传统产业数字化转型 警惕陷入“追星”陷阱！

众所周知，数字化转型一定是持久战，而非毕其功于一役。实践中，一些企业满怀热情启动数字化转型项目，在成功完成一两个项目后就开始做财务核算，判断是否要追加投入继续做大。而此时最容易陷入用成人百米赛跑成绩选拔少年选手的误区，只看到眼前而忽略了蕴藏的潜力。

企业数字化转型的规划需要直面几个根本问题：转什么?用什么转?

转成什么样?而这些问题不能靠服务商及咨询公司从技术供给侧单方面努力，企业要从需求侧积极引导，毕竟数字化转型不是简单的甲方/乙方采购行为，而应是企业与服务商的共同长征。

以上三个根本问题可以转译为：业务痛点、技术锚点、转型拐点。其答案也不是孤立的，而是“三点一线”，即以“价值创造”这个主线，一以贯之串联这三点。本文结合笔者在阿里云期间的实战案例，浅析传统企业在构建“三点一线”的过程中如何发挥引领作用。

业务痛点数据化——从业务流到数据流

首先，企业要讲得出业务痛点，并且讲得透彻。

几乎所有企业内部各个业务部门都有痛点与痒点，简单罗列各自的挑战只是原始信息收集，还需分析归纳整理，尤其要甄别哪些痛点在业务流程中产生了串联反应并通传到最终的业务指标上。把孤立的各部门痛点按照业务逻辑的因果关系梳理成为痛点循证链条，从而形成清晰的业务流程图谱。例如，生产苹果汁的企业，其业务流程可以按照逻辑聚类为：第一，上游原料果的“种植—采购—运输”;第二，中间生产环节“排产—灌装—封装—质检”;第三，下游销售的“发货—物流—营销—渠道管理”，在此逻辑聚类的基础上再逐层下探细化其局部业务环路，从而形成了业务流程的多层次透视图。

在业务流透视图上，各个节点对应的叠加企业信息化系统采集数据，形成的数据流，则是数字化转型的基本前提。这种具备业务逻辑架构的数据流完美实现了从企业组织架构/业务单元的静态结构到业务运转动态协作的映射，帮助企业按图索骥，定位并量化各个痛点循证链条的因与果，从而判断哪些痛点具备用数字化技术解决的可行性。

其次，业务专家对痛点显性化要主动引领，而非被动应答。

很多企业的业务专家会先入为主地对来自其他领域的专家有不信任感，会认为业务流的数据化会分散精力，拖缓当前主要业务。事实上业务专家完全可以成为数字化转型的主动引领者，利用熟悉业务流程逻辑的优势，结合企业前期的IT建设，推动把各个IT系统的内容(即数据)按照业务流贯穿形成数据流，从而实现业务数据化，推动数字化转型启航。因为基于海量的数据流，则可能应用各种数据技术DataTechnology(DT)探索解决痛点的规律。

技术锚点价值化——新价值而非新技术为导向

其实，最新技术或者学术明星，并不一定是企业数字化转型的最佳选择，原因有二：其一，最新技术往往在特定的先决条件下才可能发挥作用，在具体业务中的适用性与稳定性有待验证，如同每一种新药上市前都要广泛的临床试验;其二，具体业务场景中的挑战与学术研究大为不同，学术明星擅长在前人研究基础上找到创新点，但不保证创新点一定能够带来足够大的实战价值，而具体业务场景里应用新技术则需要有最低价值门槛，至少投入产出比要足够。

而如何甄选合适的新技术作为锚点，可以从以下两个维度分析：

第一，采用ROI(投资回报率)相对高的技术。

对于选定数字化转型拟解决的痛点，企业的业务专家可以给出期待的收益价值，技术服务商提出的解决方案实施成本则包括开发实施成本和企业内部业务线的配合成本，基于收益与成本的考量、按照投资收益比ROI，综合选择适合的技术方案。实践表明新鲜出炉的明星理论往往有相当长的开发试错周期，导致转型项目的夭折。

第二，采用嵌入式成本相对较低的技术实施方式。

大部分的数字化转型项目都需要把新技术与现有的系统做某种程度上的兼容对接，所以应当着重考虑新技术的嵌入式成本，在保证新技术向后兼容的同时，应避免技术选型与现有系统之间产生无法共存的排斥反应，尽最大可能实现“无缝对接”。

例如，某新技术要求数据源A实现每秒更新一次，而数据源A的采集系统一直是每分钟更新一次，强行上马则可能造成采集系统的崩溃，显然这是一个嵌入式风险高的选项。2018年阿里云工业大脑团队实施恒逸石化项目，当时目标是通过AI提高己内酰胺锅炉燃烧效能。如果想要追求极致，工厂希望实现自动反向控制，即工人不需要操作，生产线能够自动根据算法的结果调节工序关键参数。但这种方式需要打通现有系统，集成成本过高，还可能有未知的控制风险。所以最终采用了折中的解决方案：将AI计算的参数，即时推送至业务流程中，再由业务操作者来决策是否应用该参数。这种方案减少了嵌入式成本并且降低了风险，最终实现了方案快速上线，提升了燃烧效率2.6%。

转型拐点连续化——从量变到质变的渐进过程

评估前期的数字化转型项目成功与否，不仅要看其创造价值是否明显，更要关注其方式和路径是否能再度放大持续创造新价值。

例如，在2018年阿里云与海底捞及蒙牛的数字化转型案例中，首期项目以数据中台的雏形为基础，然后开发了一两个示范应用。如果通过示范应用的业务价值了解数据中台的威力，继而加码投入，则会创造出更多的示范应用，解决业务痛点甚至是创造新的业务模式，用数字化技术打造连串的价值创造点，从而触发质变的转型拐点。

阿里云城市大脑在交通领域的实践也经历了类似的过程，从2017年在杭州中河高架及萧山区试点路口到2018年拓展至杭州主城区1300个路口420平方公里区域，站在2017年与2018年底分别评价城市大脑的收益，得到的结论显然有了巨大的飞跃。

传统产业的数字化转型之路漫漫，成功的路径不可能复制，因为各家企业的现状迥异，但是选择成功路径的方法论是可以借鉴的，“三点一线”就是多个企业实践的提炼的方法论，希望对还在求索中的前行者有所启迪。

同时，当前人工智能(AI)、深度学习、大数据和云计算等新技术名词很流行，企业选择数字化转型的技术路径也容易陷入到“追星”的陷阱。