇到非常大的困难。

近10年来，随着信息技术的发展，智能手机的出现和在线交易能力的提升为我们的衣食住行提供了巨大的便捷。从全球发展来看，移动互联网铸就美国巨大的四到五个在线企业板块。以往，中国对技术发展的认知比较延迟，但现在，中国年轻创业者的反应速度非常快。中国和美国的平台性企业，现已经涨到全世界的90%，欧洲只占到4%。将来，基于平台的竞争会在各个行业领域无处不在。特别是工业互联网，工业制造业的在线化、平台化、数据化以及智能化的体系孕育着数万亿美元的巨大的市场的规模，是全球竞争的制高点。例如美国对中国华为5G的针对和禁止，体现了 科技 竞争的惨烈，大家争先恐后在竞争中占据领导地位。

数字经济最核心的两个方面：平台和数据。作为财务人员，不在竞争战略的一线，感受不到数字化转型投入给企业带来怎样的价值，财务人员做数字化负责人时，才会推进有力。当然，有时财务人员对数字化价值理解不到位。因为数字化的投入，需要3到5年才产生带动效应，不能为企业快速的带来现金流，所以财务总监在数字化投入上可能持反对意见。实际上，如果企业没有这样的能力构建，整个企业的速度就会慢下来。

平台企业最重要的一个功能就是基础设施。比如我们无法想象离开手机的生活。对于一些年轻人来说，出行时宁愿做高铁也不坐飞机，脱离不了WIFI的环境。另外，手机的功能越来越多元，越来越多的功能都集成在手机上。平台企业的边界拓展能力非常强。比如滴滴出行，我们即可以说它是 科技 行业也可以说是出租行业，但本质业务还是交通出行。滴滴服务占到中国市场的97%。作为出租公司，如果没有平台，业务不可能做到如此广泛。同时，边界甚至可以跨境。比如蚂蚁金服计划上市，当掌握了海量的客户资源的时候，跨界变得比传统行业要容易，并且这样的企业保持一种高度的开放性。企业打造巨大的生态组合，生存能力与竞争力都会大大提高。

近年来，数据的量增长迅猛。根据联合国贸发组织的统计，我们看到中国的年均数据在逐渐增加，占比达到41.9%，超过世界其他国家。中国的数字经济已经开始提速，而且市场容量很大，数据密度很大，对未来人工智能的发展打下坚实基础。例如，阿里巴巴已经成为最大的数据平台，在后疫情期间也开始像世界其他地方拓展，和亚马逊形成直接竞争关系。

讲到中国经济发展的要素，资本、人才、土地和技术都是关键性要素，这么多年，国家第一次从战略角度提出数据是生产要素。中国过去30年的发展靠自然资源驱动，但这些资源逐渐枯竭。最近提出生产要素是关键性的，要将其市场化。数据资源从不同的视角去开发，隐藏的价值都可能被挖掘出来。这意味着数据资源的价值取值不尽、用之不竭。数据就像阳光，具有普惠性。但是，做数据挖掘处理和数据分析的人才匮乏。根据CDO调研结果发现，某些领导对数据部门要求很高，但投入不够，说明了上层领导缺乏数据的战略价值意识。

建立平台以后，将所有交易沉淀在平台上，通过数据的采集、清洗和整合，形成数据看板，将数据可视化，形成多元数据看板。企业根据这些数据改善管理。通过数据驱动产品创新，降低成本，提高效率，实现数据洞察，发现新商业价值。企业实现数据驱动业务和数据驱动管理，实现数据的增值。这个时候中国的整体经济开始转向数字经济。当然，实现成熟的数字经济，我们还有漫长的路要走。

企业数字化转型面临着内外两方面压力。现如今，客户要求越来也高。比如，用户对下载速度的要求很高，速度要快、广告信息投放要精准，和用户需求匹配。基于客户需求，供给端即企业就要进行良好的交互。在人工交互或者机器人等智能交互后，想要提高速度，就需要进行整合，建立数据和信息系统连接的数字神经网络，消除信息孤岛。

