关于数字孪生技术的研究论文

三要素是数据、模型、映射。“孪生”的概念最早起源于美国国家航空航天局的“阿波罗计划”；2003年前后，关于数字孪生（DigitalTwin）的设想首次出现于美国密歇根大学的产品全生命周期管理课程上；直到2010年，“DigitalTwin”一词在NASA的技术报告中被正式提出；2012年，美国国家航空航天局与美国空军联合发表了关于数字孪生的论文，重点应用于未来飞行器发展。近年来,随着多学科建模与仿真技术的飞速发展,数字孪生技术研究成为热点，得益于物联网、大数据、云计算、人工智能等新一代信息技术的发展，数字孪生在虚拟样机、数字孪生车间、数字孪生工业、数字孪生卫星、智慧能源、智慧工厂、交通、医疗健康等诸多领域得到成功运用。面向未来网络发展,伴随着云计算、大数据、人工智能等技术的不断发展以及信息的泛在化,数字孪生技术也将更广泛地运用于人体活动监控与管理、家居生活和科学研究等领域,使得整个社会走向虚拟与现实结合的“数字孪生”世界。

当下，企业正以多种方式使用数字孪生体技术。在汽车和飞机制造领域，数字孪生体技术逐渐成为优化整个产品制造价值链和创新产品的重要工具；在能源领域，油田服务运营商通过获得和分析大量井内数据，建立数字孪生模型，实时指导钻井和油气运输作业；在医疗保健领域，心血管研究人员正在为临床诊断、教育、培训，创造高仿真的人类心脏的数字孪生体；作为智慧城市管理的典型案例，新加坡使用详细的虚拟城市模型，用于城市规划、维护和灾害应急预警等项目。自从数字孪生概念提出以来，数字孪生体技术在不断快速演化，无论是对产品的设计、制造还是服务质量，都产生了巨大的推动作用。数字孪生体技术的普及应用将极大地推动企业在数字化、网络化两个层级的发展，助力企业加速数字化智能制造转型的进程，为企业实现数字化智能制造转型升级进行赋能。

数字孪生体技术在制造业中的快速发展和应用，不仅改变了制造企业的传统生产方式，也推动企业管理模式、组织形态的重构。

数字孪生体技术在制造业发展应用过程中主要体现了如下特点：

一是仿真镜像

在产品甚至是生产线和工厂正式制造、建造之前，就可以通过数字化设计、模拟和仿真出实体，输出3D、全息影像等形式的设计图纸和制造手册。仿真分析过程形成了完整的产品数字化虚拟档案，不仅仅包括产品的结构和功能，还包括了材料、工艺和流程，是制造材料、制造过程、制造结果三位一体的数字化信息集成，不仅仅是制造现状的描述和记录，还可以实现质量问题源头的追溯，例如某个电容是用在哪块电路板上等，还可以实现情景再现，例如模拟微型涡喷发动机的生产工艺流程规范是否科学、运行效果是否达标等。

二是动态映射

传统的数字化制造技术主要停留在仿真镜像阶段，没有实现制造过程中以及投入使用后，实体与虚体之间的数据交互。随着IoT技术的深入，通过实时智能传感和监测，可以捕捉到制造实体变化的动态信息，及时反馈到孪生虚体中进行记录和修正，通过计算和验证，降低风险减少误差，通过动态调整、虚实同步，实现产品全生命周期的相互孪生、共同成长。

三是质量预测

通过产品全生命周期大数据的积累和机器深度自主学习等技术的应用，及时发现制造环节和使用环节的错误和痛点，在孪生虚拟体上进行调整和验证，有效评估和提升产品质量管理水平，降低企业研发成本和生产成本。

同样数字孪生体技术在助力制造企业的数字化转型升级过程中，对企业质量管理业务领域也产生了极大的变化和影响：

基于IoT技术实现全面互联的产品开发制造生态圈，它使包括人员、产品、机器及有关系统实现质量信息无障碍流通；

IoT器件、芯片、信息流、人工智能植入传统产品硬件，大大提高了产品的功能，也对产品质量、可靠性和风险管理构成挑战；

除了传统的质量管理方法，很多高科技方法，如云计算、深入学习、人工智能、VR/AR进入实用，虽然功能强，但是错用，滥用风险高；

在制造过程中高性能的设备、仪器、元件增加，产生了新能力和新问题。比如精确、快速的3D扫描仪，可快速生成加工件精准电脑图像模型，可代替传统的点测量来进行质量管理，但同时需搞出"以图像为基础的质量管理过程"…

