2020年是與眾不同的一年。在疫情的影響下，中國有近70%的中小企業正在加速其數字化程序，當中有一半以上的中小企業預計到2021年將有超過1/5的業務實現數字化。

即便如此，現在仍有很多企業困於數字化轉型。企業利用AI應用越多，就意味著企業數字化成熟度越強嗎？在雲、大資料、AI、IoT、5G等數字技術與業務交織融合的當下，企業在邁向數字化轉型之前，還有哪些功課需要做？

匆匆數字化轉型的企業可能已經停擺在數字與決策的交叉路口，甚至已經不知從何下手。是時候停下來重新丈量企業的數字化程序了。

撰文 | 力琴

自疫情以來，“數字化”這一字眼並不陌生。數字化究竟對企業意味著什麼？

“數字化成熟度與財務表現相關。”德勤今年一篇關於《數字化成熟度與財務績效之間聯絡》的調查顯示，具有高度數字化成熟度的公司獲得收益的可能性，要比成熟度低的公司高出兩到三倍。

儘管數字化能夠促進企業收益，但是現在約半數企業仍處於探索嘗試階段。根據一份調查了國內274家大中小企業數字化轉型現況的報告顯示，多數企業的數字化轉型實踐停在管理、運作流程和營銷模式之上，產品與服務創新不足。

雖然日益加劇的行業競爭驅動企業數字化轉型，但現實情況是，數字化轉型可能要比預想或者準備的要難得多。如果企業想要儘快從數字化轉型中獲得他們期望的收益，需要快速適應。

一

丈量企業數字化的標尺

如今，隨著AI的普及，85%的高管都知道AI可以從根本上改變他們的業務。在麥肯錫2020年AI狀況調查中，有一半的受訪者表示他們的企業至少在一個專案上採用了AI。

越來越多的企業將AI作為創造價值的工具，超過2/3的受訪者表示AI可以透過最佳化庫存和零部件、定價和促銷、客戶服務分析、銷售和需求預測等方面提升收入。

雖然AI能夠最佳化業務環節，讓效率和速度大大提升。但在數字化轉型的節點上，應用AI並不代表企業真正已經完成了數字化轉型。因此需要一把標尺丈量企業的數字化轉型程序。

伴隨數字化企業概念的出現，加深了外界對“數字化成熟度”的認識。在企業進行數字化轉型之前，得先度量企業的數字化程度，建立系統性的判斷，繼而根據數字化成熟度的不同，找到合適的切入點。因此，“數字化成熟度”這一標準尤為重要。

但是，現在尚未有通用的數字化成熟度衡量標準出現。成熟度一般可以被定義為事物發展的狀態，描述最初階段到立項階段的演變過程。李傑教授所著的《工業人工智慧》這本書認為，企業應該對自身的技術成熟度定期評估，以評估向智慧化轉型的成熟度。“成熟度模型”工具尤為重要，可以對企業現有的生產系統進行描述。

通常情況下，具有較高數字化成熟度的企業更有可能認為自己處於人工智慧技術採用的高階階段，並有能力以規模化的方式將資料轉化為精準洞察，這是來自高知特關於《人工智慧投資與數字化成熟度曲線》報告的結論。相較於數字化成熟度較高的受訪企業，那些數字化成熟度較低的受訪企業很少會認為自己擁有先進的人工智慧應用。

二

艱鉅的成熟度評估過程

2020年，越來越多企業開始轉型數字化，且意識到數字化的重要性。但同樣，很多企業也意識到這是一項艱鉅的任務。

根據Gartner報告顯示，儘管91％的公司追求某種形式的數字化轉型，但只有40％的企業表示成功實現了數字化轉型。那麼成功與失敗背後的區別究竟是什麼呢？

多數企業利用數字化軟體代替舊的系統，讓它們可以更高效、更具成本效益。但是要讓數字化驅動企業發展，遠不止這些。

在《2020亞太區中小企業數字化成熟度報告》裡，用成熟度指數來概況企業的數字化成熟度。這些指數維度包括數字化戰略和組織、數字化流程和監管、數字化技術以及數字化人才和技能。每個維度都可衡量企業業務職能和表現，對企業數字化進行獨立評估。

大多數中小企業正在努力實現其數字化目標，其中略多於一半的企業處於第二階段，即數字化觀察者，而近三分之一的中小企業是“數字化無感者”，仍在被動響應市場變化，且幾乎沒有做出努力進行數字化轉型。