那么，信息化与数字化有什么不同？信息化是局部流程、局部环节和局部资源。以财务工作举例来说，当采购或销售出现违规行为，工作人员只能做事后管理。ERP系统出现后，可以控制超预算行为不发生，变成事前管理。但今天，只是财务流程数字化还不够。企业要做到设备的数字化、生产过程的数字化、客户服务交付的数字化和物流的数字化。所以，数字化在速度、广度、深度、精度、强度和细节六个维度都是在信息化基础上进行非常大的拓展。

二、企业数字化转型的目标

生存和发展是数字化转型最底层的目标，企业数字化的本质还是要解决企业管理中的痛点。例如财务数据的核算要快速且精准，就是把数据整合的速度加快。例如业绩部门年终发奖金时，基于数据来给出业绩的驱动指标。所以，数字化可以带来怎样的生态？基于长期的企业数字化研究积累，总结出企业数字化转型的“六不”目标：

1、产品服务不淘汰。很多产品没有智能化能力，很可能就会被淘汰。

2、管理决策不犯错。以前企业决策依靠人的经验，现在依靠机器识别，精细化程度明显增高。

3、价值运营不掉链。在供应链整个体系中，有很多的问题和梗阻，价值链和供应链的数字化，要打通这些梗阻，快速的做到上下游的无人交易，基于全机器流程，结果真实及可信。

4、客户服务不落伍。即线上服务，客户体验至上。

5、商业模式不翻车。现在的数字原生企业就是商业模式创新的典型代表。所以商业模式要重点考虑如何实现在这种这种颠覆式的变革中不翻车，锁住客户和争夺市场。

6、生态伙伴不掉队。在生态中，我们的合作伙伴都是并行的，如果你不在线上，别人在线上跑得很快，你可能就要掉队了。

经调研，企业的信息化和数字化过程中，最受益的就是报销问题。以前报销流程繁杂，没有数字化的过程支撑，给财务人员带去很大的麻烦。经报销过程简化后，大大提升整个企业的效率。IT行业互联网行业称作数字原生企业，因为在客户、员工上网等都会产生数字轨迹，而传统企业没有数字轨迹的支撑。所以，数字化转型对于传统行业来说挑战更大。传统行业数字化转型，既要把传统的事做好，还要像互联网企业一样，管理好所有的资产，即先把所有的资产数字化，包括财务资产的数字化。对于互联网企业，本身就有数字孪生。它依靠大量的消费者，描绘出用户画像，画像越多越细致，推广就越精准。在这个过程中，会积累大量的数字资产。比如阿里数据中台，上联服务市场拓展，下联基础数据是极其关键的战略资产。它的数据分析能力非常强，数据汇集量越多，平台价值越大，获取数据的便捷性越高。如果传统企业不做转型，慢慢就会被数字化企业淘汰。

对传统企业来说，要做数字化转型需解决四个问题：

1、速度：决策的速度，供应链的编排。转型速度方面的关键问题是思维认知的问题，企业的高层领导要组织变革。

2、范围：对象与过程，边界和生态。过去传统企业的内核都不是靠数字化来做，这些过程要数字化，就需时间和精力的花费。

3、规模：弹性与伸缩，模块与复制。将平台的技术能力复制到所有的分子公司甚至客户，打造一个数字化生态，用数据创造价值。数据管理第一次做起来很难，但是复制利用的成本几乎可以忽略不计。

4、价值：商业模式，价值分配。其一，通过数字化转型，新旧数据随时调取，各种指标精准测量，实现数据资源的重用。其二，资产可以复制，数据可以输出。通过控制平台架构，进行商业售卖来收取一定的费用，降本增效。数据的价值链给企业带来创造价值。其三，能力的建设中最难的数据管理，以前财务部的纸面数字变为数字化表示。

