近两年来，数智化被越来越多的业内人士所提及，什么是企业的数智化呢？
综合了互联网上不同业务领域的人对这个词汇的理解，总结一下：数智化是企业在数字化基础上的更高诉求，它是企业运用新一代数字和智能技术，通过变革和创新来推进企业的转型升级，在满足企业以内部管理为核心的确定化的需求之上，进一步满足企业以客户运营为中心的个性化需求；在提高企业的经营水平基础上，寻找创新点和新的竞争优势，建设企业的可持续发展能力。
简单来讲，数智化是数字化加智能化，是在数字化的基础上通过引入先进技术而对企业的创新和发展提出的更高诉求。
作为帮助企业进行数智化转型规划的顾问，当时间迈入2020，看到的场景是，一场疫情不但没有将企业的（数智化）转型诉求搁浅，反而迫使企业更加迫切的寻求改变。伴随着疫情的发展，全球经济增长趋缓，市场格局发生变化，许多企业，尤其是传统行业的线下业务受到极大冲击，急需进一步拓展市场，提高经营水平，所以寻求转型升级的动力越来越足，诉求也越来越强烈。在这样的背景下，数智化转型成了传统企业寻求增长的 “救命稻草”，也因此数据与智能成了企业数字化转型的主要目标和方向。
以下是基于经验的总结，提炼了企业在进行数智化转型的过程中遇到的几个典型诉求及应对策略。
01 如何规划并落地实施数据战略
谷歌首席执行官埃里克·施密特说过:“现在是数据的时代，算法的时代。”在商业前沿探索的人，没有人会反驳这一论断。数据和算法，构成了智能的基本要素。
当下，企业为了更好的服务于客户，越来越重视数据，因为随着技术的发展，数据逐渐成为一种重要的资产，围绕着数据进行探索和分析，能产出许多发现和洞察进而给业务带来价值，这些都有可能成为企业新的优势和业务增长点。
那么，如何使用数据并且让数据发挥价值呢？这成了企业在数智化转型过程中遇到的第一个诉求。
这个诉求的背后，企业面临这样一系列的问题：
- 如何制定数据战略规划并且设定阶段性目标？
- 如何制定可行性的路线图？
- 为了达成目标，如何启动数据能力建设？
- 如何让数据目标建设像业务应用一样清晰可见？
- 如何实现业务和技术的拉通共同拥抱变革、落地建设的方案？
- ……
这些问题都可以总结为：如何形成数智化转型的愿景、目标、路线和可行性方案。
对于这个诉求的应对策略是：规划的方法论加快速可行性的研究，具体来讲有这样四个步骤。
第一步是企业（部门）统一建设愿景并探索创新场景，具体来讲，这一步是在拉通愿景的基础上，基于现有数据，通过引入数据技术，对创新的可能性开脑洞的过程，所以这一步的产出是许多具备可能性（未被验证过）的场景，以及基于业务诉求对这些场景的优先级排序。
第二步是基于业务和数据现状对创新场景进行分析，确定创新场景建设的可能性，具体来讲，这一步需要评估数据质量，评估技术的可行性，筛选出真正具有技术和数据可行性并能为业务带来价值的场景。
第三步是对确定的场景（也叫数据应用）进行详细设计，具体来讲，是进行方案和架构设计，增加业务价值细节，根据需要进行业务域相关的数据治理，并制定相关的运营策略，设定价值衡量的标准。
第四步是产出建设规划和路线图，具体来讲，是规划要建设的数据应用或者应用组合的建设路线，评估所需的资源和能力，制定详细的项目管理计划，并且做好准备快速启动建设。
总结一下，这个应对策略是基于方法论和实践工具进行业务创新探索和制定落地规划的过程。
02 如何确定数据治理和数据应用的优先级
在企业进行数智化转型的过程中，期望打造的目标是业务数据化、数据资产化、资产服务化、服务业务化，只有形成这样一个闭环，数据才能真正发挥作用，对业务的发展和创新带来价值，从而让数据驱动业务变得更精准、更有效，也就是说，数据最终是通过数据应用的方式为业务提供价值的。
但是企业在进行业务多元化和规模化扩展的过程中，为了追求效率和速度，同时由于缺少先进的数据处理技术和能力的支撑，导致数据存储在各个地方，还伴随着许多质量的问题，比如标准不统一、口径不一致，这些都给建设数据应用带来很大挑战。
所以，对数据进行治理提高数据质量，将数据组织起来作为资产进行管理，是数据发挥价值的基础。但是，全局的，端到端的，覆盖整个企业的数据治理是个浩大的系统工程，不仅周期长，还很难在短期内看到效果，许多企业还没有等到结果出现，在建设的中途就放弃了这个浩大的工程，也或者虽然治理有了阶段性的成效，但是由于缺少长效、持续的运营，结果最终没有得到长期的保持。
那么，能不能在建设数据应用的同时进行适度的数据治理，或者说在做数据治理的时候通过持续的数据应用建设将价值呈现出来，这是企业在数智化转型过程中遇到的第二个诉求。
这个诉求的背后，企业面临如下一系列的问题：
- 数据取不到、质量也不高，如何保证数据应用的价值？
- 数据质量不高，是不是要先做数据治理？
- 数据治理和数据应用，哪个先做，谁驱动谁？
- 如何保证数据治理的结果能够落地？
