企業(yè)數(shù)字化轉(zhuǎn)型的規(guī)劃需要直面幾個(gè)根本問(wèn)題：轉(zhuǎn)什么？用什么轉(zhuǎn)？轉(zhuǎn)成什么樣？而這些問(wèn)題不能靠服務(wù)商及咨詢公司從技術(shù)供給側(cè)單方面努力，企業(yè)要從需求側(cè)積極引導(dǎo)，畢竟數(shù)字化轉(zhuǎn)型不是簡(jiǎn)單的甲方/乙方采購(gòu)行為，而應(yīng)是企業(yè)與服務(wù)商的共同長(zhǎng)征。

以上三個(gè)根本問(wèn)題可以轉(zhuǎn)譯為：業(yè)務(wù)痛點(diǎn)、技術(shù)錨點(diǎn)、轉(zhuǎn)型拐點(diǎn)。其答案也不是孤立的，而是“三點(diǎn)一線”，即以“價(jià)值創(chuàng)造”這個(gè)主線，一以貫之串聯(lián)這三點(diǎn)。本文結(jié)合筆者在阿里云期間的實(shí)戰(zhàn)案例，淺析傳統(tǒng)企業(yè)在構(gòu)建“三點(diǎn)一線”的過(guò)程中如何發(fā)揮引領(lǐng)作用。

業(yè)務(wù)痛點(diǎn)數(shù)據(jù)化——從業(yè)務(wù)流到數(shù)據(jù)流

首先，企業(yè)要講得出業(yè)務(wù)痛點(diǎn)，并且講得透徹。

幾乎所有企業(yè)內(nèi)部各個(gè)業(yè)務(wù)部門都有痛點(diǎn)與癢點(diǎn)，簡(jiǎn)單羅列各自的挑戰(zhàn)只是原始信息收集，還需分析歸納整理，尤其要甄別哪些痛點(diǎn)在業(yè)務(wù)流程中產(chǎn)生了串聯(lián)反應(yīng)并通傳到最終的業(yè)務(wù)指標(biāo)上。把孤立的各部門痛點(diǎn)按照業(yè)務(wù)邏輯的因果關(guān)系梳理成為痛點(diǎn)循證鏈條，從而形成清晰的業(yè)務(wù)流程圖譜。例如，生產(chǎn)蘋果汁的企業(yè)，其業(yè)務(wù)流程可以按照邏輯聚類為：第一，上游原料果的“種植—采購(gòu)—運(yùn)輸”；第二，中間生產(chǎn)環(huán)節(jié)“排產(chǎn)—灌裝—封裝—質(zhì)檢”；第三，下游銷售的“發(fā)貨—物流—營(yíng)銷—渠道管理”，在此邏輯聚類的基礎(chǔ)上再逐層下探細(xì)化其局部業(yè)務(wù)環(huán)路，從而形成了業(yè)務(wù)流程的多層次透視圖。

在業(yè)務(wù)流透視圖上，各個(gè)節(jié)點(diǎn)對(duì)應(yīng)的疊加企業(yè)信息化系統(tǒng)采集數(shù)據(jù)，形成的數(shù)據(jù)流，則是數(shù)字化轉(zhuǎn)型的基本前提。這種具備業(yè)務(wù)邏輯架構(gòu)的數(shù)據(jù)流完美實(shí)現(xiàn)了從企業(yè)組織架構(gòu)/業(yè)務(wù)單元的靜態(tài)結(jié)構(gòu)到業(yè)務(wù)運(yùn)轉(zhuǎn)動(dòng)態(tài)協(xié)作的映射，幫助企業(yè)按圖索驥，定位并量化各個(gè)痛點(diǎn)循證鏈條的因與果，從而判斷哪些痛點(diǎn)具備用數(shù)字化技術(shù)解決的可行性。