三、企业数字化转型的能力

数字管理价值链由六个环节构成：数据采集、数据标准、数据质量、数据整合、数据分析、数据文化、数据价值、数据资产和数据采集。

对于数据采集，以前都是靠人工录入，容易出错且容易作假。所以，数据采集的关键是人工介入越少，数据越真实可靠。将来整个供应链的交易都会靠机器自动进行数据采集，确保数据的真实性、可靠性和高效，形成清洁、完整与一致的数据湖。

对于数据质量，包括五个方面。第一，数据真实，尤其对财务人员来说，不要做假账。第二，数据可得。第三，数据具有可解释力。数据量大，却不具备数据分析，则数据没有价值。第四，数据可靠。数据要展示企业的真实运行情况。第五，数据共享安全治理。企业应考虑数据政策、数据整合和数据分享。确保数据不被一个部门垄断，避免产生数据治理问题。

数据质量的管理框架也尤为重要。企业要对质量进行策划、控制质量、改进质量、测验质量。在这个过程中，要发展源数据和主数据，企业部门要分工明确，职责必须标准化。

另外，就是资产数据化。要把表单整个流程全部数字化，这件事要花费时间去做。特别对于传统企业来说，数字化就是一场马拉松。因为要把整个过程和资源一步步数字化，是一个持续投入过程，但也是企业数字化最重要的力量积蓄。买好设备、加人工智能、语音识别等都不是真正的数字化。数字化就是整个业务的底层，数字化转型过程中，先进行资产数据化，资产数字化以后作为管理运营工具，后边才能实现数据增值。

企业业务部门和IT部门要做到数据共享，确保业务部门可以及时得到想要的数据和信息。比如华为，新员工刚上任，也可以立刻获得客户的背景甚至喜好。比如设备的维修 历史 ，潜在问题等数据可以清晰呈现，帮助人员精准维修。

对于财务人员来说，数字化转型既是机遇也是挑战，大家要高度重视转型压力。在全要素、全过程、全链条和全领域的财务数据集成过程中，财务的视角会更大，获取数据更多。以财务为核心和整个业务环节对接的整合过程，即数字孪生，将来企业所有方面都会和财务发生关联。现在农业、建筑业、传统制造业等很多企业都提出个性化和数字化。在将来行业的发展中，所有岗位都需要数字化技能，所以大家要高度重视，如果不做自我转型，数字技能没能掌握，工作中就会产生问题，就会被行业淘汰。

四、企业数字化转型要素

这次疫情大大提速了全球企业的数字化转型，但困难也随之而来。在数字化转型过程中，每个企业的能力是不同的。对于有些企业，只依靠单一的逻辑思维和知识体系来运行发展，沉浸在舒适区内，陷入能力陷阱。当企业想要有所变革，就需要找到自身的能力缺口，即增加新理念，新技术，寻找新的发展空间。实现新技术和材料之间的融合，就打破了能力距离。财务人员不一定去做销售数字化的工作或研发，只需把财务的能力和数字化深度结合，经基于底层财务的管理体系数字化以后，加速企业转型。所以，对财务人员来说，强项还是才能，加之数字化的手段，消除能力距离也不是很难实现。

在数字化转型的新能力构建中，中小型企业缺人才和知识。数字化过程是变革和创新的过程。企业也有很多担心，比如数据隐私问题。对创新型企业来说，主要是行为约束。经调研，在词频统计中，我们发现，企业数字化转型最大的问题就是缺少数据方面的人才。数据、思维和业务都需要我们在数字化过程中克服。

最后，在数字化转型过程中，大家要具备企业家和二次创业精神，目标明确，持之以恒，坚定的向前走。数字化转型的趋势不可更改。以上就是今天和大家分享的内容，也祝大家的企业数字化转型行得通！谢谢大家。