基于以上质量管理业务领域的变化和影响，也同时给企业的质量管理工作带来不一样的变化：

1、未来是个性化定制与服务的柔性生产时代，企业质量管理工作的重点不再是质量缺陷和失效的控制，而是客户价值的不断感知、满足和提升；

2、IoT、大数据、云计算、人工智能等数字孪生体使能技术的应用，实现了产品全生命周期各阶段信息的高效互联互通，同时也促使企业质量管理人员的队伍将扩展到IT部门、数据分析师、工业互联网平台管理者等；

3、在个性化定制生产服务下，产品质量更多体现在为终端消费者创造价值上，数字孪生工厂让客户全程参与产品的研发、设计、生产等过程，产品设计与创新从以企业为中心向以用户为中心转变，通过数字孪生体平台使越来越多的消费者参与产品创新，改变了传统质量需求模式；

4、企业质量管理人员的思路、能力和方法也将发生变化：

快速且高质量的处理海量客户信息的能力；

提高和满足客户感知价值的能力；

数据质量和数据的校准能力；

嵌入式系统的质量管理能力；

预测性质量控制与设备维护能力；

风险控制系统的管控能力；

…

随着新一代信息技术和数字技术的突飞猛进，让数字孪生成为可能，也让企业产品质量追溯、质量监测、质量预警、质量修复变得更加及时、精确和有效，实现了从实物追踪到虚拟镜像的历史性跨越，必将为企业产品质量评价或"客户价值感知"带来颠覆性的突破。个人理解，在数字孪生制造新业态下，未来企业质量管理的工作重点方向将有如下几个方面：

一、质量管理战略和规划

未来质量管理将不再是减少错误，而是如何为客户创造价值。面对未来需求个性化的发展趋势，企业质量战略的核心是数字孪生质量平台的打造，实现企业质量管理平台化。数字孪生技术的应用除了降低成本，还会导致市场竞争日趋激烈，产品同质化情况进一步加剧，马太效应进一步放大。在此情况下，企业质量战略和规划工作应先人一步，通过高质量口碑抢占先机，逐渐构建产业质量管理生态链，集生态链智慧，创造企业质量竞争优势。

二、产品技术与质量标准体系的构建

产品技术与质量标准体系是企业质量管理工具和方法选择的参考依据，也是一切质量管理工作执行的目标方向。特别是数字孪生技术应用给产品的全生命周期管理带来颠覆性的变化，因此各企业需要基于数字孪生制造技术的应用特点，构建适合及满足企业质量管理工作需求的标准体系。

三、数据建模及交互协同质量的控制

在产品研发、采购、制造、质量管理到交付的链条中，各链条的数据交互协同将会带来大量的挑战。它直接影响了最终产品的质量，也影响了产品全生命周期质量管理的效率。

随着数字孪生和增材制造等新技术的加入，数据类型更为丰富、数据容量几何级增长、数据交互的时效性要求更高、数据价值和应用分析的工具更为先进，同时也带来了对数据标准更新和工具更新的质量控制要求。以增材制造为例，研发和制造过程中的产品数据，动辄以G计算；由于传感器、机器视觉、人工智能和数字孪生的应用，数据传输过程也由传统单向低速控制指令，转变为控制指令和过程检测数据双向高速传输；而生产过程中积累的大量数据，除产品质量保证外，在其生命周期中的可靠性管理和预测性维护等领域，都将发挥重要价值。

对于数字孪生体和增材制造相关数据建模及交互协同控制等标准的制定，已成为ISO等国际标准化组织和我国十四五数字化制造的核心研究课题。

四、关键过程链的质量波动模拟建模与分析

在经济全球化和加速企业数字化转型升级背景下，市场竞争已经从企业间竞争变为基于关键过程链产品的质量竞争，企业对关键过程链的关注重点已经从传统的产品优化、成本优化，扩展到了质量保障、正向设计过程以及风险控制等各方面，关键过程链上的任何质量波动都可能为企业带来重大的经济损失和市场风险。因而，建立关键过程链的质量波动模型，使之能预测和控制可能的质量波动及其影响范围，是数字孪生制造新业态下产品质量管理的一个关键内容。