其次，業(yè)務(wù)專家對(duì)痛點(diǎn)顯性化要主動(dòng)引領(lǐng)，而非被動(dòng)應(yīng)答。

很多企業(yè)的業(yè)務(wù)專家會(huì)先入為主地對(duì)來(lái)自其他領(lǐng)域的專家有不信任感，會(huì)認(rèn)為業(yè)務(wù)流的數(shù)據(jù)化會(huì)分散精力，拖緩當(dāng)前主要業(yè)務(wù)。事實(shí)上業(yè)務(wù)專家完全可以成為數(shù)字化轉(zhuǎn)型的主動(dòng)引領(lǐng)者，利用熟悉業(yè)務(wù)流程邏輯的優(yōu)勢(shì)，結(jié)合企業(yè)前期的IT建設(shè)，推動(dòng)把各個(gè)IT系統(tǒng)的內(nèi)容（即數(shù)據(jù)）按照業(yè)務(wù)流貫穿形成數(shù)據(jù)流，從而實(shí)現(xiàn)業(yè)務(wù)數(shù)據(jù)化，推動(dòng)數(shù)字化轉(zhuǎn)型啟航。因?yàn)榛诤Ａ康臄?shù)據(jù)流，則可能應(yīng)用各種數(shù)據(jù)技術(shù)DataTechnology（DT）探索解決痛點(diǎn)的規(guī)律。

技術(shù)錨點(diǎn)價(jià)值化——新價(jià)值而非新技術(shù)為導(dǎo)向

當(dāng)前人工智能（AI）、深度學(xué)習(xí)、大數(shù)據(jù)和云計(jì)算等新技術(shù)名詞很流行，企業(yè)選擇數(shù)字化轉(zhuǎn)型的技術(shù)路徑也容易陷入到“追星”的陷阱。

其實(shí)，最新技術(shù)或者學(xué)術(shù)明星，并不一定是企業(yè)數(shù)字化轉(zhuǎn)型的最佳選擇，原因有二：其一，最新技術(shù)往往在特定的先決條件下才可能發(fā)揮作用，在具體業(yè)務(wù)中的適用性與穩(wěn)定性有待驗(yàn)證，如同每一種新藥上市前都要廣泛的臨床試驗(yàn)；其二，具體業(yè)務(wù)場(chǎng)景中的挑戰(zhàn)與學(xué)術(shù)研究大為不同，學(xué)術(shù)明星擅長(zhǎng)在前人研究基礎(chǔ)上找到創(chuàng)新點(diǎn)，但不保證創(chuàng)新點(diǎn)一定能夠帶來(lái)足夠大的實(shí)戰(zhàn)價(jià)值，而具體業(yè)務(wù)場(chǎng)景里應(yīng)用新技術(shù)則需要有最低價(jià)值門檻，至少投入產(chǎn)出比要足夠。

而如何甄選合適的新技術(shù)作為錨點(diǎn)，可以從以下兩個(gè)維度分析：

第一，采用ROI（投資回報(bào)率）相對(duì)高的技術(shù)。

對(duì)于選定數(shù)字化轉(zhuǎn)型擬解決的痛點(diǎn)，企業(yè)的業(yè)務(wù)專家可以給出期待的收益價(jià)值，技術(shù)服務(wù)商提出的解決方案實(shí)施成本則包括開發(fā)實(shí)施成本和企業(yè)內(nèi)部業(yè)務(wù)線的配合成本，基于收益與成本的考量、按照投資收益比ROI，綜合選擇適合的技術(shù)方案。實(shí)踐表明新鮮出爐的明星理論往往有相當(dāng)長(zhǎng)的開發(fā)試錯(cuò)周期，導(dǎo)致轉(zhuǎn)型項(xiàng)目的夭折。

第二，采用嵌入式成本相對(duì)較低的技術(shù)實(shí)施方式。

大部分的數(shù)字化轉(zhuǎn)型項(xiàng)目都需要把新技術(shù)與現(xiàn)有的系統(tǒng)做某種程度上的兼容對(duì)接，所以應(yīng)當(dāng)著重考慮新技術(shù)的嵌入式成本，在保證新技術(shù)向后兼容的同時(shí)，應(yīng)避免技術(shù)選型與現(xiàn)有系統(tǒng)之間產(chǎn)生無(wú)法共存的排斥反應(yīng)，盡最大可能實(shí)現(xiàn)“無(wú)縫對(duì)接”。