数字化转型关键是针对一些传统的线下企业来讲的，尤其是一些中小弄的传统商户，它们以前只做线下经营，开店，引客，送客，销售结束。是属于特别被动的一种模式。

但这种模式随着科技进步、时代的发展，会渐渐被竞争对手给淘汰的。

数字化转型是他们急需面临的事情。

简单讲，就是把之前传统的公司搬到线上去做。

未来，经营的模式不再局限于线下，而是进行线下线上的融合运营，这种融合运营的经营模式，可以粗暴理解为——数字化的结营，也就是所谓的数字化转型。

只是，对于中小型的商家来说，他们不懂数字化，也没有相关的人才，那么，想实现数字化的转型升级，要怎么做？

最简单直接的方式就是可以直接选用数字工具，利用别人的智慧数字经营系统，快速完成自己的转型，如网付、微火，等等，这些都是有着比较成熟的智慧数字工具，利用这些工具，快速建立自己的线上店铺，早日开启自己的数字化转型之路，走在同行的前列！

数字化转型是什么

数字化转型是以数字化为基础，使用商业智能BI等数字化相关技术为企业进行改革，创建一种新的、或者对已有的商业模式进行重塑，以此来满足时代发展下不断变化的市场格局和用户要求。

数据可视化-派可数据商业智能BI

与以往不同，数字化转型是一种“颠覆性”的改革，是通过数字化思想、数字化技术、数字化管理、商业智能BI等，对企业整体的商业模式进行重新定义，是一种从底层改变企业生产、销售、财务、行政等方方面面的系统级工程。

数字化转型核心是数据

在数字化技术普及应用之后，社会的总体数据量就开始飞速增长，迅速成长为构建现代社会的核心元素。

企业当然也不例外，而且因为业务交流频繁，数据在企业中拥有更高的地位。在数字化转型进行前，企业就因为数字化一直在和数据打交道，存储交换数据，将数据转化为信息，利用商业智能BI获取数据价值。

数据在企业的数字化转型过程中，通过商业智能BI既能提供数字化服务，帮助企业实现精准营销，也能升级改造数字化生产，实现降本增效，更可以应用数字化管理，辅助高层管理人员进行决策。

数字化转型目标是商业创新

经过数字化转型中商业智能BI的数字化支持，企业可以通过用户画像、市场调研、精细化管理、数据分析及需求反馈等数字化手段紧贴客户，挖掘他们内心真正需要而自身并未察觉的需求，从根本上为客户创造价值。

用户需求-派可数据商业智能BI

相比传统意义上的创新，这种商业创新具有很高的门槛，一是要求企业部署业务信息系统、商业智能BI等服务，建立完善信息化发展；二来企业要有组织能力，动员全体员工共同推进数字化转型；三是企业要有长期作战的决心，从宏观上做整体规划，从微观上不断调整和落地。

