最让人纠结的数字化转型路径说

简介: 最近读了很多关于数字化转型的文章,一般都指出了数字化转型的定义、数字化转型的方法、数字化转型的路径。

最近读了很多关于数字化转型的文章,一般都指出了数字化转型的定义、数字化转型的方法、数字化转型的路径。我们试想一下,真的有通用的、行之有效的数字化转型路径吗?真的可以按照这个路径走,就能实现数字化转型吗?略谈下纠结的想法,抛砖引玉,有砖的拍砖。

b89ec7f9035d9f631dc6334209cb82fa.png

我们对路的认识可以从下面两句话说起。

鲁迅说:“世上本无路,只是走的人多了,也就成了路。“

罗马典故:条条大道通罗马。

路径:指的是从起点到终点的全程路由。

以上两句话都是描述路的,一个是说本来没有路,走的人多了,也就成了路,就像数字化转型之路一样,本来没有这样的路,实践的企业多了,也就走出了这样一条路;一个是说通向成功的路有多种,就像实现数字化转型的路有多种一样。我们认真思考下,数字化转型的路径真的有从起到重点的全程路由吗?比如说从北京到上海有一万种走法,但是无论从那条路走,一定会到到上海,为什么呢?因为上海这个目标是必然存在的。而数字化转型这个目标恰恰相反,企业所处的社会经济环境在不断的变化着,数字化转型依赖的信息技术在不断发展着,数字化转型的目标一定会随着社会和技术的发展不断调整,否则转型也就失去了意义。所以说怎么会有这样一条明确的路径呢?按照指定路走就能到达数字化转型的终点呢?关键是终点都在不断变化着。实事求是的讲,根本就不会存在数字化转型路径一说,通用的数字化转型路径就是伪命题。

52d9e90fa7ea34e86d3a17b51b95b220.png

我们通常说数字化转型分两个阶段,一个是业务数字化,一个是数字业务化。即便是业务数字化了,就能数字业务化吗?不同企业,不同行业,不同规模,一定就是要经过这两个阶段吗?这两个阶段就是路径吗?具体怎么走呢?没人说的清楚,毕竟大家都在探索阶段,数字化转型成功的企业也是凤毛麟角?其实这更像指引,而不是路径。

那么怎么理解数字化转型的路径呢?我们看一个典型的制造业数字化转型路径:

基于CPS的未来制造业发展路径

4abd67dbb8a5060cd7a77e8b7693e456.jpg

华星光电:基于智能生产的数字化转型

数字化转型过程首先是在配置层,就是怎么能确保生产过程的数字的采集,连接能够高度精准化,而且颗粒度要尽可能的细,所以它用了IBM的沃森系统。以前靠经验看病,生产过程当中有什么因素的干扰,但是通过传感器软件技术,把在生产过程当中可能产生的影响和数据全部采集下来。到了转换层,数据就开始做增值了。在这个增值过程当中,对数据有哪些发现和分析的能力。当然第二层的数据分析可能还不是大数据,它主导的是结构化的数据。以前华星光电主要是单因素分析,但是由于在连接层能采集到更多的数据以后,就可以做多因素的分析,通过多因素分析来找到影响品质的一些根本性原因。在访谈中,他们的负责人觉得管理基础做的还是不够扎实。如果连接层和数字分析层能够优化,来减少品质的损害率,企业的效益就会有比较大的提升。他未来希望做到设备自监测、预知系统、风险推送机制。

格兰仕:基于智能产品的G家平台

在它的数字化转型中,数字化生产通过物联网和机器实现互联,然后通过传感器,包括软件修订,能够实现整个生产的自动化连接以及数字化的过程。他们说智能化一定是要有数字采集,开始生成数字化的产品。以冰箱为例,冰箱本身就是一个大的数字化产品,中国有哪些区域买、耗电量多少等等,都可以远程采集远程分析,可以动态跟踪产品的分布以及使用情况。但是格兰仕和华星光电不同,它面向终端消费者,所以格兰仕花了非常大的力气,让数字化产品能够直接和消费者之间形成互动。以前的制造企业都是这样的,比如说国美这样的家电企业,至于消费者喜不喜欢,拿不到这个数据。但是由于有了数字化产品,就实现转型了。比如说冰箱上一个大显示屏,除了有智能的感应系统,可能知道哪个食物快变质了,需要哪些新的食品,它可以跟客户进行互动。现在还和安徽的企业合作,能够听得懂方言,可以自动识别口音,有好多菜单也可以交付进去,可以和它形成直接的交互。这个交互在广东有一G+战略,形成了一个社区。 在格兰仕数字化转型过程当中,可以看到他现在在布局新的智能识别技术。在网络层,企业可以和外部资源进行对接,同时可以和你的用户进行直接交流和对话。这个时候就可以基于服务来优化产品,比如说他的冰箱,将来就可以和中粮合作,甚至和京东到家合作,甚至还可以通过冰箱来管理食谱。所以企业在转型过程当中,具备了开发新资源、进入新市场、整合其他产能,就进入到了转型的第三级。