五、企业产品创新质量的精准控制

基于产品全生命周期数字孪生体的数据应用，可协助企业精准地锁定用户和表达用户需求，然后按照用户需求创新出一个新产品，通过数字孪生平台模拟测试并生产出来让消费者体验和价值感知，大幅度降低产品研发周期及实现产品的精准上市。这也是一种新的商业模式：在数字世界中对企业的生产流程进行模拟、优化，降低成本，提高效率。

六、产品使用过程的预测性维护质量管理

基于产品使用过程中大数据AI模型、机理模型、故障知识库深度融合，构建产品使用过程孪生体平台，让企业售后人员能够精准识别产品售后故障部件、故障模式、故障原因、故障等级及改善措施，并自动生成详尽的产品售后诊断报告。

以上是基于个人认识的简单思考，欢迎各位交流与指正！

文 |陈龙

本文授权转载自：集智俱乐部

导语

资深智慧城市研究者、华为公司智慧城市高级顾问王鹏，受邀在腾讯研究院×集智俱乐部 AI&Society沙龙上发表以“从城市数据到智慧城市”为题的演讲。笔者回顾了王鹏对城市数据及其应用的，并结合清华大学龙瀛团队在人类数字化上的最新研究，提出对城市和个体虚拟化的探讨。讲座视频实录请见文末小程序与网页链接。

源于工业的数字孪生

数字孪生（Digital Twin）这一概念最早可以追溯到Michael Grieves教授2002年在密歇根大学PLM（产品生命周期管理）中心对产业界做的一次演讲（虽然没有书面证据，但这仍被广泛认为是数字孪生最早来源）。

2014年，Michael Grieves在其撰写的“Digital Twin: Manufacturing Excellence through Virtual Factory Replication”白皮书中进行了详细的阐述。他认为通过物理设备的数据，可以在虚拟（信息）空间构建一个可以表征该物理设备的虚拟实体和子系统，并且这种联系不是单向和静态的，而是在整个产品的生命周期中都联系在一起。

在此之后，数字孪生的概念逐步扩展到了模拟仿真、虚拟装配和3D打印等领域。随着物联网技术、人工智能和虚拟现实技术的不断发展，更多的工业产品、工业设备具备了智能的特征，而数字孪生也逐步扩展到了包括制造和服务在内的完整的产品周期阶段，并不断丰富着数字孪生的形态和概念。

企业界走在数字孪生的前列。工业下的数字孪生被各大软件厂商赋予了各自的理解，并将其与自身业务融合，致力于打造出现实世界与虚拟世界融合的解决方案。

美国通用电器公司（GE）与ANSYS公司借助数字孪生这一概念，提出物理机械和分析技术融合的实现途径，让每个引擎，每个涡轮，每台核磁共振都拥有一个数字化的“双胞胎”，并通过数字化模型在虚拟环境下实现机器人调试、试验、优化运行状态等模拟，以便将最优方案应用在物理世界的机器上，从而节省大量维修、调试成本。

西门子引用数字孪生的概念，来形容贯穿于产品生命周期各环节间的数据模型。通俗地说，数字孪生就是仿真模拟一些工厂的实际操作空间，从产品设计到产线设计，到设备制造方的机械设计和工厂的规划排产，到最后制造执行和产品大数据。

法国软件公司达索系统在数字孪生创新协作和验证中，不仅重视产品的数字化表现，更试图通过三维体验平台实现设计师和客户之间的互动。

德国软件公司SAP基于Leonardo平台在数字世界打造了一个完整的数字化双胞胎，在产品试验阶段采集设备的运行状况，进行分析，得出产品的实际性能，再与需求设计的目标比较，形成产品研发的闭环体系。

