微精选

近日，和一个同行交流，谈及数字化转型，都有一肚子苦水，都感叹太难。这种难，是全方位的难，有流程的问题，有数据的问题，也有“部门墙”的问题，当然，还有资源不够的问题，各种问题叠加在一块儿，让数字化转型困难重重，步履维艰，难上加难。

坦率地说，罗马不是一天建成的，数字化转型也不是一两年就能成功的。数字化转型涉及企业的战略、组织、流程、技术和文化等方面。战略上包括转型的愿景、目标和路线图，要回答“为什么转型”“未来成为什么样的企业”等核心问题；技术层面有基础网络、服务器等硬件设施以及数据池、开发工具等；业务层面有数字化的营销、产品设计开发、供应链、生产运营等；组织与人才层面的组织架构的调整、员工数字化的培训、工作方式与协作方式的改变、考核与激励等。所以，数字化转型不是单一的项目，而是一场持续的不可逆的旅程，内容涵盖了从顶层战略思考到底层技术实现，从外部业务创新到内部组织变革等方方面面，所以，是一个持续的渐进过程，不可能一蹴而就。

数字化转型的内容很多，涉及企业的方方面面，那么，从哪块儿入手才是最好的呢？

老兵结合自己的经验教训以为，企业的数字化转型应该从改变认知入手，接下来进行流程梳理、数据治理，再来开展技术赋能和业务创新，这四个方面环环相扣，而且顺序也不能随意调整。

接下来，老兵详细解释为什么，并阐述这四个方面如何环环相扣，形成一个成功的转型闭环。

第一，改变认知。

改变认知换成体制内领导常说的词儿，就是“统一思想，提高认识”。很多年前，我和同行一样，总觉得这句话虚头巴脑，没有实际意义，但搞了多年信息化工作之后，感觉根本不虚，是我们把它理解错了。

“统一思想”不是让大家闭嘴、服从，而是“构建共识”，有三层意思：一是统一对“现实”的认知，让大家对所处的环境和现实情况有共同且清醒的认识，本质是回答“我们为什么必须变？”的问题；二是统一对“目标”的渴望，将一个源于高层的、抽象的“成为数字驱动的企业”的目标远景，转化为各级员工能够理解、认同并为之兴奋的个人化目标，本质是回答“我们要一起去哪里，有什么好处？”的问题；三是统一对“路径”的信心，建立对“如何到达”的路径的基本信任，本质是回答“大致要怎么走？这条路靠谱吗？”的问题。只有这三条做到了，才能说“思想”已经“统一”了。

“提高认识”不是简单地上情下达、当传声筒，而是“改变心智模式”，也有三条：一是从“被动接收”到“主动理解”，通过优势劣势分析、成功失败案例，让团队自己感受到数字化转型的紧迫性；二是从“经验依赖”到“新知探索”，让员工认识到，过去的成功经验可能成为未来的绊脚石，必须学习新的知识，掌握新的思维模式；三是重新认识“因果逻辑”，通过对数据的洞察，真正理解用户需求，用数字化的方式重构设计、生产和营销，满足客户需求。只有做到这三条，才能说“认识”已经“提高”了。

第二，流程梳理。

流程梳理是连接“战略构想”与“落地实施”的核心桥梁。做对了，它能精准定位痛点、明确方向；做错了，会导致技术与业务“两张皮”，投入巨大却收效甚微。

流程梳理要把握三个核心原则：一是要从业务价值出发，要弄清楚流程优化是为了解决什么业务问题？二是要以客户为中心，流程的终点是服务客户，判断好坏的标准是否为客户创造了价值；三是要彻底重塑，数字化转型不仅仅是把现有流程自动化，而是要敢于重新设计流程本身。

流程梳理一般来说有三个步骤：

第一步是准备。首先，明确流程梳理的范围与目标，不要贪大求全，要始终围绕核心业务，选择价值高、痛点明显、跨部门的核心流程作为切入点。其次，定义流程梳理的成功标准，也就是具体目标，比如通过梳理，将合同审批时间从5天缩短到1天，将客户投诉率降低15%，这个目标就比较明确。再次，组建跨职能的团队，团队成员要包括流程的所有者，即决策者、业务操作人员、IT专家以及数据分析师等，便于集思广益，凝聚各方力量。