擺在中小企業數字化轉型面前的主要挑戰是，數字化技能和人才短缺，其次是缺少實現數字化轉型所需的技術。

無論規模大小，亞太區的中小企業都計劃在未來18個月先對雲進行投資，以實現其業務的數字化，緊隨其後的投資領域是安全和IT基礎設施升級。在疫情期間，與客戶體驗、影片會議解決方案及人工智慧分析技術領域相關的投資大大增加。

另外，來自《埃森哲企業數字轉型指數》顯示，可以從智慧化運營和數字化創新兩個維度對中國各行各業的數字能力成熟度進行評估。

智慧化運營方面包括數字渠道與營銷、智慧生產與製造及智慧支援與管控；數字化創新方面包括產品與服務創新、數字商業模式及數字創投與孵化。

目前，中國各行業的數字化能力建設整體尚處於初級階段，但領軍者數字化成熟度已遠超同行。據埃森哲與國家工業資訊保安發展研究中心合作的研究結果顯示。

埃森哲從十萬餘家企業中，抽取八大代表性行業的450家企業進行分析，涉及的行業有汽車及零部件、消費電子、物流、傳統零售、醫藥、快速消費品、化工建材及冶金。

不同行業間的數字化程度存在一定差距。靠近終端消費者的2C行業的數字化水平相對高於2B行業。

以零售商的數字化轉型為例，大部分企業的發力點集中在內部前臺、中臺、後臺的IT系統建設以及線上線下的數字化營銷能力。例如在營銷和客戶服務等環節，很多企業開始應用使用者畫像開展數字化營銷。

但是也有一些弊端。在數字化供應鏈建設、生態系統建設、商品和服務的數字化可標示可追逐等方面還處在早期階段。

有一家零售企業就表示，“我們有8000多家自有門店，十個品牌，零售資料非常多。去年專門針對SAP系統，即針對所有企業的資料和應用整合的一套方法，主要解決資料太多導致系統跑不動的問題。”據德勤中國零售企業數字化成熟度評估調研報告顯示，目前僅9%的零售企業數字化供應鏈能力達到了智慧階段。

三

審視企業數字化的大框架

透過梳理關於數字化成熟度評估的相關報告，我們發現，對企業數字化成熟度的評估通常圍繞公司戰略、業務應用、組織與人才等環節進行。大致基本框架是如此，但具體到不同行業又有所差異，比如對更接觸C端使用者需求側對數字化轉型更強調業務前端，而對於面向智慧工廠端則更強調技術端。

雖然不同行業千差萬別，但也需要意識到數字化並非一蹴而就，企業也並非是為了數字化而數字化。騰訊公司高階管理顧問、青騰大學教務長楊國安作為長期觀察企業數字化轉型實踐的學者，會圍繞企業的戰略、價值觀、數字能力、組織與領導力五大重點方面審視一家打算實現數字化轉型的公司。

以“what、how、why”等方面入手，弄清楚企業為何做數字化轉型，以及與企業的戰略佈局有何關係？圍繞戰略轉型，數字化如何切入？採用怎樣的科技能力實現不同業務的數字化？圍繞數字化，企業如何搭建人才與組織架構？

戰略的重要性擺在首位，企業可以用數字化重新定義公司今後的發展脈絡，並尋求差異化競爭點。比如便利蜂的數字化定位，便超出了常人對它的認知。表面上便利蜂是一家再普通不過的便利店，實際上，便利蜂所涉及的商品出貨、供應鏈、商店的盈虧、員工的考核等方面，都依賴於系統大腦下達的指令。一切業務運作都建立在數字化的基礎上，打通各個不同環節。這便是一家典型的數字化零售企業。

企業在推進數字化轉型的過程中，離不開業務應用、IT架構、組織機制建設等工作環節。數字化戰略、數字化業務應用、數字技術能力、資料能力、數字組織能力及變革管理成為評估企業數字化成熟度的六大主要維度。這是來自普華永道思略特報告的標準。

數字化戰略：從企業的戰略規劃和投資等角度，衡量企業推行數字化的決心和力度; 數字化業務應用：從各個業務條線最終使用數字化的深淺程度，來衡量企業數字化轉型的成果。業務條線包括衡量價值鏈環節的研發、採購、生產、營銷、客服等，也包括內部管理條線如戰略、人力、財務、IT等； 數字化技術能力：是否具備先進的、支撐企業未來數字化應用的IT架構的，以及相應的技術組織能力，比如新技術人員、數字技術組織結構和運作方式等； 資料能力：企業能夠應用資料分析進行業務決策的程度，包括資料可得性以及資料分析能力兩個方面。打造強有力的資料能力涉及資料戰略、資料架構、資料治理、資料安全、人員技能等多個方面； 數字組織能力：企業採取怎樣的組織機制/流程/文化/員工技能等，來支援企業數字化轉型和運營工作； 變革管理：企業推進數字化轉型的機制是否成熟，比如數字化治理模式、變革管理人員技能等。