简而言之，工业下的数字孪生，更多是为制造业提供了产品在物理空间和虚拟空间之间的映射关系，以及在实体世界以及数字虚拟空间中记录、仿真、预测对象全生命周期的运行轨迹的过程。

物理世界和数字副本

数字孪生：催生智慧城市

值得注意的是，数字孪生的概念不仅活跃在工业的制造业，也越来越频繁地出现在智慧城市领域。随着ICT（信息、通信、技术）成为智慧城市发展的主要动能，移动通信、互联网、云计算、传感器、人工智能、量子通信在智慧城市都得到了广泛应用。全域感知、数字模拟、深度学习等各领域的技术发展也即将迎来拐点，这使得城市的数字孪生应运而生。

中国智慧城市数字孪生的发展还有很长一段路要走。数字孪生高度依赖传感器所采集的数据和信息，而就目前的技术水平来看，精细化尺度下城市数据的全域感知和历史多维数据的获取，依旧有难度。物理实体空间的数据不够详尽，将直接导致其数字副本的缺失。现阶段的数字孪生距离想象中的沙盒系统模拟推演、人工智能决策等功能仍有很大差距。

数字孪生在智慧城市发展与建设中的核心价值在于，它能够在物理世界和数字世界之间全面建立实时联系，进而对操作对象全生命周期的变化进行记录、分析和预测。智慧城市中的数字孪生可以分为四个阶段，分别是

对城市现状进行精准、全面、动态映射的现状孪生；

从历史数据中学习、分析、识别、总结并发现城市运行规律的学习孪生；

人工监督下模拟不同环境背景下的发展情景的模拟孪生；

最终通过实时数据接入与人工智能自动决策的自主孪生。

同时，我们也应看到数字孪生在传感器、5g和边缘计算技术不断发展中所具备的巨大潜力。传感器的高密度部署与高精度感知，结合5g和边缘计算的实时结构化计算回传，对城市物理空间的全域感知和实时更新，将是5g时代的常态。一砖一瓦、一草一木、一桌一椅、一人一车，都会以不同的频率更新位置和状态信息，从而实现真正的“全息”虚拟城市。

城市数据：数字孪生的DNA

在智慧城市的建设中，数字孪生的核心在于构建与城市物理空间全面映射的虚拟（信息）空间。不同于制造业产品周期管理中被制造商全面掌握的产品信息化数据，城市作为一个庞大的复杂系统，其包含的物理空间及过程，无时无刻不在产生着多维的海量大数据，这无疑在数据收集、处理、运算、储存和管理上向城市数字孪生提出了挑战。

近年来，以数据为核心的城市生态链构架了智慧城市的顶层设计，形成以共享信息为中心、各行业协同实现的“感知-应用-共享信息”的智慧城市模式。与此同时，在大数据、人工智能、云计算、物联网等新兴ICT技术的推动下，多维的海量城市数据也逐步以不同方式被挖掘并应用在智慧城市的研究和实践中。

传统城市统计数据的电子化与空间可视化是城市大数据发展迈出的第一步。基于GIS平台上对行政边界的勾绘，并将其与传统的年鉴统计数据相匹配，就能实现传统数据的电子化与可视化，并依托GIS空间分析功能实现空间可视化与分析。

Cityeye上对传统统计数据的电子化与空间可视化

互联网大数据的应用标志着城市真正迈入了大数据时代，而互联网大数据也俨然成为近年来城市研究的“宠儿”，无论是学界还是业界都在积极探索互联网大数据为城市研究和发展带来的诸多可能。

互联网大数据最大的优势在于其打破了传统数据自上而下的数据采集壁垒，而是以自下而上的方式提供着精细尺度下的多维数据，如记录城市内所有地理实体空间位置与属性的兴趣点（POI）数据；反映话题热度与用户画像的社交媒体大数据；实时展示人口空间分布的热力图等。

而随着智慧城市的到来，传感器技术的进步与成熟为城市研究提供了另一条数据获取之路。

通过多模块集成传感器在城市内部的架设，可以实现精细尺度下城市环境、人车行为等数据的实时感知与收集。如由City Grid城市网格数据监测站，可利用多模块传感器网络监测人车流量及环境质量，如风速、风向、光照、温湿度和等。City Grid是一款针对城市空间精细化感知的物联网产品，也是传感器技术应用在城市全域感知、数据采集，乃至实现城市未来微观环境与人车行为预测的经典案例。王鹏团队也曾多次利用City Grid多次在清华大学校园和白塔寺社区内进行监测布点、数据采集，并针对城市环境和人群行为开展深入分析。

