企業剛開始進行數字化升級和轉型時容易遇到難題。一是雖然行業中的成功案例比比皆是，但企業完全照搬外部經驗構建自己的數字化戰略并執行時，效率可能不增反降。二是企業在數字化戰略上能夠投入的資源有限，希望投在價值回報最大的方向，但數字化項目的價值回報并不確定，導致資源難以集中。針對這些痛點，本文提出企業在制定數字化戰略時可以集中資源發展的五維度。

一、五維度內容側重不同

1. 精益化維度

精益化維度的主要任務是通過精益管理定位并消除企業運營過程中存在的浪費，系統性實現降本增效。包括實際業務數據采集，企業核心流程梳理，分析核心業務數據，最后基于分析結果構建匹配的數字化解決方案和配套的新流程。

數字化戰略在精益化維度的發展，首先要實現企業運轉狀態的透明化，充分暴露業務中預期同實踐的差異，并重點尋找差異產生的原因。其次是使用數字化工具，改進甚至取代當前的工作流程，縮短業務實際狀態同期望之間的差距，有效提升企業內部績效。例如，企業通過數據分析，發現某型測試設備的單日實測任務量比預定值平均低 2個單位，主要原因是設備預約管理顆粒度較大（以天為單位）。解決方案是通過信息系統導入，將測試管理顆粒度單位提升為小時，使單日測試量大幅度上升。

數字化在精益化維度的改進不可能一蹴而就，隨著市場風向的快速變化，企業的業務和流程變化也愈加頻繁，數字化戰略也應該遵循持續改進的原則，不斷迭代。

2. 集成化維度

本文所指的集成化維度同軟件工程中系統集成概念相關，但有較大區別。企業的主要工作包括數據標準化和互聯化兩部分。

數據標準化主要指對現有大量數據的整理和清洗，同時對后期數據采集工作流程實施改進。許多人誤認為該工作只是那些擁有大量數據的企業才需要做，其實對正處在數據積累階段的企業和組織而言更有意義。標準化工作的首要任務是依據企業的戰略需要，制訂符合自身的標準化計劃。例如，選擇標準的系統接口、通信協議、數據格式乃至數據載體等。其中還應包含建立與數據相關的標準工作流程，如數據的收集、上傳、存儲和使用流程。如果企業能夠在數字化戰略執行的初期完成標準化工作，就能夠最大限度規避后期數據整理和清洗的巨大工作量。

互聯化工作則非常依賴標準化工作的成果，主要工作內容是打通各數據源之間，以及數字化工具之間的壁壘。在數據互聯層面，目的是實現數據共創、共存和共享，提升數據的使用效率并降低存儲成本。在工具互聯層面，主要是實現數字化工具的模塊化、協同化和平臺化。這樣能夠有效提高企業跨職能、跨區域、跨供應鏈乃至跨行業的協同工作效率。例如，將各職能部門的不同數字化工具應用化，放置在統一的信息化平臺進行使用、管理和維護。從顯示集成開始，逐步實現業務流集成再到底層數據的集成。

3. 定制化維度

從字面上看定制化維度，似乎與集成化維度矛盾，但實際上兩者存在先后關系。定制化維度發展需要建立在集成化維度工作搭建的標準化框架上。定制化維度的核心工作是解決數字化轉型中“最后一公里”的問題。由于企業內部各職能部門的工作職責、核心績效和 KPI考核完全不同，因此不可能僅憑借一種標準的數字化工具滿足所有職能部門的管理需求。在數字化轉型進行到“深水區”的時候，一定要考慮各職能部門對數字化工具的定制化需求，通過滿足這些需求，在微觀層面立竿見影地提升某一職能部門的工作效率和產出，以實現在某個業務上的定向突破。例如，基于企業某核心產品線研發部門的研發流程，為其設計定制化的數據查詢和使用工具，以此有效提高原方案設計數據的復用率，提高新產品研發和現有產品的更新速度。

4. 數據化維度

本文所指的數據化包含結構化、量化及模型化。企業在數據化維度的發展，主要需要完成以下三方面工作 ：

一是結構化，即對企業的核心業務流程進行結構化描述，如使用流程圖或 UML 圖 ；無法進行結構化描述的流程，意味著其在執行過程中存在較大的隨機性，如果這種隨機性無法被有效管理，就會存在風險。