第二步是分析。首先，绘制现有流程的每一个步骤、参与者、系统、决策点和数据流。其次，识别痛点与瓶颈，在哪个环节耗时最长，成本最高，出错最多？在哪个方面存在信息孤岛，数据要重复录入？在那些地方客户抱怨最多？再次，对每个关键环节进行标识，哪些是增值活动，哪些是非增值但必要的活动，而哪些是纯粹的浪费。

第三步是设计。重新设计未来的“流程”。首先，消除浪费，将标识为“纯粹浪费”的环节删除掉。其次，将多个环节合并，简化复杂步骤。再次，识别哪些重复、规则性的任务，可以尝试交由工作流引擎接管。将以上梳理过的流程绘制出来，清晰地标出与现状的不同之处，进行对比分析，不断迭代、优化，进行PDCA循环。

第三，数据治理。

数字化转型中，数据治理是确保信息系统高质量、可信且可用的核心保障。它不是一个独立的项目，而是一项需要融入业务和技术流程的持续性基础工作。

数据治理要把握三个核心原则：一是始终以业务价值驱动，数据治理的最终目标不是为了治理而治理，而是为了解决业务问题、支撑业务决策、赋能业务创新。二是要组织与文化先行，数据治理本质上是“人权”和“事权”的重新定义，它首先是管理问题，其次才是技术问题，必须建立明确的责任体系，并培养“数据是资产”的文化。三是共建与共享，数据治理不是IT部门或数据团队的单方面工作，需要所有业务部门的深度参与和共建，成果必须能够被便捷地共享和使用，才能体现价值。

数据治理一般来说有六个步骤：

第一步是打基础。首先，明确数据治理支撑数字化转型的战略。其次，建立组织与责任体系，一个是数据治理委员会，负责审批策略、解决争端、提供资源；另一个是数据所有者，由业务部门领导担任，对特定数据域的业务含义、质量和安全负最终责任。另外，还要颁布数据治理政策与制度，明确各方权责和基本原则。

第二步是立标准。首先，建立元数据标准，统一业务术语表，让企业上下对关键指标的术语有一致的定义。其次，建立主数据标准，对于一些核心、共享和需要一致性的实体数据，如客户、产品、员工、供应商等，确保这些关键实体有唯一、准确、统一的版本。另外，还要建立数据模型与标准定义，制定统一的数据编码规则、数据格式和模型标准。

第三步保质量。质量是数据的生命线，对业务来说，数据质量是第一位的。首先定义质量维度与标准，针对关键数据，定义其准确性、完整性、一致性、唯一性、及时性和有效性的衡量标准。其次，对数据质量进行剖析与评估，对存在问题的数据分发给相应的所有者，进行分析并纠正。另外，还需要对数据质量持续监测，防止复发。

第四步护安全。首先，对数据进行分级分类。其次，进行访问控制和权限管理，确保员工只能访问其工作必需的数据。再次，进行数据加密与脱敏，对静态和传输中的敏感数据进行加密；在测试、开发等非生产环境使用脱敏数据。同时，还要确保数据治理符合各项法律要求。

第五步盘活数据资产。首先，构建数据资产目录，让员工能够轻松地发现、理解和使用他们需要的数据。目录应集成元数据、数据质量信息、所有者信息等。另外，还要建立建立数据服务与共享机制，将治理好的数据安全、便捷地提供给业务应用和分析人员使用。

第六步持续改进。首先，将数据质量检查点、审批流程嵌入到关键的业务流程中，让治理成为业务的一部分。其次，培训与文化建设，持续对员工进行数据素养培训。另外，持续优化，定义并跟踪数据治理的核心指标，用数据来驱动治理工作的持续改进。

第四，系统落地。

通过技术手段，将优化的流程和治理好的数据固化为企业的数字能力。一般来说，引入合适的软件系统，构建数字化应用，打通系统孤岛，持续收集反馈，不断迭代。

这个是信息化部门的老本行，不再兹述。

总而言之，对于数字化转型来说，“改变认知”是方向盘，“流程梳理”是路线图，“数据治理”是燃料，“系统落地”是最终制造的跑车。没有方向盘会迷失方向，没有路线图会走弯路，没有燃料再好的车也跑不起来。这四个方面，缺一不可。