- 如何衡量数据治理的价值？
- ……
这些问题可以总结为：如何确定数据应用和数据治理的关系，让他们协同起来为业务产生价值。
对于这个诉求的应对策略是建设以数据应用为驱动的数据治理，具体来讲，是用这样一个思路来推进的。
这个思路的核心思想是，无论是数据应用建设还是数据治理，都不在于数据本身，而在于业务优先级。企业需要根据业务优先级，清晰地制定出业务发展的蓝图，将蓝图建设对应到对数据应用的需求上，数据应用的需求进一步拉通数据治理的目标，组织从上到下进行拉通，分长短期目标分阶段逐步的推进数据应用和数据治理的工作。
操作步骤是这样的：找到一个具体的高优先级的业务创新点或者挑战点，将资源和资金投入到这个业务需求的建设上，以小步快跑持续迭代的方式循序渐进的产出业务价值，这种短周期快迭代的方式技能给业务团队带来希望，又能给技术团队带来信心。
总结一下，企业数智化转型的过程中，数据应用和数据治理需要协同建设，建设什么如何建设决定于业务的优先级。
03 如何快速产出结果并衡量价值
企业的数智化转型，也是通过智能技术验证想法、落地想法的过程，在这个过程中，业务是驱动者和诉求的提出者，技术方则负责选择合适的手段和方法来实现，这是一个业务和技术共同协作来进行探索和创新的过程，这个过程需要开发软件，也需要对价值进行衡量。
近年来，人们受互联网产品和软件的影响，对于创新类的产品和服务，也寄予了同样的期望，周期短、见效快、可衡量，这是市场对业务的诉求，也是业务对技术实现的期望。
那么，能不能快速探索并验证想法的可行性，快速将验证过的想法打造成产品或软件服务，进而推给客户或者用户，衡量收益和价值，这是企业在数智化转型过程中遇到的第三个诉求。
这个诉求的背后，企业面临如下一系列的问题：
- 如何快速验证创新想法的可行性？
- 如何快速开发出给业务带来价值的产品？
- 如何设定指标衡量这些价值？
- 如何衡量软件产品的价值？
- 如何用科学的管理方法减少浪费？
- ……
这些问题可以总结为：如何以成本最低的方式验证创新的想法，快速产出对业务最有价值的产品。
对于这个诉求的应对策略是用数据和智能技术快速验证可行性，用敏捷软件开发的方法快速开发出最小可行性产品，具体来讲有这样四个步骤。
第一步，用数据和智能的技术快速开发产品的核心功能，比如算法模型，来验证想法的可行性；
第二步，快速启动具有可行性（验证通过）产品的设计和开发，对价值指标进行定义；
第三步，敏捷软件开发，将模型结果集成到产品开发中，迭代式的对产品开发的结果进行验证和衡量，同时收集反馈持续优化产品；
第四步，制定运营策略，形成闭环，通过对运营数据的收集和分析不断优化产品。
总结一下，这是企业数智化转型的过程中，通过引入先进的技术和方法论，将想法落地为业务带来价值的过程。
04 如何在转型中提升能力赋能组织
企业只所以进行数智化转型，有的是因为来自市场的挑战，有的是由于发展中遇到了瓶颈，有的则是增长的需要，转型要求企业做出改变，无论是主动改变还是被动改变，转型的落地都依赖于人员能力的提升，依赖于组织整体能力的提升。
所以转型的过程中，提升人员能力、赋能组织是企业在数智化转型过程中遇到的第四个诉求。
这个诉求的背后，企业面临如下一系列的问题：
- 为团队和个体赋能，是依靠组织自身还是借助外部力量？
- 如何依靠组织自身，内部能力和资源是否足够？
- 如何借助外部力量，确定赋能什么，如何赋能？
- 如何让赋能的结果得以保持，让组织内建能力持续跨越发展中的瓶颈？
- 如何让组织能力和组织发展匹配，驱动组织的发展和变革？
- ……
一句话总结是，从企业长期发展来看，为了应对未来的挑战和发展中的瓶颈，组织需要具备持续发展的能力。
对于这个诉求的应对策略是采取实践与赋能相结合的能力提升机制，具体来讲有这样四个步骤。
第一步，通过培训和宣讲，导入数智化思维，确定赋能的目标，识别赋能的重点，帮助组织从上到下，从业务到技术拥有一致的对于转型的认识；
第二步，引入模板、工具和框架，帮助团队快速启动转型的行动，先做起来，快速熟悉和上手新的实践活动；
第三步，在做的过程中，引入辅导，通过观察、指导和反馈，沉淀经验，帮助组织总结出适合组织文化的能力提升经验；
第四步，在积累一定经验的基础之上，规模化赋能的活动，建立培养人才的梯队机制，提升组织整体能力。
总结一下，这四个步骤是个渐进的过程，赋能需要时间，也是一个不断深入的过程，企业只有提升了整体能力，才能应对长期发展中会遇到的挑战和瓶颈。
写在最后
企业的数智化转型，是企业寻求发展和提升能力、设立长期目标和短期目标并逐步实现的过程，企业希望通过转型，找到创新点和发展道路，以此来提高企业的经营水平和竞争优势，最终建设企业可持续发展的能力，所以从长远发展的角度，转型是个持续的过程，为了到达那里，转型是表象，赋能才是底层。
文/ThoughtWorks陈庆敏