谈到数字化转型，我们首先要清楚的认识数字化转型能为企业或业务条线带来什么？并且能够上下一心达成共识。如有必要，甚至从文化上也要同步调整。 业界比较认可的看法是通过用新技术、新架构、新方法对传统业务进行解构与重塑，从而达到降本增效、提升体验，挖掘现有业务价值的效果，甚至带来颠覆性的业务创新和管理理念。 所以转型是真正目的，数字化仅是一种手段，我们所有的出发点都要围绕创造业务价值、解决业务痛点出发，所以在符合企业或业务条线当前阶段的背景下，如何规划数字化转型的实施路径可谓是重点之一。 当今提出较多的是数字化转型三阶段理论，概括来讲，就是从线下到线上，从信息化迈向数字化，从数字化提升到智能化，这个过程基本上在业界达成了共识，而一些成功的案例，比如大部分电商企业的发展史，还比如一些知名高端制造业的企业，几乎无一例外沿着这个轨迹发展。但过程中势必存在不同的用户群体，他们具备不同的视角，那么他们对各阶段的诉求重心也会存在差异，但每个阶段都是下一个阶段的基础，很难跳跃两个阶段，直接进入下一个阶段，或者完全反向发展，这可以说是数字化转型三阶段的根本。 所以说不同的企业或业务条线所处的阶段不同，那么就要根据自身的情况，对侧重点有所倾斜，而不是与大多数企业或业务条线的工作保持一致。发力的时机不对，那自然就无法达到预计的效果了。 那么我们首先来看第一阶段的线上化，他能给我们带来什么？我们又该如何去做呢？ 从开展业务角度来看，线上化可以将制度、流程在系统上以标准化的方式呈现，如何按业务场景将各功能模块各业务分支串联起来，同时提供自动化的监控和规则判断，提高业务开展的效率，帮助流程上不同的用户协同办公，加强过程监控和合规化管理。统一业务条线的管理风格和制度流程，为各业务主管赋能。 从采集数据的角度来看，线上化丰富和完善了数据采集的方式和维度，标准线上流程的单一来源保障了数据唯一性，通过流程的限定和数据标准的约束，保障了数据的准确性，同时又能对所有节点的数据进行留痕和存储，无论是静态的客观数据，还是大量的用户行为数据以及管控数据。另外，还能建立各数据源接入的接口，为接入大量外部数据源做好准备。以上这些都将是开展数据分析挖掘，以数据驱动业务的重要基础。 从接入渠道的角度来看，线上化拓宽了业务开展渠道，从原来的中后台客户端、前台展现网页端的分离，到前中后一体化，统一在网页端上操作，再到大量的移动场景和应用，为用户提供了更为宽广和便捷的接入途径。既方便了用户使用、提升了满意度，也提高了系统的使用频度，从而采集到了更多的数据，也提高了数据更新的时效性。 而想合理地达成以上目标，线上化至少需要做到以下四点：业务流程化、数据标准化、权责明确化、操作高效化。 业务流程化，通俗来讲，就是要完成一个工作，一共分几步，每步有什么输入和产出，产生什么结果，最后如何响应形成业务闭环等等。其中每个环节都要设计通知机制，串联起整个流程。另外，除了常规流程外也要考虑到各种特殊情况的处理，给予管理上一定的弹性。 数据标准化，在线上化的伊始，就应该将数据标准作为设计的指导标准，从而为将来的数据分析打下良好基础。简单来说大致可以分为定义标准术语、统一数据类型、定义码值（枚举值），尤其是消除码值的二义性，制定关键数据的编码规则，校验规则，建立主外键和实体间的关联关系、设计主数据，融入企业数据标准的整体规划等等。 权责明确化，无论是从功能还是权限上，都应该做到最小授权原则，岗变权变，除了对数据安全的保障外，也能对业务开展带来方便，职责内的用户做该做的事，不用担心避嫌。而说到数据安全，近几年全社会已经愈发重视，远到国外facebook、雅虎个人信息泄密带来的不良影响，近到我国多家科技公司由于数据安全隐患问题关停。而很多传统企业前几年为了快速开展系统建设和信息化的进程，这块也是相当薄弱和疏于管理。而数据安全中灵活多变的权限管理可谓重点之一，而这块也是线上化的重要组成部分。 操作高效化，可以分成几块来看，一是如何通过业务流程的重构，将原先冗长的工作开展简化，减少中间节点。甚至对哪些工作线上开展，哪些工作回到线下也是可以根据实际情况调整，而非一概而论。二是借助一些规则，对一些工作节点通过系统自动化处理来提高效率和准确度。三是如何借助一些智能化的设备来替代人工操作。