“数字化”这个词，相信读者已经听的不厌其烦了，但是，从笔者长期实践的角度来看，恰恰 2023 年会是一个真正的开始，经过 2020 年国家政策层面对数字化认知的高度提升，经过这两年不同规模企业、各类从业者、研究者的多维度思辨、探索，我们对数字化的认知和企业该做的实践，大体上有了一定的方向，笔者不敢说大家认知都一致了，但是，至少我们有相近的方向可以去靠拢了。那么，在这个相近的方向上，企业的数字进化该是什么样子呢？笔者就跟各位读者一起探讨下。
数字化的共同方向
笔者认为上至国家政策，下至企业实践、个人学习，逐渐都显露出一条主线，就是政策中提到的“激活数据要素潜能”、“构建网络强国”，以及为“数字社会、数字经济、数字政府”演进提供的各类软件，数据、工具、网络，就是数字化新生产方式的概括，数据是新要素、工具主要是软件、网络承载关系，从“数字中国”到“数字企业”再到“数字公民”，都会围绕这个线索进行转型工作，具象化的远景目标可以用类似元宇宙概念的基于虚拟空间的跨地区、虚实协同，近景目标则是多维度探索数据的应用潜力，为劳动岗位、劳动力的数字化转型设计方向，用数字化提升企业对未来变化的适应力。
企业的数字化转型就是将这种新生产方式融入到现有生产模式中，完成业务的转型。这不是一个口号，而是“实干”，是从思考到行为的“实干”。除了管理层要具备战略思考的能力、推动全局转型的意志外，更直接、更重要的是深入企业的每个岗位，认真探究数据的作用，这才是当前数字化转型的一个灵魂问题，对于每个岗位而言，数据到底有什么用？什么样的数据有用？数据该怎么获取？该怎么使用？这些问题关系到数字化转型实际效用。
比如，笔者最近接触到一个企业，为了管理好物流作业，让每位来工厂运货的司机都能在排队时享有公平待遇，就在没有 IT 人员支持的情况下，自学低代码、POWER BI 类工具，为司机生成上报信息的二维码，采集到厂时间并生成排队信息投放在司机候场区的电视屏幕上，实现了“自主”开发排号机的目标，节省了开发费用 50 万元左右。其实重点还不是省钱，而是逐渐具备了利用低强度开发工具实现数字化的能力，有了这个能力，还能在低代码可支持的范围内继续“升级”，比如，通过对排队时间的了解，能够进行廉洁行为的检查，发现是否有司机经常会获得“照顾”，根据业务需要，这些技能在持续的磨练中不断提升，将数据、工具、网络三者很好地结合起来解决了一个业务痛点，并使得更多的需求逐渐得以实现。
能够回答数据的价值，就能够回答投入的价值，就能够坚定地走下去。
企业的数字化能力建设
这仍是困扰很多企业的问题，问题回答不清，往往是不够聚焦，当然，笔者不是说自己的答案就是唯一解，而是提供一个聚焦思考的参照，供各位读者批评。
如果把上文对数字化的认知作为企业推动数字化的“底层逻辑”，那么，围绕数据的能力建设就是开展工作的重点，为此，可以开展下几方面的工作：
关于数据价值的深度思考
这里承接上文思路，需要深入研究到每一个岗位，无论是全企业同步开展，还是选择试点领域开展都可以，但是必须聚焦到实际业务痛点、业务岗位上去思考，而不是只做宏观、中观的思考，数据的价值最终一定会体现在微观上。
“人”的数据能力培育
可以先在“人”身上下功夫，有很多中小企业由于资金问题，可能难以直接下决心在 IT 上进行投入，那可以首先在“人”的能力上通过内外部培训的方式形成对数据利用的思路，如同上文介绍的案例，如果数据有用，那么，自学或者通过培训的方式获得低代码工具、离线数据分析工具的使用能力，并不是十分困难的，其成本也是可以承受的，但是切记，不要泛泛地学，而是先要梳理下自己企业的业务痛点，有些痛点可以通过流程改进解决，有些痛点可以通过数据分析解决，有些痛点需要更复杂的技术才能解决，痛点不同，方案不同，泛泛地引入数据能力，就像家里突然来了一位“陌生人”，双方都不自在，可以考虑先通过一些轻咨询、微咨询的方式做下问题诊断。
分清企业能力和个人能力