美的:基于移动技术的全方位整合

美的从2011年就开始数字化转型,在2012年壮士断腕,剥离重资产,之后投资机器人。董事长花了一个月时间,把所有关于智能制造的书全部买下来,看完以后就拍板说做这个事,差不多要做30亿的投资。美的有个“623”工程,“6”是指信息化建设。在企业数字化转型过程当中,原有的信息化做的好不好,就影响了数字化转型的基础是不是夯实。如果一个传统的制造企业,信息化的基础不好,管理ERP等系统都没有用好,在数字化转型过程当中会有管理漏洞。美的的数字化管理就进入一个更高的阶段了。它现在所有的数据全部能够集成在网络空间,包括竞争对手的数据、客户反应。集成在一个整个的数字平台上,有陀螺仪等等来分析不同的相关利益者,从而形成一个完整的管理看板。有了这个管理看板之后,比如说事业部主任到总经理都能形成快速的响应系统,可以根据市场需求快速进行配置。

通过这三个案例,有几个发现:第一,数字化领导者是企业一把手,格兰仕成立了智能化办公室,美的成立技术研究院,IT部门成为这些办公室和部门的一部分。它和企业的生死存亡的关系更密切,价值更大,所以说管理转型的团队更重要;第二,数字化转型是一个历史进程。对于制造业来说,要想跨越,有机会,打好基础是很重要的;第三,CPS的架构递进决定了数字化转型的成熟度。现在这个成熟度是五层,将来可能还会更细化;第四,从全球的CPS架构布局来看,难度最大的是万物互联。一旦万物互联,大数据就要跟上。大数据到了网络层、能力层,就是数字化生态了。

如果仅从描述来说,这些企业的数字化转型一定是非常成功的。他们都有各自的数字化转型的过程,也达到了一定的目标。但是,这仅仅是针对特定的企业,放到别处就不灵了,为什么呢?每个企业都有自己的发展历程,数字化建设过程,都不一样,因此没有两个企业用一样的路径实现成功转型的。

数字化转型热的当下,其实每个企业都走着自己的路,没有两个企业的数字化转型的目标是一样的,有没有两个企业数字化转型走的是同一条路,因此在数字化转型的路径上,不要迷信学说,静心思考,笃实前行,积累人才,外脑辅助,制定适合自己企业的数字化转型路径才是当务之急!



相关文章
|
9月前
|
算法 安全 量子技术
“RSA还能撑多久?”——聊聊量子计算下密码学的危与机
“RSA还能撑多久?”——聊聊量子计算下密码学的危与机
556 0
|
6天前
|
数据采集 弹性计算 人工智能
阿里云99元服务器实测:2核2G、3M固定带宽、40GB ESSD Entry云盘,续费也是99元1年
阿里云推年度“真香机”,在阿里云官方活动中心:https://t.aliyun.com/U/cyOqck 查询ECS经济型e实例(2核2G+3M固定带宽+40GB ESSD Entry云盘),仅99元/年,**新老用户同享,续费不涨价**,活动延至2027年3月31日。建站、开发、轻量AI部署全胜任,性价比天花板!
|
5月前
|
存储 监控 前端开发
区块链 Web3 项目的开发
Web3开发聚焦链上共识与智能合约安全,涵盖架构设计、合约开发、数据索引、前端交互及审计部署。需权衡去中心化程度,选合适公链与存储方案,设计经济模型,用Solidity/Rust开发,通过The Graph、Chainlink集成数据,前端连接钱包并优化体验,经全面测试与第三方审计后,多签部署并监控运维,确保安全透明。#区块链 #web3开发
|
2月前
|
前端开发 Java 数据库
【数据载体POJO】POJO / DO / PO / DTO / VO / BO / Query / Entity / TO 全方位对比分析
本文系统解析Java企业级开发中各类数据载体(POJO/PO/DO/Entity/BO/DTO/TO/VO/Query)的本质、分层定位与使用边界,强调分层解耦、数据安全与职责单一原则,覆盖DDD、微服务及Spring生态实践,助力构建高内聚、低耦合的健壮架构。
|
26天前
|
人工智能 测试技术 开发工具
Anthropic 的 Harness 工程架构演进
本文分享Anthropic的Harness工程实践:从双Agent解决“一次做太多”与“过早完成”,到三Agent(Planner/Generator/Evaluator)引入独立评估与上下文重置根治自我偏差和上下文焦虑,最终随模型能力提升动态裁撤冗余设计。核心结论:模型边界持续外推,Harness工程是当前决定Agent实际效果的关键变量。
393 0
|
8月前
|
存储 SQL 分布式计算
MaxCompute 聚簇优化推荐原理
基于历史查询智能推荐Clustered表,显著降低计算成本,提升数仓性能。
460 4
MaxCompute 聚簇优化推荐原理
|
10月前
|
JavaScript 测试技术 API
Playwright自动化测试系列(3) | 第二阶段:核心技能与调试 ​​交互操作大全
本课程为Playwright自动化测试第三阶段,深入讲解核心交互操作与调试技巧。涵盖基础到高级交互、文件上传下载、疑难问题解决及复杂场景应对,并提供稳定性优化方案,帮助开发者高效构建健壮的自动化测试脚本。
|
SQL 消息中间件 Serverless
​Flink+Paimon+Hologres,面向未来的一体化实时湖仓平台架构设计
​Flink+Paimon+Hologres,面向未来的一体化实时湖仓平台架构设计
423 4
|
存储 缓存 监控
性能测试中关注的指标
性能测试关注多个层面的指标,包括系统层(CPU、内存、磁盘、网络)、中间件层(网关、数据库、缓存、MQ、分布式存储)、应用层(响应时间、吞吐量、应用资源、GC、错误信息)及业务层和发压机指标。这些指标帮助评估系统性能,识别潜在瓶颈,确保软件质量和用户体验。
1179 4
|
存储 分布式计算 Java