二是量化，即對業務施行過程中的諸多核心績效指標、流程節點或存在問題等被管理對象進行量化設置，如在項目成本管理中，某模塊成本超過預算的 10% 后會被認定為成本嚴重超支。沒有被量化的指標，也就無法被準確定義、描述、測量和管理。

三是模型化，就是嘗試將客觀世界內的物理實體，通過數據進行描述，如將一個產品系統數據化，并映射為一個虛擬的 3D 模型。

目前科研和工業界廣泛使用的CAD/CAE/CAM、仿真和數字孿生技術，就是數據化維度范疇內需要做的工作內容，工業產品傳統研發模式同數據化研發模式對比如圖 1 所示。數據化研發模式有更多樣、更短和更快捷的設計信息反饋途徑，在軟件產品管理的 V 模型和敏捷管理的實物產品設計中也能得到應用，產品迭代速度大幅提升，同時設計成本大幅下降。

圖1 工業產品傳統研發模式同數據化研發模式對比

5. 數資化維度

數據的最大特點是其可以像廠房、設備等實體資產一樣成為企業的資產。數字化戰略發展的數資化維度工作，就是針對這種特殊資產進行管理，核心目標是要提高數據資產的價值而不是數量。這不僅是因為物以稀為貴，更重要的是，若企業真正擁有高價值的數據資產，如數據、模型、圖紙，甚至是數據相關算法，這些都可以成為新產品和對外業務，并促使企業在業務層面實現真正意義上的數字化轉型。

基于 DIKW 模型（Data Information Knowledge Wisdom），本文總結數資化維度的主要工作包括 ：一是對收集的數據進行清洗、整理、組合和提煉。二是通過 4 個增值過程對數據進行加工和轉化，將數據轉化為高價值的數字資產，如圖 2 所示。伴隨整個數據的增值過程，企業的數字化轉型對業務的貢獻也會逐漸由內向外延展，最終實現業務上的數字化轉型。

圖2 數據資產增值與貢獻變化過程

二、五維度能帶來獨特價值

1. 提升內部績效

精益化維度帶來的獨特價值主要體現在為企業從內部節流。首先，組織變得更加透明，一些潛在問題能夠暴露出來。其次，通過分析并尋找主要原因，改造并消除不必要的浪費。隨著數字化戰略在精益化維度上的發展，企業的管理顆粒度會變得越來越細，這不僅能夠帶來節約，更能夠為企業后續要進行的基于數字化轉型要求的業務工作乃至組織架構調整工作，提供真實、完整和可靠的信息。

2. 完整性與多元化

集成化維度帶來的獨特價值主要體現在跨組織的溝通和協作上。首先，在數據層面，采用標準的數據格式和載體，能夠解決跨組織使用數據時，因數據轉換導致的大量工作。其次，避免在數據轉化過程中，面臨信息失真和遺失的風險。

信息孤島的消除，能夠讓企業可利用的數據資源變得多元化，即這些數據能夠代表和反映不同職能部門的特征和信息，甚至包括外部協作組織，如供應鏈的相關信息。當前數字化發展已進入智能化階段，知識圖譜和自然語言類 AI 正在被大規模應用。例如，ChatGPT 等 AI工具之所以強大，就是因為其基于LLM（Large Language Model，大語言模型），能使關鍵詞從多個數據源中關聯多維度信息并組合答案，若企業中的數據資源越多元化，那么 AI工具就能夠從更多角度對數據進行分析和整理，并返回更為全面和新穎的答案。

3. 共創人才與信心

定制化維度不僅能提供定點突破的具體業務價值，而且能為企業培養數字化人才梯隊，增強數字化轉型的組織信心。

人才是決定數字化轉型成功與否的核心因素，真正的數字化人才，不是狹義上懂得編程或掌握數字化工具的 IT 人士，而應該是精通業務，同時具備一定 IT 素養的復合型人才。他們往往可以作為業務部門同 IT 團隊之間的橋梁，參與協調整個數字化解決方案，包括從設計、實施到運維的全生命周期。此類人才的培養，僅通過一兩次培訓不足以實現，需要在實踐中逐步磨煉，他們需要深度參與同具體業務緊密相關的數字化項目。此類人才在未來走向管理崗位后，因其具備扎實的業務功底，同時還熟知 IT 工具，并具備良好的數據思維，既能夠成為高層數字化戰略實施落地的中堅力量，又能夠基于自己的成長經驗，為組織篩選和培養新的數字化人才梯隊。