City Grid城市网格数据监测站

LBS数据（基于位置服务的数据），通过运营商采集用户与基站间不间断的信令数据，来获取移动服务用户相对精确的实时空间位置。因其具备用户量大，覆盖范围广等特征，是描述城市人口数量和空间分布的“终极”数据。

我们把自己数字化了！

Digital Self 数字自我

在感叹数字孪生如何颠覆性地改变制造业和城市管理与运营的同时，有学者已经开始探索如何打造人类个体的数字双胞胎。

清华大学龙瀛团队的研究助理张昭希近期发表了一篇题为“Application of wearable cameras in studying inpidual behaviors in built environment”的期刊论文，提出创新性地使用可穿戴式相机对个体行为和城市空间感知进行数据收集、分析与模拟。

研究团队利用便携式相机，记录佩戴者正前方每5分钟一张的图片数据，并通过人工识别、计算机视觉分析和色彩识别分析等手段，对佩戴者个体行为特征、时间分配、路径转移、场所事件等要素进行了分析研究。研究结果表明，可穿戴式相机采集到的图片数据具有丰富的个体行为与时空信息，可以有效描述个体在空间中的行为特征。

数字化的“生命日志”

随着大数据在城市研究中的广泛应用和快速发展，基于建成环境层面的形态要素数据（如遥感、街景和POI数据）和多种互联网数据（如微博、点评和手机信令数据）开展的针对大规模群体的研究，为利用大数据解释城市问题提供了大量案例参考，并逐步建立了理论基础。然而，这些基于较粗尺度城市物理空间，抑或是大规模群体的大数据，仍较难被应用于个体的深层剖析和研究解读。

而可穿戴式相机为大规模采集个体数据提供了新的契机，通过记录的图片数据将个人活动信息数字化，形成“数字自我”的电子档案，弥补了现有研究中对个体行为数据采集不够连续、维度不够丰富的问题，这也是从城市环境数据化向个体行为信息化的转变之一。同时，个体行为信息化也将推动研究方法的革新和新技术的介入，从主观的“个体感知”转向客观的“量化研究”。

从数字孪生的角度来看，基于可穿戴式相机记录下的图片数据，通过整理和分析可以剥离出个体在物理空间中的行为特征要素，进一步将这些个体行为特征要素在时空上数字化，从而构建了其在虚拟（信息）空间内的数字双胞胎。同时，图片数据中包含的大量物理空间建成环境要素同样可以被数字化并记录在虚拟空间内，从而反映物理空间和虚拟空间内个体和环境之间的交互。

科技的日新月异不仅使人们的生活方式发生了巨大改变，同时也影响着城市运行的方方面面。不可置否的是，新技术的高速发展给城市研究与实践带来了新的机遇，推动着城市规划技术和工具的突破与创新。如龙瀛提出的数据增强设计，允许规划师们借助多维城市大数据对城市做出更全面、精准的分析与规划设计响应。

同时，在信息通讯技术革新的助力下，数据储存、挖掘、云计算和可视化等技术的完善也为研究城市提供了新视角。人们的思维方式从传统的机械思维向大数据思维转变，认知方式也逐渐向虚实结合的体验过度。城市数字孪生、数字自我的概念也将在第四次工业革命的技术革新下拥有更丰富的内涵。

参考资料

[1] 王鹏：展望未来城市，万物皆可运营 | 智慧城市长文综述

[2] 王鹏：城市数据到智慧城市

[3] Long, Y. (2019). (New) Urban Science: Studying New Cities with New Data, Methods and Technologies. Landscape Architecture Frontiers, 7(2), 8-21.

[4] Zhang, Z. X., & Long, Y. (2019). Application of Wearable Cameras in Studying Inpidual Behaviors in Built Environments. Landscape Architecture Frontiers, 7(2), 22-37.

数字孪生论文期刊

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，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。