經數字化成熟度評估後，可以釐清企業數字化轉型所處的階段。一般而言，數字化企業的核心是構建以客戶為中心的能力體系，面向內外部日益複雜多變的運營管理環境時，需要敏捷、精益、智慧與柔性，因此需要IT架構和組織能力體系的相互配合。

以業務層面為例，一線服務團隊將客戶需求傳遞迴平臺，透過資訊共享和決策分析，讓客戶變化需求直達企業內部各資源部門和決策部門，實現敏捷應對。在IT能力建設方面，對內實施IT資源整合，聚集所有IT力量，統一規劃。對外也需要藉助數字化專業團隊的力量，透過合作加快企業數字化轉型的推進。

四

轉型背後的智慧化評估

即便了解了數字化企業的特徵，還不代表企業能轉型成功。數字化轉型的本質是轉型，背後的數字能力及科技能力尤為重要。

在雲、大資料、AI、IoT、5G等數字技術的湧入下，業務與技術的交織甚為複雜。這也使得企業的數字化轉型難度大大增加，企業也很難釐清究竟該從哪入手或者沿著什麼路徑進行推進。

企業數字化轉型所處的階段可以按照線上化、整合化、數字化及智慧化四個類別進行分類。數字化評估也少不了對企業內部智慧化、數字化、資訊化等關鍵節點的評估，弄清數字化轉型與業務模式變革之間的關係。

在《工業人工智慧》一書中，簡要介紹了三種衡量企業資訊化程度的方式，為企業智慧化轉型提供基礎判斷方法。

第一種是透過數字準備評估成熟度模型，以製造企業的製造運營流程評估為例。一方面評估製造企業開始資訊化轉型的準備就緒程度，另一方面識別製造企業的優勢、劣勢和機會。

製造運營流程通常分成五個主要部分，設計與工程；生產管理；質量管理；維護管理及物流管理，每個部分都可以視為一個獨立的模組。

經成熟度評估後，可以分為不同階段，各個階段之間在流程、基礎設施建設、資訊交換與決策等方面都是順序漸進的。在最為成熟的數字導向階段，企業可以在堅實的技術基礎設施基礎上，以高速、強健、安全的資訊交換來支援企業的快速決策。

第二種是利用智慧製造系統準備水平衡量制造企業是否具備智慧化條件。採用這種方法所定義的智慧化，是密集使用資訊和通訊技術來提高製造系統性能。需要透過感測器、控制器等系統來採集生產過程中的實時資料，有了資料才能運用資料監控即分析技術，最佳化生產環境的資源配置和裝置。

這種方式主要關注的方面囊括了生產力改善的成熟度、資訊化軟體的支援程度和資訊共享能力的成熟度。

第三種則是透過生產系統成熟度評估製造企業生產設施的總體情況，確定製造業務管理的政策、程式和執行的組織性、可靠性和可重複性。成熟度越高，組織效率越高，製造運營管理層面的問題就越少。

在工業製造領域，需要相應的工具和方法，將企業資訊化成熟度與智慧化成熟度的評估融合，綜合評估企業的智慧化轉型階段，為企業決策提供實證證據。

在富士康科技集團內部就建立了一套評價方法來衡量制造系統的智慧化程度，從運營技術（OT）、分析技術（AT）、資料技術（DT）等技術維度進行評價。

以資料技術（DT）維度為例，主要是分析工業資料碎片化、質量等問題。例如在一條流程性製造產線中，末端產品質量的資料要能夠與產品在上游工序加工時的裝置引數對應，因此必須強化資料的全面性和代表性。

運營技術（OT）則能夠對工廠端的人、機、環、體系等方面進行數字化管控，將人的隱形的知識經驗轉化為機器語言，成為一種可執行的知識體系。

工業人工智慧的思路也為其他行業提供借鑑路徑。資訊化是實現智慧化的前提條件，有了資料作為依據，才能運用大資料分析技術，最佳化生產、運營和裝置，最終達到數字化、智慧化的目標。