数据利用可以说有两种主要模式，大数据和小数据模式。大数据高度依赖数据平台，要么自建平台，要么利用公有云、行业云服务，二者目前都是有一定成本的，企业需要量入为出，要基于自己的痛点需求、企业生态环境、竞争环境的变化综合考量，不是只看投入产出；小数据依赖个人能力，电子表格、低代码工具、流程自动化机器人（RPA）、Python 等工具，都可以在企业投入较小的情况下，通过个人学习获得能力提升。笔者也注意到，不同工具在不同行业使用也不尽相同，比如，RPA 在金融行业用得更加广泛，而且往往有企业级平台，上升到了企业能力的范畴，但是低代码在制造业用的较多，因为制造业普遍 IT 人员匮乏，二者使用效果都很理想。企业可以在初期的小数据模式中得到充分收益的情况下，有计划开展或自建或上云的数据平台能力建设。
企业迟早要进行数据治理工作
有了低代码工具，数据采集、使用方便了，但也会带来问题，比如随着低代码工具增多，不同开发者做的应用中，数据定义是否一致，是否能共享成果等等，工具的便捷会推动数据适用范围的提升，但是也会使数据定义的一致性问题更加突出，企业迟早会面对数据治理问题，近期，一家国内大型机械制造业企业的董事长带头儿学习数据治理体系，凸显数据质量和治理的重要，毕竟，数据领域的铁律就是“垃圾进、垃圾出”，没有好数据，就没有好应用。
企业最终会走向整体转型
如果数据能够给企业提供十足的价值，企业自然会需要更多数据能力，与此相关的软件也会越来越多。除了数据价值之外，新的客户体验、新的业务工作方式，也会带动软件的增加，在不同规模的企业中，这是一个伴随着行业软件获取成本持续下降而逐步发展的过程，不会太快，但也未必很慢，尤其是在“东数西算”这样的大型国家基础设施建设逐步成型之后，国家当前的政策还是保持要在新基建上适度超前投资。所以，随着数据治理重要性的提升，软件治理的重要性也是要同步上升的，不然，软件多了也会混乱，一些低代码开发的先行企业已经感受到由于缺乏开发体系、软件版本管理能力带来的不便。
企业管理能力的转变
通过上文的介绍，我们可以感受到，数字化正在推动企业进行持久而深入的变化，从顶层设计到底层执行，越来越多的软件承载着数据能力、服务能力渗透到企业的各个业务环节，这也要求企业的管理进行模式的转型。
目前的管理类课程都很少有真正培养管理者如何同时解读自己传统业务和 IT 行业的能力，很少提供有效的工具，帮助管理者进行管理层面业务和技术的深度融合。由于软件的渗透，企业已经不能再仅仅从需求的角度考虑软件建设，要从过去怎么在企业里做软件，这种企业软件的思考模式，逐渐转变为如何让企业整体像一个软件了，打通数字神经，让业务更流畅、让数据更有用，我们对数字能力的建设，要从“企业软件”转向“软件企业”了。为此，低代码等便捷工具，已经开始推动“开发左移”的发展，也就是低强度开发工作向业务侧转移，这也会带动“数据左移”，数据定义、建模、分析工作都会更多向业务侧倾斜。因此，企业管理者的能力需要转变。
高层管理者需要一定的架构思维，这不是要求高层管理者具备解决方案架构师那种专业设计能力，而是对企业架构有一定了解，知道整体推动业务技术深度融合的路径是什么，毕竟企业的很多 IT 建设是高层管理者决策的，缺少架构思维会在决策时带来很多不便；中层管理者也需要有架构思维尤其是业务架构设计能力，毕竟中层管理者是企业承上启下的关键，是天然的“解决方案架构师”，无论企业中是否有 IT 队伍，中层管理者对本企业的业务架构都具有事实上的控制力，是数字化转型的中坚力量，数字工厂建设中的一些问题其实就是在解决流程的重新对接和标准化问题，这其中需要很贴近业务实际的流程和数据设计，而这些也正是业务架构的工作内容，架构不是仅在上层搞设计的方法论，需要企业很好地去灵活掌握这一工具的使用。
数字化的发展必然是深远和持久的，在这一过程中，企业“必须坚持问题导向”，也“必须坚持系统观念”，灵活掌握能够将战略、业务和技术融合在一起的思维、行为工具，企业架构是可选工具之一，通过灵活运用工具，实现从“企业软件”到“软件企业”的应用模式的转变，真正获得自己最需要的数字化效能。