这些都是提效的可行方案。 通过对线上化的层层剖析，我们也发现线上化、数据化、智能化三个阶段并非完全独立，也不是说完成了某个阶段就再也不需要去迭代和优化了。他们除了是后者的基础外，之间也存在了指导、支撑和执行的关系。 比如上文中提到的数据标准化，就是数据治理体系的重要部分，可以说他是贯穿了整个数字化转型的工作，是各阶段的基础工作。 而通过线上化带来的操作高效化，也将进一步释放业务条线的操作型工作量和精力，能将条线员工更多的精力放在业务分析和数据挖掘上，不断丰富业务条线的数据维度，而数据分析的不断深入，通过数据发掘问题，也能进一步反过来对线上化进行迭代优化。通过数据驱动，来进一步优化我行的管理制度，提升用户体验。 那么要实现三阶段间的互相帮衬和快速迭代，显然平台的配置能力（灵活性）和扩展水平将是基础中的基础，没有这个基础，三阶段间的指导、支撑和执行将很难闭环，无法循环迭代。没有这个基础，无法支撑灵活多变的业务场景，提高应对未来不确定性、快速响应各类变革需求的能力。而这也是在线上化建设阶段要解决的重点问题之一。 我们可以再来回顾下下图，对于数字化转型的目的、三阶段的关系以及始终贯穿三阶段的工作开展是否就更为清晰了呢。如果需要的话，我们还可以对数据化、智能化两个阶段同样进行深度的剖析，从而对他们所能带来的价值以及实施前提具有更深入的认识。 我们再来看看某业务系统，经过若干年的不断迭代和优化，确实具备了一定的线上化和数据化程度，但受限于当年的技术框架以及管理理念。从当前的业务现状和需求看，要快速跟上业务变化，满足业务需求，达到降本增效、提升体验，挖掘业务价值的目标越来越难。 我们通过上文中的剖析来对现有系统做个比较，发现现有系统确实存在了不少问题，比如通知机制、规则监控的缺失导致的协同办公能力较弱，比如流程节点设计问题，以及技术框架的约束，导致数据采集维度缺失和不同步问题，比如渠道单薄带来的易用性问题。比如数据标准不完善带来的数据质量问题，比如权限管理的粗放带来的权限放大和数据安全问题，比如规则引擎、智能化设备欠缺导致的操作型事务依然无法完全释放和低效问题。最后，不够先进的技术框架在配置能力和扩展水平以及系统性能上已经落后，无法支撑未来的快速迭代和扩展，很多业务在无法流程化的搬到线上，只能通过线下开展业务线上台账补录的方式，也是数据质量下降的因素之一。同时目前这套技术框架，也不符合软件国产化、开源及去IOE的大方向。 综上，人力系统目前虽然具备一定的线上化和数据化程度，但显然线上化的基础还没有打好，人力条线无论是从业务和技术上看都还处在线上化的阶段，那将数字化转型的地基“线上化”作为人力条线现阶段的重点工作则更为合适，投入产出比也将更大。当然在这个阶段，适当的开展一些数据化工作，进行一些数据探索，来指导线上化工作的开展也是大有裨益的。 最后，大家要意识到，数字化转型其实并非一条康庄大道，所以我们既要有自己的目标和规划，同时也要看到风险并考虑如何规避，最后，我们来看一个不怎么成功的案例来给大家一点提示和启发。 某非银行抵押贷款提供商，前几年大力开展数字化转型，尤其是人工智能项目。但公司投入了大量成本和时间，最后却并未带来任何正向的收益。经过公司管理层和咨询公司的深入剖析，发现数据问题是人工智能项目达不到预期目标的主要原因。根据麦肯锡公司去年秋天发布的一份调查报告，限制人工智能技术应用的两大挑战与数据有关。 许多公司很难获得全面及标准的数据来训练他们的机器学习算法。如果数据没有通过线上流程采集，并通过系统约束标准化、结构化，工作人员就必须花费大量时间进行数据清洗，这可能反而会延迟项目或导致项目失败。可以说用不完善的数据形成的数据分析不会给决策带来帮助，反而会带来误导。而如何采集和标准化、结构化数据也正是线上化阶段的重点。 其他导致项目失败的还有诸如数据集成问题、未处理的非结构化数据等则体现的就是数据化阶段需要解决的问题了。 从这个例子我们也可以看到，在数字化转型的持久战中，如果步子迈太大或者跟随市场热度跳跃式发展，非但无法达到预期效果，还有可能给企业带来损失。 数字化转型，为我们的企业发展带来了更宽广的想象空间和指导方针，但同时也是荆棘丛生，充满了艰难险阻和未知风险，可谓任重而道远。