眾所周知，數字化轉型一定是持久戰(zhàn)，而非畢其功于一役。實踐中，一些企業(yè)滿懷熱情啟動數字化轉型項目，在成功完成一兩個項目后就開始做財務核算，判斷是否要追加投入繼續(xù)做大。而此時最容易陷入用成人百米賽跑成績選拔少年選手的誤區(qū)，只看到眼前而忽略了蘊藏的潛力。

企業(yè)數字化轉型的規(guī)劃需要直面幾個根本問題：轉什么?用什么轉?

轉成什么樣?而這些問題不能靠服務商及咨詢公司從技術供給側單方面努力，企業(yè)要從需求側積極引導，畢竟數字化轉型不是簡單的甲方/乙方采購行為，而應是企業(yè)與服務商的共同長征。

以上三個根本問題可以轉譯為：業(yè)務痛點、技術錨點、轉型拐點。其答案也不是孤立的，而是“三點一線”，即以“價值創(chuàng)造”這個主線，一以貫之串聯這三點。本文結合筆者在阿里云期間的實戰(zhàn)案例，淺析傳統(tǒng)企業(yè)在構建“三點一線”的過程中如何發(fā)揮引領作用。

業(yè)務痛點數據化——從業(yè)務流到數據流

首先，企業(yè)要講得出業(yè)務痛點，并且講得透徹。

幾乎所有企業(yè)內部各個業(yè)務部門都有痛點與癢點，簡單羅列各自的挑戰(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在業(yè)務流程中產生了串聯反應并通傳到最終的業(yè)務指標上。把孤立的各部門痛點按照業(yè)務邏輯的因果關系梳理成為痛點循證鏈條，從而形成清晰的業(yè)務流程圖譜。例如，生產蘋果汁的企業(yè)，其業(yè)務流程可以按照邏輯聚類為：第一，上游原料果的“種植—采購—運輸”;第二，中間生產環(huán)節(jié)“排產—灌裝—封裝—質檢”;第三，下游銷售的“發(fā)貨—物流—營銷—渠道管理”，在此邏輯聚類的基礎上再逐層下探細化其局部業(yè)務環(huán)路，從而形成了業(yè)務流程的多層次透視圖。

在業(yè)務流透視圖上，各個節(jié)點對應的疊加企業(yè)信息化系統(tǒng)采集數據，形成的數據流，則是數字化轉型的基本前提。這種具備業(yè)務邏輯架構的數據流完美實現了從企業(yè)組織架構/業(yè)務單元的靜態(tài)結構到業(yè)務運轉動態(tài)協作的映射，幫助企業(yè)按圖索驥，定位并量化各個痛點循證鏈條的因與果，從而判斷哪些痛點具備用數字化技術解決的可行性。

其次，業(yè)務專家對痛點顯性化要主動引領，而非被動應答。

很多企業(yè)的業(yè)務專家會先入為主地對來自其他領域的專家有不信任感，會認為業(yè)務流的數據化會分散精力，拖緩當前主要業(yè)務。事實上業(yè)務專家完全可以成為數字化轉型的主動引領者，利用熟悉業(yè)務流程邏輯的優(yōu)勢，結合企業(yè)前期的IT建設，推動把各個IT系統(tǒng)的內容(即數據)按照業(yè)務流貫穿形成數據流，從而實現業(yè)務數據化，推動數字化轉型啟航。因為基于海量的數據流，則可能應用各種數據技術DataTechnology(DT)探索解決痛點的規(guī)律。

技術錨點價值化——新價值而非新技術為導向

其實，最新技術或者學術明星，并不一定是企業(yè)數字化轉型的最佳選擇，原因有二：其一，最新技術往往在特定的先決條件下才可能發(fā)揮作用，在具體業(yè)務中的適用性與穩(wěn)定性有待驗證，如同每一種新藥上市前都要廣泛的臨床試驗;其二，具體業(yè)務場景中的挑戰(zhàn)與學術研究大為不同，學術明星擅長在前人研究基礎上找到創(chuàng)新點，但不保證創(chuàng)新點一定能夠帶來足夠大的實戰(zhàn)價值，而具體業(yè)務場景里應用新技術則需要有最低價值門檻，至少投入產出比要足夠。

而如何甄選合適的新技術作為錨點，可以從以下兩個維度分析：

第一，采用ROI(投資回報率)相對高的技術。

對于選定數字化轉型擬解決的痛點，企業(yè)的業(yè)務專家可以給出期待的收益價值，技術服務商提出的解決方案實施成本則包括開發(fā)實施成本和企業(yè)內部業(yè)務線的配合成本，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方案。實踐表明新鮮出爐的明星理論往往有相當長的開發(fā)試錯周期，導致轉型項目的夭折。

第二，采用嵌入式成本相對較低的技術實施方式。

大部分的數字化轉型項目都需要把新技術與現有的系統(tǒng)做某種程度上的兼容對接，所以應當著重考慮新技術的嵌入式成本，在保證新技術向后兼容的同時，應避免技術選型與現有系統(tǒng)之間產生無法共存的排斥反應，盡最大可能實現“無縫對接”。

例如，某新技術要求數據源A實現每秒更新一次，而數據源A的采集系統(tǒng)一直是每分鐘更新一次，強行上馬則可能造成采集系統(tǒng)的崩潰，顯然這是一個嵌入式風險高的選項。2018年阿里云工業(yè)大腦團隊實施恒逸石化項目，當時目標是通過AI提高己內酰胺鍋爐燃燒效能。如果想要追求極致，工廠希望實現自動反向控制，即工人不需要操作，生產線能夠自動根據算法的結果調節(jié)工序關鍵參數。但這種方式需要打通現有系統(tǒng)，集成成本過高，還可能有未知的控制風險。所以最終采用了折中的解決方案：將AI計算的參數，即時推送至業(yè)務流程中，再由業(yè)務操作者來決策是否應用該參數。這種方案減少了嵌入式成本并且降低了風險，最終實現了方案快速上線，提升了燃燒效率2.6%。

轉型拐點連續(xù)化——從量變到質變的漸進過程

評估前期的數字化轉型項目成功與否，不僅要看其創(chuàng)造價值是否明顯，更要關注其方式和路徑是否能再度放大持續(xù)創(chuàng)造新價值。

例如，在2018年阿里云與海底撈及蒙牛的數字化轉型案例中，首期項目以數據中臺的雛形為基礎，然后開發(fā)了一兩個示范應用。如果通過示范應用的業(yè)務價值了解數據中臺的威力，繼而加碼投入，則會創(chuàng)造出更多的示范應用，解決業(yè)務痛點甚至是創(chuàng)造新的業(yè)務模式，用數字化技術打造連串的價值創(chuàng)造點，從而觸發(fā)質變的轉型拐點。

阿里云城市大腦在交通領域的實踐也經歷了類似的過程，從2017年在杭州中河高架及蕭山區(qū)試點路口到2018年拓展至杭州主城區(qū)1300個路口420平方公里區(qū)域，站在2017年與2018年底分別評價城市大腦的收益，得到的結論顯然有了巨大的飛躍。

傳統(tǒng)產業(yè)的數字化轉型之路漫漫，成功的路徑不可能復制，因為各家企業(yè)的現狀迥異，但是選擇成功路徑的方法論是可以借鑒的，“三點一線”就是多個企業(yè)實踐的提煉的方法論，希望對還在求索中的前行者有所啟迪。

同時，當前人工智能(AI)、深度學習、大數據和云計算等新技術名詞很流行，企業(yè)選擇數字化轉型的技術路徑也容易陷入到“追星”的陷阱。