數字化轉型是一項系統化和長期化工作，組織信心非常重要。如果數字化轉型實施過程很長，且中間沒有重要的階段性成果產出，可能會動搖員工對數字化轉型的信心。在定制化維度發力，實施重點突擊，成功落地一些解決核心業務部門痛點的數字化解決方案，能夠極大增強基層和高層對數字化轉型的信心，并為后續更具挑戰的轉型工作提供強大動力。

4. 靈活性與可預測

隨著科學技術發展，市場變幻莫測，對企業反應速度的要求越來越高，靈活性成為企業的核心競爭力之一。數據化維度的發展能夠提高整個組織的靈活度，主要體現在產品的研發與迭代。傳統的產品研發通常需要經過設計、制圖、打樣、測試、修改、再設計的循環，其中最耗時的就是打樣環節，由于模具有獨特性，成本高且制作時間長，一旦設計不合理就要重新制作，產品研發人員非常擔心定制化和設計變更。基于數據化維度的產品管理，更多的是基于數據、模型和仿真的管理方法，將實物產品轉化為虛擬模型。軟件更新遠比物理實體更快，這可以極大提升產品研發效率，降低對核心人員的依賴度和試錯成本，并增加爆款產品的出現概率。最生動的例子就是特斯拉真正實現了用軟件來定義汽車，依靠軟件升級車輛，取代了很多原先需要物理機械升級的方式。

數據化帶來的另一個巨大價值，就是可以增強企業對產品、流程和管理的控制和可預測性。在流程的執行過程中，唯一無法預測和控制的就是人。由于情緒、身體狀況等具體因素的制約，在其他條件不變的情況下，工作產出物的質量波動可能比較大，這種波動沒有辦法預測，也很難分析和控制。企業在數據化維度發展過程中，通過對核心環節或產品設計的量化和模型化，能夠有效控制業務產出的質量波動，同時能夠獲得更加準確的反饋數據，并做出更合時宜的決策。

5. 提升外部績效

數字化轉型的主要目的，不僅是依靠數字化工具協助企業做內部管理，更重要的是依靠轉型過程，幫助企業的業務和盈利模式實現迭代和升級。企業數字化戰略發展方向中數資化維度的主要價值，就是讓企業擁有全新的生產工具，并能夠產出全新的產品，以此獲得新的利潤渠道。能夠作為虛擬資產和產品的對象很多，不僅僅是數據本身，也包括 3D 模型、仿真算法、軟件開發工具、基于某行業的數據挖掘算法，甚至是數資化過程的相關實踐經驗，這些都可以作為新產品銷售給新客戶，為組織帶來外部績效的大幅度提升。

在數資化過程中，企業可以逐漸降低重資產比例，既能夠節流，還能夠開源。例如西門子集團，其主要業務曾經是各類實體設備和元器件，隨著企業在數資化維度的發展，業務已轉變為以工業軟件、工業數據服務和咨詢服務為主。既降低了重資產比例，又顯著提高了公司的利潤，在開源和節流兩個方向都獲得了巨大的收益。

三、五維度價值貢獻存在偏向性

若分別從內部和外部價值創造的角度來看，五維度都能為企業帶來價值。不過其貢獻存在一定偏向性，精益化和定制化維度偏對內，數據化維度居中，集成化和數資化維度偏對外。

五維度發展也有順序，若企業已經具備一定的數字化基礎，已擁有大型信息系統和其他數字化工具，那么在五維度上的戰略實施就沒有嚴格的先后次序，也可同時開展，并行發展 ；如果企業剛剛開始數字化轉型，沒有基礎，那么可以按照數據化、定制化、集成化、精益化、數資化的發展順序，逐步落地數字化戰略。