例如，某新技術(shù)要求數(shù)據(jù)源A實(shí)現(xiàn)每秒更新一次，而數(shù)據(jù)源A的采集系統(tǒng)一直是每分鐘更新一次，強(qiáng)行上馬則可能造成采集系統(tǒng)的崩潰，顯然這是一個(gè)嵌入式風(fēng)險(xiǎn)高的選項(xiàng)。2018年阿里云工業(yè)大腦團(tuán)隊(duì)實(shí)施恒逸石化項(xiàng)目，當(dāng)時(shí)目標(biāo)是通過(guò)AI提高己內(nèi)酰胺鍋爐燃燒效能。如果想要追求極致，工廠希望實(shí)現(xiàn)自動(dòng)反向控制，即工人不需要操作，生產(chǎn)線能夠自動(dòng)根據(jù)算法的結(jié)果調(diào)節(jié)工序關(guān)鍵參數(shù)。但這種方式需要打通現(xiàn)有系統(tǒng)，集成成本過(guò)高，還可能有未知的控制風(fēng)險(xiǎn)。所以最終采用了折中的解決方案：將AI計(jì)算的參數(shù)，即時(shí)推送至業(yè)務(wù)流程中，再由業(yè)務(wù)操作者來(lái)決策是否應(yīng)用該參數(shù)。這種方案減少了嵌入式成本并且降低了風(fēng)險(xiǎn)，最終實(shí)現(xiàn)了方案快速上線，提升了燃燒效率2.6%。

轉(zhuǎn)型拐點(diǎn)連續(xù)化——從量變到質(zhì)變的漸進(jìn)過(guò)程

數(shù)字化轉(zhuǎn)型一定是持久戰(zhàn)，而非畢其功于一役。實(shí)踐中，一些企業(yè)滿懷熱情啟動(dòng)數(shù)字化轉(zhuǎn)型項(xiàng)目，在成功完成一兩個(gè)項(xiàng)目后就開始做財(cái)務(wù)核算，判斷是否要追加投入繼續(xù)做大。而此時(shí)最容易陷入用成人百米賽跑成績(jī)選拔少年選手的誤區(qū)，只看到眼前而忽略了蘊(yùn)藏的潛力。

評(píng)估前期的數(shù)字化轉(zhuǎn)型項(xiàng)目成功與否，不僅要看其創(chuàng)造價(jià)值是否明顯，更要關(guān)注其方式和路徑是否能再度放大持續(xù)創(chuàng)造新價(jià)值。

例如，在2018年阿里云與海底撈及蒙牛的數(shù)字化轉(zhuǎn)型案例中，首期項(xiàng)目以數(shù)據(jù)中臺(tái)的雛形為基礎(chǔ)，然后開發(fā)了一兩個(gè)示范應(yīng)用。如果通過(guò)示范應(yīng)用的業(yè)務(wù)價(jià)值了解數(shù)據(jù)中臺(tái)的威力，繼而加碼投入，則會(huì)創(chuàng)造出更多的示范應(yīng)用，解決業(yè)務(wù)痛點(diǎn)甚至是創(chuàng)造新的業(yè)務(wù)模式，用數(shù)字化技術(shù)打造連串的價(jià)值創(chuàng)造點(diǎn)，從而觸發(fā)質(zhì)變的轉(zhuǎn)型拐點(diǎn)。

阿里云城市大腦在交通領(lǐng)域的實(shí)踐也經(jīng)歷了類似的過(guò)程，從2017年在杭州中河高架及蕭山區(qū)試點(diǎn)路口到2018年拓展至杭州主城區(qū)1300個(gè)路口420平方公里區(qū)域，站在2017年與2018年底分別評(píng)價(jià)城市大腦的收益，得到的結(jié)論顯然有了巨大的飛躍。

傳統(tǒng)產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型之路漫漫，成功的路徑不可能復(fù)制，因?yàn)楦骷移髽I(yè)的現(xiàn)狀迥異，但是選擇成功路徑的方法論是可以借鑒的，“三點(diǎn)一線”就是多個(gè)企業(yè)實(shí)踐的提煉的方法論，希望對(duì)還在求索中的前行者有所啟迪。